Ενότητες Μελέτη
Πληροφορική και Ψηφιακή Διακυβέρνηση
245 ερωτήσεις από το επίσημο μητρώο ΑΣΕΠ. Κάθε απάντηση συνοδεύεται από σύνδεσμο προς το επίσημο PDF.
Σελίδα 12 / 13 · ερωτήσεις 221–240 Πάνω
232Τι είναι η «νεφοϋπολογιστική άκρου» (edge computing);
- a.Αποθήκευση αρχείων και δεδομένων σε data center ενός οργανισμού που βρίσκονται έξω από μεγάλες πόλεις
- b.Εκτέλεση εφαρμογών αποκλειστικά σε κινητά τηλέφωνα
- c.Επεξεργασία δεδομένων κοντά στην πηγή τους (συσκευές/αισθητήρες) αντί σε κεντρικά data centersσωστή
- d.Υπηρεσία αποθήκευσης αρχείων στο cloud
Σωστή απάντηση: C. Επεξεργασία δεδομένων κοντά στην πηγή τους (συσκευές/αισθητήρες) αντί σε κεντρικά data centersPDF σελ. 36233Ποια είναι χαρακτηριστική χρήση του «Internet of Things» (IoT);
- a.Εξειδικευμένες εφαρμογές γραφείου που συνδέονται στο Internet Πληροφορική και Ψηφιακή Διακυβέρνηση
- b.Παραδοσιακή τηλεφωνία με δυνατότητα διασύνδεσης στο Internet
- c.Δυνατότητα αρχειοθέτησης εγγράφων σε Cloud υποδομές
- d.Δίκτυα αισθητήρων και «έξυπνων» συσκευών που συλλέγουν και ανταλλάσσουν δεδομένασωστή
Σωστή απάντηση: D. Δίκτυα αισθητήρων και «έξυπνων» συσκευών που συλλέγουν και ανταλλάσσουν δεδομέναPDF σελ. 36234Ποιο χαρακτηριστικό διακρίνει τις «έξυπνες πόλεις» (smart cities) ως αναδυόμενη τεχνολογία;
- a.Χρήση αισθητήρων, δεδομένων και δικτύων για βελτιστοποίηση υποδομών, υπηρεσιών και βιωσιμότηταςσωστή
- b.Η απλή παροχή δωρεάν Wi-Fi σε δημόσιους χώρους
- c.Η απουσία συμμετοχής των πολιτών από τις διαδικασίες λήψης αποφάσεων
- d.Η χρήση smart καρτών στα μέσα μαζικής μεταφοράς που εξυπηρετούν μόνο την επικύρωση εισιτηρίων, χωρίς διασύνδεση με συστήματα ανάλυσης κυκλοφορίας
Σωστή απάντηση: A. Χρήση αισθητήρων, δεδομένων και δικτύων για βελτιστοποίηση υποδομών, υπηρεσιών και βιωσιμότηταςPDF σελ. 37235Ποια είναι μια βασική δυνατότητα της επαυξημένης πραγματικότητας (Augmented Reality – AR) σε επαγγελματικά/επιχειρησιακά περιβάλλοντα;
- a.Η πλήρης αντικατάσταση όλων των φυσικών χώρων εργασίας με εικονικά (virtual) γραφεία στο metaverse
- b.Χρήση μόνο για παιχνίδια για τη διασκέδαση των εργαζομένων
- c.Η δυνατότητα παροχής «επάλληλων» ψηφιακών οδηγιών, δεδομένων και οπτικών ενδείξεων πάνω στο πραγματικό περιβάλλον εργασίαςσωστή
- d.Η δυνατότητα χρήσης αυτόνομων ρομπότ που λαμβάνουν όλες τις αποφάσεις παραγωγής σε ένα εργοστάσιο με χρήση γενικής τεχνητής νοημοσύνης (AGI), χωρίς ανθρώπινη επίβλεψη
Σωστή απάντηση: C. Η δυνατότητα παροχής «επάλληλων» ψηφιακών οδηγιών, δεδομένων και οπτικών ενδείξεων πάνω στο πραγματικό περιβάλλον εργασίαςPDF σελ. 37236Ποιο είναι παράδειγμα χρήσης λογισμικού ρομποτικής διαδικασίας αυτοματοποίησης (RPA);
- a.Ένα σύστημα βιομηχανικής ρομποτικής που χειρίζεται φυσικά αντικείμενα σε γραμμή παραγωγής (π.χ. συγκόλληση, συσκευασία)
- b.Λογισμικό «bot» που διαβάζει τιμολόγια, εξάγει στοιχεία, τα καταχωρίζει σε ένα ERP και ειδοποιεί για έγκριση πληρωμήςσωστή
- c.Μια πλατφόρμα low-code/no-code για ανάπτυξη custom web εφαρμογών
- d.Ένα σύστημα τεχνητής νοημοσύνης που παίρνει στρατηγικές επιχειρησιακές αποφάσεις (π.χ. είσοδος σε νέες αγορές) αναλύοντας μη δομημένα δεδομένα
Σωστή απάντηση: B. Λογισμικό «bot» που διαβάζει τιμολόγια, εξάγει στοιχεία, τα καταχωρίζει σε ένα ERP και ειδοποιεί για έγκριση πληρωμήςPDF σελ. 37237Ποιο από τα παρακάτω περιγράφει πιο ολοκληρωμένα την τεχνολογία «quantum computing» (κβαντική υπολογιστική);
- a.Υπολογιστική προσέγγιση που χρησιμοποιεί κβαντικά bits (qubits)
- b.Υπολογιστική προσέγγιση που μπορεί να επεξεργάζεται πληροφορία και να επιλύει εξειδικευμένα πολύπλοκα προβλήματα πιο γρήγορα από τους κλασικούς υπολογιστές
- c.Υπολογιστική προσέγγιση που χρησιμοποιεί κβαντομηχανικά φαινόμενα όπως η υπέρθεση και η διεμπλοκή
- d.Όλες οι λοιπές απαντήσειςσωστή
Σωστή απάντηση: D. Όλες οι λοιπές απαντήσειςPDF σελ. 37238Ποια είναι κεντρική ιδέα πίσω από τα «serverless» μοντέλα υπολογιστικού νέφους;
- a.Ο προγραμματιστής εστιάζει στη λογική της εφαρμογής και ο πάροχος cloud διαχειρίζεται αυτόματα την υποδομή και την κλιμάκωσησωστή
- b.Υπολογιστικά μοντέλα που τρέχουν σε data centers όπου δεν υπάρχουν καθόλου servers Πληροφορική και Ψηφιακή Διακυβέρνηση
- c.Η εφαρμογή τρέχει αποκλειστικά σε συσκευές χρηστών
- d.Ότι η επεξεργασία δεδομένων γίνεται αποκλειστικά στην «άκρη» του δικτύου (edge), πάνω σε IoT gateways και συσκευές
Σωστή απάντηση: A. Ο προγραμματιστής εστιάζει στη λογική της εφαρμογής και ο πάροχος cloud διαχειρίζεται αυτόματα την υποδομή και την κλιμάκωσηPDF σελ. 37239Ποια από τις παρακάτω προτάσεις περιγράφει καλύτερα τι είναι ένα “container” σε περιβάλλον υπολογιστικού νέφους;
- a.Φυσικός server για αποθήκευση αντιγράφων ασφαλείας σε data center
- b.Απομονωμένος κόμβος blockchain που εκτελεί οικονομικές συναλλαγές
- c.Πλήρης εικονική μηχανή με δικό της λειτουργικό σύστημα
- d.Ελαφρύ, απομονωμένο περιβάλλον εκτέλεσης εφαρμογής με όλα τα απαραίτητα εξαρτήματά της (βιβλιοθήκες, ρυθμίσεις)σωστή
Σωστή απάντηση: D. Ελαφρύ, απομονωμένο περιβάλλον εκτέλεσης εφαρμογής με όλα τα απαραίτητα εξαρτήματά της (βιβλιοθήκες, ρυθμίσεις)PDF σελ. 38240Ποια είναι η βασική διαφορά μεταξύ Μηχανικής Μάθησης (ML) και Βαθιάς Μάθησης (DL);
- a.Η Βαθιά Μάθηση χρησιμοποιεί νευρωνικά δίκτυα με πολλές κρυφές στρώσειςσωστή
- b.Η Μηχανική Μάθηση απαιτεί περισσότερα δεδομένα από τη Βαθιά Μάθηση
- c.Η Βαθιά Μάθηση δεν βασίζεται σε δεδομένα για εκπαίδευση
- d.Η Μηχανική Μάθηση χρησιμοποιεί μόνο συμβατικούς αλγορίθμους
Σωστή απάντηση: A. Η Βαθιά Μάθηση χρησιμοποιεί νευρωνικά δίκτυα με πολλές κρυφές στρώσειςPDF σελ. 38241Ποια τεχνική χρησιμοποιείται συχνά στην αναγνώριση προσώπων;
- a.Αναδρομικά νευρωνικά δίκτυα (RNNs)
- b.Συνελικτικά νευρωνικά δίκτυα (CNNs)σωστή
- c.Γραμμική παλινδρόμηση
- d.Ανάλυση δεδομένων σε Excel
Σωστή απάντηση: B. Συνελικτικά νευρωνικά δίκτυα (CNNs)PDF σελ. 38242Ποιο από τα παρακάτω είναι μια εφαρμογή της Βαθιάς Μάθησης;
- a.Ένα απλό υπολογιστικό φύλλο
- b.Η πρόβλεψη καιρού με μηχανική μάθηση
- c.Η αναγνώριση εικόνας μέσω νευρωνικών δικτύωνσωστή
- d.Η χρήση SQL σε βάσεις δεδομένων
Σωστή απάντηση: C. Η αναγνώριση εικόνας μέσω νευρωνικών δικτύωνPDF σελ. 38243Ποια από τις παρακάτω επιλογές περιγράφει καλύτερα την Ενισχυτική Μάθηση (Reinforcement Learning - RL);
- a.Ένας τύπος Τεχνητής Νοημοσύνης όπου οι μηχανές μαθαίνουν μιμούμενες ανθρώπινη συμπεριφορά
- b.Μια μέθοδος Τεχνητής Νοημοσύνης όπου οι μηχανές μαθαίνουν λαμβάνοντας ανταμοιβές ή ποινές για τις ενέργειές τους σε ένα περιβάλλονσωστή
- c.Μια τεχνική εκπαίδευσης Τεχνητής Νοημοσύνης χρησιμοποιώντας προ-επισημασμένα σύνολα δεδομένων
- d.Μια διαδικασία όπου οι μηχανές μαθαίνουν αναλύοντας μεγάλες ποσότητες δεδομένων κειμένου
Σωστή απάντηση: B. Μια μέθοδος Τεχνητής Νοημοσύνης όπου οι μηχανές μαθαίνουν λαμβάνοντας ανταμοιβές ή ποινές για τις ενέργειές τους σε ένα περιβάλλονPDF σελ. 38245Ποιος είναι ο σκοπός ενός GAN (Generative Adversarial Network);
- a.Ανάλυση μεγάλων δεδομένων
- b.Δημιουργία ρεαλιστικών εικόνων και βίντεοσωστή
- c.Πρόβλεψη καιρού
- d.Διαχείριση αρχείων
Σωστή απάντηση: B. Δημιουργία ρεαλιστικών εικόνων και βίντεοPDF σελ. 39246Πώς συμβάλλει η επεξηγησιμότητα (explainability) στην υπεύθυνη χρήση των συστημάτων τεχνητής νοημοσύνης;
- a.Εξασφαλίζει ότι τα μοντέλα Τεχνητής Νοημοσύνης κάνουν πάντα σωστές προβλέψεις
- b.Βοηθά τους/τις χρήστες/τριες να κατανοούν και να εμπιστεύονται τις αποφάσεις της Τεχνητής Νοημοσύνηςσωστή
- c.Κάνει τα μοντέλα Τεχνητής Νοημοσύνης να λειτουργούν με λιγότερους υπολογιστικούς πόρους
- d.Εξαλείφει την ανάγκη για ανθρώπινη επίβλεψη σε διαδικασίες που βασίζονται στην Τεχνητής Νοημοσύνης
Σωστή απάντηση: B. Βοηθά τους/τις χρήστες/τριες να κατανοούν και να εμπιστεύονται τις αποφάσεις της Τεχνητής ΝοημοσύνηςPDF σελ. 39247Ποιο από τα παρακάτω αποτελεί παράδειγμα επιβλεπόμενης μάθησης (Supervised Learning);
- a.Ομαδοποίηση ειδήσεων ανά θέμα
- b.Πρόβλεψη τιμών κατοικιών βάσει προηγούμενων δεδομένωνσωστή
- c.Ανακάλυψη ανωμαλιών σε συναλλαγές χωρίς προηγούμενα παραδείγματα
- d.Εξερεύνηση δεδομένων χωρίς προκαθορισμένες κατηγορίες
Σωστή απάντηση: B. Πρόβλεψη τιμών κατοικιών βάσει προηγούμενων δεδομένωνPDF σελ. 39248Ποιο από τα παρακάτω ανήκει στις ΜΗ επιβλεπόμενες τεχνικές μάθησης;
- a.Νευρωνικά δίκτυα
- b.Λογιστική παλινδρόμηση
- c.Ομαδοποίηση (Clustering)σωστή
- d.Γραμμική παλινδρόμηση
Σωστή απάντηση: C. Ομαδοποίηση (Clustering)PDF σελ. 39249Τι κάνει ένα CNN (Convolutional Neural Network);
- a.Χρησιμοποιείται για την ανάλυση κειμένου
- b.Χρησιμοποιείται για την ανίχνευση μοτίβων σε εικόνεςσωστή
- c.Δουλεύει μόνο με ήχο
- d.Είναι αλγόριθμος γραμμικής παλινδρόμησης
Σωστή απάντηση: B. Χρησιμοποιείται για την ανίχνευση μοτίβων σε εικόνεςPDF σελ. 39250Ποιο από τα παρακάτω αποτελεί το κύριο πλεονέκτημα της Αυτο-επιβλεπόμενης Μάθησης (Self-Supervised Learning);
- a.Δεν απαιτεί ετικέτες ή επίβλεψη από ανθρώπους για την εκπαίδευση του μοντέλουσωστή
- b.Απαιτεί την παρουσία ανθρώπου σε κάθε βήμα της εκπαίδευσης
- c.Είναι πιο αργή από την Επιβλεπόμενη Μάθηση
- d.Χρησιμοποιεί μόνο μικρά σύνολα δεδομένων για την εκπαίδευση Πληροφορική και Ψηφιακή Διακυβέρνηση
Σωστή απάντηση: A. Δεν απαιτεί ετικέτες ή επίβλεψη από ανθρώπους για την εκπαίδευση του μοντέλουPDF σελ. 39251Ποιo από τα παρακάτω αποτελεί κοινή πρόκληση όταν εξετάζουμε θέματα ηθικής στον τομέα της Τεχνητής Νοημοσύνης;
- a.Η διασφάλιση των δεδομένων από βλάβες υλικού
- b.Διασφάλιση ότι οι μηχανές έχουν συναισθήματα
- c.Πρόληψη της μεροληψίας και διασφάλιση της δικαιοσύνης στη λήψη αποφάσεωνσωστή
- d.Βελτίωση της διάρκειας ζωής των μπαταριών στις συσκευές
Σωστή απάντηση: C. Πρόληψη της μεροληψίας και διασφάλιση της δικαιοσύνης στη λήψη αποφάσεωνPDF σελ. 40252Γιατί είναι σημαντική η επεξηγησιμότητα (explainability) στα συστήματα Τεχνητής Νοημοσύνης;
- a.Βοηθά τα μοντέλα Τεχνητής Νοημοσύνης να εκτελούνται ταχύτερα
- b.Αυξάνει το μέγεθος των συνόλων δεδομένων εκπαίδευσης
- c.Εξασφαλίζει ότι οι αποφάσεις της Τεχνητής Νοημοσύνης είναι διαφανείς και κατανοητές στους ανθρώπουςσωστή
- d.Εξαλείφει την ανάγκη για προεπεξεργασία δεδομένων
Σωστή απάντηση: C. Εξασφαλίζει ότι οι αποφάσεις της Τεχνητής Νοημοσύνης είναι διαφανείς και κατανοητές στους ανθρώπουςPDF σελ. 40