12_Lesson1.cdfcs

1. Khái niệm Học máy

Học máy là một lĩnh vực của AI tập trung vào việc phát triển các thuật toán và mộ hình cho phép máy tính tự học và cải thiện từ dữ liệu để đưa ra dự đoán hoặc quyết định dựa trên dữ liệu mà không cần lập trình rõ ràng.
Điểm mấu chốt của Học máy:

• Không cần lập trình rõ ràng: Hướng dẫn máy tính học các đặc điểm của các đối tượng theo quy tắc chung.

• Máy tính tự học từ dữ liệu: Cung cấp lượng dữ liệu học lớn để máy "tự học" các đặc điểm thay vì mô tả chi tiết từng trường hợp.

Ví dụ: Cung cấp trăm nghìn bức ảnh chứa hình ảnh con ngựa và các loài vật khác để máy tính tự xác định các đặc điểm về loài ngựa thay vì viết chương trình mô tả chi tiết.

​Giới thiệu về Học máy

1. Khái niệm Học máy

a) Mô hình học máy

Thuật toán học máy: Từ tập dữ liệu đầu vào, thuật toán học máy rút ra các thông tin liên quan tới dữ liệu, các đặc điểm chung quan trọng,... → máy tính học cách phân biệt giữa các mẫu dữ liệu khác nhau hoặc nhóm các mẫu dữ liệu thành các cụm nhiều mẫu tương tự nhau.

​Giới thiệu về Học máy

1. Khái niệm Học máy

a) Mô hình học máy

Mô hình học máy: Các mô hình học máy được tạo ra từ các thuật toán học máy và trải qua quá trình huấn luyện bằng cách sử dụng dữ liệu huấn luyện. Thực hiện thuật toán học máy trên tập dữ liệu huấn luyện tức là huấn luyện mô hình học máy.

​Giới thiệu về Học máy

1. Khái niệm Học máy

b) Quy trình học máy

​Giới thiệu về Học máy

1. Khái niệm Học máy

b) Quy trình học máy

​Giới thiệu về Học máy

Multiple Choice

Khi nói về Học máy, một số học sinh có các phát biểu sau:

Bản chất của Học máy là chương trình máy tính sẵn có cho phép máy tính đưa ra quyết định dựa trên dữ liệu.

• đúng

• sai

Multiple Choice

Khi nói về Học máy, một số học sinh có các phát biểu sau:

Mô tả rõ ràng các đặc trưng của đối tượng học là cách tốt nhất để giúp máy tính học được chính xác.

• đúng

• sai

Multiple Choice

Khi nói về Học máy, một số học sinh có các phát biểu sau:

Dữ liệu học được chuẩn bị kĩ càng, phù hợp với bài toán giúp mô hình đạt được kết quả huấn luyện tốt.

• đúng

• sai

Multiple Choice

Khi nói về Học máy, một số học sinh có các phát biểu sau:

Tiêu chí lựa chọn mô hình Học máy là phù hợp với yêu cầu của bài toán đặt ra và dữ liệu thu thập được.

• đúng

• sai

2. Phân loại và vai trò của học máy trong thực tế
a. Phân loại học máy 

Phân loại theo dữ liệu học

Học dữ liệu không gán nhãn và học dữ liệu có gán nhãn.

Đặc trung của dữ liệu gán nhãn:

• Dữ liệu được gắn với một nhãn (hoặc giá trị đích) chứa thông tin quan trọng mà mẫu đó đại diện.

• Dữ liệu được gán nhãn có vai trò quan trọng đối với tính đúng của mô hình học máy.

• Gán nhãn cho dữ liệu được thực hiện thủ công.

​Giới thiệu về Học máy

2. Phân loại và vai trò của học máy trong thực tế
a. Phân loại học máy 

Học có giám sát (phân loại dữ liệu)

Là phương pháp học phổ biến nhất, mô hình học từ tập dữ liệu được gán nhãn. Mục tiêu là dự đoán một dữ liệu mới không nhãn thuộc vào nhóm dữ liệu nào (nhãn dữ liệu) của mô hình.

​Giới thiệu về Học máy

2. Phân loại và vai trò của học máy trong thực tế
Bài toán phân loại

Việc gán cho mỗi đối tượng một nhãn phân loại tuỳ theo các thuộc tính đặc trưng của nó là bài toán phân loại. Bài toán phân loại thư gồm hai nhãn phân loại là “spam” và “no spam”; bài toán khách hàng vay tín dụng có ba nhãn phân loại là “tốt”, “bình thường” và “xấu”.

​Giới thiệu về Học máy

2. Phân loại và vai trò của học máy trong thực tế
Học có giám sát (phân loại dữ liệu)
Dữ liệu huấn luyện

Dữ liệu huấn luyện là các mẫu dữ liệu (đối tượng) cần phân loại được mô tả bởi một số thông tin là các thuộc tính đặc trưng của nó và đã biết trước nhãn. Ví dụ, việc phân loại email là “spam” hay “no spam” dựa vào một số thông tin như: địa chỉ người gửi, địa chỉ người nhận, dòng tiêu đề, sự có mặt của những từ đặc trưng cho thư rác,...

Huấn luyện và đánh giá mô hình

Áp dụng mô hình cho phần dữ liệu dùng để đánh giá sẽ nhận được dữ liệu kiểm tra. Mục tiêu huấn luyện nhằm giảm thiểu nhãn bị gán sai đến mức ngưỡng chấp nhận được.

​Giới thiệu về Học máy

2. Phân loại và vai trò của học máy trong thực tế
Học không giám sát

Bài toán phân cụm

Phân cụm là chia tập đối tượng (có các đặc điểm tương tự nhau) thành các cụm dựa trên sự tương tự và khác biệt của các đối tượng.

Dưới đây là mô hình phân cụm các quả đã được huấn luyện quả thành ba cụm dựa vào đặc điểm của các loại quả.

​Giới thiệu về Học máy

2. Phân loại và vai trò của học máy trong thực tế
Học không giám sát

Dữ liệu huấn luyện

Tập dữ liệu huấn luyện gồm các mẫu dữ liệu (không có tên các loại quả, tức là không có nhãn) mô tả các thuộc tính đặc trưng của đối tượng. Ví dụ, trường hợp phân cụm các quả, các thuộc tính đặc trưng của mỗi quả là hình dạng, kích thước, màu sắc,... 

Huấn luyện và đánh giá mô hình

Máy tính được huấn luyện để sử dụng dữ liệu huấn luyện và tự dự đoán nhãn phân loại theo thuật toán học máy. So sánh nhãn đã biết với nhãn do mô hình dự đoán để đánh giá mô hình. Mục tiêu huấn luyện nhằm giảm thiểu nhãn bị gán sai đến mức ngưỡng chấp nhận được.

​Giới thiệu về Học máy

2. Phân loại và vai trò của học máy trong thực tế
b. Vai trò của học máy

Vai trò quan trọng của Học máy được thể hiện ở nhiều góc độ khác nhau: giúp xử lí một lượng lớn dữ liệu trong thời gian thực một cách nhanh chóng và hiệu quả để xác định các mẫu và xu hướng quan trọng có trong dữ liệu, tự động hoá các nhiệm vụ phức tạp mà trước đây cần sự can thiệp của con người,...

Giúp các chuyên gia và các nhà nghiên cứu từng bước xây dựng và bổ sung tri thức.

Không thể thiếu trong các ứng dụng mà dữ liệu có quy mô và chủng loại đa dạng, không ngừng thay đổi theo thời gian nhờ khả năng không ngừng bổ sung dữ liệu và cập nhật mô hình.

Ví dụ tiêu biểu: nhận diện chữ viết tay, dịch tự động, phân tích thị trường,...

​Giới thiệu về Học máy

Multiple Choice

Cơ sở để xác định một mô hình được xây dựng bằng phương pháp học giám sát là

• cách thức tổ chức dữ liệu.

• yêu cầu của bài toán.

• thuật toán được sử dụng.

• dựa trên loại dữ liệu học.

Multiple Choice

Phát biểu sau về Học máy là đúng hay sai?

Học có giám sát dành cho huấn luyện máy tính phân cụm.

• đúng

• sai

Multiple Choice

Phát biểu sau về Học máy là đúng hay sai?

Học có giám sát và không giám sát có thể giúp máy tính giải quyết cùng một bài toán.

• đúng

• sai

Multiple Choice

Phát biểu sau về Học máy là đúng hay sai?

Học có giám sát sử dụng dữ liệu kiểm tra để đánh giá kết quả huấn luyện.

• đúng

• sai

Multiple Choice

Phát biểu sau về Học máy là đúng hay sai?

Học không giám sát sử dụng dữ liệu huấn luyện không có nhãn.

• đúng

• sai

3. Một số ứng dụng của Học máy

• Nhận dạng tiếng nói: Đầu vào là tiếng nói và nhờ các thuật toán xây dựng nên mô hình nhận dạng. Ứng dụng trong tìm kiếm qua giọng nói, điều khiển thiết bị thông minh.

• Nhận dạng chữ viết: Dữ liệu đầu vào là các kí tự hoặc các câu được số hóa. Một người dùng viết lên một ứng dụng ghi chú, ứng dùng này sẽ tự chuyển các kí tự vừa vẽ thành các kí tự văn bản.

• Dịch máy: Phân tích văn bản và dự đoán khả năng một từ hoặc cụm từ cụ thể trong ngôn ngữ nguồn sẽ là từ hoặc cụm từ tương ứng nào trong ngôn ngữ đích.

• Chẩn đoán bệnh: Phân tích ảnh X-quang để tìm ra các điểm dị thường, từ đó đưa ra dự đoán về bệnh có thể xuất hiện.

• Phân tích thị trường: Thu thập dữ liệu của khách hàng để đề xuất các thông tin hoặc sản phẩm.
  

​Giới thiệu về Học máy

Multiple Choice

Ứng dụng nào sau đây sử dụng nhận dạng tiếng nói?

• Ứng dụng quét ảnh để tìm các đối tượng.

• Ứng dụng tìm kiếm thông tin thông minh.

• Ứng dụng chuyển chữ viết tay thành kí tự.

• Ứng dụng phiên dịch văn bản tự động.

Multiple Choice

Dịch máy thực hiện chức năng là

• dự đoán từ tương ứng trong văn bản gốc.

• thu thập thông tin để đề xuất sản phẩm.

• chuyển chữ viết tay thành văn bản số hóa.

• phân tích âm thanh để điều khiển thiết bị.

Multiple Choice

Cho hình minh họa về phân loại loài vật bằng Học máy như sau:

Ý kiến nào đúng trong số ý kiến của các bạn học sinh về hình ảnh trên.

• Mỗi loài vật được đánh nhãn riêng.

• Phương pháp (thuật toán) được sử dụng là học không giám sát.

• Nhận diện thông qua đặc trưng riêng của đối tượng, ví dụ gà có mào màu đỏ.

• Nếu muốn nhận diện con mèo, chỉ cần thay đổi dữ liệu của (1) thành hình ảnh con mèo.

Multiple Choice

Cho hình minh họa về phân loại loài vật bằng Học máy như sau:

• Phương pháp được sử dụng là học có giám sát.

• Phương pháp được sử dụng là học không giám sát.

Fill in the Blanks

Multiple Choice

Dữ liệu được gán nhãn dựa trên yếu tố nào sau đây?

• Kích thước của dữ liệu.

• Thể loại của dữ liệu.

• Đặc trưng của dữ liệu.

• Thuật toán học dữ liệu.

Multiple Choice

Phương pháp (thuật toán) Học máy của hệ thống lọc thư rác là

• học tích nghi.

• học không giám sát.

• học bán giám sát.

• học có giám sát.

Multiple Choice

Đặc trưng nào sau đây là cơ sở để gán nhãn là thư rác?

• Thời gian nhận thư.

• Thiết bị gửi thư.

• Tệp đính kèm theo.

• Địa chỉ gửi thư.

Multiple Choice

Hệ thống nào sau đây sử dụng dữ liệu học dạng hình ảnh?

• Luyện nói ngoại ngữ trên điện thoại.

• Cảnh báo các bình luận kém lịch sự.

• Chuẩn đoán bệnh trên phim X-quang.

• Tìm kiếm thông tin bằng giọng nói.

Multiple Choice

Phát biểu nào sau đây là SAI?

• Dữ liệu được lựa chọn theo mô hình học.

• Dữ liệu được chia thành hai tập dữ liệu.

• Dữ liệu được xử lí trước khi sử dụng.

• Dữ liệu được lấy từ nhiều nguồn uy tín.

Multiple Choice

Một ví dụ về ứng dụng của Học máy là

• xác định thể loại thư điện tử.

• tự động cập nhật phần mềm.

• đèn điều khiển giao thông.

• tìm kiếm tệp tin trong máy tính.

Multiple Choice

Học máy đóng vai trò quan trọng đối với ngành nào sau đây?

• Trí tuệ nhân tạo.

• Khoa học dữ liệu.

• Công nghệ thông tin.

• Kiểm thử phần mềm.

Multiple Choice

Nhiều công ti sử dụng máy chấm công thông qua nhận diện vân tay (sinh trắc vân tay) để quản lí giờ làm việc của nhân viên. Trước hết, nhân viên đăng kí vân tay của bản thân bằng cách chạm một đầu ngón tay vào cảm biến nhiều lần, sau đó khai báo các thông tin cần thiết. Nhân viên cần chạm tay vào cảm biến lúc đến làm việc và sau khi ra về. Dữ liệu chấm công cá nhân là căn cứ để người quản lí biết được nhân viên có đi làm đúng giờ.

Nhận xét sau đây là sai?

• Phương pháp học trên là học không giám sát.

• Phương pháp học trên là học cógiám sát.

• Không thể nhận diện ngón tay khác của cùng một người.

• Vân tay của nhân viên cũ chính là dữ liệu huấn luyện để phân biệt với vân tay nhân viên mới.

Multiple Choice

Nguồn cung cấp dữ liệu học nào sau đây nên được sử dụng?

• Người dùng cung cấp.

• Kho dữ liệu khoa học.

• Tổ chức tài trợ dự án.

• Sẵn có trên Internet.

Multiple Choice

Trong học máy, loại dữ liệu nào được gán nhãn cụ thể để huấn luyện mô hình?

• Dữ liệu không có nhãn

• Dữ liệu không rõ

• Dữ liệu có nhãn

• Dữ liệu phụ

Multiple Choice

Phương pháp học máy nào sử dụng dữ liệu không có nhãn để mô hình hóa cấu trúc hoặc thông tin ẩn?

• Học có giám sát

• Học không giám sát

• Học tăng cường

• Học sâu

Multiple Choice

Một ứng dụng của học máy trong phân tích thị trường là gì?

• Lọc thư rác

• Nhận dạng chữ viết

• Chẩn đoán bệnh

• Dự báo biến động giá cả

Multiple Choice

Công nghệ học máy nào được sử dụng để nhận diện và phân biệt âm thanh của các đơn vị tiếng?

• Nhận dạng chữ viết

• Dịch tự động

• Nhận dạng tiếng nói

• Phân tích thị trường

Multiple Choice

Học máy có thể giúp cải thiện khả năng phân loại và nhận diện trong lĩnh vực nào sau đây?

• Quản lý dự án

• Dịch tự động

• Phát triển phần mềm

• Lập trình cơ sở dữ liệu

Multiple Choice

Để xây dựng một mô hình chẩn đoán bệnh, học máy sử dụng loại dữ liệu nào?

• Dữ liệu không có nhãn

• Dữ liệu có nhãn

• Dữ liệu giả lập

• Dữ liệu tham khảo

Multiple Choice

Học máy giúp xử lý và phân tích dữ liệu lớn như thế nào?

• Tăng cường độ chính xác

• Giảm kích thước dữ liệu

• Cải thiện tốc độ xử lý phần cứng

• Tự động hoá các nhiệm vụ phức tạp

Multiple Choice

Phát biểu nào chưa đúng về học máy?

• Học máy giúp máy tính tự xây dựng bộ lọc để phân loại thư điện tử mà không cần lập trình chi tiết.

• Học máy chỉ hoạt động tốt với dữ liệu đã được lập trình cụ thể.

• Một trong những ứng dụng của học có giám sát là nhận dạng hình ảnh.

• Học máy giúp phân loại thư điện tử thành thư rác hoặc thư thường dựa trên các đặc điểm của thư đúng hay sai?

Multiple Choice

Phương án nào sau đây về Học máy là SAI?

• Là các thuật toán học tập dữ liệu.

• Là phương pháp cải tiến máy tính.

• Là một lĩnh vực nghiên cứu của AI.

• Là mô hình tính toán của toán học.

Multiple Choice

Phát biểu nào sau đây về Học máy là SAI?

• Là khả năng học tập của máy.

• Là xây dựng mô hình toán học.

• Là một lĩnh vực thuộc học sâu.

• Là tạo ra dữ liệu mới từ tri thức.

Multiple Choice

Một công ty sử dụng mô hình học máy dưới đây để xác định chính sách ưu đãi cho những nhóm khách hàng khác nhau dựa trên sự tương tác giữa mỗi khách hàng với công ty đó (số năm là khách hàng; số tiền khách hàng đã chi trả cho công ty; độ tuổi; giới tính; thành phố; nghề nghiệp;…). Phát biểu nào sao đây sai?

• [X] là dữ liệu về sự tương tác của mỗi khách hàng với công ti.

• Sử dụng một vài thông tin là đủ để xác định một khách hàng. Ví dụ, nhóm 1 là: số năm là khách hàng = 3; độ tuổi = 25; giới tính = 'Nam'.

• Khi muốn xác định quà thưởng cho nhóm nhân viên, cần điều chỉnh lại mô hình và thay đổi dữ liệu.

• Thuật toán (phương pháp) của mô hình là học không giám sát.