NEW
Font size
WorksheetsGiới thiệu về Học máy
Total questions: 10
Worksheet time: 5mins
Học Máy (Machine Learning - ML) là một lĩnh vực của...?
Khoa học dữ liệu (Data Science)
Trí tuệ nhân tạo (AI)
Lập trình web (Web Programming)
An ninh mạng (Cybersecurity)
Đâu là mô tả đúng nhất về khả năng chính của các hệ thống Học Máy?
Thực thi chính xác các lệnh được lập trình sẵn.
Tự học hỏi từ dữ liệu mà không cần lập trình tường minh cho từng tác vụ.
Lưu trữ và truy xuất lượng lớn thông tin.
Tạo ra các giao diện người dùng phức tạp.
Quy trình cơ bản của một mô hình Học Máy thường bao gồm bước nào sau "Dữ liệu đầu vào"?
Đánh giá người dùng
Mô hình Học Máy
Phân tích thị trường
Thiết kế giao diện
Theo slide, Học Máy KHÔNG chỉ là một khái niệm công nghệ mà còn là chìa khóa giải quyết nhiều vấn đề phức tạp trong...?
Lý thuyết toán học
Thế giới thực
Lĩnh vực không gian ảo
Triết học cổ đại
Loại Học Máy nào học từ dữ liệu đã được gán nhãn (có kết quả đúng)?
Học Không Giám Sát
Học Tăng Cường
Học Có Giám Sát
Học Sâu (Deep Learning)
Phân khúc khách hàng là một ví dụ ứng dụng của loại Học Máy nào?
Học Có Giám Sát
Học Không Giám Sát
Học Tăng Cường
Học Bán Giám Sát
Trong lĩnh vực Marketing, Học Máy KHÔNG được dùng để làm gì sau đây?
Xác định khách hàng tiềm năng
Phân tích hành vi khách hàng
Tối ưu SEO
Thiết kế logo cho doanh nghiệp
(Yêu cầu tự học/suy luận) Tại sao việc "Tiền xử lý dữ liệu" lại quan trọng trong quy trình xây dựng mô hình Học Máy
Để tăng dung lượng lưu trữ cho mô hình.
Để đảm bảo dữ liệu sạch, đồng nhất và phù hợp cho mô hình học, tránh "rác vào, rác ra".
Để mô hình chạy nhanh hơn trên mọi loại phần cứng.
Để giảm số lượng thuật toán cần thử nghiệm.
(Yêu cầu tự học/suy luận) Slide đề cập "Tính blackbox & khó diễn giải" là một điểm yếu của ML. Điều này có thể gây ra thách thức lớn nhất nào trong các ứng dụng thực tế đòi hỏi độ tin cậy cao (ví dụ: y tế, tài chính)?
Mô hình tốn nhiều thời gian để huấn luyện.
Khó khăn trong việc xác định và sửa lỗi khi mô hình đưa ra quyết định sai, hoặc không thể giải thích lý do cho một quyết định quan trọng.
Yêu cầu phần cứng chuyên dụng đắt tiền.
Mô hình chỉ hoạt động tốt với một loại dữ liệu cụ thể.
(Yêu cầu tự học/suy luận) Một trong những "Thách thức" của ML là "Thiếu hụt nhân lực chất lượng cao". Điều này ngụ ý gì về thị trường việc làm và cơ hội phát triển trong lĩnh vực này?
Nhu cầu tuyển dụng trong lĩnh vực ML thấp do đã có nhiều chuyên gia.
Mức lương trong ngành ML thường thấp hơn các ngành công nghệ khác.
Có nhu cầu cao và cơ hội lớn cho những người có kỹ năng và kiến thức chuyên sâu về Học Máy và AI.
Các công ty không ưu tiên đầu tư vào Học Máy do thiếu nhân lực.
