Computer Fundamentals — MCQ Practice

Hindi aur English dono mein practice karo — click karo answer check karne ke liye

📚 2618 Questions 🌐 Hindi + English ✅ Free
भाषा / Language:
2618 questions
1276
EN + हिं Medium
GB Dropout regularization randomly?
IN ड्रॉपआउट नियमितीकरण बेतरतीब ढंग से?
A
Drops training data प्रशिक्षण डेटा छोड़ देता है
B
Deactivates random neurons during training to prevent overfitting ओवरफिटिंग को रोकने के लिए प्रशिक्षण के दौरान यादृच्छिक न्यूरॉन्स को निष्क्रिय कर देता है
C
Drops layers परतें गिराता है
D
Reduces learning rate सीखने की दर कम कर देता है
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Dropout randomly sets neuron activations to zero during training, forcing the network to learn redundant representations.
व्याख्या (हिन्दी) ड्रॉपआउट प्रशिक्षण के दौरान बेतरतीब ढंग से न्यूरॉन सक्रियण को शून्य पर सेट करता है, जिससे नेटवर्क को अनावश्यक अभ्यावेदन सीखने के लिए मजबूर होना पड़ता है।
1277
EN + हिं Medium
GB Batch normalization normalizes?
IN बैच सामान्यीकरण सामान्यीकृत होता है?
A
Input data only केवल इनपुट डेटा
B
Activations within each mini-batch, stabilizing training प्रत्येक मिनी-बैच के भीतर सक्रियण, प्रशिक्षण को स्थिर करना
C
Output layer only केवल आउटपुट परत
D
Loss values हानि मान
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Batch normalization normalizes layer inputs using batch statistics, improving training stability and speed.
व्याख्या (हिन्दी) बैच सामान्यीकरण बैच आँकड़ों का उपयोग करके परत इनपुट को सामान्य करता है, जिससे प्रशिक्षण स्थिरता और गति में सुधार होता है।
1278
EN + हिं Medium
GB Transfer learning uses?
IN स्थानांतरण शिक्षण उपयोग?
A
Training from scratch on new data नए डेटा पर आरंभ से प्रशिक्षण
B
Pre-trained model weights as starting point for new task नए कार्य के लिए शुरुआती बिंदु के रूप में पूर्व-प्रशिक्षित मॉडल का वजन
C
No training at all बिल्कुल कोई प्रशिक्षण नहीं
D
Random initialization always हमेशा यादृच्छिक आरंभीकरण
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Transfer learning fine-tunes or adapts pre-trained models (trained on large datasets) for new, related tasks.
व्याख्या (हिन्दी) सीखने की बारीकियों को स्थानांतरित करें या नए, संबंधित कार्यों के लिए पूर्व-प्रशिक्षित मॉडल (बड़े डेटासेट पर प्रशिक्षित) को अपनाएं।
1279
EN + हिं Medium
GB Attention mechanism in transformers computes?
IN ट्रांसफार्मर गणना में ध्यान तंत्र?
A
Layer normalization परत सामान्यीकरण
B
Weighted sum of values based on query-key similarity क्वेरी-कुंजी समानता के आधार पर मानों का भारित योग
C
Activation functions सक्रियण कार्य
D
Dropout masks ड्रॉपआउट मुखौटे
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Attention computes similarity between queries and keys to produce a weighted sum of value vectors.
व्याख्या (हिन्दी) ध्यान मूल्य वैक्टर का भारित योग उत्पन्न करने के लिए प्रश्नों और कुंजियों के बीच समानता की गणना करता है।
1280
EN + हिं Medium
GB Self-attention in transformers?
IN ट्रांसफार्मर में आत्म-ध्यान?
A
Uses external memory बाह्य मेमोरी का उपयोग करता है
B
Computes attention within the same sequence — every token attends to all others एक ही क्रम में ध्यान की गणना करता है - प्रत्येक टोकन अन्य सभी पर ध्यान देता है
C
Uses RNN state आरएनएन स्थिति का उपयोग करता है
D
Is convolutional संवेगात्मक है
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Self-attention allows each token in a sequence to attend to all other tokens in the same sequence simultaneously.
व्याख्या (हिन्दी) आत्म-ध्यान एक क्रम में प्रत्येक टोकन को एक ही क्रम में अन्य सभी टोकन में शामिल होने की अनुमति देता है।
1281
EN + हिं Medium
GB GPT models are?
IN GPT मॉडल हैं?
A
Bidirectional द्विदिश
B
Auto-regressive — generate text left to right using decoder-only transformer ऑटो-रिग्रेसिव - डिकोडर-ओनली ट्रांसफार्मर का उपयोग करके बाएं से दाएं टेक्स्ट उत्पन्न करें
C
Convolutional convolutional
D
Rule-based नियम-आधारित
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) GPT (Generative Pre-trained Transformer) uses decoder-only architecture, generating tokens left-to-right.
व्याख्या (हिन्दी) जीपीटी (जेनरेटिव प्री-ट्रेंड ट्रांसफार्मर) डिकोडर-ओनली आर्किटेक्चर का उपयोग करता है, जो बाएं से दाएं टोकन उत्पन्न करता है।
1282
EN + हिं Medium
GB Which evaluation metric is used for classification with imbalanced classes?
IN असंतुलित वर्गों के साथ वर्गीकरण के लिए किस मूल्यांकन मीट्रिक का उपयोग किया जाता है?
A
Accuracy शुद्धता
B
F1 score (harmonic mean of precision and recall) F1 स्कोर (परिशुद्धता और स्मरण का हार्मोनिक माध्य)
C
MSE एमएसई
D
RMSE आरएमएसई
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) F1 score balances precision and recall, making it appropriate for imbalanced classification problems.
व्याख्या (हिन्दी) एफ1 स्कोर सटीकता और रिकॉल को संतुलित करता है, जो इसे असंतुलित वर्गीकरण समस्याओं के लिए उपयुक्त बनाता है।
1283
EN + हिं Medium
GB Precision in classification is?
IN वर्गीकरण में परिशुद्धता है?
A
TP/(TP+FN) टीपी/(टीपी+एफएन)
B
TP/(TP+FP) — of all predicted positive, how many are actually positive टीपी/(टीपी+एफपी) - अनुमानित सभी सकारात्मक में से कितने वास्तव में सकारात्मक हैं
C
TN/(TN+FP) टीएन/(टीएन+एफपी)
D
TP+TN/(total) टीपी+टीएन/(कुल)
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Precision = True Positives / (True Positives + False Positives) — accuracy of positive predictions.
व्याख्या (हिन्दी) परिशुद्धता = सच्ची सकारात्मकताएँ / (सच्ची सकारात्मकताएँ + गलत सकारात्मकताएँ) - सकारात्मक भविष्यवाणियों की सटीकता।
1284
EN + हिं Medium
GB Recall (Sensitivity) is?
IN स्मरण (संवेदनशीलता) है?
A
TP/(TP+FP) टीपी/(टीपी+एफपी)
B
TP/(TP+FN) — of all actual positives, how many were correctly identified टीपी/(टीपी+एफएन) - सभी वास्तविक सकारात्मकताओं में से, कितने की सही पहचान की गई
C
TN/(TN+FP) टीएन/(टीएन+एफपी)
D
Accuracy शुद्धता
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Recall = True Positives / (True Positives + False Negatives) — completeness of positive detection.
व्याख्या (हिन्दी) स्मरण = सच्चे सकारात्मक / (सच्चे सकारात्मक + गलत नकारात्मक) - सकारात्मक पहचान की पूर्णता।
1285
EN + हिं Medium
GB ROC curve plots?
IN आरओसी वक्र प्लॉट?
A
Precision vs Recall परिशुद्धता बनाम स्मरण
B
True Positive Rate vs False Positive Rate at various thresholds विभिन्न सीमाओं पर सच्ची सकारात्मक दर बनाम झूठी सकारात्मक दर
C
Accuracy vs Loss सटीकता बनाम हानि
D
Training vs Validation loss प्रशिक्षण बनाम सत्यापन हानि
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) ROC (Receiver Operating Characteristic) curve plots TPR (sensitivity) vs FPR (1-specificity) at various thresholds.
व्याख्या (हिन्दी) आरओसी (रिसीवर ऑपरेटिंग कैरेक्टरिस्टिक) वक्र विभिन्न थ्रेशोल्ड पर टीपीआर (संवेदनशीलता) बनाम एफपीआर (1-विशिष्टता) प्लॉट करता है।
1286
EN + हिं Medium
GB AUC (Area Under ROC Curve) of 1.0 means?
IN 1.0 का AUC (आरओसी कर्व के अंतर्गत क्षेत्र) का मतलब है?
A
Random classifier यादृच्छिक वर्गीकरणकर्ता
B
Perfect classifier उत्तम वर्गीकारक
C
50% accuracy 50% सटीकता
D
No discriminative ability कोई भेदभाव करने की क्षमता नहीं
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) AUC=1.0 is a perfect classifier; AUC=0.5 is no better than random guessing.
व्याख्या (हिन्दी) AUC=1.0 एक आदर्श वर्गीकरणकर्ता है; AUC=0.5 यादृच्छिक अनुमान लगाने से बेहतर नहीं है।
1287
EN + हिं Medium
GB K-fold cross-validation partitions data into?
IN के-फ़ोल्ड क्रॉस-वैलिडेशन विभाजन डेटा में?
A
K training sets के प्रशिक्षण सेट
B
K folds — train on K-1, validate on 1, repeat K times K फोल्ड्स - K-1 पर ट्रेन करें, 1 पर मान्य करें, K बार दोहराएं
C
K test sets only केवल K परीक्षण सेट
D
One train and test set एक ट्रेन और परीक्षण सेट
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) K-fold CV divides data into K equal parts, cycling each as validation set while training on remaining K-1.
व्याख्या (हिन्दी) के-फोल्ड सीवी डेटा को के समान भागों में विभाजित करता है, शेष के-1 पर प्रशिक्षण के दौरान प्रत्येक को सत्यापन सेट के रूप में चक्रित करता है।
1288
EN + हिं Medium
GB Which ML algorithm is based on Bayes' theorem?
IN कौन सा एमएल एल्गोरिदम बेयस प्रमेय पर आधारित है?
A
SVM एसवीएम
B
Naïve Bayes classifier नाओवे बेयस क्लासिफायरियर
C
K-means कश्मीर साधन
D
Neural network तंत्रिका नेटवर्क
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Naïve Bayes applies Bayes' theorem with 'naive' assumption of feature independence for classification.
व्याख्या (हिन्दी) नैवे बेयस वर्गीकरण के लिए फीचर स्वतंत्रता की 'भोली' धारणा के साथ बेयस प्रमेय को लागू करता है।
1289
EN + हिं Medium
GB Support Vector Machine (SVM) finds?
IN सपोर्ट वेक्टर मशीन (एसवीएम) मिलती है?
A
Mean of data डेटा का माध्य
B
Maximum margin hyperplane separating classes अधिकतम मार्जिन हाइपरप्लेन अलग करने वाली कक्षाएं
C
Nearest neighbor निकटतम पड़ोसी
D
Cluster centers क्लस्टर केंद्र
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) SVM finds the hyperplane that maximizes the margin (distance) between classes in feature space.
व्याख्या (हिन्दी) एसवीएम हाइपरप्लेन ढूंढता है जो फीचर स्पेस में कक्षाओं के बीच मार्जिन (दूरी) को अधिकतम करता है।
1290
EN + हिं Medium
GB Random forest is an ensemble of?
IN रैंडम वन किसका समूह है?
A
SVMs एसवीएम
B
Decision trees trained on random subsets with feature randomness निर्णय वृक्षों को फीचर यादृच्छिकता के साथ यादृच्छिक उपसमुच्चय पर प्रशिक्षित किया गया
C
Neural networks तंत्रिका - तंत्र
D
K-means clusters K-मतलब क्लस्टर
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Random forest builds many decision trees on random data subsets with random feature selection for each split.
व्याख्या (हिन्दी) रैंडम फ़ॉरेस्ट प्रत्येक विभाजन के लिए यादृच्छिक सुविधा चयन के साथ यादृच्छिक डेटा सबसेट पर कई निर्णय वृक्ष बनाता है।
1276–1290 of 2618