Join WhatsApp
Join Telegram
The B.Sc. 4th Semester examination for the subject “AI for Science” (Paper Code: VOC 163) was conducted on 31st May 2025. Below, we provide the complete set of solved multiple-choice questions (MCQs) from the exam, based on reliable sources and academic knowledge. All answers have been carefully selected and verified for accuracy.
📘 AI for Science – Solved MCQs with Explanation
Solve By: Vivek Shakya
Q1. Who defined machine learning as a computer’s ability to learn without being explicitly programmed?
किसने मशीन लर्निंग को इस रूप में परिभाषित किया “एक कंप्यूटर की सीखने की क्षमता बिना स्पष्ट रूप से प्रोग्राम किए”?
(A) Alan Turing
(B) Tom Mitchell
(C) Arthur Samuel
(D) Andrew Ng
✅ Answer/उत्तर: (C) Arthur Samuel
📘 Explanation/समाधान:
Arthur Samuel ने मशीन लर्निंग को “एक कंप्यूटर की सीखने की क्षमता बिना स्पष्ट रूप से प्रोग्राम किए” के रूप में परिभाषित किया।
Arthur Samuel defined machine learning as the field of study that gives computers the ability to learn without being explicitly programmed.
Q2. In machine learning, which term refers to previous data used for learning?
मशीन लर्निंग में, कौन-सा शब्द सीखने के लिए उपयोग किए गए पिछले डेटा को दर्शाता है?
(A) Task (कार्य)
(B) Experience (अनुभव)
(C) Performance (प्रदर्शन)
(D) Label (लेबल)
✅ Answer/उत्तर: (B) Experience / अनुभव
📘 Explanation/समाधान:
मशीन लर्निंग के सिद्धांत के अनुसार, “learning = task + experience + performance”, और experience पूर्व डेटा को दर्शाता है।
In machine learning, “experience” refers to the historical data used to train a model.
Q3. Which is NOT a type of machine learning method?
निम्न में से कौन मशीन लर्निंग का प्रकार नहीं है?
(A) Supervised Learning (सुपरवाइज्ड लर्निंग)
(B) Reinforcement Learning (रीइन्फोर्समेंट लर्निंग)
(C) Traditional Learning (ट्रेडिशनल लर्निंग)
(D) Semi-Supervised Learning (सेमी-सुपरवाइज्ड लर्निंग)
✅ Answer/उत्तर: (C) Traditional Learning / ट्रेडिशनल लर्निंग
📘 Explanation/समाधान:
मशीन लर्निंग के मुख्य प्रकार हैं: Supervised, Unsupervised, Semi-supervised, और Reinforcement Learning. “Traditional Learning” कोई प्रकार नहीं है।
Traditional Learning is not a recognized machine learning type.
Q4. What are the two main categories under supervised learning?
सुपरवाइज्ड लर्निंग के अंतर्गत मुख्य दो श्रेणियाँ कौन-सी हैं?
(A) Classification and Regression (क्लासिफिकेशन और रिग्रेशन)
(B) Clustering and Regression (क्लस्टरिंग और रिग्रेशन)
(C) Association and Regression (एसोसिएशन और रिग्रेशन)
(D) Classification and Clustering (क्लासिफिकेशन और क्लस्टरिंग)
✅ Answer/उत्तर: (A) Classification and Regression / क्लासिफिकेशन और रिग्रेशन
📘 Explanation/समाधान:
Supervised Learning में दो मुख्य कार्य होते हैं — Classification (वर्गीकरण) और Regression (पूर्वानुमान)।
These are the two primary tasks in supervised learning for labeled datasets.
Q5. In supervised learning, what type of data is used?
सुपरवाइज्ड लर्निंग में से किस प्रकार के डेटा का उपयोग होता है?
(A) Unlabeled data (बिना लेबल वाला डेटा)
(B) Labeled data (लेबल वाला डेटा)
(C) Mixed data (मिश्रित डेटा)
(D) None (कोई नहीं)
✅ Answer/उत्तर: (B) Labeled Data / लेबल वाला डेटा
📘 Explanation/समाधान:
Supervised Learning में मॉडल को लेबल वाले डेटा से ट्रेन किया जाता है, जहाँ प्रत्येक इनपुट के साथ एक सही आउटपुट दिया गया होता है।
Supervised learning requires labeled data where each training example is paired with an output label.
Q6. Which example best describes unsupervised learning?
निम्न में से कौन-सा उदाहरण अनसुपरवाइज्ड लर्निंग को सबसे अच्छा दर्शाता है?
(A) Predicting house prices (घर की कीमतों की भविष्यवाणी)
(B) Sorting animals based on size without knowing species
(जानवरों को उनके आकार के आधार पर वर्गीकृत करना बिना उनकी प्रजाति जाने)
(C) Stock price prediction (स्टॉक मूल्य की भविष्यवाणी)
(D) Spam detection (स्पैम डिटेक्शन)
✅ Answer/उत्तर: (B)
📘 Explanation/समाधान:
Unsupervised Learning का उद्देश्य बिना लेबल डेटा में छिपे पैटर्न को पहचानना होता है। जानवरों को आकार के आधार पर वर्गीकृत करना बिना उनकी प्रजाति जाने इसका उपयुक्त उदाहरण है।
Unsupervised learning identifies patterns in unlabeled data — sorting animals by size without species labels fits this.
Q7. What type of machine learning uses both labeled and unlabeled data?
कौन-सी मशीन लर्निंग तकनीक लेबल्ड और अनलेबल्ड दोनों प्रकार के डेटा का उपयोग करती है?
(A) Supervised learning (सुपरवाइज्ड लर्निंग)
(B) Unsupervised learning (अनसुपरवाइज्ड लर्निंग)
(C) Semi-Supervised learning (सेमी-सुपरवाइज्ड लर्निंग)
(D) Reinforcement learning (रीइन्फोर्समेंट लर्निंग)
✅ Answer/उत्तर: (C)
📘 Explanation/समाधान:
Semi-supervised learning में कुछ डेटा लेबल होते हैं और कुछ अनलेबल। यह तरीका दोनों का लाभ उठाकर मॉडल को ट्रेन करता है।
Semi-supervised learning uses a mix of labeled and unlabeled data to improve learning efficiency.
Q8. In reinforcement learning, what guides the learning process?
रीइन्फोर्समेंट लर्निंग में सीखने की प्रक्रिया को क्या मार्गदर्शन करता है?
(A) Labels (लेबल्स)
(B) Supervision (पर्यवेक्षण)
(C) Rewards (इनाम / रिवॉर्ड्स)
(D) Human feedback (मानव प्रतिक्रिया)
✅ Answer/उत्तर: (C)
📘 Explanation/समाधान:
Reinforcement learning में एजेंट को इनाम (rewards) और दंड (penalty) के आधार पर सीखने के लिए प्रशिक्षित किया जाता है।
Rewards guide the agent toward favorable actions during learning.
Q9. What is the “policy” in reinforcement learning?
रीइन्फोर्समेंट लर्निंग में “पॉलिसी” क्या होती है?
(A) A type of reward (इनाम का प्रकार)
(B) A behavior strategy (व्यवहार की रणनीति)
(C) A penalty system (दंड प्रणाली)
(D) An environment (वातावरण)
✅ Answer/उत्तर: (B)
📘 Explanation/समाधान:
Policy वह रणनीति होती है जिसके द्वारा एजेंट तय करता है कि किसी विशेष स्थिति में कौन-सी क्रिया करनी है।
A policy is a strategy that defines the agent’s behavior at a given time.
Q10. Which of the following is an example of a discrete attribute?
निम्न में से कौन-सा एक विशिष्ट (Discrete) विशेषता का उदाहरण है?
(A) Temperature (तापमान)
(B) Height (ऊँचाई)
(C) Zip code (ज़िप कोड)
(D) Weight (वजन)
✅ Answer/उत्तर: (C)
📘 Explanation/समाधान:
Discrete attributes वे होते हैं जो केवल गिनती योग्य होते हैं जैसे ज़िप कोड। ये निरंतर (continuous) नहीं होते।
A zip code is a discrete, countable attribute, unlike temperature or height which are continuous.
Q11. Which type of attribute is based on ordered categories but without magnitude?
किस प्रकार की विशेषता (attribute) क्रमबद्ध श्रेणियों (ordered categories) पर आधारित होती है, लेकिन इनमें परिमाण (magnitude) नहीं होता?
(A) Nominal (नाममात्र)
(B) Ordinal (क्रमबद्ध)
(C) Binary (द्विआधारी)
(D) Numeric (संख्यात्मक)
✅ Answer/उत्तर: (B) Ordinal
📘 Explanation/समाधान:
Ordinal attributes में डेटा को एक निश्चित क्रम में व्यवस्थित किया जाता है, लेकिन उनके बीच की दूरी या परिमाण ज्ञात नहीं होता।
Ordinal attributes represent order among categories but not the exact difference between them.
Q12. What is the key feature of a Symmetric Binary Attribute?
समानतापूर्ण द्विआधारी विशेषता (Symmetric Binary Attribute) की प्रमुख विशेषता क्या है?
(A) Unequal outcomes (असमान परिणाम)
(B) Equal importance of both outcomes (दोनों परिणामों का समान महत्व)
(C) Numerical values (संख्यात्मक मान)
(D) Labeling requirement (लेबलिंग की आवश्यकता)
✅ Answer/उत्तर: (B) Equal importance of both outcomes
📘 Explanation/समाधान:
Symmetric Binary Attributes में दोनों मानों (जैसे 0 और 1) का समान महत्व होता है, जैसे – लिंग (male/female)।
In symmetric binary attributes, both outcomes have equal significance, e.g., gender.
Q13. What defines a Numeric Attribute?
एक संख्यात्मक विशेषता (Numeric Attribute) को क्या परिभाषित करता है?
(A) Categories (श्रेणियाँ)
(B) Measurements (माप)
(C) Colors (रंग)
(D) Labels (लेबल)
✅ Answer/उत्तर: (B) Measurements
📘 Explanation/समाधान:
Numeric attributes वास्तविक संख्यात्मक मानों या मापन (measurements) पर आधारित होते हैं, जैसे कि ऊंचाई, वजन आदि।
Numeric attributes are defined by measurable quantities such as height, weight, or temperature.
Q14. Which machine learning approach builds a model only when a new data point arrives?
कौन-सा मशीन लर्निंग दृष्टिकोण (approach) तब ही मॉडल बनाता है जब कोई नया डेटा पॉइंट आता है?
(A) Decision Trees (निर्णय वृक्ष)
(B) Support Vector Machines (सपोर्ट वेक्टर मशीन)
(C) Lazy Learners (सुस्त शिक्षार्थी)
(D) Bayesian Classifiers (बायेसियन वर्गीकरणकर्ता)
✅ Answer/उत्तर: (C) Lazy Learners
📘 Explanation/समाधान:
Lazy Learners जैसे कि k-NN, नए डेटा आने तक मॉडल नहीं बनाते, वे तभी प्रक्रिया शुरू करते हैं।
Lazy learners delay model building until a query or new data point is presented.
Q15. In k-NN, what is used to determine similarity?
k-NN में समानता (similarity) निर्धारित करने के लिए क्या उपयोग होता है?
(A) Clustering (क्लस्टरिंग)
(B) Distance metrics (दूरी मीट्रिक)
(C) Probability (संभाव्यता)
(D) Decision Trees (निर्णय वृक्ष)
✅ Answer/उत्तर: (B) Distance metrics
📘 Explanation/समाधान:
k-NN एल्गोरिद्म समानता के निर्धारण हेतु Euclidean या Manhattan जैसी दूरी मेट्रिक्स का प्रयोग करता है।
k-NN uses distance metrics like Euclidean distance to find similarity between data points.
Q16. What is the purpose of Logistic Regression?
लॉजिस्टिक रिग्रेशन (Logistic Regression) का उद्देश्य क्या होता है?
(A) Predict real numbers (वास्तविक संख्याएँ भविष्यवाणी करना)
(B) Predict categories (श्रेणियाँ भविष्यवाणी करना)
(C) Predict clusters (क्लस्टर भविष्यवाणी करना)
(D) Predict distances (दूरी भविष्यवाणी करना)
✅ Answer/उत्तर: (B) Predict categories / श्रेणियाँ भविष्यवाणी करना
📘 Explanation/समाधान:
Logistic Regression का उपयोग वर्गीकरण (classification) कार्यों में किया जाता है जहाँ आउटपुट श्रेणीबद्ध (categorical) होता है।
Logistic regression is used for classification problems where the outcome is categorical (like yes/no, true/false).
Q17. Which type of logistic regression deals with more than two classes?
लॉजिस्टिक रिग्रेशन का कौन-सा प्रकार दो से अधिक श्रेणियों से संबंधित होता है?
(A) Binary Logistic Regression
(B) Simple Logistic Regression
(C) Multinomial Logistic Regression
(D) Multi-Linear Regression
✅ Answer/उत्तर: (C) Multinomial Logistic Regression / मल्टीनोमियल लॉजिस्टिक रिग्रेशन
📘 Explanation/समाधान:
Multinomial Logistic Regression का उपयोग तब किया जाता है जब आउटपुट वेरिएबल में दो से अधिक वर्ग (classes) होते हैं।
It is used when the target variable involves more than two classes, unlike binary logistic regression.
Q18. Which of these is a key difference between linear and logistic regression?
रेखीय और लॉजिस्टिक रिग्रेशन के बीच प्रमुख अंतर क्या है?
(A) Logistic regression predicts continuous values
(B) Logistic regression predicts binary/categorical values
(C) Linear regression uses categorical output
(D) Logistic regression uses continuous output
✅ Answer/उत्तर: (B) Logistic regression predicts binary/categorical values / लॉजिस्टिक रिग्रेशन द्वैतीय/श्रेणीबद्ध मानों की भविष्यवाणी करता है
📘 Explanation/समाधान:
Linear regression निरंतर मान (continuous values) की भविष्यवाणी करता है, जबकि logistic regression श्रेणीबद्ध मानों की भविष्यवाणी करता है।
Linear regression predicts numerical values; logistic regression is used to classify outcomes into categories.
Q19. Which unsupervised learning technique helps in reducing dimensions?
कौन-सी अनसुपरवाइज्ड लर्निंग तकनीक डायमेंशन कम करने में मदद करती है?
(A) Reinforcement Learning
(B) Principal Component Analysis (PCA)
(C) Decision Trees
(D) Support Vector Machine
✅ Answer/उत्तर: (B) Principal Component Analysis (PCA) / प्रिंसिपल कंपोनेंट एनालिसिस (PCA)
📘 Explanation/समाधान:
PCA एक अनसुपरवाइज्ड लर्निंग तकनीक है जो उच्च-आयामी डेटा को कम-आयामी रूप में बदलती है।
PCA reduces the number of dimensions (features) in a dataset while retaining most of the variation.
Q20. Which clustering algorithm is based on partitioning objects into k groups?
कौन-सा क्लस्टरिंग एल्गोरिथ्म वस्तुओं को k समूहों में विभाजित करने पर आधारित होता है?
(A) K-Means
(B) Random Forest
(C) Naive Bayes
(D) Logistic Regression
✅ Answer/उत्तर: (A) K-Means / के-मीन्स
📘 Explanation/समाधान:
K-Means एक प्रसिद्ध क्लस्टरिंग तकनीक है जो डेटा को k क्लस्टर में बाँटती है।
K-Means partitions data into k clusters by minimizing the intra-cluster distance.
Q21. What is the goal of Collaborative Filtering?
सहयोगात्मक फिल्टरिंग (Collaborative Filtering) का उद्देश्य क्या होता है?
(A) Predict missing values (लापता मानों की भविष्यवाणी करना)
(B) Sort images (छवियों को छांटना)
(C) Identify frauds (धोखाधड़ी की पहचान करना)
(D) Classify customers (ग्राहकों की वर्गीकृति करना)
✅ Answer/उत्तर: (A) Predict missing values / लापता मानों की भविष्यवाणी करना
📘 Explanation/समाधान:
Collaborative Filtering का उद्देश्य उपयोगकर्ता की पसंद के आधार पर ऐसी वस्तुएँ सुझाना होता है जो वे अभी तक नहीं देख पाए। यह गायब मानों (missing values) की भविष्यवाणी करके कार्य करता है।
Collaborative Filtering aims to predict missing preferences or ratings based on user-item interactions.
Q22. Which type of learning is described as “conditional density estimation”?
किस प्रकार की लर्निंग को “conditional density estimation” के रूप में वर्णित किया जाता है?
(A) Supervised Learning (सुपरवाइज्ड लर्निंग)
(B) Unsupervised Learning (अनसुपरवाइज्ड लर्निंग)
(C) Reinforcement Learning (रिइनफोर्समेंट लर्निंग)
(D) Semi-Supervised Learning (सेमी-सुपरवाइज्ड लर्निंग)
✅ Answer/उत्तर: (A) Supervised Learning / सुपरवाइज्ड लर्निंग
📘 Explanation/समाधान:
Supervised learning में हम एक output variable को predict करने के लिए input features से जुड़ी conditional probability (जैसे P(Y|X)) का अनुमान लगाते हैं।
Conditional density estimation is a core part of supervised learning where the relationship between inputs and outputs is modeled.
Q23. Which model type has a fixed set of parameters regardless of data size?
किस प्रकार के मॉडल में डेटा के आकार की परवाह किए बिना एक निश्चित संख्या में पैरामीटर होते हैं?
(A) Non-Parametric (नॉन-पैरामीट्रिक)
(B) Parametric (पैरामीट्रिक)
(C) Lazy (सुस्त)
(D) Supervised (सुपरवाइज्ड)
✅ Answer/उत्तर: (B) Parametric / पैरामीट्रिक
📘 Explanation/समाधान:
Parametric models में कुछ निश्चित पैरामीटर होते हैं, और वे डेटा के आकार पर निर्भर नहीं करते।
Parametric models have a fixed number of parameters; for example, linear regression always fits a line with a fixed equation format.
Q24. Which of the following is a non-parametric model?
निम्नलिखित में से कौन-सा मॉडल नॉन-पैरामीट्रिक है?
(A) Logistic Regression (लॉजिस्टिक रिग्रेशन)
(B) Linear Regression (रेखीय रिग्रेशन)
(C) Decision Trees (निर्णय वृक्ष)
(D) Bayesian Networks (बायेसियन नेटवर्क्स)
✅ Answer/उत्तर: (C) Decision Trees / निर्णय वृक्ष
📘 Explanation/समाधान:
Decision Trees नॉन-पैरामीट्रिक होते हैं क्योंकि ये डेटा की जटिलता के अनुसार अपनी संरचना बदल सकते हैं।
They do not assume a fixed form for the model and adapt to the training data structure.
Q25. What is the range of a correlation coefficient?
सहसंबंध गुणांक (correlation coefficient) की सीमा क्या होती है?
(A) 0 to 1 (0 से 1)
(B) 0 to 10 (0 से 10)
(C) -1 to +1 (-1 से +1)
(D) -10 to +10 (-10 से +10)
✅ Answer/उत्तर: (C) -1 to +1 / -1 से +1
📘 Explanation/समाधान:
Correlation coefficient का मान -1 (नकारात्मक पूर्ण सहसंबंध) से +1 (सकारात्मक पूर्ण सहसंबंध) के बीच होता है।
A value of -1 means perfect negative correlation, +1 means perfect positive correlation, and 0 means no correlation.
Q26. Which AI feature in Google Sheets suggests formulas automatically?
Google Sheets में कौन-सी AI विशेषता स्वतः सूत्र (formulas) सुझाती है?
(A) Smart Fill (स्मार्ट फिल)
(B) AutoPlay (ऑटोप्ले)
(C) Flash Fill (फ्लैश फिल)
(D) AutoDraw (ऑटोड्रॉ)
✅ Answer/उत्तर: (A) Smart Fill / स्मार्ट फिल
📘 Explanation/समाधान:
Smart Fill एक AI-संचालित सुविधा है जो Google Sheets में पैटर्न पहचानकर स्वतः फॉर्मूले या डेटा सुझाव देती है।
Smart Fill in Google Sheets uses AI to detect patterns and suggest formulas automatically for quick data entry.
Q27. AI helps in trend finding by:
AI प्रवृत्ति पहचानने में कैसे मदद करता है?
(A) Randomly choosing data (यादृच्छिक डेटा चयन करके)
(B) Ignoring patterns (पैटर्न को अनदेखा करके)
(C) Identifying patterns (पैटर्न की पहचान करके)
(D) Deleting old data (पुराने डेटा को हटाकर)
✅ Answer/उत्तर: (C) Identifying patterns / पैटर्न की पहचान करके
📘 Explanation/समाधान:
AI एल्गोरिदम बड़े डेटा में छिपे हुए पैटर्न को पहचानकर ट्रेंड्स (प्रवृत्तियों) का विश्लेषण करते हैं।
AI identifies patterns in data to detect trends and forecast future outcomes.
Q28. What is Sentiment Analysis?
सेंटिमेंट एनालिसिस (Sentiment Analysis) क्या है?
(A) Analyzing emotions in customer feedback (ग्राहक प्रतिक्रिया में भावनाओं का विश्लेषण)
(B) Calculating sales (बिक्री की गणना)
(C) Managing files (फाइलों का प्रबंधन)
(D) Sending offers (ऑफर भेजना)
✅ Answer/उत्तर: (A) Analyzing emotions in customer feedback / ग्राहक प्रतिक्रिया में भावनाओं का विश्लेषण
📘 Explanation/समाधान:
Sentiment Analysis एक NLP तकनीक है जो ग्राहकों की प्रतिक्रियाओं में छिपे भाव (positive, negative, neutral) का विश्लेषण करती है।
It analyzes customer opinions and emotions expressed in text to understand sentiment.
Q29. Which AI technique is used to study customer reviews?
ग्राहक समीक्षाओं का अध्ययन करने के लिए कौन-सी AI तकनीक का उपयोग किया जाता है?
(A) Data Mining (डेटा माइनिंग)
(B) Sentiment Analysis (सेंटिमेंट एनालिसिस)
(C) Cloud Storage (क्लाउड स्टोरेज)
(D) Animation (एनिमेशन)
✅ Answer/उत्तर: (B) Sentiment Analysis / सेंटिमेंट एनालिसिस
📘 Explanation/समाधान:
Sentiment Analysis का उपयोग ग्राहकों की समीक्षाओं को समझने और उनकी भावनात्मक प्रवृत्ति (feedback polarity) को पहचानने के लिए किया जाता है।
Sentiment analysis helps businesses understand customer opinions through AI-based review processing.
Q30. In customer reviews, negative feedback can be identified by:
ग्राहक समीक्षाओं में नकारात्मक प्रतिक्रिया की पहचान कैसे की जा सकती है?
(A) Happy words (खुशी जताने वाले शब्दों से)
(B) Complaint words (शिकायत वाले शब्दों से)
(C) Numbers (अंकों से)
(D) Emojis (इमोजी से)
✅ Answer/उत्तर: (B) Complaint words / शिकायत वाले शब्दों से
📘 Explanation/समाधान:
AI-सक्षम टेक्स्ट विश्लेषण में शिकायतों, नकारात्मक शब्दों या tone के माध्यम से नेगेटिव फीडबैक को पहचाना जाता है।
Negative feedback is identified through words indicating dissatisfaction, such as “bad,” “poor,” or complaints in reviews.
Q31. Sentiment analysis mainly focuses on:
सेंटिमेंट एनालिसिस मुख्य रूप से किस पर केन्द्रित होता है?
(A) Images (चित्र)
(B) Emotions and opinions (भावनाएँ और राय)
(C) Videos (वीडियो)
(D) Financial reports (वित्तीय रिपोर्टें)
✅ Answer/उत्तर: (B) Emotions and opinions / भावनाएँ और राय
📘 Explanation/समाधान:
Sentiment Analysis का मुख्य उद्देश्य यह जानना होता है कि कोई व्यक्ति या ग्राहक किसी विषय या उत्पाद के बारे में क्या महसूस करता है — यह सकारात्मक, नकारात्मक या तटस्थ हो सकता है।
Sentiment analysis is an AI-based method that detects emotions and opinions in text data, especially from customer feedback or reviews.
Q32. AI analyzes customer feedback to:
AI ग्राहक प्रतिक्रिया का विश्लेषण किस लिए करता है?
(A) Improve services (सेवाओं में सुधार के लिए)
(B) Increase advertisements (विज्ञापन बढ़ाने के लिए)
(C) Close businesses (व्यवसाय बंद करने के लिए)
(D) Reduce staff (स्टाफ कम करने के लिए)
✅ Answer/उत्तर: (A) Improve services / सेवाओं में सुधार के लिए
📘 Explanation/समाधान:
AI का उपयोग ग्राहकों की प्रतिक्रियाओं का विश्लेषण करके सेवाओं की गुणवत्ता बढ़ाने, अनुभव सुधारने और समस्याओं की पहचान करने में होता है।
AI helps businesses enhance their service quality by analyzing customer feedback to understand needs and solve issues.
Q33. What is the purpose of business reports?
व्यापार रिपोर्ट (Business Reports) का उद्देश्य क्या होता है?
(A) To entertain employees (कर्मचारियों का मनोरंजन करना)
(B) To present business insights (व्यापार अंतर्दृष्टि प्रस्तुत करना)
(C) To confuse customers (ग्राहकों को भ्रमित करना)
(D) To create music (संगीत बनाना)
✅ Answer/उत्तर: (B) To present business insights / व्यापार अंतर्दृष्टि प्रस्तुत करना
📘 Explanation/समाधान:
बिजनेस रिपोर्ट का उद्देश्य डाटा और विश्लेषण के माध्यम से व्यापार की स्थिति, प्रदर्शन और संभावनाओं की जानकारी प्रदान करना होता है।
Business reports are used to present key insights, trends, and performance metrics that help in decision-making.
Q34. AI can help create which of the following visual reports?
AI निम्नलिखित में से कौन-सी दृश्य रिपोर्ट बना सकता है?
(A) Charts (चार्ट्स)
(B) Songs (गाने)
(C) Movies (फिल्में)
(D) Games (गेम्स)
✅ Answer/उत्तर: (A) Charts / चार्ट्स
📘 Explanation/समाधान:
AI का उपयोग डेटा को विज़ुअल रूप में प्रस्तुत करने, जैसे कि ग्राफ, चार्ट्स, और डैशबोर्ड बनाने में किया जाता है।
AI can generate visual data representations such as charts and graphs to simplify complex data analysis.
Q35. Which tool can create charts automatically using AI?
कौन-सा टूल AI की मदद से स्वतः चार्ट बना सकता है?
(A) Excel (एक्सेल)
(B) MS Word (एमएस वर्ड)
(C) PowerPoint (पावरपॉइंट)
(D) Notepad (नोटपैड)
✅ Answer/उत्तर: (A) Excel / एक्सेल
📘 Explanation/समाधान:
Microsoft Excel में AI आधारित “Ideas” या “Analyze Data” फीचर होता है जो डेटा से स्वचालित रूप से चार्ट्स बना सकता है।
Excel uses AI features like “Ideas” to automatically suggest and create charts from selected data.
Q36. AI-generated graphs mainly help in:
AI द्वारा बनाए गए ग्राफ मुख्यतः किसमें मदद करते हैं?
(A) Making presentations attractive / प्रस्तुतियों को आकर्षक बनाने में
(B) Playing videos / वीडियो चलाने में
(C) Uploading files / फाइल अपलोड करने में
(D) Running social media ads / सोशल मीडिया विज्ञापन चलाने में
✅ Answer/उत्तर: (A) Making presentations attractive / प्रस्तुतियों को आकर्षक बनाने में
📘 Explanation/समाधान:
AI-generated ग्राफ्स जटिल डेटा को विज़ुअल और आकर्षक रूप में प्रस्तुत करने में सहायक होते हैं जिससे प्रेजेंटेशन प्रभावी बनती है।
AI graphs help visualize data clearly and attractively, improving the impact of business or academic presentations.
Q37. Using AI in reporting improves:
रिपोर्टिंग में AI के उपयोग से क्या सुधार होता है?
(A) Speed and accuracy / गति और सटीकता
(B) Decoration / सजावट
(C) Storage size / स्टोरेज आकार
(D) Staff salary / स्टाफ वेतन
✅ Answer/उत्तर: (A) Speed and accuracy / गति और सटीकता
📘 Explanation/समाधान:
AI रिपोर्टिंग को तेज़ और अधिक सटीक बनाता है, जिससे डेटा विश्लेषण में समय और प्रयास की बचत होती है।
AI enhances the efficiency of reporting by providing accurate and faster data analysis.
Q38. AI tools analyze feedback mainly to:
AI टूल्स प्रतिक्रिया का विश्लेषण मुख्यतः किसलिए करते हैं?
(A) Understand customer satisfaction / ग्राहक संतुष्टि को समझने के लिए
(B) Increase customer complaints / ग्राहक शिकायतें बढ़ाने के लिए
(C) Block feedback / प्रतिक्रिया को ब्लॉक करने के लिए
(D) Create websites / वेबसाइट बनाने के लिए
✅ Answer/उत्तर: (A) Understand customer satisfaction / ग्राहक संतुष्टि को समझने के लिए
📘 Explanation/समाधान:
AI feedback विश्लेषण से पता चलता है कि ग्राहक सेवाओं से कितना संतुष्ट है, जिससे सुधार संभव होता है।
Feedback analysis with AI helps companies understand how satisfied customers are and where improvements are needed.
Q39. Dashboards created by AI are useful for:
AI द्वारा बनाए गए डैशबोर्ड किसमें उपयोगी होते हैं?
(A) Real-time monitoring / वास्तविक समय की निगरानी में
(B) Watching movies / फिल्में देखने में
(C) Playing games / गेम खेलने में
(D) Writing novels / उपन्यास लिखने में
✅ Answer/उत्तर: (A) Real-time monitoring / वास्तविक समय की निगरानी में
📘 Explanation/समाधान:
AI डैशबोर्ड का उपयोग डेटा को लाइव ट्रैक करने, घटनाओं पर तुरंत प्रतिक्रिया देने और निर्णय लेने में होता है।
AI dashboards are used for live tracking of operations, system status, or business performance in real time.
Q40. Unstructured data can be:
असंरचित डेटा (Unstructured Data) क्या हो सकता है?
(A) Texts and images / टेक्स्ट और चित्र
(B) Only numbers / केवल संख्याएँ
(C) Only emails / केवल ईमेल
(D) Only files / केवल फाइलें
✅ Answer/उत्तर: (A) Texts and images / टेक्स्ट और चित्र
📘 Explanation/समाधान:
Unstructured data वे डेटा होते हैं जो पूर्वनिर्धारित ढांचे में नहीं होते, जैसे टेक्स्ट, इमेज, वीडियो आदि।
Unstructured data includes formats like texts, images, videos, which don’t follow a fixed structure like numbers or tables.
Q50. When would you use a Kaplan-Meier survival analysis?
आप कब Kaplan-Meier सर्वाइवल विश्लेषण का उपयोग करेंगे?
(A) To compare categorical variables / श्रेणिबद्ध चर की तुलना करने के लिए
(B) To analyze time-to-event data with censoring / सेंसरिंग (Censoring) के साथ समय-से-घटना डेटा का विश्लेषण करने के लिए
(C) To calculate correlation coefficients / सहसंबंध गुणांक की गणना के लिए
(D) To assess normality of data / डेटा की सामान्यता (Normality) का आकलन करने के लिए
✅ Answer/उत्तर: (B) To analyze time-to-event data with censoring / सेंसरिंग (Censoring) के साथ समय-से-घटना डेटा का विश्लेषण करने के लिए
📘 Explanation/समाधान:
Kaplan-Meier विश्लेषण का उपयोग समय-से-घटना (जैसे मृत्यु, बीमारी) डेटा के विश्लेषण में किया जाता है, विशेषकर जब डेटा अधूरा हो (censoring)।
Kaplan-Meier survival analysis is used for estimating survival functions from time-to-event data, especially when some data is censored or incomplete.
Q51. Which AI technique is most commonly used for predicting molecular properties in drug discovery?
ड्रग डिस्कवरी में आणविक गुणों की भविष्यवाणी के लिए सबसे अधिक उपयोग की जाने वाली AI तकनीक कौन-सी है?
(A) Decision trees / निर्णय वृक्ष
(B) Generative Adversarial Networks (GANs) / जनरेटिव एडवर्सेरियल नेटवर्क्स
(C) Graph neural networks / ग्राफ न्यूरल नेटवर्क्स
(D) K-means clustering / के-मीन्स क्लस्टरिंग
✅ Answer/उत्तर: (C) Graph neural networks / ग्राफ न्यूरल नेटवर्क्स
📘 Explanation/समाधान:
Graph Neural Networks (GNNs) आणविक संरचनाओं को ग्राफ के रूप में दर्शाते हैं और उनके गुणों का विश्लेषण करने में प्रभावी होते हैं।
GNNs model molecules as graphs (atoms as nodes, bonds as edges) and are ideal for predicting molecular properties in drug discovery.
Q52. What is the primary advantage of using AI in climate modeling?
जलवायु मॉडलिंग में AI का प्रमुख लाभ क्या है?
(A) Eliminates the need for supercomputers / सुपरकंप्यूटर की आवश्यकता समाप्त कर देता है
(B) Can process satellite data faster than traditional methods / पारंपरिक तरीकों की तुलना में उपग्रह डेटा को तेजी से संसाधित कर सकता है
(C) Reduces the cost of field experiments to zero / फील्ड प्रयोगों की लागत को शून्य कर देता है
(D) Makes all climate predictions 100% accurate / सभी जलवायु पूर्वानुमानों को 100% सटीक बना देता है
✅ Answer/उत्तर: (B) Can process satellite data faster than traditional methods / पारंपरिक तरीकों की तुलना में उपग्रह डेटा को तेजी से संसाधित कर सकता है
📘 Explanation/समाधान:
AI जलवायु डेटा (जैसे उपग्रह चित्र) को तेज़ी से और कुशलता से संसाधित करता है, जिससे सटीक भविष्यवाणी संभव होती है।
AI enables faster and more efficient processing of satellite and sensor data than traditional models, aiding climate predictions.
Q53. Which type of Neural Network architecture is particularly effective for analyzing protein folding?
प्रोटीन फोल्डिंग विश्लेषण के लिए कौन-सा न्यूरल नेटवर्क आर्किटेक्चर विशेष रूप से प्रभावी है?
(A) Convolutional Neural Networks (CNNs) / कन्वोल्यूशनल न्यूरल नेटवर्क्स
(B) Recurrent Neural Networks (RNNs) / रिकरंट न्यूरल नेटवर्क्स
(C) Transformer models / ट्रांसफॉर्मर मॉडल्स
(D) Radial basis function networks / रेडियल बेसिस फंक्शन नेटवर्क्स
✅ Answer/उत्तर: (C) Transformer models / ट्रांसफॉर्मर मॉडल्स
📘 Explanation/समाधान:
ट्रांसफॉर्मर मॉडल जैसे AlphaFold, प्रोटीन फोल्डिंग की भविष्यवाणी के लिए बहुत प्रभावी हैं।
Transformer models (e.g., AlphaFold) are highly effective in modeling complex protein folding patterns due to their attention mechanism.
प्रश्न 54 | Question 54
Q: In materials science, AI is primarily used for:
विज्ञान की शाखा मटेरियल साइंस (Materials Science) में AI का प्रमुख उपयोग क्या है?
विकल्प | Options:
(A) Automating laboratory safety protocols
(प्रयोगशाला सुरक्षा प्रोटोकॉल को स्वचालित करने में)
(B) Predicting new material properties before synthesis
(संश्लेषण से पहले नई सामग्रियों के गुणों की भविष्यवाणी करने में) ✅
(C) Replacing all human researchers
(सभी मानव शोधकर्ताओं को प्रतिस्थापित करने में)
(D) Writing scientific papers automatically
(वैज्ञानिक लेखों को स्वचालित रूप से लिखने में)
सही उत्तर | Correct Answer: (B) Predicting new material properties before synthesis
समाधान | Explanation:
AI का उपयोग मटेरियल साइंस में नई सामग्रियों के गुणों की भविष्यवाणी करने के लिए किया जाता है, जिससे अनुसंधान और विकास की प्रक्रिया तेज होती है।
प्रश्न 55 | Question 55
Q: What does “automated scientific discovery” typically involve?
“स्वचालित वैज्ञानिक खोज” (Automated Scientific Discovery) सामान्यतः क्या शामिल करती है?
विकल्प | Options:
(A) AI generating hypotheses and designing experiments
(AI द्वारा परिकल्पनाओं का निर्माण और प्रयोगों की रूपरेखा बनाना) ✅
(B) Robots replacing all laboratory technicians
(रोबोट द्वारा सभी लैब तकनीशियनों को बदलना)
(C) Computers peer-reviewing all scientific papers
(कंप्यूटर द्वारा सभी वैज्ञानिक लेखों की समीक्षाएँ करना)
(D) Automated journal publication systems
(स्वचालित जर्नल प्रकाशन प्रणालियाँ)
सही उत्तर | Correct Answer: (A) AI generating hypotheses and designing experiments
समाधान | Explanation:
स्वचालित वैज्ञानिक खोज का उद्देश्य AI की मदद से नई परिकल्पनाएं बनाना और प्रयोगों की योजना बनाना होता है।
प्रश्न 56 | Question 56
Q: Which AI application helps astronomers analyze telescope data?
कौन-सा AI अनुप्रयोग खगोलशास्त्रियों को टेलीस्कोप डेटा का विश्लेषण करने में मदद करता है?
विकल्प | Options:
(A) Natural language processing for reading research papers
(शोध पत्र पढ़ने के लिए प्राकृतिक भाषा प्रोसेसिंग)
(B) Computer vision for identifying celestial objects
(आकाशीय वस्तुओं की पहचान के लिए कंप्यूटर विजन) ✅
(C) Speech recognition for controlling telescopes
(टेलीस्कोप नियंत्रित करने के लिए स्पीच रिकग्निशन)
(D) Recommendation systems for prioritizing observations
(अवलोकनों को प्राथमिकता देने के लिए सिफारिश प्रणाली)
सही उत्तर | Correct Answer: (B) Computer vision for identifying celestial objects
समाधान | Explanation:
AI आधारित कंप्यूटर विजन का उपयोग खगोलशास्त्र में टेलीस्कोप डेटा से आकाशीय पिंडों की पहचान करने में होता है।
प्रश्न 57 | Question 57
Q: What is a key challenge when applying AI to scientific research?
वैज्ञानिक अनुसंधान में AI लागू करते समय एक प्रमुख चुनौती क्या है?
विकल्प | Options:
(A) AI models often lack interpretability
(AI मॉडल अक्सर व्याख्यायनीय (Interpretability) नहीं होते) ✅
(B) Scientific data is always perfectly clean
(वैज्ञानिक डेटा हमेशा पूरी तरह से स्वच्छ होता है)
(C) Researchers prefer traditional methods
(शोधकर्ता पारंपरिक तरीकों को पसंद करते हैं)
(D) AI requires no domain-specific knowledge
(AI को किसी भी डोमेन-विशिष्ट ज्ञान की आवश्यकता नहीं होती)
सही उत्तर | Correct Answer: (A)
समाधान | Explanation:
AI मॉडल की व्याख्या करना कठिन होता है, जिससे वैज्ञानिक प्रयोगों और निष्कर्षों पर विश्वास करना चुनौतीपूर्ण बनता है।
प्रश्न 58 | Question 58
Q: Which technique helps address the “small data” problem in scientific AI applications?
वैज्ञानिक AI अनुप्रयोगों में “छोटे डेटा” की समस्या को हल करने में कौन-सी तकनीक मदद करती है?
विकल्प | Options:
(A) Transfer learning (ट्रांसफर लर्निंग) ✅
(B) Increasing model size (मॉडल का आकार बढ़ाना)
(C) Using only synthetic data (केवल सिंथेटिक डेटा का उपयोग)
(D) Eliminating all data preprocessing (सभी डेटा प्रीप्रोसेसिंग को समाप्त करना)
सही उत्तर | Correct Answer: (A)
समाधान | Explanation:
Transfer learning में पहले से प्रशिक्षित मॉडल का उपयोग किया जाता है, जिससे कम डेटा में भी अच्छे परिणाम प्राप्त किए जा सकते हैं।
प्रश्न 59 | Question 59
Q: How is AI transforming high-energy physics research?
AI उच्च-ऊर्जा भौतिकी अनुसंधान को कैसे रूपांतरित कर रहा है?
विकल्प | Options:
(A) By automating particle collision detection
(कण टकराव का पता लगाने को स्वचालित करके) ✅
(B) By replacing particle accelerators
(कण त्वरकों को बदलकर)
(C) By making theoretical physics obsolete
(सैद्धांतिक भौतिकी को अप्रासंगिक बनाकर)
(D) By eliminating the need for experimental verification
(प्रयोगात्मक सत्यापन की आवश्यकता समाप्त करके)
सही उत्तर | Correct Answer: (A)
समाधान | Explanation:
AI का उपयोग कण टकराव की पहचान को स्वचालित करने में किया जा रहा है, जिससे डेटा विश्लेषण तेज और अधिक सटीक हो गया है।
प्रश्न 60 | Question 60
Q: What role does AI play in genomics research?
जीनॉमिक्स अनुसंधान (Genomics Research) में AI क्या भूमिका निभाता है?
विकल्प | Options:
(A) Only data storage management
(केवल डेटा संग्रहण प्रबंधन)
(B) Sequence analysis and variant calling
(अनुक्रम विश्लेषण (Sequence Analysis) और वेरिएंट कॉलिंग) ✅
(C) Laboratory equipment maintenance
(लैब उपकरण रखरखाव)
(D) Research funding allocation
(अनुसंधान निधि आवंटन)
सही उत्तर | Correct Answer: (B)
समाधान | Explanation:
AI का उपयोग DNA अनुक्रमों का विश्लेषण करने और अनुवांशिक वेरिएंट की पहचान करने में किया जाता है, जो जीनोमिक्स अनुसंधान का मुख्य भाग है।
