WorksheetsÔn tập Trí tuệ Nhân tạo (VNUIS)
Total questions: 15
Worksheet time: 21mins
Câu hỏi 1: Trí tuệ Nhân tạo (AI) được định nghĩa là gì?
A. Trí tuệ Nhân tạo (AI) là khả năng của máy tính hoặc hệ thống để thực hiện các nhiệm vụ thông minh.
B. Trí tuệ Nhân tạo (AI) là một loại robot tự động.
C. Trí tuệ Nhân tạo (AI) chỉ là phần mềm giải trí.
D. Trí tuệ Nhân tạo (AI) là khả năng của con người trong việc học hỏi.
Câu hỏi 2: Sự kiện nào đánh dấu sự khởi đầu của lịch sử Trí tuệ Nhân tạo?
A. Hội thảo tại MIT vào năm 1960.
B. Hội thảo tại Stanford vào năm 1955.
C. Hội thảo Dartmouth năm 1956.
D. Sự phát triển của hệ thống MYCIN vào những năm 1970.
Câu hỏi 3: Một thuật toán học máy có giám sát điển hình là
(a)
Câu hỏi 4: Thuật toán học máy nào sau đây thuộc loại học có giám sát?
A. K-means clustering.
B. Hồi quy tuyến tính (Linear Regression).
C. Phân tích thành phần chính (PCA).
D. Thuật toán Apriori.
Câu hỏi 5: Trong học máy, 'overfitting' đề cập đến vấn đề gì?
A. Mô hình quá đơn giản, không học được đặc trưng dữ liệu.
B. Mô hình quá phức tạp, học cả nhiễu trong dữ liệu huấn luyện.
C. Thiếu dữ liệu huấn luyện.
D. Dữ liệu huấn luyện và kiểm tra giống hệt nhau.
Câu hỏi 6: Kỹ thuật nào sau đây thường được sử dụng để giảm thiểu hiện tượng 'overfitting' trong học máy?
D. Tăng số lượng đặc trưng (Features).
C. Giảm kích thước dữ liệu huấn luyện.
B. Sử dụng mô hình phức tạp hơn.
A. Tăng cường dữ liệu (Data Augmentation).
Câu hỏi 7: Mô hình nào sau đây không phải là một thuật toán học có giám sát?
B. Cây quyết định (Decision Tree).
D. Hồi quy tuyến tính (Linear Regression).
A. Hồi quy logistic (Logistic Regression).
C. K-means clustering.
Câu hỏi 8: Trong học máy, 'cross-validation' được sử dụng để làm gì?
C. Để giảm thiểu kích thước dữ liệu huấn luyện.
A. Để tăng tốc độ huấn luyện mô hình.
B. Để đánh giá độ chính xác của mô hình trên dữ liệu chưa thấy.
D. Để tìm kiếm các tham số tối ưu cho mô hình.
Câu hỏi 9: Mô hình nào sau đây thường được sử dụng trong học sâu (Deep Learning)?
A. Mạng nơ-ron tích chập (Convolutional Neural Network).
B. Hồi quy logistic (Logistic Regression).
C. Cây quyết định (Decision Tree).
D. Hồi quy tuyến tính (Linear Regression).
Câu hỏi 10: Kỹ thuật nào sau đây được sử dụng để cải thiện độ chính xác của mô hình học máy?
A. Regularization.
B. Tăng kích thước dữ liệu huấn luyện.
C. Sử dụng mô hình đơn giản hơn.
D. Giảm số lượng đặc trưng (Features).
Câu hỏi 11: Trong học máy, 'feature engineering' là gì?
D. Quá trình tối ưu hóa tham số của mô hình.
C. Quá trình đánh giá độ chính xác của mô hình.
B. Quá trình chọn mô hình học máy phù hợp.
A. Quá trình tạo ra các đặc trưng mới từ dữ liệu gốc.
Câu 12: (a) là một ứng dụng phổ biến của Trí tuệ Nhân tạo trong lĩnh vực thương mại điện tử, giúp gợi ý sản phẩm dựa trên lịch sử tìm kiếm và mua sắm của người dùng
Câu hỏi 13: Mô hình nào sau đây thường được sử dụng để phân loại trong học máy?
C. K-means clustering.
D. Phân tích thành phần chính (PCA).
A. Hồi quy logistic (Logistic Regression).
B. Hồi quy tuyến tính (Linear Regression).
Câu hỏi 14: 'Gradient Descent' là gì trong bối cảnh học máy?
A. Một thuật toán tối ưu hóa để tìm kiếm tham số tối ưu cho mô hình.
D. Một kỹ thuật để giảm thiểu số lượng đặc trưng.
B. Một phương pháp để tăng cường dữ liệu.
C. Một loại mô hình học máy.
