Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है
AI Project Cycle introduces Class 9 students to a structured process for developing an artificial intelligence solution. They learn to define a real-world problem, identify stakeholders and goals through problem scoping, collect and explore relevant data, build or select a suitable model, and evaluate its results. The topic also connects project work with reflection and ethics, helping students consider fairness, privacy, responsible data use, limitations, and the social impact of AI systems.
Easy · Level 1 · 6 questions
TOPIC PRACTICE
Quiz this set
Up to 6 questions from this page. Select your focus, then start.
6 questions
Choose questions
View options
The process of helping a machine learn from examples
Only painting a machine
Removing all data
Working without a purpose
View options
With examples and data
With random guessing alone
By switching off the machine
By tearing written instructions on paper
View options
प्रणाली को स्थायी रूप से बंद करना
परिणामों की शुद्धता और विश्वसनीयता की जाँच करना
प्रशिक्षण डेटा को छिपाना
मॉडल के उद्देश्य को हटाना
View options
Because it provides a clear direction for the solution
Because it changes the colour of the machine
Because it removes all the data
Because it makes testing the solution unnecessary
View options
Declaring the result
Making a decision without collecting data
Understanding the problem and defining the goal
Testing the model's results
View options
To hide the outputs from users
To check whether the system produces accurate and reliable results
To increase the physical size of the computer
To eliminate the need for training data
Question 1EasyLevel 1
Which is the best description of training in Artificial Intelligence?कृत्रिम बुद्धिमत्ता में प्रशिक्षण का सबसे अच्छा वर्णन कौन सा है?
Correct answer:सही उत्तर:A
During training, an AI model receives examples, often with relevant information or labels, and learns patterns that connect inputs with expected outputs. The learned model can later be tested or used on new data. Painting a machine, deleting data, or acting without a goal does not create the learning process called training.प्रशिक्षण के दौरान AI मॉडल को उदाहरण, और कई बार सही labels, दिए जाते हैं। मॉडल inputs और अपेक्षित outputs के बीच पैटर्न सीखता है। बाद में इसी सीखे मॉडल को नए डेटा पर जाँचा या उपयोग किया जाता है। मशीन रंगना, डेटा हटाना या बिना उद्देश्य कार्य करना training नहीं है।
What does the learning process in Artificial Intelligence begin with?कृत्रिम बुद्धिमत्ता में सीखने की प्रक्रिया किससे शुरू होती है?
Correct answer:सही उत्तर:A
In a typical machine-learning process, a model receives examples and data, finds useful patterns or relationships, and uses them to produce predictions or classifications for new inputs. Random guessing alone provides no basis for learning or improvement. Switching off a machine or destroying instructions does not supply training information and therefore cannot begin a meaningful learning process.सामान्य मशीन-लर्निंग प्रक्रिया में मॉडल को उदाहरण और आँकड़े दिए जाते हैं। वह उनमें उपयोगी पैटर्न या संबंध खोजकर नए इनपुट के लिए अनुमान या वर्गीकरण करना सीखता है। केवल यादृच्छिक अनुमान में सीखने का आधार नहीं होता। मशीन बंद करना या निर्देश फाड़ना प्रशिक्षण-सूचना नहीं देता, इसलिए सीखने की शुरुआत नहीं कर सकता।
What is the main purpose of testing in Artificial Intelligence?कृत्रिम बुद्धिमत्ता में परीक्षण का मुख्य उद्देश्य क्या है?
Correct answer:सही उत्तर:B
Testing evaluates how well an AI model performs on suitable data or situations that were not used in the same way for training. It helps measure accuracy, reliability, errors, and sometimes fairness or robustness. Testing is not about shutting down the system, hiding data, or removing its purpose; it is evidence-based evaluation before or during use.परीक्षण से यह जाँचा जाता है कि AI मॉडल उपयुक्त डेटा या ऐसी परिस्थितियों में कितना अच्छा काम करता है जिन्हें प्रशिक्षण में उसी रूप में उपयोग नहीं किया गया था। इससे शुद्धता, विश्वसनीयता, त्रुटियों और कभी-कभी निष्पक्षता का मूल्यांकन होता है। परीक्षण का उद्देश्य प्रणाली बंद करना, डेटा छिपाना या मॉडल का उद्देश्य हटाना नहीं है।
Why is it important to choose the right problem in Artificial Intelligence?कृत्रिम बुद्धिमत्ता में सही समस्या चुनना क्यों आवश्यक है?
Correct answer:सही उत्तर:A
A clearly defined problem identifies the need, users, limits, and desired outcome of an AI project. It guides the choice of relevant data, suitable methods, and measures of success. Choosing a problem does not change a machine’s colour, remove all data, or eliminate the need to test and evaluate the final solution.स्पष्ट रूप से चुनी गई समस्या से आवश्यकता, उपयोगकर्ता, सीमाएँ और अपेक्षित परिणाम समझ में आते हैं। इससे प्रासंगिक डेटा, उपयुक्त AI विधि और सफलता मापने के मानदंड चुने जा सकते हैं। समस्या चुनने से मशीन का रंग नहीं बदलता, डेटा नहीं मिटता और समाधान का परीक्षण अनावश्यक नहीं होता।
What is the initial step in an Artificial Intelligence project?कृत्रिम बुद्धिमत्ता परियोजना में प्रारंभिक चरण क्या होता है?
Correct answer:सही उत्तर:C
An AI project begins by understanding the problem and defining what the project should achieve. This problem-scoping step helps identify the users, required information, constraints, and success criteria. Collecting or preparing data, building a model, and testing its results come after the problem and goal are clear.AI परियोजना की शुरुआत समस्या को समझने और यह निर्धारित करने से होती है कि परियोजना को क्या हासिल करना है। इस चरण में उपयोगकर्ता, आवश्यक जानकारी, सीमाएँ और सफलता के मानदंड स्पष्ट किए जाते हैं। डेटा तैयार करना, मॉडल बनाना और परिणामों की जाँच बाद के चरण हैं।
Why is an Artificial Intelligence system tested?कृत्रिम बुद्धिमत्ता प्रणाली का परीक्षण क्यों किया जाता है?
Correct answer:सही उत्तर:B
Testing evaluates how well an AI system performs on suitable data that was not used to teach it. It can reveal incorrect predictions, weak performance, or unfair behaviour and guide improvements. Testing is different from training: training develops the model, while testing measures how reliably it works on new cases.परीक्षण से यह मूल्यांकन किया जाता है कि AI प्रणाली ऐसे उपयुक्त डेटा पर कितना अच्छा काम करती है, जिसका उपयोग उसे सिखाने में नहीं किया गया था। इससे गलत पूर्वानुमान, कमजोर प्रदर्शन या अनुचित व्यवहार सामने आ सकते हैं और सुधार का मार्ग मिलता है। प्रशिक्षण मॉडल को सिखाता है, जबकि परीक्षण उसके प्रदर्शन को मापता है।
Google Analytics helps us understand site usage. Google may send limited cookie-free signals before your choice. The Live Visitors widget operates independently of this analytics choice; see the privacy policy for its provider and fallback details. Essential site features work without analytics cookies. You can change your choice later in Privacy choices. Privacy policy
