wayground logo

Free Printable Worksheets

NEW

Font size

S
M
L
XL
Worksheets

MAI AI

Total questions: 36

Worksheet time: 18mins

Name
Class
Date
1.

trí tuệ nhân tạo là gì

a)

làm cho cỗ máy thông minh

b)

trực quan máy

c)

cỗ máy bắt chước ng

d)

học máy

2.

nhà khoa học dữ liệu là

a)

nhà toán học, ng tthoongs kê số liệu, lập trình viên phần mềm

b)

máy tính bàn

c)

đầu ra của chương trình học máy

d)

loại vấn đề phổ bién trong học máy

3.

trực quan hoá dữ liệu là

a)

làm thay đổi tính năng

b)

làm chuyển sang tính năng khác

c)

nêu đồ hoạ thông tin và dữ liệu

d)

biễu diên đồ hoạ thông tin và dữ liệu

4.

học máy là

a)

học sâu

b)

học trí tuệ nhân bản

c)

quá trình khai hoá tri thức để thực hiện chức năng thông minh

d)

quá trình biến đổi số dữ liệu

5.

học máy là

a)

gốc của tí tuệ nhân tạo

b)

tập hợp con của trí tuệ nhân tạo

c)

tập hợp con của trí tuệ nt, là 1 phần của ttnt

d)

là tập hợp các trí tuệc nt với nhau

6.

học máy để

a)

dự đoán, làm sạch dữ liệu, trực quan hoá dữ liệu

b)

đánh giá sai sót, khắc phục

c)

chuyển đổi số hoá

d)

dự đoán dữ liệu tương lai và phát triển số

7.

đầu ra của chương trình học máy là

a)

thuật toán học máy

b)

sự chính xác

c)

mô hình học máy

d)

chương trình hoá học sâu

8.

loại vấn đề phổ biến trong học máy là

a)

qui định hồi tuyến

b)

2 vấn đề chính

c)

phân tích hồi qui

d)

phân cụm, hồi qui, phân loại

9.

kĩ thuật học máy có mấy loại

a)

5

b)

7

c)

3

d)

1

10.

dữ liệu là

a)

thông tin cao cấp của dịch vụ

b)

số liệu thống kế của ttnt

c)

số dữ liệu của trực quan hoá

d)

thông tin cơ bản mô tả sự vật hiện tượng

11.

mấy nhóm dữ liệu

a)

3

b)

2

c)

6

d)

5

12.

thu thập dữ liệu đại diện cho dữ liệu quần thể là

a)

lấy dữ liệu mẫu

b)

lấy dữ liệu có sẵn

c)

dữ liệu lưu trữ trong trực quan

d)

tạo dữ liệu số

13.

chuyển đổi số là gì

a)

chuyển đổi tính năng công nghệ

b)

phát triển dữ liệu theo số thống kê

c)

sử dụng dữ liệu công nghệ số để nâng cao chất lượng

d)

sử dụng công nghệ dựa vào số dữ liệu trực quan hoá

14.

khai phá dữ liệu (data minning) là

a)

khai phá thông tin mật từ các dữ liệu lớn

b)

tìm thông tin cơ bản của trí tuệ nt

c)

quá trinh tìm số trong các dữ liệu có sẵn

d)

quá trình tìm kiém thông tin có giá trị từ các cơ sở dữ liệu lớn

15.

độ lẹch chuẩn là

a)

trung bình cộng của độ lệch khỏi giá trị tb

b)

trung bình của các giá trị số

c)

tổng các giá trị của một dữ liệu

d)

phần dư của một tổng các giá trị

16.

hệ số tương quan trong phân tích dữ liệu là

a)

đo lường giá trị của các số

b)

só sánh giá trị giữa các biến có sẵn

c)

thước đo mqh tuyến tính giữa 2 biến số

d)

thước đo độ lệch chuẩn của các biến

17.

robot thông minh sẽ

a)

sắp xếp hành động theo mục đích có cảm biến và hiệu ứng

b)

sắp xếp các dữ liệu một cách kh

c)

sấp xếp số thống kê có mục đích

d)

có cảm ứng, hiệu ứng cho mọi phân tích dữ liệu hoá

18.

hồi qui logistic là

a)

giới hạn hàm chi phí khoảng 1 đến 0

b)

giới hạn hàm chi phí khoảng 0 đến dương vô cùng

c)

giới hạn hàm chi phí khoảng 0 đến âm vô cùng

d)

giới hạn chi phí từ -1 đến 1

19.

mô hình phân loại

a)

dự đoán các biến số rõ ràng

b)

dự đoán sự thay đổi các giá trị

c)

dự đoán các giá trị rời rạc, dữ liệu dự đoán kh theo

d)

dự đoán các giá trị theo một dữ liệu nhất định

20.

mô hinh hồi qui

a)

dự đoán giá trị liên tục dữ liệu dự đoán đặt hàng

b)

dự đoán dữ liệu đặt hàng bị gián đoạn

c)

dữ liệu giá trị ngắt quãng dữ liệu dự đoán đặt hàng

d)

dự đoán dữ liệu giá trị đặt hàng không liên tục

21.

hàm loss

a)

1 độ đo hiệu quả chính xác của mô hình học sâu

b)

2 độ đo hiệu quả gần đúng của mô hình học máy

c)

-1 độ đó hiệu quả gần đúng của mô hình học sâu

d)

1 độ đo hiệu quả chính xác của mô hình học máy

22.

tính đạo hàm của hàm loss theo các tham số của mô hình để

a)

thay đổi các giá trị cũ của mô hình

b)

thay đổi các tham số của mô hình

c)

biến đổi các số liệu của mô hình

d)

biến đổi các giá trị mới của mô hình

23.

hàm loss càng nhỏ thì

a)

mô hình càng tăng số dl

b)

mô hình càng phù hợp với dữ liệu

c)

mô hình càng tách biệt với giá trị dl

d)

mô hình càng khớp với biến số hoá dl

24.

hàm loss cho biết gì

a)

sự phàu hợp của mô hình fhojc máy trong trải nghiệm siêu vi

b)

sự phù hợp của mô hình học sâu với các tính năng cài sẵn

c)

sự phù hợp của mô hình học máy với các quan sát thực tế

d)

sự phù hợp của mô hình học máy trong thử nghiệm khoa học

25.

trong thuật toán giảm độ dốc ta phải thay đổi các tham số của mô hình như nào

a)

thay đổi tham số của mô hình sao cho giá trị hàm loss giảm

b)

thay đổi tham số của mô hình sao cho hàm loss không đổi

c)

thay đổi tham số của rmoo hình sao cho hàm loss tăng

d)

thay đổi tham số của mô hình sao cho hàm loss bằng 2

26.

mục tiêu chính của thuật toán giảm độ dốc trong học máy là

a)

biến đổi tham số mô hình nhưng thay đổi biến số của dữ liệu

b)

biến đổi giá trị của mô hình học sâu để mô hình hoạt động tốt

c)

biến đổi tham số của mô hình để mô hình hoạt động tốt

d)

biến đổi tham số của mô hình để làm thay đổi các giá trị

27.

network là biểu đồ

a)

cột thanh

b)

thanh biểu đồ

c)

mạng xh

d)

mạng lưới

28.

scatter plot là biểu đồ

a)

phân hoá

b)

phân tán

c)

tập trung

d)

phân chia mạng lưới

29.

stream graph là biểu đồ

a)

thẳng

b)

ngang

c)

chéo

d)

dòng

30.

một biểu đồ hữu ích để biểu thị nhiều biến là

a)

bar line

b)

tập trung

c)

phân tán

d)

stream graph

31.

biểu đồ hữu ích trong việc so sánh

a)

dòng

b)

cột

c)

thanh

d)

cột và thanh

32.

biểu đồ để biết mqh 2 biến

a)

scatter plot

b)

line bar

c)

cột và dòng

d)

thanh và phân tán

33.

biểu đồ hộp

a)

kĩ thuậ trực quan hoá để so sánh và đánh giá các biến

b)

kĩ thuật trực quan để làm rõ biến số và dữ liệu sạch

c)

kĩ thuật trực quan hoá để iểu thị giá trị tb, độ lẹch, thống kê

d)

kic thuật trực quan hoá để hiển thị độ lệch tb

34.

biểu đồ đường

a)

tương tự biểu đồ phân tán nhưng sử dụng 1 đường liên kết

b)

tương tự biểu đồ cột nhưng sd 1 đường liên kết

c)

tương tự biểu đồ dọc nhưng sd 2 đường phân tán

d)

tương tự biểu đồ phân tán nhưng không sd liên kết

35.

vấn đề phổ biến nhất khi sd machine learning là

a)

chất lượng dữ liệu kém

b)

cơ sở hạ tầng không đủ

c)

thiếu nguồn lực có kĩ năng

d)

số liệu thu thập không rõ ràng

36.

dữ liệu thô chỉ nên xử lí 1 lần

a)

sai

b)

đúng

c)

2 lần

d)

không thể nói