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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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