Font size
WorksheetsGiá trị của AI trong doanh nghiệp
Total questions: 52
Worksheet time: 27mins
Chọn các yếu tố chính tạo ra giá trị cho doanh nghiệp có thể được nâng cao thông qua tự động hóa bằng AI.
Cải thiện độ chính xác trong phân tích dữ liệu
Giảm thời gian cho nghiên cứu thị trường
Tăng tính sáng tạo trong thiết kế sản phẩm
Tăng cường tương tác khách hàng thông qua chatbot
Loại bỏ hoàn toàn lực lượng lao động con người
Nhiệm vụ nào phù hợp nhất để tự động hóa trong môi trường kinh doanh nhằm tăng hiệu quả?
Nhập dữ liệu thông tin khách hàng
Tạo nội dung sáng tạo cho marketing
Lập kế hoạch chiến lược mở rộng thị trường
Xây dựng mối quan hệ khách hàng qua kết nối
Chọn các lợi ích của AI trong các ngành công nghiệp khác nhau.
Tăng cường năng suất
Đảm bảo quyền riêng tư của dữ liệu
Cải thiện độ chính xác trong ra quyết định
Luôn đảm bảo kết quả đạo đức
Tạo ra trải nghiệm cá nhân hóa
Chuyên gia dữ liệu tạo ra tác động tích cực như thế nào trong các ngành công nghiệp khác nhau? Chọn tất cả các câu trả lời đúng.
Tăng cường ra quyết định kinh doanh
Cải thiện chiến lược duy trì khách hàng
Phát triển nội dung marketing
Giảm chi phí vận hành
Quản lý sự hiện diện trên mạng xã hội
Chọn các tác động của khoa học dữ liệu và học máy đến các chức năng công việc.
Tự động hóa các công việc lặp lại
Cải thiện việc ra quyết định dựa trên dữ liệu
Loại bỏ hoàn toàn lực lượng lao động
Cải thiện hiểu biết về khách hàng
Chỉ dựa vào
Những hành động nào sau đây là thành phần quan trọng trong việc xây dựng chiến lược AI trong công ty?
Thực hiện các dự án thử nghiệm để xác nhận giải pháp AI
Tạo bản đồ chiến lược AI cho việc triển khai lâu dài
Thuê nhân tài AI để xây dựng khả năng nội bộ
Tổ chức các buổi hội thảo về AI để thu hút nhân viên
Đầu tư chỉ vào việc nâng cấp phần cứng
Những thách thức nào mà các nền kinh tế đang phát triển có thể gặp phải khi tích hợp AI?
Khoảng cách kỹ năng trong lực lượng lao động
Chi phí đầu tư ban đầu cao
Cải thiện tức thì trong tăng trưởng kinh tế
Mối đe dọa an ninh mạng
Truy cập không giới hạn vào dữ liệu
Đặc điểm chung của các công ty AI thành công khi nói đến quản lý dữ liệu là gì?
Họ ưu tiên thu thập lượng lớn dữ liệu chất lượng cao.
Họ chỉ tập trung vào dữ liệu nội bộ cho việc huấn luyện mô hình.
Họ đầu tư tối thiểu vào các quy trình làm sạch dữ liệu.
Họ không ưu tiên bảo mật và quyền riêng tư của dữ liệu.
Những chiến lược nào dưới đây là những chiến lược chính trong chuyển đổi AI cho các công ty?
Phát triển chiến lược và lộ trình AI rõ ràng
Đầu tư vào đào tạo AI và phát triển kỹ năng
Chỉ dựa vào cơ sở hạ tầng CNTT hiện có mà không nâng cấp
Thực hiện các quy trình quản trị dữ liệu mạnh mẽ
Chọn các lợi ích chính của các quan hệ đối tác công-tư trong chuyển đổi AI.
Truy cập vào chuyên môn đa dạng
Tăng cường đổi mới sáng tạo
Chi phí cao mà không có lợi nhuận
Chia sẻ tài nguyên tốt hơn
Chỉ giới hạn trong các quy định của chính phủ
Chọn các công việc phản ánh các ưu tiên quản lý dữ liệu trong phân tích.
Áp dụng các kỹ thuật mã hóa để bảo vệ dữ liệu.
Kiểm tra thường xuyên các nhật ký truy cập dữ liệu để phát hiện hoạt động nghi ngờ.
Giả định rằng dữ liệu từ các nguồn đáng tin cậy không cần xác thực.
Những yếu tố nào là hợp lệ khi thực hiện thẩm định kỹ thuật đối với một dự án AI?
Khả năng mở rộng của mô hình AI
Khả năng tương thích của mô hình AI với các hệ thống hiện có
Ngôn ngữ lập trình ưa thích của nhà phát triển
Sự vững chắc và độ tin cậy của mô hình AI
Sơ đồ màu sắc trong giao diện người dùng của mô hình
Chiến lược nào sau đây có thể giúp tránh những sai lầm trong triển khai AI?
Xác định mục tiêu dự án rõ ràng
Tuân thủ quy định về quyền riêng tư dữ liệu
Bỏ qua vấn đề khả năng mở rộng
Đánh giá mô hình liên tục
Chỉ tập trung vào hiệu suất thuật toán
Những hành động nào sau đây là một phần của việc thiết kế kế hoạch dự án cho một dự án khoa học dữ liệu?
Xác định chỉ số hiệu suất chính
Chọn nguồn dữ liệu phù hợp
Phân tích dữ liệu bằng thuật toán học máy
Chia sẻ kết quả với các bên liên quan
Chuẩn bị lịch trình dự án chi tiết
Các vai trò trong nhóm AI nào thường tham gia vào quá trình đánh giá mô hình?
Nhà khoa học dữ liệu
Kỹ sư học máy
Nhà đạo đức AI
Quản lý sản phẩm
Nhà thiết kế UX
Những nhiệm vụ nào sau đây thường được phân loại vào giai đoạn Xây dựng trong quy trình PACE?
Phát triển mô hình
Làm sạch dữ liệu
Định nghĩa phạm vi dự án
Đánh giá mô hình
Trực quan hóa dữ liệu
Chọn tất cả các cách mà giao tiếp hiệu quả tác động đến quy trình PACE trong một dự án.
Tạo điều kiện cho sự hợp tác
Cải thiện việc ra quyết định
Tăng chi phí dự án
Giúp phân bổ tài nguyên tốt hơn
Những yếu tố nào dưới đây là các thành phần của quy trình PACE trong một dự án khoa học?
Lập kế hoạch
Khám phá
Truyền thông
Thực hiện
Phân tích
Chọn tất cả các hoạt động thường liên quan đến bước thu thập dữ liệu trong các dự án AI.
Làm sạch dữ liệu
Gán nhãn dữ liệu
Chọn mô hình
Kỹ thuật trích xuất đặc trưng
Thiết kế khảo sát
Chọn các bước thường có trong giai đoạn xử lý dữ liệu trước khi phân tích trong một dự án AI?
Cleaning data (Làm sạch dữ liệu)
Removing duplicates (Loại bỏ dữ liệu trùng lặp)
Training the model (Huấn luyện mô hình)
Normalizing data (Chuẩn hóa dữ liệu)
Evaluating model performance (Đánh giá hiệu suất mô hình)
Những nhiệm vụ nào sau đây thường được thực hiện trong giai đoạn đánh giá mô hình của một dự án AI?
Testing the model on validation data (Kiểm tra mô hình trên dữ liệu xác thực)
Selecting the appropriate model for deployment (Chọn mô hình phù hợp để triển khai)
Adjusting hyperparameters (Điều chỉnh siêu tham số)
Collecting additional training data (Thu thập dữ liệu huấn luyện bổ sung)
Chọn tất cả các chỉ số đánh giá thường được sử dụng để đánh giá hiệu suất của các mô hình phân loại.
Accuracy (Độ chính xác)
Precision (Độ chính xác)
Recall (Độ nhạy)
F1 Score (Điểm F1)
Mean Squared Error (Lỗi bình phương trung bình)
Chọn tất cả ví dụ thể hiện các hạn chế của mô hình học máy.
A biased dataset leading to a discriminatory model output. (Một bộ dữ liệu bị thiên lệch dẫn đến kết quả mô hình bị thiên lệch về một số đáp án.)
A model predicting outcomes with 100% accuracy in a controlled simulation environment. (Một mô hình dự đoán kết quả với độ chính xác 100% trong môi trường mô phỏng kiểm soát.)
Difficulty in interpreting complex deep learning models. (Khó khăn trong việc giải thích các mô hình học sâu phức tạp.)
A model trained on insufficient data failing to generalize well. (Một mô hình huấn luyện trên dữ liệu không đủ và không thể tổng quát tốt.)
A decision tree model outperforming a neural network on a small dataset. (Mô hình cây quyết định vượt trội hơn mạng nơ-ron trên một bộ dữ liệu nhỏ.)
Những thực hành nào dưới đây thúc đẩy sự đa dạng trong phát triển AI?
Including diverse datasets for training AI models. (Bao gồm các bộ dữ liệu đa dạng để huấn luyện các mô hình AI.)
Involving a variety of cultural perspectives in AI design. (Tham gia các quan điểm văn hóa đa dạng trong thiết kế AI.)
Focusing on a single demographic group in AI solutions. (Tập trung vào một nhóm nhân khẩu học duy nhất trong các giải pháp AI.)
Implementing bias detection tools in AI systems
Chọn tất cả các tuyên bố mô tả chính xác về tác động xã hội của AI?
AI có thể kéo dài các thiên lệch hiện có trong dữ liệu huấn luyện.
Hệ thống AI luôn khách quan và không thiên lệch.
AI có thể ảnh hưởng đến việc làm bằng cách tự động hóa các nhiệm vụ nhất định.
Phát triển AI không ảnh hưởng đến các mối quan tâm về quyền riêng tư.
AI có thể cải thiện hiệu quả trong các ngành công nghiệp khác nhau.
Những yếu tố đạo đức nào dưới đây liên quan đến AI?
Mối quan tâm về quyền riêng tư
Thiên lệch trong các thuật toán AI
Khả năng của AI học bất kỳ nhiệm vụ nào của con người
Thất nghiệp do AI gây ra
Tốc độ xử lý nhanh hơn
Những giải pháp kỹ thuật nào sau đây giúp giảm thiên lệch trong các hệ thống AI?
Công bằng trong thuật toán
Tăng cường thiên lệch
Tăng cường dữ liệu
Tăng kích thước tập dữ liệu mà không chỉnh sửa
Sử dụng bộ dữ liệu huấn luyện đa dạng
Mục đích của việc sử dụng kiểm tra chéo trong học máy là gì?
Để xác thực mô hình trên dữ liệu chưa thấy trước
Để tăng tốc quá trình huấn luyện
Để giảm thiên lệch trong đánh giá mô hình
Để cải thiện khả năng giải thích mô hình
Chọn tất cả các nhiệm vụ thường quan trọng đối với các nhóm AI khi xử lý dữ liệu.
Data cleaning (Làm sạch dữ liệu)
Feature engineering (Kỹ thuật đặc trưng)
Understanding neural network internals (Hiểu cấu trúc bên trong của mạng nơ-ron)
Hyperparameter tuning (Điều chỉnh siêu tham số)
Data labeling (Gán nhãn dữ liệu)
Thuật ngữ nào dùng để chỉ quá trình làm sạch và tổ chức dữ liệu thô để phân tích? Vui lòng trả lời bằng chữ thường.
modeling (mô hình hóa)
visualization (trực quan hóa)
wrangling (dọn dẹp dữ liệu)
deployment (triển khai)
preprocessing (tiền xử lý)
Những bước tiền xử lý nào dưới đây là phổ biến đối với dữ liệu văn bản trong các nhiệm vụ xử lý ngôn ngữ tự nhiên (NLP)?
Tokenization (Phân đoạn)
Lemmatization (Chuyển đổi từ về dạng gốc)
Image resizing (Thay đổi kích thước hình ảnh)
Removing stop words (Loại bỏ các từ dừng)
Những thách thức nào dưới đây liên quan đến việc thu thập và quản lý dữ liệu trong các hệ thống AI?
Data bias (Thiên lệch dữ liệu)
Data quality (Chất lượng dữ liệu)
Data redundancy (Dữ liệu dư thừa)
Data security (Bảo mật dữ liệu)
Thuật ngữ nào dùng để chỉ lớp mạng nơ-ron giúp giảm kích thước không gian của biểu diễn để giảm tải tính toán và số lượng tham số? Vui lòng trả lời bằng chữ thường.
pooling (tổng hợp)
subsampling (lấy mẫu phụ)
activation (kích hoạt)
convolution (tích chập)
dropout (loại bỏ)
Những ứng dụng nào dưới đây là phổ biến trong học sâu?
Image Recognition (Nhận dạng hình ảnh)
Demand Prediction (Dự đoán nhu cầu)
Sorting Algorithms (Thuật toán phân loại)
Weather Forecasting (Dự báo thời tiết)
Mục tiêu chính của việc sử dụng các kỹ thuật học sâu trong AI là gì?
Để cải thiện độ chính xác bằng cách sử dụng các mạng nơ-ron lớn
Để xử lý dữ liệu có cấu trúc theo thời gian thực
Để giảm chi phí phần cứng sử dụng cho các phép toán AI
Để đơn giản hóa cấu trúc mô hình AI
Which of the following are types of neural network architectures used in deep learning?
Mạng nơ-ron tích chập
Mạng nơ-ron hồi tiếp
Mô hình hồi quy tuyến tính
Mạng đối kháng sinh sinh
What is the term used to describe a subset of data used to evaluate the performance of a machine learning model? Please answer in all lowercase.
test set
test
huấn luyện
tập huấn luyện
What is the primary role of supervised learning in machine learning?
Để phân loại và dự đoán dựa trên dữ liệu đã gán nhãn
Để khám phá các mẫu ẩn trong dữ liệu không có nhãn
Để cải thiện hiệu quả của hệ thống xử lý dữ liệu
Để tạo ra dữ liệu mới từ các bộ dữ liệu hiện có
Which of the following methods can be used to prevent overfitting in machine learning models?
Điều chuẩn hóa
Sử dụng mô hình rất phức tạp
Sử dụng nhiều dữ liệu huấn luyện hơn
Kiểm tra chéo
Những loại thuật toán học máy nào dưới đây là phổ biến?
Hồi quy tuyến tính
Cây quyết định
Mạng nơ-ron tích chập
Đại số Boole
Phương pháp nào dưới đây thường được sử dụng để giảm chiều trong học máy?
Phân tích thành phần chính
Phân rã giá trị đặc biệt
Phân cụm K-means
Máy vector hỗ trợ
Những ứng dụng nào dưới đây là phổ biến trong học có giám sát?
Phát hiện email spam
Nhận dạng hình ảnh
Khám phá các phân khúc khách hàng
Nhận dạng giọng nói
Dự đoán xu hướng thị trường chứng khoán mà không có dữ liệu lịch sử
Chọn tất cả các công nghệ AI được sử dụng trong các ứng dụng nhận dạng hình ảnh.
Mạng nơ-ron tích chập
Cây quyết định
Mạng đối kháng sinh
Máy vector hỗ trợ
K-điểm gần nhất
Những ứng dụng chính của học tăng cường là gì?
Chơi game
Robot học nếu chỉ chọn 1 thì ko chọn đáp án này.
Phân loại hình ảnh
Xử lý ngôn ngữ tự nhiên
Chọn các kỹ năng cần thiết cho một chuyên gia dữ liệu.
Phân tích thống kê
Trực quan hóa dữ liệu
Viết sáng tạo
Học máy
Nói trước công chúng
Những kỹ năng nào sau đây có nhu cầu cao đối với chuyên gia dữ liệu trên nhiều ngành nghề?
Phân tích thống kê
Quản lý thiết bị mạng
Trực quan hóa dữ liệu
Kiểm toán tài chính
Học máy
Vai trò nào trong nhóm AI chịu trách nhiệm duy trì tính toàn vẹn của các bộ dữ liệu và đảm bảo chất lượng dữ liệu? Vui lòng trả lời bằng chữ thường.
data engineer (kỹ sư dữ liệu)
data scientist (nhà khoa học dữ liệu)
product manager (quản lý sản phẩm)
Khác
Chọn tất cả các công cụ thường được sử dụng trong các dự án AI.
TensorFlow (TensorFlow)
PyTorch (PyTorch)
Notepad (Notepad)
Scikit-Learn (Scikit-Learn)
Final Cut Pro (Final Cut Pro)
Chọn tất cả các lĩnh vực ứng dụng chính và kỹ thuật của AI.
Image classification (Phân loại hình ảnh)
Speech recognition (Nhận dạng giọng nói)
Classification (Phân loại)
Sorting algorithms (Thuật toán sắp xếp)
Data encryption (Mã hóa dữ liệu)
Chọn các quy trình liên quan đến việc phát triển các sản phẩm AI như loa thông minh.
Data Collection (Thu thập dữ liệu)
Model Training (Huấn luyện mô hình)
UI Design (Thiết kế giao diện người dùng)
System Integration (Tích hợp hệ thống)
Search Engine Optimization (Tối ưu hóa công cụ tìm kiếm)
Thuật ngữ nào dùng để chỉ phương pháp thay đổi dữ liệu đầu vào để khai thác điểm yếu trong các mô hình AI? Vui lòng trả lời bằng chữ thường.
perturbation (sự nhiễu loạn)
perturbations (sự nhiễu loạn)
compression (nén)
encryption (mã hóa)
validation (xác thực)
Chiến lược nào dưới đây có thể được sử dụng để phòng thủ chống lại các cuộc tấn công đối kháng vào hệ thống AI?
Adversarial training (Huấn luyện đối kháng)
Regularization techniques (Kỹ thuật điều chuẩn hóa)
Data augmentation (Tăng cường dữ liệu)
Ignoring adversarial threats (Bỏ qua các mối đe dọa đối kháng)
Reducing model complexity (Giảm độ phức tạp của mô hình)
