Quiz "ML&DDB Menti"

Kommunikation

Neugierde

Kreativität

Kritisches Denken

Zusammenarbeit

Flexibilität

Soziale Fähigkeiten

Empathie

Führung

Produktivität

Lügner kennen die Wahrheit und versuchen, uns von etwas anderem zu überzeugen

Bullshitter kennt die Wahrheit nicht oder es ist ihm egal – und versucht nur, überzeugend zu sein

Menge an Energie, die benötigt wird, um Bullshit zu widerlegen ist um eine Größenordnung größer als sie zu produzieren

nichts davon

Bullshit wird auf Feldern gefunden

Kumulative Diagramme & Abgeschnittene Y-Achse

Abgeschnittene X-Achse

Kumulierte Wahrscheinlichkeiten

Kumulative Diagramme & Verlängerte Y-Achse

nichts ist richtig

Die wissenschaftliche Methode beginnt mit einer Hintergrundforschung

Die wissenschaftliche Methode schließt mit einem Bericht ab

Die wissenschaftliche Methode beinhaltet eine fundierte Vermutung

Die wissenschaftliche Methode verwendet Experimente um Hypothesen zu testen

Nichts davon

Tier- und Zellstudie

Anekdoten- und Expertenmeinung

Fallbericht

Kohortenstudie

Systematische Überprüfung

kausal verwandt

korreliert

abhängig

unabhängig

invariant

Voreingenommene Daten/rassistische Menschen

Voreingenommene Menschen/voreingenommene Daten

Rassistische Menschen/voreingenommene Daten

Voreingenommene Daten/inkompetente Menschen

Inkompetente Menschen/voreingenommene Daten

CEO

PR-Mitarbeiter

Mitarbeiter/Angestellter

Externer Corporate Influencer

Alle sind korrekt

Personen

Informationstechnologie

Prozesse

Regierung

Daten

Verringerung des Risikos von Geldbußen

Festlegung der Rechenschaftspflicht für die Qualität der Informationen

Erhöhung der Konsistenz und des Vertrauens in die Entscheidungsfindung

Maximierung des Einkommensgenerierungspotentials von Daten

Alle Ziele gehören zu Data Governance

General Data Protection Rights

General Data Privilege Regulation

General Data Protection Regulation

Governance Data Protection Regulation

Governance Data Privilege Regulation

Vertrag

Zustimmung

Öffentliche Aufgabe

Vitales Interesse

Berechtigtes Interesse

Unzureichende Erfüllung der Rechte der betroffenen Personen

Unzureichende Rechtsgrundlage für die Datenverwaltung

Nichteinhaltung der allgemeinen Grundsätze der Datenverarbeitung

Unzureichende technische und organisatorische Maßnahmen zur Gewährleistung der Informationssicherheit

Unzureichende Zusammenarbeit mit der Aufsichtsbehörde

Ihre Informationen zu löschen

Auf ihre persönlichen Daten in einem tragbaren Format zuzugreifen

Nein zum Verkauf personenbezogener Daten zu sagen

Zu wissen, um welche persönlichen Daten es sich handelt, die über sie gesammelt wurden

Ihre Daten zu korrigieren

Strafregister

Einkaufsgewohnheiten

Kreditrückzahlung

Freiwilligentätigkeit

Anzahl der Kinder

Ziel ist es, unbeabsichtigte Änderungen von Informationen zu verhindern

Sie gewährleistet die Genauigkeit und Konsistenz von Daten über ihren gesamten Lebenszyklus

Es ist beabsichtigt, Daten vor unbefugten Personen zu schützen

Die Datenvalidierung ist eine Voraussetzung für die Datenintegrität

Menschliches Versagen kann zum Versagen der Datenintegrität führen

Menschliches Versagen

Unerwarteter Hardwarefehler

Böswillige Absicht

Verarbeitungsvorgang

Alles

SHA-224

SHA-384

SHA-512

Allen genannten

Keinem der genannten

Hash Funktion

Hash Value

SHA-2

Hash Algorithm

Hash Application

Erzeugen / einen

Verschlüsseln und lesen / einen

Erzeugen / viele

Verschlüsseln und lesen / viele

Nichts davon

Verwendung des gleichen Schlüssels / Verschiedene Schlüssel zum verschlüsseln und lesen von Daten

Verwendung von verschiedenen Schlüsseln / gleicher Schlüssel zum verschlüsseln und lesen von Daten

Eine Person kann 1 Schlüssel generieren / viele Schlüssel

Eine Person kann viele Schlüssel generieren / 1 Schlüssel

Nichts davon

öffentlicher Schlüssel

Hash-Wert

Hash-Algorithmus

Privater Schlüssel

Alles außer Hash-Algorithmus

Hash-Funktion

Doppelte Ausgaben

Arbeitsnachweis

CPU-Leistung

Bitcoin

Digitale Signatur

Zeitstempel

Hash-Funktion

Proof-of-Stake

Blockchain

4 Tage

15 Tage

1 Monat

8 Monate

15 Monate

Älteren

Neuen

Den ersten

Noch nicht abgeschlossene

Alles korrekt

Blockchain (Kette von Blöcken) / Transaktionen

Transaktion / Blockchains

Blockchain / Bitcoins

Transaktion / Kryptowährungen

Blockchain / Kryptowährungen

Zugänglichkeit

Einfache Abwicklung von Transaktionen

Schnellere Transaktionen

Hohe Sicherheit

Alles

Beteiligte bleiben anonym

Ein Vertrag wird von mehr als zwei Parteien geschlossen

Der Vertrag wird in einem privaten Ledger gespeichert

Für den Smart Contract ist kein auslösendes Ereignis (z.B. Fristen) festgelegt

Alles

Internet of Transparency & Tangle

Internet of Things & Thread

Information of Technology & Things

Internet of Things & Tangle

Information of Things & Tangle

Es verwendet Blockchain als Basistechnologie

Es handelt sich um ein open-source verteiltes Ledger und Kryptowährung

Es wird eine gerichtete azyklische Graphentechnologie verwendet

Der Schwerpunkt liegt auf der Bereitstellung sicherer Kommunikation und Zahlungen zwischen Maschinen (Internet of Things)

Die Transaktionen von IOTA sind kostenlos und die Bestätigungszeiten sind schnell

Blockchain

Smart Contract

Radarsensoren

Digitale Signatur

Biometrie

Ein Startup-Unternehmen mit einer aktuellen Bewertung von 1 Mrd. Dollar oder mehr

Ein Startup-Unternehmen, das das Potential hat, ein börsennotiertes Unternehmen zu werden

Ein Startup-Unternehmen, das vor weniger als 5 Jahren gegründet wurde

Ein börsennotiertes Unternehmen mit einem Umsatz von über 1 Mrd. Dollar

Nichts hiervon

SpaceX

DiDi

Bytedance

Grab

Ant Financial

Akademischer Abschluss

Einzelkinder

Weiblich

Abitur

Migrationshintergrund

Ernährungs- und Konsumgüter-Branche

Automobil- und Logistik-Branche

Medizin- und Gesundheits-Branche

Informations- und Kommunikations-Branche

Land- und Forstwirtschaft

Make one, sell many

One make, many sell

Many make, many sell

One make, one sell

Nichts

Suchmaschine (Google)

Lieferservice (Lieferando)

Hotelportal (Trivago)

Taxiplattform (Uber)

Nichts davon

WeChat ist ein Beispiel für eine Produkt Platform

AirBnb ist ein Beispiel für eine Transaction Platform

Ebay ist ein Beispiel für eine Service Platform

YouTube ist ein Beispiel für eine Media & Content Platform

LinkedIn ist ein Beispiel für eine Communication Platform

Amazon

SAP

Spotify

Apple

Adyen

Sharing Economy ist nur in wenigen Branchen umsetzbar

Sharing Economy ist eine Ausprägung einer Digital Platform

Flixbus, Uber und Nextbike sind Beispiele für Sharing Economy

Parkplatz-Piloten sind kein Bestandteil der Sharing Economy

Alles ist korrekt

Universitäten

Hotels

Flughäfen

Einzelhändler

Alle korrekt

Mit einem vorgegebenen Ziel

Ein einmaliges Vorhaben

Ein klar abgegrenztes Vorhaben

Ein wiederkehrendes Vorhaben

Mit einer projektspezifischen Organisation

Projektmanager legt Prozesse fest und wählt Methode aus

Team muss selbstorganisiert sein

Vorgaben müssen konsequent angewendet und umgesetzt werden

Rahmenwerk mit wenigen Vorgaben

Product Owner verantwortet Inhalt, Scrum Master die Organisation

Beeinflusst unmittelbar genau eine weitere Größe

Beeinflusst unmittelbar genau zwei weitere Größen

Beeinflusst unmittelbar genau drei weitere Größen

Hat nicht zwangsläufig die Änderung einer weiteren Größe zur Folge

Alles ist falsch

Erhöhen sich die Kosten für ein Projekt, wenn die gleiche Qualität in kürzerer Zeit verlangt wird

Senken sich die Kosten für ein Projekt, wenn Qualität und Zeit stabil bleiben

Steigt die Qualität eines Projekts, wenn Zeit und Kosten gesenkt werden

Können Zeit, Qualität und Kosten nach Projektbeginn nicht mehr verändert werden

Nichts davon

Erfolg / Aufwand

Erwartungen / Mittel

Ziel / Mittel

Aufwendungen / Teams

Mitarbeitern / Management

Feste Zeit

Fester Umfang

Linearer Ansatz

Festes Budget

Kundenfeedback

Arbeitsprodukt über Prozesse und Werkzeuge

Einzelpersonen und Interaktionen über Vertragsverhandlungen

Arbeitsprodukt über Vertragsverhandlungen

Reaktion auf Änderungen über Planverfolgung

Nichts davon

Geschäftsleute und Kunden müssen während des gesamten Projekts täglich zusammenarbeiten

Häufig Arbeitssoftware bereitstellen

Arbeitssoftware ist das wichtigste Maß für den Fortschritt

Veränderte Anforderungen begrüßen

Nichts davon

Waterfall

Kanban

Agile

Scrum

Alle zusammen

Verpflichtungspunkt ist der Moment, in dem ein Team ein Projekt aufnimmt

Work-in-Product-Limit legt die maximale Anzahl von Spalten auf dem Kanban-Board fest

Spalten repräsentieren eine spezielle Aktivität

Spalten bilden zusammen einen Workflow

Lieferpunkt ist das Ende eines Workflows

2

4

4,5

5

10

Produktivitätsrate pro Tag

Menge an verbleibender Zeit

Menge an verbleibender Arbeit

Anzahl an Spints

Anzahl an Product Backlog

Scrum Master

Product Developer

Product Owner

Scrum Team

Stakeholder

Product Reviewer

Scrum Owner

Executive Master

Team

Agile Master

Burndown Chart

Product Increment

Sprint Backlog

Produkt Backlog

Nichts davon

Funktionen, die für eine bestimmte Veröffentlichung implementiert werden müssen

User Stories, die während eines bestimmten Zeitraums abgeschlossen werden müssen

Funktionen, die Sie implementieren möchten, die jedoch für die Veröffentlichung noch keine Priorität haben

Keines davon

Alle sind korrekt

niedrige Ausrichtung, niedrige Autonomie

niedrige Ausrichtung, hohe Autonomie

hohe Ausrichtung, niedrige Autonomie

hohe Ausrichtung, hohe Autonomie

Nichts davon

Die Gründer sind Amerikaner

Sie sind in derselben Branche tätig

Sie wurden im gleichen Jahr gegründet

Sie haben es verpasst zu innovieren

Alles

Neue CEO und neue Mitarbeiter

Neue Strategien zur Bewältigung von Störungen

Neue Finanzierungsquelle

Neue Abteilung

Staatliche Unterstützung

Prozesstechnologie

Produkttechnologie

Verdrängte Technologie

Produktionstechnologie

Keines

Prozesstechnologie

Produkttechnologie

Verdrängte Technologie

Produktionstechnologie

Keines

Sind Technologien, deren Entwicklung, praktische Anwendungen oder beides noch weitgehend unrealisiert sind

Zeichnen sich durch radikale Neuheit, relativ schnelles Wachstum, Kohärenz, herausragende Auswirkungen sowie Unsicherheit und Mehrdeutigkeit aus

Werden oft als fähig angesehen, den Status quo zu ändern

Umfassen eine Vielzahl von Technologien wie Bildungstechnologie, Informationstechnologie und Nanotechnologie

Alles ist korrekt

Schlechte Internetgeschwindigkeit

Bedarf an Signalverstärker-Infrastruktur

Schlechte Signalreichweite

Unglaublich empfindlich gegenüber Hindernissen

Hohe Kosten für die Entwicklung der Infrastruktur

Composite architectures

Algorithmic trust

Beyond silicon

Formative AI

Digital me

Strategiekarte

Produktionstechnologie

Szenariotechnik

Balanced Scorecard

SWOT-Analyse

Störereignisanalyse

Technologiebewertung

Trendprojektionen

Alternativenbündelung

Einflussanalyse

Die Szenariotechnik stellt eine einfache Technik zur Fortschreibung bisheriger Trends dar

Die Szenariotechnik berücksichtigt die Veränderungsdynamik in einem stabilen Umfeld

Die Szenariotechnik bezieht technologische Veränderungen sowie deren Wechselwirkungen mit ein

Die Szenariotechnik berücksichtigt nur qualitative Faktoren

Die Szenariotechnik berücksichtigt nur quantitative Faktoren

Bewerten Sie die Auswirkungen jedes Szenarios und entwickeln Sie strategische Alternativen für jedes Szenario

Überprüfen Sie alle Trends, die sich wahrscheinlich auf das Geschäft des Unternehmens auswirken

Verlassen Sie sich auf leicht zugängliche Informationen

Erstellen Sie Szenarien für kritische Unsicherheiten und binden Sie Top-Führungskräfte ein

Bewerten und priorisieren Sie Trends mithilfe qualitativer und dann quantitativer Ansätze

Makrotrends/-chancen aus Megatrends ableiten

Potentielle Kosten und Nutzen jedes Geschäftsbereichs berechnen

Geschäftsbereiche mit hohem Wachstumspotential ableiten

Geschäftsbereiche mit den höchsten Erfolgschancen auswählen

Strategische Maßnahmen auf Basis der Zielposition 2025 ableiten

Großes Problem

Niedrigste Entwicklungskosten

Radikale Lösung

Bahnbrechende Technologie

Nichts davon

Selbstfahrende Autos

Energy Kites

Internetballons

Smarte Kontaktlinsen

Meerwassertreibstoff

Terrorismus

Soziale Trennung

Geringere Marktnachfrage

Höhere CO2-Emissionen

Doppelte Lieferkosten

100

150

200

300

Es gibt keine Höhenbegrenzung

Mikrodrohnen mit Sprengkörpern als Waffen

Drohnen zur Lieferung von Blut um Leben zu retten

Logistikdrohne für DHL

Taxidrohnen

Landwirtschaftsdrohnen

Kein Zugang zu Ganzjahresstraßen

Der Zustand der lokalen Fahrzeuge

Die großen Entfernungen zwischen den Städten

Die Gefahr beim Fahren durch Krisengebiete

Alle Probleme zusammen

Das Periodensystem der KI klassifiziert nach ML-Bausteinen

Machine Learning kann ohne explizite Anweisungen lernen

Deep Learning ist eine Teilmenge von ML mit Neuronalen Netzen

Neuronale Netze können selbständig eine Repräsentation lernen

„AI Winter“ beschreibt eine Phase mangelnder KI-Finanzierung

Algorithmische Strukturen

Parametrische Modelle

Mathematische Matrizen

Geometrische Vektoren

Alles

Verlustfunktionen quantifizieren die Unterschiede zwischen dem vorhergesagten Wert und dem tatsächlichen Wert

Lineare Aktivierungsfunktionen ermöglichen die Annäherung beliebig komplexer Funktionen (Probleme)

Die Lernrate bestimmt die Schrittgröße in Richtung des Optimus einer Verlustfunktion

Die Rückausbreitung mit Gradientenabstieg ist der Prozess der Anpassung der Netzwerkgewichte

Alle Aussagen sind korrekt

Es bewegt sich in Richtung der maximalen Verlustfunktion

Möglicherweise wird die Funktion für minimale Verluste übersprungen

Es kann möglicherweise zu lange dauern, bis das Minimum der Verlustfunktion erreicht ist

Möglicherweise wird die maximale Verlustfunktion überspringen

Alles

Niedriger Testfehler

Hoher Trainigsfehler

Unteranpassungsproblem

Überanpassungsproblem

Niedriger Testfehler, aber hoher Trainigsfehler

Convolution Layer

Pooling Layer

Fully connected Layer

Activation Function

Gated Recurrent Unit

Schritt bezeichnet die Anzahl der Pixel, die der Kernel bewegt

Auffüllen bezeichnet den Vorgang des Hinzufügens von Nullen zu Grenzen

Kerngewichte repräsentieren die trainierbaren Parameter von CNNs

Convolutions zielen darauf ab, Merkmale aus einem Eingabefeld zu extrahieren

Nichts davon

Jede Pooling-Operation wählt den Maximalwert der aktuellen Ansicht aus

Erhält erkannte Merkmale

Die Feature-Map wird heruntergerechnet

Es wird am häufigsten verwendet

Nichts davon

TLDR ist eine Abkürzung für „Too Long Didn’t Read“

TLDR bezieht sich auf Texte mit übermäßig detaillierten Informationen

Facebook erstellt ein Modell namens TLDR, um Texte zusammenzufassen

Alle sind korrekt

Nichts ist korrekt

NLP beschreibt Maschinenmethoden zur Verarbeitung natürlicher Sprache

NLP muss sich mit der Komplexität und Mehrdeutigkeit von Sprachen befassen

NLP enthält nur gesprochene und keine geschriebene Sprache

NLP bedeutet, nur einzelne Wörter und Sätze zu verstehen, aber auch den Kontext des gesamten Textes

Alle Aussagen sind korrekt

Es ist ein IBM-Supercomputer, der AI und hochentwickelte Analysesoftware kombiniert

Es wurde nach dem ersten CEO der IBM benannt

Das Computersystem wurde ursprünglich entwickelt, um Fragen in der Quizshow Jeopardy zu beantworten

Es wurde seit 2006 entwickelt

Alle Aussagen sind korrekt

Anfängliche Problemfindung

Endgültige Zusammenführung und Rangfolge

Fragenanalyse

Hypothesen- und Evidenzbewertung

Hypothesengenerierung

Vertrauen

Genauigkeit

Korrelation

Häufigkeit

Belohnung

Textdokumente

Bilder

Audiodateien

Videodateien

DNA-Stränge

LSTMs leiden unter einem verschwindenden Gradientenproblem

RNNs sind für Langzeitgedächtnisse geeignet

Das Output Gate von LSTMs steuert, welche Informationen weitergegeben werden

RNNs finden Anwendung in großen Technologieunternehmen

RNNs und LSTMs benötigen keine Aktivierungsfunktion

Stimmungsklassifizierung

Videoklassifizierung

Textvorhersage

Bildunterschrift

Übersetzung

Texterzeugung

Stimmungsanalyse

Erkennung von Namensentitäten

Maschinelle Übersetzung

Textvorhersage

Bild / Wortfolge

Anzahl der Wörter / Wahrscheinlichkeitsmatrix

Bedeutung der Wörter / Wortfolge

Wortfolge / Wahrscheinlichkeitsmatrix

Wahrscheinlichkeitsmatrix / Folge von Wörtern

Die Eingabe wird im Decoder Wort für Wort verarbeitet

Die Länge der Eingabesequenz kann von der Länge der Ausgabesequenz abweichen

Der Encoder generiert die Ausgabe Wort für Wort

Alle Aussagen sind korrekt

Alle Aussagen sind falsch

Attention

Softmax

Encoder

Decoder

Argmax

Im Gegensatz zu RNN/LSTM müssen bei Transformer die sequentiellen Daten nicht in der richtigen Reihenfolge verarbeitet werden

Im Gegensatz zu RNN/LSTM ermöglicht der Transformator eine stärkere Parallelisierung

Im Gegensatz zu RNN/LSTM verwenden Transformatoren einen Aufmerksamkeitsmechanismus

Im Gegensatz zu RNN/LSTM verwendet Transformer keine Worteinbettung

Transformatoren ersetzten RNN/LSTM in NLP-Aufgaben schnell

BERT besteht aus zwei Phasen: Pre-Training und Feinabstimmung

BERT wird mit zwei Typen geliefert: einem Base-Modell und einem Large-Modell

Das maskierte Sprachmodell wird verwendet, um fehlende Wörter vorherzusagen

Die Vorhersage des nächsten Satzes ermöglicht das Erlernen von Satzbeziehungen

Die Qualität des von BERT erzeugten Textes ist so hoch, dass es schwierig ist, ihn von dem eines Menschen zu unterscheiden

Es gibt nicht genug Kontext zum Trainieren

Das Trainieren ist zu teuer

Das Modell kann beliebige Sätze verstehen und vorhersagen

Das Modell kann keine Beziehungen zwischen Sätzen lernen

Nichts passiert

GPT-3 zeigt Eigenschaften des Zero-Shot-Lernens

GPT-3 war ein von Microsoft erworbenes Open-Source-Projekt

BERT und GPT-3 sind weit verbreitete vorgeübte Transformatoren

In Bezug auf die Parameter ist GPT-3 kleiner als BERT

GPT-3 verwendet ein Kontextfenster der Größe 2048

Das Erlernen einer neuen Aufgabe hängt von den zuvor erlernten Aufgaben ab

Lernen verwendet abstraktes Wissen wieder und trainiert spezifisches Wissen neu

Das Lernen wird aus vorab trainierten Gewichten und Vorurteilen initialisiert

Der Lernprozess kann auf Kosten von mehr Trainingsdaten schneller sein

Es hat das Potential, die Probeneffizienz eines Verstärkungslernmittels signifikant zu verbessern

ähnlich / weniger

unähnlich / weniger

ähnlich / mehr

unähnlich / mehr

unähnlich / ähnlich

Domäne / Daten

Daten / Domäne

Prozess / Rechenressourcen

Daten / Rechenressourcen

Prozess / Daten

YOLO wird in Echtzeitumgebungen verwendet

YOLO ist sehr gut verallgemeinerbar

YOLO betrachtet immer das ganze Bild

YOLO wird für die Instanzsegmentierung verwende

YOLO steht für You Only Look Once

Mittelstellung

Begrenzungsrahmen

Vertrauen

Klasse

Zelle

Autoencoder wenden eine überwachte Lerntechnik an, um effiziente Darstellungen von Daten zu lernen

Der Encoder repräsentiert die Rekonstruktionsseite, der Decoder repräsentiert die Reduktionsseite

Encoder und Decoder funktionieren nur zusammen, aber nicht alleine

Video-Upscaling ist eine mögliche Anwendung von Autoencodern

Codierer und Decodierer arbeiten parallel

Variational Autoencoder

Denoise Autoencoder

Sparse Autoencoder

Reinforced Autoencoder

Alle sind Formen von Autoencoder

das Modell die Trainingsdaten speichern kann

das Modell eine Rekonstruktion genau erstellen kann

das Modell eine große Menge an Eingaben verarbeiten kann

das Modell mehrere Probleme gleichzeitig lösen kann

das Modell Ausreißer automatisch entfernen kann

Erkennung von Anomalien

Entrauschen von Daten (z.B. Bilder, Audio)

Inpainting von Bildern

Abrufen von Informationen

Alle sind Anwendungen von Autoencoder

Der Generator ist darauf trainiert, den Abstand zu einem bestimmten Bild zu minimieren

GANs kann durch ein kooperatives Spiel zwischen zwei neuronalen Netzen beschrieben werden

Dem Diskriminator wird zufälliges Rauschen hinzugefügt, um die gefälschten Bilder besser zu erzeugen

GANs kann lernen, jede Datenverteilung nachzuahmen

GANs verwenden eine überwachte Lerntechnik

Plattformen haben keine Netzeffekte

Plattformen bestehen immer aus zwei Seiten

Plattformen haben selten große Marktmacht

Plattformen sollten ein Basisangebot anbieten

Gewinner aus Plattformen-Kriegen sind vorhersehbar

User Story

Release Backlog

Sprint Backlog

Burndown Chart

Product Backlog

Markus Braun

Josef Weiß

Olaf Scholz

Jan Marsalek

Keiner der genannten