A) Menerjemahkan teks dari satu bahasa ke bahasa lain secara otomatis.
B) Mengubah ucapan menjadi teks.
C) Menganalisis sentimen dari sebuah teks.
D) Menghasilkan respons teks yang mirip dengan bahasa manusia.

A) Menghasilkan teks acak berdasarkan model yang diberikan.
B) Menerjemahkan teks dari satu bahasa ke bahasa lain.
C) Menentukan sentimen atau opini yang diungkapkan dalam sebuah teks.
D) Menganalisis tata bahasa dan sintaksis sebuah kalimat.

A) Model sintaksis
B) Model Markov
C) Model n-gram
D) Model semantik

A) Mengenali berbagai bahasa dalam sebuah teks multibahasa.
B) Menentukan sentimen keseluruhan dari sebuah teks.
C) Mengidentifikasi entitas bernama dalam teks, seperti nama, organisasi, dan lokasi.
D) Mengubah ucapan menjadi teks.

A) Mengurangi kata-kata menjadi bentuk dasar atau akarnya.
B) Menganalisis nada emosional dari sebuah teks.
C) Mengidentifikasi hubungan antara kata-kata dalam sebuah kalimat.
D) Menghasilkan kata-kata baru berdasarkan kata-kata yang sudah ada.

A) Kesulitan dalam menerjemahkan antara bahasa yang berbeda.
B) Ketersediaan perangkat keras yang terbatas untuk memproses data bahasa.
C) Ketidakmampuan untuk mendeteksi sentimen dalam teks.
D) Ketidakjelasan dalam bahasa yang memerlukan pemahaman konteks.

A) Mengidentifikasi topik dari sebuah teks tertentu.
B) Menerjemahkan teks dari satu bahasa ke bahasa lain.
C) Memecah teks menjadi unit-unit individual seperti kata atau frasa.
D) Menganalisis struktur gramatikal sebuah kalimat.

A) Mengubah ucapan menjadi teks.
B) Menghasilkan sinonim untuk kata-kata.
C) Menganalisis struktur gramatikal untuk menentukan hubungan antar kata.
D) Mengenali entitas bernama dalam teks.

A) Jenis pohon sintaks yang digunakan dalam algoritma penguraian.
B) Kumpulan teks yang digunakan untuk analisis linguistik.
C) Sebuah metode untuk menerjemahkan antara bahasa.
D) Jenis hubungan ketergantungan tertentu antara kata-kata.

A) Mengidentifikasi entitas-entitas spesifik seperti nama, organisasi, dan lokasi dalam teks.
B) Menganalisis sentimen dari suatu teks.
C) Menerjemahkan teks dari satu bahasa ke bahasa lain.
D) Menganalisis struktur gramatikal dari sebuah kalimat.

A) Python.
B) Ruby.
C) Java.
D) C++.

A) Penandaan sistem optimasi yang kuat (Powerful optimization system tagging).
B) Penandaan bagian kata (Part-of-speech tagging).
C) Penandaan titik penjualan (Point-of-sale tagging).
D) Penandaan survei opini publik (Public opinion survey tagging).

A) Pembuatan teks acak.
B) Ekstraksi informasi.
C) Klasifikasi gambar.
D) Pengenalan ucapan.

A) Mengidentifikasi entitas bernama dalam sebuah teks.
B) Menerjemahkan teks dari satu bahasa ke bahasa lain.
C) Menganalisis struktur sintaksis sebuah kalimat.
D) Membuat ringkasan singkat dari dokumen teks yang lebih panjang.

A) Jaringan saraf rekuren (RNN).
B) Jaringan kepercayaan mendalam (DBN).
C) Jaringan fungsi basis radial (RBFN).
D) Jaringan saraf konvolusional (CNN).

A) Analisis Diskriminan Linear.
B) Penilaian Pengembangan Bahasa.
C) Latent Dirichlet Allocation.
D) Agregasi Data Lokal.

A) Menghasilkan kata-kata baru berdasarkan kosakata yang sudah ada.
B) Mengurangi kata-kata menjadi bentuk dasar atau akarnya untuk meningkatkan analisis.
C) Menentukan tata bahasa dari sebuah kalimat.
D) Mengidentifikasi sentimen dari sebuah teks tertentu.

A) Mengidentifikasi hubungan antara kata-kata dalam sebuah kalimat dan peran semantiknya.
B) Menganalisis sintaksis sebuah kalimat.
C) Menerjemahkan teks antar bahasa.
D) Melakukan analisis sentimen.

A) Kompilator
B) Sintaksis
C) Algoritma
D) Kata benda

A) Penerjemahan mesin berbasis statistik.
B) Penerjemahan mesin berbasis aturan.
C) Penerjemahan mesin berbasis gambar.
D) Penerjemahan mesin berbasis sentimen.

A) Pendekatan penerjemahan berbasis simbol.
B) Penerjemahan mesin berbasis jaringan saraf.
C) Algoritma penerjemahan berbasis aturan.
D) Metode analisis morfologi.

A) Tokenisasi.
B) Transferensi.
C) Transkripsi.
D) Transformasi.

A) Merepresentasikan kata sebagai vektor untuk menangkap makna semantik.
B) Menerjemahkan kata antar bahasa.
C) Menganalisis struktur kalimat.
D) Mengidentifikasi entitas bernama.

A) Pemodelan topik (topic modeling).
B) Analisis ketergantungan (dependency parsing).
C) Segmentasi kalimat.
D) Pengenalan entitas bernama (named entity recognition).