Font size
WorksheetsCâu hỏi về Trí tuệ nhân tạo
Total questions: 109
Worksheet time: 1hrs 2mins
Trí tuệ nhân tạo (AI) là gì?
Trí tuệ nhân tạo (AI - Artificial Intelligence) là một lĩnh vực của khoa học máy tính nghiên cứu và phát triển các hệ thống máy móc có khả năng mô phỏng trí tuệ con người.
Một loại phần mềm giúp máy tính hiểu ngôn ngữ tự nhiên.
Một công nghệ cho phép máy tính chơi cờ như con người.
Một hệ thống có thể tự học hỏi từ dữ liệu mà không cần can thiệp của con người.
Các lĩnh vực nghiên cứu sau đây thuộc về trí tuệ nhân tạo?
Học máy
Vật lý học
Kinh tế học
Sinh học phân tử
Lĩnh vực nào sau đây liên quan đến việc giải quyết vấn đề trong trí tuệ nhân tạo?
Lập kế hoạch và tìm kiếm
Học máy
Kinh tế học
Sinh học phân tử
Mốc quan trọng nào trong lịch sử AI là sự ra đời của Dartmouth Conference năm 1956?
Đánh dấu sự khởi đầu của nghiên cứu AI hiện đại.
Là thời điểm AI đạt được thành công lớn trong việc chơi cờ vua.
Là khi IBM giới thiệu Watson, một hệ thống AI có khả năng trả lời câu hỏi.
Là lúc DeepMind phát triển AlphaGo, đánh bại các cao thủ Go hàng đầu thế giới.
Trí tuệ nhân tạo đã phát triển qua các thời kỳ nào?
Thời kỳ vàng son, thời kỳ trầm lắng, và thời kỳ phục hưng.
Thời kỳ cổ đại, thời kỳ trung cổ, và thời kỳ hiện đại.
Thời kỳ chiến tranh, thời kỳ hòa bình, và thời kỳ cách mạng.
Thời kỳ analog, thời kỳ digital, và thời kỳ quantum.
Ứng dụng nào sau đây sử dụng trí tuệ nhân tạo (AI) rõ nét nhất?
Robot hút bụi nhận dạng vật cản, lập bản đồ
Máy giặt thông thường
Máy tính cơ bản chỉ thực hiện phép tính
Đèn tự động bật tắt theo cảm biến ánh sáng
Vấn đề đạo đức lớn nhất liên quan đến AI là gì?
Thiên vị dữ liệu và bảo mật thông tin
Tốc độ xử lý chậm
Thiết kế giao diện phức tạp
Khả năng lưu trữ thấp
Ứng dụng nào không sử
Vấn đề đạo đức lớn nhất liên quan đến AI là gì?
Thiên vị dữ liệu và bảo mật thông tin
Tốc độ xử lý chậm
Thiết kế giao diện phức tạp
Khả năng lưu trữ thấp
Ứng dụng nào không sử dụng học máy?
Viết mã nguồn cho ứng dụng web
Lọc thư rác
Nhận dạng khuôn mặt
Dự đoán giá chứng khoán
Có bao nhiêu loại học máy chính?
3
2
4
5
Loại tác tử thông minh nào sau đây hoạt động dựa trên các quy tắc if-then?
Tác tử phản xạ đơn giản
Tác tử dựa trên mục tiêu
Tác tử dựa trên mô hình
Tác tử học tập
Môi trường nào sau đây là quan sát đầy đủ (fully observable)?
Một trò chơi cờ vua, nơi người chơi có thể thấy toàn bộ bàn cờ.
Một trò chơi poker, nơi người chơi không biết bài của đối thủ.
Một robot di chuyển trong mê cung với một số khu vực bị che khuất.
Một hệ thống dự báo thời tiết, nơi dữ liệu có thể không đầy đủ.
Tính chất nào sau đây không phải là đặc điểm của một môi trường trong AI?
Tất định (Deterministic)
Ngẫu nhiên (Stochastic)
Tĩnh (Static)
Cảm tính (Emotional)
Tính chất nào của môi trường được gọi là "tất định (deterministic)"?
Kết quả của một hành động trong môi trường là hoàn toàn dự đoán được.
Môi trường thay đổi ngẫu nhiên bất kể hành động của tác tử.
Tác tử có thể quan sát toàn bộ trạng thái của môi trường.
Môi trường không thay đổi trong khi tác tử đang suy nghĩ.
Đặc điểm nào sau đây thuộc về môi trường tĩnh?
Môi trường không thay đổi trong khi tác tử đang ra quyết định.
Môi trường có thay đổi.
Môi trường thay đổi liên tục bất kể hành động của tác tử.
Tác tử có thể dự đoán được kết quả của hành động.
Tác tử dựa trên mô hình (model-based agent) khác với tác tử phản xạ đơn giản ở điểm nào?
Tác tử dựa trên mô hình duy trì một mô hình nội tại về cách môi trường hoạt động.
Tác tử dựa trên mô hình chỉ phản ứng với thông tin hiện tại mà không cần lịch sử.
phản xạ đơn giản ở điểm nào?
Tác tử dựa trên mô hình duy trì một mô hình nội tại về cách môi trường hoạt động.
Tác tử dựa trên mô hình chỉ phản ứng với thông tin hiện tại mà không cần lịch sử.
Tác tử dựa trên mô hình không cần cảm biến để nhận biết môi trường.
Tác tử dựa trên mô hình chỉ hoạt động trong môi trường ngẫu nhiên.
Trong một môi trường quan sát được một phần (partially observable), tác tử cần làm gì để hoạt động hiệu quả?
Sử dụng thông tin lịch sử và suy luận để đưa ra quyết định.
Chỉ dựa vào thông tin hiện tại từ cảm biến.
Tắt cảm biến để giảm độ phức tạp của vấn đề.
Tăng số lượng hành động ngẫu nhiên để thử nghiệm môi trường.
Loại tác tử nào sau đây sử dụng bộ nhớ để cải thiện hiệu suất?
Tác tử dựa trên mô hình
Tác tử bộ nhớ
Tác tử phản xạ đơn giản
Tác tử phản xạ có điều kiện
Một môi trường "multi-agent" khác với môi trường "single-agent" ở điểm nào?
Có nhiều tác tử tương tác với nhau, ảnh hưởng đến kết quả hành động.
Chỉ có một tác tử duy nhất hoạt động trong môi trường.
Môi trường không thay đổi bất kể số lượng tác tử.
Tác tử không cần biết về sự tồn tại của các tác tử khác.
Cấu trúc cơ bản của một tác tử thông minh bao gồm những thành phần nào?
Cảm biến để nhận biết môi trường và cơ cấu chấp hành để thực hiện hành động.
Một bộ xử lý để tính toán dữ liệu đầu vào mà không cần hành động.
Một cơ chế ngẫu nhiên để chọn hành động mà không cần cảm biến.
Một giao diện người dùng để nhận lệnh từ con người.
Tính hợp lý của một tác tử được đánh giá dựa trên yếu tố nào?
Khả năng chọn hành động tối ưu dựa trên mục tiêu và thông tin hiện có.
Số lượng hành động mà tác tử có thể thực hiện trong một khoảng thời gian.
Khả năng thay đổi mục tiêu của tác tử theo thời gian.
Độ phức tạp của thuật toán được sử dụng trong tác tử.
Để điều khiển robot tự hành di chuyển trong nhà, loại tác tử nào là
Để điều khiển robot tự hành di chuyển trong nhà, loại tác tử nào là phù hợp nhất?
Tác tử dựa trên mô hình
Tác tử dựa trên mục tiêu
Tác tử phản xạ đơn giản
Tác tử học tập
Một robot giao hàng hoạt động trong môi trường thay đổi liên tục nên chọn loại môi trường nào sau đây?
Động (dynamic)
Tĩnh (static)
Tất định (deterministic)
Đơn tác tử (single-agent)
Thuật toán tìm kiếm nào sau đây đảm bảo tìm được đường đi ngắn nhất trong một đồ thị không có trọng số?
Tìm kiếm theo chiều sâu (DFS)
Tìm kiếm theo chiều rộng (BFS)
Tìm kiếm tham lam (Greedy Search)
Tìm kiếm A*
Trong một không gian tìm kiếm vô hạn, thuật toán nào sau đây có thể không bao giờ dừng lại?
BFS
DFS
IDS (Iterative Deepening Search)
A* với heuristic admissible
Tìm kiếm không thông tin (uninformed search) khác với tìm kiếm có thông tin (informed search) ở điểm nào?
Tìm kiếm không thông tin không sử dụng heuristic để hướng dẫn quá trình tìm kiếm
Tìm kiếm không thông tin luôn nhanh hơn tìm kiếm có thông tin
Tìm kiếm không thông tin chỉ áp dụng cho các bài toán có không gian trạng thái nhỏ
Tìm kiếm không thông tin yêu cầu thông tin đầy đủ về mục tiêu
Thuật toán nào sau đây thuộc nhóm tìm kiếm không thông tin?
Breadth-First Search (BFS)
Hill-Climbing Search
Greedy Best-First Search
A* Search
Độ phức tạp thời gian của BFS trong một đồ thị với |V| đỉnh và |E| cạnh là bao nhiêu?
O(|V| + |E|)
O(|V|^2)
O(|E|^2)
O(|V| * |E|)
Trong bài toán 8-puzzle, không gian trạng thái có bao nhiêu trạng thái khác nhau?
9! / 2
9!
8!
8! / 2
Thuật toán nào sau đây kết hợp ưu điểm của BFS và DFS?
Iterative Deepening Search (IDS)
Uniform Cost Search (UCS)
Depth-Limited Search (DLS)
Bid
Thuật toán nào sau đây kết hợp ưu điểm của BFS và DFS?
Iterative Deepening Search (IDS)
Uniform Cost Search (UCS)
Depth-Limited Search (DLS)
Bidirectional Search
Trong tìm kiếm tối ưu, thuật toán nào đảm bảo chi phí đường đi thấp nhất?
Uniform Cost Search (UCS)
Depth-First Search (DFS)
Breadth-First Search (BFS)
Greedy Best-First Search
Đặc điểm nào sau đây đúng với heuristic chấp nhận được (admissible)?
Không bao giờ đánh giá quá cao chi phí thực tế đến mục tiêu
Đảm bảo thuật toán A* tìm được đường đi tối ưu
Luôn đánh giá thấp chi phí thực tế đến mục tiêu
Chỉ áp dụng cho các bài toán không có trọng số
Trong bài toán tìm đường đi ngắn nhất, heuristic nào sau đây là admissible?
Khoảng cách Euclidean giữa hai điểm trong không gian 2D
Tổng khoảng cách từ tất cả các điểm qua điểm hiện tại đến mục tiêu
Số bước tối đa cần thiết để đến mục tiêu
Khoảng cách ngẫu nhiên giữa hai điểm
Thuật toán A sử dụng hàm đánh giá nào để chọn nút tiếp theo?
f(n) = g(n) + h(n)
f(n) = g(n) * h(n)
f(n) = g(n) - h(n)
f(n) = h(n) / g(n)
Tìm kiếm cục bộ (local search) khác với tìm kiếm có hệ thống (systematic search) ở điểm nào?
Tìm kiếm cục bộ không duy trì danh sách các trạng thái đã thăm mà chỉ tập trung vào trạng thái hiện tại
Tìm kiếm cục bộ luôn đảm bảo tìm được giải pháp tối ưu
Tìm kiếm cục bộ yêu cầu heuristic admissible để hoạt động
Tìm kiếm cục bộ khám phá toàn bộ không gian trạng thái
Thuật toán Hill Climbing hoạt động như thế nào?
Chọn trạng thái lân cận có giá trị heuristic tốt nhất từ trạng thái hiện tại
Khám phá tất cả các trạng thái lân cận trước khi chọn một trạng thái ngẫu nhiên
Quay lại trạng thái trước đó nếu không tìm thấy trạng thái tốt hơn
Duy trì một hàng đợi ưu tiên để chọn trạng thái tiếp theo
Hạn chế nào sau đây đúng với Hill Climbing?
Có thể bị kẹt ở cực đại cục bộ (local maximum) và không đảm bảo tối ưu
Đảm bảo tìm được giải pháp tối ưu toàn cục
Yêu cầu không gian bộ nhớ lớn như BFS
Luôn tìm được đường đi ngắn nhất trong đồ thị
Simulated Annealing khác với Hill Climbing ở điểm nào?
Simulated Annealing cho phép chọn trạng thái xấu hơn với xác suất nhất định để thoát khỏi cực đại cục bộ
Simulated Annealing luôn chọn trạng thái lân cận tốt nhất
Simulated Annealing không sử dụng heuristic trong quá trình tìm kiếm
Simulated Annealing yêu cầu không gian trạng thái hoàn toàn quan sát được
Logic mệnh đề là gì?
Một hệ thống biểu diễn tri thức sử dụng các biểu thức đúng hoặc sai
Một phương pháp suy diễn dựa trên các quy tắc if-then
Một cách tiếp cận cho việc biểu diễn tri thức sử dụng các biến số
Một thuật toán tìm kiếm dùng để giải quyết các vấn đề phức tạp
Biểu thức nào sau đây đúng trong logic vị từ cấp 1?
∀x (P(x) ⇒ Q(x)) ≡ ¬∃x (P(x) ∧ ¬Q(x)) và ¬∀x P(x) ≡ ∃x ¬P(x)
∃x (∃x (P(x) ∧ Q(x)) ≡ ∀x (P(x) ⇒ Q(x))P(x) ∧ Q(x)) ≡ ∀x (P(x) ⇒ Q(x))
∀x (P(x) ∨ Q(x)) ≡ ∀x P(x) ∨ ∀x Q(x)
∀x (P(x) ⇒ Q(x))
Tác tử logic khác với tác tử phản xạ đơn giản ở điểm nào?
Tác tử logic sử dụng tri thức biểu diễn dưới dạng logic để suy diễn và đưa ra quyết định
Tác tử logic chỉ phản ứng với thông tin hiện tại từ cảm biến
Tác tử logic không cần cảm biến để hoạt động
Tác tử logic luôn chọn hành động ngẫu nhiên dựa trên môi trường
Trong logic mệnh đề, phép suy diễn modus ponens có dạng nào?
Từ P và P ⇒ Q, suy ra Q
Từ P và Q, suy ra P ∧ Q
Từ ¬P và P ∨ Q, suy ra Q
Từ P ⇒ Q và ¬Q, suy ra ¬P
Thành phần nào sau đây thuộc về cơ sở tri thức của tác tử logic?
có dạng nào?
A Từ P và P ⇒ Q, suy ra Q
B Từ P và Q, suy ra P ∧ Q
C Từ ¬P và P ∨ Q, suy ra Q
D Từ P ⇒ Q và ¬Q, suy ra ¬P
Thành phần nào sau đây thuộc về cơ sở tri thức của tác tử logic?
A Các câu logic biểu diễn tri thức
B Danh sách hành động ngẫu nhiên
C Tập hợp giá trị số
D Câu logic
Trong logic mệnh đề, biểu thức P ∧ (Q ∨ R) tương đương với biểu thức nào?
A (P ∧ Q) ∨ (P ∧ R)
B (P ∨ Q) ∧ (P ∨ R)
C P ∨ (Q ∧ R)
D (P ∧ Q) ∧ (P ∧ R)
Logic vị từ cấp 1 cho phép biểu diễn tri thức bằng cách nào?
A Sử dụng các biến số, quan hệ, và định lượng (∀, ∃)
B Sử dụng các câu chỉ có giá trị đúng hoặc sai mà không có biến số
C Sử dụng các phép toán số học để tính toán tri thức
D Sử dụng các quy tắc ngẫu nhiên để suy diễn
Trong logic mệnh đề, quy tắc nào cho phép suy ra ¬P từ P ⇒ Q và ¬Q?
A Modus tollens
B Modus ponens
C Disjunctive syllogism
D Conjunction elimination
Đặc điểm nào sau đây đúng với logic mệnh đề?
A Chỉ biểu diễn câu đúng/sai và không biểu diễn quan hệ
B Sử dụng định lượng ∀ và ∃
C Yêu cầu mọi câu có biến số
D Chỉ biểu diễn câu đúng/sai
Trong logic vị từ cấp 1, câu ∀x (Cat(x) ⇒ Mammal(x)) có nghĩa là gì?
A Mọi con mèo đều là động vật có vú
B Một số con mèo là động vật có vú
C Nếu một thứ là động vật có vú thì nó là mèo
D Không có con mèo nào là động vật có vú
Trong logic vị từ cấp 1, câu ∃x (P(x) ∧ ¬Q(x)) biểu thị điều gì?
A Tồn tại ít nhất một x sao cho P(x) đúng và Q(x) sai
B Với mọi x, P(x) đúng và Q(x) sai
C Không tồn tại x nào mà P(x) đúng
D P(x) và Q(x) cùng đúng cho mọi x
Quy tắc resolution trong logic mệnh đề hoạt động như thế nào?
A Từ P ∨ Q và ¬P ∨ R, suy ra Q ∨ R
B Từ P ∧ Q và ¬P, suy ra Q
C Từ P ⇒ Q và Q ⇒ R, suy ra P ∧ R
D Từ P ∨ Q và P ∧ R, suy ra Q ∧ R
Thành phần nào cần thiết để biểu diễn tri thức trong logic vị từ cấp 1?
A Quan hệ và định lượng
B Phép toán số học
C Câu không chứa biến số
D Quan hệ
Thành phần nào cần thiết để biểu diễn tri thức trong logic vị từ cấp 1?
Quan hệ và định lượng
Phép toán số học
Câu không chứa biến số
Quan hệ
Một cơ sở tri thức trong logic mệnh đề có thể được kiểm tra tính nhất quán (consistency) bằng cách nào?
Kiểm tra xem có thể suy ra cả một câu và phủ định của nó hay không
Đếm số lượng câu trong cơ sở tri thức
Tính toán giá trị trung bình của các câu
So sánh số lượng biến số trong mỗi câu
Trong logic vị từ cấp 1, quy tắc universal instantiation (UI) cho phép điều gì?
Thay ∀x P(x) bằng P(c) cho một hằng số c cụ thể
Thay ∃x P(x) bằng P(x) cho mọi x
Thay P(x) bằng ∀x P(x) cho mọi trường hợp
Thay P(c) bằng ¬P(c) cho một hằng số c
Trong logic mệnh đề, nếu cơ sở tri thức chứa P ⇒ Q và Q ⇒ R, điều gì có thể suy ra?
P ⇒ R
P ∧ R
¬P ∨ R
Q ∧ R
Cho lập luận: "Mọi robot đều thông minh. Robot A thông minh. Suy ra Robot A là robot." Lập luận trên mắc lỗi logic nào?
Lỗi khẳng định hậu quả
Lỗi phủ định tiền đề
Lỗi phủ định hậu quả
Lỗi khẳng định tiền đề
Học máy có giám sát là gì?
Một phương pháp mà mô hình học từ dữ liệu có nhãn.
Một phương pháp mà mô hình tự khám phá cấu trúc trong dữ liệu không có nhãn.
Một phương pháp mà mô hình học qua việc tương tác với môi trường.
Một phương pháp mà mô hình được huấn luyện bằng cách sao chép hành vi của con người.
Thuật toán nào sau đây là ví dụ về học máy không giám sát?
K-means
Linear Regression
PCA (Principal Component Analysis)
Decision Tree
Hồi quy tuyến tính (Linear Regression) được sử dụng để làm gì?
Dự đoán giá trị liên tục dựa trên các biến đầu vào.
Phân loại dữ liệu thành các nhóm riêng biệt.
Tìm các cụm dữ liệu không có nhãn.
Tối ưu hóa một hàm mục tiêu không tuyến tính.
Trong hồi quy tuyến tính, hàm mất mát (loss function) phổ biến nhất là gì?
Mean Squared Error (MSE)
Cross-Entropy Loss
Hinge Loss
Abso
Trong hồi quy tuyến tính, hàm mất mát (loss function) phổ biến nhất là gì?
Mean Squared Error (MSE)
Cross-Entropy Loss
Hinge Loss
Absolute Error
Yếu tố nào sau đây ảnh hưởng đến hiện tượng quá khớp trong hồi quy đa thức?
Độ phức tạp mô hình và số lượng dữ liệu ít
Sử dụng nhiều lần tập kiểm tra
Số đặc trưng ít hơn mẫu
Độ phức tạp mô hình
Phân cụm K-means hoạt động dựa trên nguyên tắc nào?
Tối thiểu hóa tổng bình phương khoảng cách từ mỗi điểm đến tâm cụm gần nhất.
Tối đa hóa khoảng cách giữa các tâm cụm khác nhau.
Phân loại dữ liệu dựa trên nhãn có sẵn.
Giảm số lượng đặc trưng trong dữ liệu.
Gradient Descent là gì?
Một thuật toán tối ưu hóa tìm giá trị nhỏ nhất của hàm mất mát bằng cách cập nhật tham số theo gradient.
Một phương pháp phân loại dữ liệu dựa trên khoảng cách.
Một thuật toán tìm kiếm cục bộ không sử dụng đạo hàm.
Một cách biểu diễn tri thức bằng logic.
Trong Gradient Descent, tham số learning rate (tốc độ học) ảnh hưởng như thế nào?
Quyết định bước nhảy lớn hay nhỏ khi cập nhật tham số.
Xác định số lượng vòng lặp tối đa của thuật toán.
Đo lường mức độ chính xác của mô hình trên tập kiểm tra.
Điều chỉnh số lượng đặc trưng trong dữ liệu đầu vào.
Thuật toán Perceptron được sử dụng để giải quyết bài toán nào?
Phân loại nhị phân tuyến tính.
Dự đoán giá trị liên tục.
Phân cụm dữ liệu không có nhãn.
Tối ưu hóa hàm phi tuyến tính.
Đặc điểm nào sau đây đúng với Perceptron?
Phân biệt tuyến tính và cập nhật trọng số dựa trên sai số.
Phân loại phi tuyến tính.
Sử dụng sigmoid.
Phân biệt tuyến tính.
Hồi quy logistic khác với hồi quy tuyến tính ở điểm nào?
Hồi quy logistic dự đoán xác suất cho bài toán phân loại, sử dụng hàm sigmoid.
Hồi quy logistic dự đoán giá trị liên tục thay vì phân loại.
Hồi quy logistic không sử dụng hàm mất mát.
Hồi quy logistic chỉ áp dụng.
Hàm mất mát nào thường được sử dụng trong hồi quy logistic?
Cross-Entropy Loss
Mean Squared Error (MSE)
Hinge Loss
Absolute Error
Mạng nơ ron nhân tạo (Artificial Neural Network) bao gồm những thành phần nào cơ bản?
Các nơ ron được tổ chức thành lớp đầu vào, lớp ẩn, và lớp đầu ra.
Một tập hợp các quy tắc logic để suy diễn.
Một danh sách các hành động ngẫu nhiên để thử nghiệm.
Một cây quyết định để phân loại dữ liệu.
Hiện tượng quá khớp có thể được giảm thiểu bằng cách nào?
Điều chuẩn (Regularization) và tăng kích thước dữ liệu.
Tăng số tham số.
Giảm số lần lặp.
Điều chuẩn (Regularization).
Cây quyết định (Decision Tree) ra quyết định dựa trên nguyên tắc nào?
Chia dữ liệu thành các nhánh dựa trên giá trị đặc trưng để tối ưu hóa độ tinh khiết (purity).
Tính toán khoảng cách từ mỗi điểm đến tâm cụm gần nhất.
Dự đoán xác suất bằng cách áp dụng hàm sigmoid.
Tối ưu hóa một hàm mất mát tuyến tính.
Rừng ngẫu nhiên (Random Forest) cải thiện hiệu suất so với cây quyết định đơn lẻ như thế nào?
Kết hợp dự đoán từ nhiều cây quyết định được huấn luyện trên các tập dữ liệu con khác nhau.
Tăng độ sâu tối đa của mỗi cây quyết định.
Giảm số lượng đặc trưng trong dữ liệu đầu vào.
Sử dụng một cây duy nhất với trọng số điều chỉnh.
Trong hồi quy đa thức, hiện tượng quá khớp (overfitting) thường xảy ra khi nào?
Khi bậc của đa thức quá cao so với dữ liệu huấn luyện.
Khi số lượng dữ liệu huấn luyện lớn hơn số lượng đặc trưng.
Khi mô hình chỉ sử dụng một đặc trưng duy nhất.
Khi hàm mất mát đạt giá trị bằng 0.
Phân cụm K-means yêu cầu điều kiện nào để hoạt động hiệu quả?
Số cụm xác định trước và phân phối hình cầu.
Dữ liệu có nhãn.
Phân cụm K-means yêu cầu điều kiện nào để hoạt động hiệu quả?
Số cụm xác định trước và phân phối hình cầu.
Dữ liệu có nhãn.
Điểm thuộc nhiều cụm.
Số cụm xác định trước.
Gradient Descent có thể bị kẹt ở điểm nào?
Điểm tối ưu cục bộ (local minimum) trong hàm mất mát không lồi (non-convex).
Điểm tối ưu toàn cục (global minimum) trong mọi trường hợp.
Điểm ngẫu nhiên không liên quan đến hàm mất mát.
Điểm có gradient bằng vô cực.
Perceptron không thể giải quyết bài toán nào?
Bài toán XOR (hoặc độc quyền).
Phân loại hai lớp phân biệt tuyến tính.
Dự đoán giá trị liên tục đơn giản.
Phân loại dữ liệu một chiều.
Hồi quy logistic thường được đánh giá bằng chỉ số nào?
Accuracy (độ chính xác)
Mean Squared Error (MSE)
R-squared
Gini index
Mạng nơ ron sâu (deep neural network) khác với mạng nơ ron nông (shallow neural network) ở điểm nào?
Có nhiều lớp ẩn (hidden layers) hơn để học các đặc trưng phức tạp.
Chỉ sử dụng một lớp ẩn duy nhất với số lượng nơ ron lớn.
Không sử dụng hàm kích hoạt trong các lớp ẩn.
Chỉ áp dụng cho dữ liệu có nhãn đơn giản.
Trong học sâu, hàm kích hoạt (activation function) nào thường được sử dụng để xử lý vấn đề gradient vanishing?
ReLU (Rectified Linear Unit)
Sigmoid
Tanh
Step Function
Học tập thể (ensemble learning) có lợi ích gì?
Giảm phương sai và tăng độ chính xác.
Giảm dữ liệu cần thiết.
Tăng tốc độ huấn luyện.
Giảm phương sai.
Cây quyết định sử dụng thước đo nào để chọn đặc trưng phân chia?
Entropy hoặc Gini index.
Mean Squared Error.
Cross-Entropy Loss.
Euclidean Distance.
Trong Random Forest, kỹ thuật nào được sử dụng để tạo sự đa dạng giữa các cây?
Bootstrap sampling (lấy mẫu ngẫu nhiên có hoàn lại).
Tăng độ sâu tối đa của mỗi cây.
Sử dụng cùng một tập dữ liệu cho mọi cây.
Loại bỏ tất cả các đặc trưng không quan trọng.
Ng giữa các cây?
A Bootstrap sampling (lấy mẫu ngẫu nhiên có hoàn lại).
B Tăng độ sâu tối đa của mỗi cây.
C Sử dụng cùng một tập dữ liệu cho mọi cây.
D Loại bỏ tất cả các đặc trưng không quan trọng trước khi huấn luyện.
Quá trình backpropagation trong mạng nơ ron nhân tạo làm gì?
A Cập nhật trọng số dựa trên gradient của hàm mất mát theo từng tham số.
B Tính toán giá trị đầu ra của mạng mà không thay đổi trọng số.
C Loại bỏ các nơ ron không quan trọng trong lớp ẩn.
D Chọn ngẫu nhiên các trọng số để thử nghiệm.
Học sâu thường được ứng dụng trong lĩnh vực nào?
A Xử lý ngôn ngữ tự nhiên (NLP) và Computer Vision.
B Phân loại dữ liệu một chiều.
C Phân loại dữ liệu một chiều đơn giản.
D Tìm kiếm đường đi ngắn nhất trong đồ thị.
Trong hồi quy tuyến tính, R-squared đo lường điều gì?
A Tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi mô hình.
B Tổng bình phương sai số giữa giá trị thực tế và dự đoán.
C Độ dốc của đường hồi quy tuyến tính.
D Số lượng đặc trưng trong mô hình.
Trong K-means, nhược điểm nào sau đây là đúng?
A Kết quả phụ thuộc vào việc chọn tâm cụm ban đầu.
B Chỉ hoạt động với dữ liệu có nhãn.
C Không thể xử lý dữ liệu có nhiều hơn hai chiều.
D Luôn tìm được số cụm tối ưu mà không cần chỉ định K.
Tại sao mô hình nhận dạng khuôn mặt AI có thể thiên vị (bias)?
A Dữ liệu thiếu tính đa dạng.
B Thuật toán quá phức tạp.
C Mô hình ít lớp ẩn.
D Dữ liệu quá lớn.
Hậu quả tiêu cực nào có thể xảy ra nếu AI xử lý dữ liệu cá nhân không bảo mật tốt?
A Rò rỉ thông tin cá nhân.
B Tăng độ chính xác dự đoán.
C Giảm chi phí vận hành.
D Cải thiện trải nghiệm người dùng.
Giải pháp nào tốt nhất để hạn chế thiên kiến trong học máy?
A Thu thập dữ liệu cân bằng và đa dạng.
B Tăng tốc độ xử lý.
C Giảm kích thước mô hình.
D Giảm số lượng dữ liệu huấn luyện.
Điều nào sau đây là vấn đề đạo đức thường gặp khi áp dụng học máy trong tuyển dụng nhân sự?
A Thiên kiến về giới tính hoặc sắc tộc.
B Mô hình
Điều nào sau đây là vấn đề đạo đức thường gặp khi áp dụng học máy trong tuyển dụng nhân sự?
Thiên kiến về giới tính hoặc sắc tộc.
Mô hình dự đoán chậm.
Giao diện người dùng kém.
Dữ liệu lưu trữ tốn kém.
Khi xây dựng mô hình AI, vì sao việc tuân thủ các tiêu chuẩn bảo mật dữ liệu lại quan trọng?
Ngăn chặn rò rỉ và lạm dụng thông tin cá nhân.
Tăng khả năng lưu trữ dữ liệu.
Giảm tốc độ xử lý mô hình.
Làm tăng độ phức tạp của thuật toán.
Nguyên nhân nào dẫn đến việc AI có thể đưa ra các quyết định thiếu công bằng?
Dữ liệu huấn luyện không đầy đủ và có định kiến.
Quá nhiều dữ liệu trong mô hình.
Thuật toán đơn giản.
Mô hình thiếu thông tin thời gian thực.
Kỹ thuật học máy phân lớp thuộc loại nào sau đây?
Học có giám sát.
Học không giám sát.
Học bán giám sát.
Học tăng cường.
Kỹ thuật học máy hồi quy thuộc loại nào sau đây?
Học có giám sát.
Học không giám sát.
Học bán giám sát.
Học tăng cường.
Kỹ thuật học máy phân cụm thuộc loại nào sau đây?
Học không giám sát.
Học có giám sát.
Học bán giám sát.
Học tăng cường.
Cho tập dữ liệu với các thuộc tính Tóc, Chiều cao, Cân nặng, Dùng kem và nhãn Kết quả (2 lớp), thuộc tính nào được chọn phân hoạch tại gốc khi dùng ID3?
Tóc
Chiều cao
Cân nặng
Dùng kem
Đầu ra của một mô hình hồi quy (regression) thường là gì?
Giá trị số
Nhãn lớp
Số lượng không quá lớn
Tất cả đều đúng
Đầu ra của một mô hình phân lớp là gì?
Nhãn lớp
Giá trị số
Số lượng rất lớn
Tất cả đều đúng
Phát biểu nào đúng với thuật toán học Perceptron?
Chỉ dùng cho phân hai lớp.
Dùng cho phân nhiều lớp.
Dùng cho bài toán giá trị số.
Tất cả đều đúng.
