NEW
Font size
Worksheets5060-Kiểm tra kiến thức AI
Total questions: 33
Worksheet time: 17mins
Machine learning là gì?
Một hệ thống ghi nhớ tất cả các đầu vào và đầu ra có thể có
Một phương pháp cho phép máy tính học từ dữ liệu mà không cần lập trình rõ ràng
Một cách lập trình thủ công các phản hồi của AI
Một loại hệ thống quản lý cơ sở dữ liệu
Loại học máy nào liên quan đến việc học một ánh xạ từ A đến B?
Unsupervised learning
Reinforcement learning
Supervised learning
Generative learning
Neural network là gì?
Một cấu trúc sinh học trong não người
Một mô hình tính toán được lấy cảm hứng từ não người
Một phương pháp để lưu trữ các tập dữ liệu lớn
Một công cụ để tối ưu hóa cơ sở dữ liệu
Supervised learning yêu cầu điều gì?
Chỉ dữ liệu đầu vào
Chỉ nhãn đầu ra
Cả dữ liệu đầu vào và nhãn đầu ra tương ứng
Mô hình đã được huấn luyện trước
Ví dụ nào sau đây là một ví dụ về Supervised learning?
Phân cụm dữ liệu khách hàng
Dự đoán giá nhà dựa trên các đặc điểm
Giảm chiều dữ liệu
Khám phá các mẫu dữ liệu không nhãn
Ý tưởng chính của deep learning là gì?
Sử dụng các mô hình nông để giảm độ phức tạp
Đào tạo các mô hình với một số lượng lớn các lớp ẩn
Xác định các đặc trưng một cách thủ công để dự đoán
Tránh sử dụng mạng nơ-ron
Tại sao AI trở nên thành công hơn gần đây?
Có nhiều dữ liệu có cấu trúc hơn
Các tiến bộ trong phần cứng và truy cập vào các tập dữ liệu lớn
Giảm yêu cầu tính toán
Chỉ sử dụng các thuật toán dựa trên quy tắc
Dữ liệu cho các dự án AI được thu thập như thế nào?
Bằng cách viết các quy tắc thủ công
Thông qua cảm biến, hành vi người dùng và gán nhãn thủ công
Chỉ từ các báo cáo nội bộ của công ty
Thông qua việc lấy mẫu ngẫu nhiên
Câu nói 'Garbage in, garbage out' trong AI có nghĩa là gì?
Chất lượng dữ liệu kém dẫn đến hiệu suất mô hình kém
Dữ liệu nhiều hơn sẽ tự động cải thiện mô hình
Các hệ thống AI có thể tự sửa lỗi trong dữ liệu
Các mô hình luôn đưa ra dự đoán chính xác
Dữ liệu nào được coi là dữ liệu không có cấu trúc?
Văn bản, hình ảnh và âm thanh
Bảng chứa các giá trị số
Nhật ký dữ liệu kỹ thuật số
Tóm tắt thống kê
Mục tiêu chính của một kỹ sư machine learning là gì?
Thiết kế phần cứng cho các hệ thống AI
Xây dựng và duy trì các mô hình học máy
Viết báo cáo về nghiên cứu AI
Quản lý cơ sở dữ liệu
Mô hình ngôn ngữ lớn (LLM) là gì?
Một mô hình để xử lý dữ liệu số
Một loại thuật toán học không giám sát
Một mô hình được đào tạo trên các tập dữ liệu văn bản lớn để dự đoán từ tiếp theo
Một hệ thống AI quy mô nhỏ
Làm thế nào để LLM tạo ra văn bản?
Bằng cách mã hóa thủ công các quy tắc ngữ pháp
Bằng cách dự đoán từ tiếp theo dựa trên các từ trước đó
Bằng cách sao chép văn bản hiện có từ web
Bằng cách chọn ngẫu nhiên các cụm từ
Điều gì phân biệt deep learning với machine learning truyền thống?
Các mô hình học sâu dựa trên quy tắc
Các mô hình học sâu tự động học các đặc trưng
Học máy truyền thống luôn yêu cầu nhiều dữ liệu hơn
Học sâu không sử dụng mạng nơ-ron
Đặc điểm chính của dữ liệu có cấu trúc là gì?
Dễ dàng được con người diễn giải một cách trực quan
Được tổ chức trong các bảng hoặc bảng tính
Chỉ chứa các giá trị số
Không thể được xử lý bởi học máy
Ý nghĩa của 'Scaling' trong AI là gì?
Tăng kích thước của mạng nơ-ron và dữ liệu để cải thiện hiệu suất
Giảm kích thước mô hình để tính toán nhanh hơn
Thay đổi thuật toán sang một loại khác
Sử dụng ít tài nguyên hơn để đạt được kết quả tương tự
Các hệ thống AI xử lý dữ liệu thiếu như thế nào?
Bỏ qua các giá trị thiếu
Sử dụng các kỹ thuật ước lượng hoặc loại bỏ các bản ghi không đầy đủ
Tự động điền dữ liệu thiếu bằng số không
Dừng lại
AI xử lý dữ liệu thiếu như thế nào?
Bỏ qua giá trị thiếu
Sử dụng kỹ thuật ước lượng hoặc loại bỏ các bản ghi không đầy đủ
Tự động điền dữ liệu thiếu bằng số không
Dừng hoạt động
Học tăng cường là gì?
Học từ dữ liệu được gán nhãn
Học bằng cách tối đa hóa phần thưởng thông qua tương tác với môi trường
Phân cụm dữ liệu thành các nhóm
Học mà không có phản hồi nào
Overfitting trong học máy là gì?
Khi một mô hình hoạt động tốt trên dữ liệu mới nhưng kém trên dữ liệu huấn luyện
Khi một mô hình hoạt động tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới
Khi một mô hình sử dụng quá ít đặc trưng
Khi một mô hình yêu cầu quá nhiều tính toán
Làm thế nào để ngăn chặn hiện tượng overfitting?
Sử dụng một mô hình lớn hơn
Giảm kích thước của tập dữ liệu huấn luyện
Sử dụng các kỹ thuật regularization và cross-validation
Thêm nhiều đặc trưng không liên quan
Nhà khoa học dữ liệu làm gì?
Chỉ thu thập dữ liệu
Trích xuất thông tin hữu ích từ dữ liệu và truyền đạt nó
Xây dựng phần cứng cho các hệ thống AI
Quản lý máy chủ đám mây
Tại sao phản hồi lại quan trọng trong các hệ thống AI?
Để giảm chi phí tính toán
Để cải thiện liên tục mô hình
Để thu thập thêm dữ liệu
Để giảm yêu cầu phần cứng
Ví dụ nào là học tăng cường?
Lọc spam
Chơi một trò chơi và học chiến lược
Phân loại hình ảnh
Phân tích cảm xúc
Unsupervised learning được sử dụng để làm gì?
Dự đoán kết quả từ dữ liệu đã gán nhãn
Xác định các mẫu trong dữ liệu chưa gán nhãn
Tạo ra các tập dữ liệu đã gán nhãn
Xây dựng các mô hình dựa trên quy tắc
Transfer learning là gì?
Sử dụng một mô hình đã được đào tạo cho một nhiệm vụ khác nhưng liên quan
Xây dựng một mô hình từ đầu cho mỗi nhiệm vụ
Chuyển dữ liệu giữa các mô hình khác nhau
Sử dụng các bộ tăng tốc phần cứng để đào tạo nhanh hơn
Đặc điểm chính của trí tuệ nhân tạo sinh ra là gì?
Tạo ra kết quả ngẫu nhiên
Học cách tạo ra dữ liệu mới tương tự như dữ liệu huấn luyện
Chỉ làm việc với dữ liệu có cấu trúc
Dự đoán các giá trị cố định
AI cải thiện năng suất trong sản xuất như thế nào?
Bằng cách kiểm tra các sản phẩm thủ công
Bằng cách tự động phát hiện các khuyết tật thông qua các mô hình kiểm tra hình ảnh
Bằng cách tăng cường lao động con người
Bằng cách giảm sử dụng máy móc
Sự khác biệt giữa AI và lập trình truyền thống là gì?
Các hệ thống AI học từ dữ liệu, trong khi các chương trình truyền thống tuân theo các hướng dẫn rõ ràng
Các chương trình truyền thống nhanh hơn các hệ thống AI
Các hệ thống AI không cần dữ liệu
Các hệ thống AI dễ xây dựng hơn
Tiền xử lý dữ liệu là gì?
Quá trình thu thập dữ liệu
Làm sạch và chuẩn bị dữ liệu thô cho việc huấn luyện mô hình
Phân tích kết quả từ một mô hình
Viết báo cáo cuối cùng
Ưu điểm chính của neural networks là gì?
Chúng không cần được đào tạo
Chúng có thể tự động học các mẫu phức tạp trong dữ liệu
Chúng luôn dễ hiểu
Chúng chỉ làm việc với dữ liệu văn bản
AI đã được áp dụng thành công trong lĩnh vực nào sau đây?
Y tế: Chẩn đoán bệnh từ hình ảnh y khoa
Giáo dục: Thay thế hoàn toàn giáo viên
Giao thông: Dự đoán thời tiết hàng ngày
Thể thao: Dự đoán kết quả trận đấu dựa trên cảm xúc người xem
Lợi ích nào sau đây là một trong những lợi ích chính của AI trong doanh nghiệp?
Giảm thiểu nhu cầu về dữ liệu
Tăng khả năng ra quyết định nhờ phân tích dữ liệu nhanh và chính xác
Tự động hóa hoàn toàn mọi quy trình mà không cần sự can thiệp của con người
Loại bỏ hoàn toàn rủi ro trong kinh doanh
