WorksheetsNMKHTTNT & DL 4
Total questions: 48
Worksheet time: 24mins
Name
Class
Date
1.
What is the term for the ethical principle that AI should not cause harm to humans? (Thuật ngữ nào chỉ nguyên tắc đạo đức yêu cầu AI không được gây hại cho con người?)
a)
Nonmaleficence (không gây hại)
b)
Productivity (Năng suất)
c)
Efficiency (hiệu quả)
d)
Profitability (lợi nhuận)
2.
What is the term for the ethical principle that AI should not cause harm to humans? Please answer in all lowercase.
a)
Nonmaleficence (không gây hại)
b)
non-maleficence (không gây hại)
3.
What is Artificial General Intelligence (AGI)? (Trí thông minh nhân tạo tổng quát (AGI) là gì?)
a)
A type of AI focused on performing specific tasks. (Một loại AI tập trung vào việc thực hiện một hoặc một số nhiệm vụ cụ thể.)
b)
A form of AI that has the ability to understand and learn any intellectual task that a human can. (Một hình thức AI có khả năng hiểu và học bất kỳ nhiệm vụ trí tuệ nào mà con người có thể thực hiện.)
c)
An AI system that operates without human intervention. (Một hệ thống AI hoạt động mà không cần sự can thiệp của con người.)
d)
A computer program designed to simulate human conversation. (Một chương trình máy tính được thiết kế để mô phỏng cuộc trò chuyện của con người.)
4.
What is the term for the practice of ensuring data is accurate, consistent, and reliable for its intended use? (Thuật ngữ nào chỉ việc đảm bảo dữ liệu chính xác, nhất quán và đáng tin cậy cho mục đích sử dụng?)
a)
Data Lake (Kho dữ liệu)
b)
Data Integrity (Toàn vẹn dữ liệu)
c)
Data Volume (Khối lượng dữ liệu)
d)
Data Security (Bảo mật dữ liệu)
5.
What is the term for the practice of ensuring data is accurate, consistent, and reliable for its intended use? Please answer in all lowercase. (Thuật ngữ nào chỉ việc đảm bảo dữ liệu chính xác, nhất quán và đáng tin cậy cho mục đích sử dụng?)
a)
Dataquality (toàn vẹn dữ liệu)
b)
Dataintegrity (tính toàn vệ của dữ liệu)
6.
What is a primary responsibility for data stewardship in the context of data analytics professionals? (Trong lĩnh vực phân tích dữ liệu, trách nhiệm cốt lõi của người quản lý dữ liệu là gì?)
a)
Identify data privacy regulations that apply to analytics. (Xác định các quy định về quyền riêng tư dữ liệu áp dụng cho phân tích dữ liệu.)
b)
Minimize ethical concerns to enhance data collection. (Giảm thiểu các mối quan tâm đạo đức để nâng cao việc thu thập dữ liệu.)
c)
Prioritize data monetization over ethical considerations. (Ưu tiên kiếm tiền từ dữ liệu hơn là các yếu tố đạo đức.)
d)
Ignore user consent if the data is anonymized. (Bỏ qua sự đồng ý của người dùng nếu dữ liệu đã được ẩn danh.)
7.
Select the practice that reflect data stewardship priorities in analytics. (Chọn công việc phản ánh các ưu tiên quản lý dữ liệu trong phân tích.)
a)
Implementing encryption techniques to protect data. (Áp dụng các kỹ thuật mã hóa để bảo vệ dữ liệu.)
b)
Regularly deleting data access logs. (Định kỳ xoá các nhật ký truy cập dữ liệu.)
c)
Sorting Algorithms (Thuật toán phân loại)
d)
Assuming data from trusted sources needs no validation. (Giả định rằng dữ liệu từ các nguồn đáng tin cậy không cần xác thực.)
8.
In the context of AI and machine learning projects, what is the term for adjusting model parameters to improve performance? (Trong bối cảnh các dự án AI và học máy, thuật ngữ nào chỉ việc điều chỉnh tham số mô hình để cải thiện hiệu suất?)
a)
Tuning (Điều chỉnh)
b)
Evaluation (Đánh giá)
c)
Initialization (Khởi tạo)
d)
Validation (Xác thực)
9.
In the context of AI and machine learning projects, what is the term for adjusting model parameters to improve performance? Please answer in all lowercase. (Trong bối cảnh các dự án AI và học máy, thuật ngữ nào chỉ việc điều chỉnh tham số mô hình để cải thiện hiệu suất?)
a)
Tuning (điều chỉnh)
b)
Optimization (tối ưu hóa)
10.
Select all the activities that are typically involved in the data collection step of AI projects. (Chọn tất cả các hoạt động thường có trong bước thu thập dữ liệu của dự án AI.)
a)
Data cleaning (Làm sạch dữ liệu)
b)
Data labeling (Gán nhãn dữ liệu)
c)
Model selection (Lựa chọn mô hình)
d)
Feature engineering (Kỹ thuật đặc trưng)
e)
Survey design (Thiết kế khảo sát)
11.
Which of the following is a key step in the workflow of AI, machine learning, and data science projects? (Một bước quan trọng trong quy trình của các dự án AI, học máy và khoa học dữ liệu là gì - Gợi ý là quá trình sử dụng dữ liệu để đào tạo mô hình?)
a)
Data Visualization (Trực quan hóa dữ liệu)
b)
Model Training (Huấn luyện mô hình)
c)
Data Backup (Sao lưu dữ liệu)
d)
Resource Allocation (Phân bổ tài nguyên)
12.
When evaluating an AI project, which factor is essential to consider when deciding between building the solution in-house or buying an existing solution? (Yếu tố nào cần thiết khi đánh giá một dự án AI để quyết định nên xây dựng nội bộ hay mua giải pháp có sẵn?)
a)
Cost of development versus purchase price (Chi phí phát triển so với giá mua)
b)
Number of employees in the company (Số lượng nhân viên trong công ty)
c)
Popularity of the technology in the media (Sự phổ biến của công nghệ trong truyền thông)
d)
Color of the company's branding (Màu sắc thương hiệu của công ty)
13.
Which are valid considerations when conducting technical diligence on an AI project? (Những yếu tố nào sau đây cần được xem xét khi thực hiện đánh giá kỹ thuật cho một dự án AI?)
a)
Scalability of the AI model (Khả năng mở rộng của mô hình AI)
b)
AI model's compatibility with existing systems (Khả năng tương thích của mô hình AI với các hệ thống hiện có)
c)
The developer's favorite programming language (Ngôn ngữ lập trình yêu thích của nhà phát triển)
d)
Robustness and reliability of the AI model (Độ tin cậy và ổn định của mô hình AI)
e)
The color scheme used in the model's user interface (Bảng màu giao diện người dùng của mô hình)
14.
What is the term for assessing the potential impacts of AI on ethical and societal norms? (Thuật ngữ nào dùng để chỉ việc đánh giá các tác động tiềm tàng của AI đối với các chuẩn mực đạo đức và xã hội?)
a)
Ethics (Đạo đức)
b)
Effective (Hiệu quả)
c)
Efficiency (Hiệu quả)
d)
Performance (Hiệu suất)
15.
Which activities are essential to grasp the program plans and expectations? (Những hoạt động nào là thiết yếu để nắm bắt kế hoạch và yêu cầu của chương trình?)
a)
Reviewing the syllabus (Xem lại đề cương môn học)
b)
Attending all lectures (Tham dự tất cả các bài giảng)
c)
Skipping assignments (Bỏ qua các bài tập)
d)
Participating in group discussions (Tham gia thảo luận nhóm)
e)
Avoiding feedback sessions (Tránh các buổi phản hồi)
16.
What is the primary term used to describe the expected learning outcomes of a course? Please answer in all lowercase. (Thuật ngữ chính dùng để mô tả kết quả học tập mong đợi của một khóa học là gì?)
a)
objectives (mục tiêu)
b)
goals (mục đích)
17.
Which of the following is important to understand program plans and expectations? (Điều nào sau đây quan trọng để hiểu kế hoạch và yêu cầu của chương trình?)
a)
Discussing course objectives and outcomes (Thảo luận về mục tiêu và kết quả học tập của khóa học)
b)
Ignoring course policies (Bỏ qua các quy định của khóa học)
c)
Memorizing all course content (Ghi nhớ toàn bộ nội dung khóa học)
d)
Focusing solely on assessments (Chỉ tập trung vào các bài đánh giá)
18.
What is the primary industry that employs data professionals for data analysis and management? (Đâu là ngành công nghiệp chủ yếu tuyển dụng các chuyên gia dữ liệu cho phân tích và quản lý dữ liệu?)
a)
Technology (công nghệ)
b)
F&B (Đồ ăn & nước uống)
c)
Agriculture (nông nghiệp)
d)
Entertainment (giải trí)
19.
How do data professionals make a positive impact across different industries? Select all that apply. (Các chuyên gia dữ liệu tạo ra tác động tích cực như thế nào trên các ngành công nghiệp khác nhau?)
a)
Enhancing business decision-making (Nâng cao chất lượng ra quyết định kinh doanh)
b)
Improving customer retention strategies (Cải thiện chiến lược giữ chân khách hàng)
c)
Developing marketing content (Phát triển nội dung marketing)
d)
Reducing operational costs (Giảm chi phí vận hành)
e)
Managing social media presence (Quản lý hiện diện trên mạng xã hội)
20.
Which of the following types of organizations most commonly employ data professionals? (Loại tổ chức nào dưới đây thường tuyển dụng chuyên gia dữ liệu?)
a)
Technology companies (Các công ty công nghệ)
b)
Grocery stores (Cửa hàng tạp hóa)
c)
Cafes (Quán cà phê)
d)
Construction firms (Công ty xây dựng)
21.
Name a machine learning library that starts with 's'. (Nêu tên một thư viện học máy bắt đầu bằng chữ 's'.)
a)
Scikit-learn (Scikit-learn)
b)
Pytorch (Pytorch)
c)
Pandas (pandas)
d)
Tensorflow (tensorflow)
22.
Select all the tools that are commonly used in AI projects. (Chọn tất cả các công cụ thường được sử dụng trong các dự án AI.)
a)
TensorFlow
b)
PyTorch
c)
Notepad
d)
Scikit-Learn
e)
Final Cut Pro
23.
Which of the following is a popular open-source library used for deep learning projects? (Thư viện mã nguồn mở nào sau đây được sử dụng phổ biến trong các dự án deep learning?)
a)
PyTorch (PyTorch)
b)
Excel (Excel)
c)
Photoshop (Photoshop)
d)
WordPress (WordPress)
24.
What is a common pitfall in AI projects that can severely impact the timeline and budget? (Yếu tố thường gặp nào trong các dự án AI có thể ảnh hưởng nghiêm trọng đến tiến độ và ngân sách?)
a)
Inadequate data quality (Chất lượng dữ liệu không đảm bảo)
b)
Overestimating algorithm complexity (Đánh giá quá cao độ phức tạp của thuật toán)
c)
Using open-source tools (Sử dụng công cụ mã nguồn mở)
d)
Hiring a diverse team (Thuê một nhóm đa dạng)
25.
What term is used to describe the challenge of having too much data to process effectively in AI projects? (Thuật ngữ nào mô tả thách thức trong việc xử lý hiệu quả khối lượng dữ liệu quá lớn trong một dự án AI?)
a)
Overload (Quá tải)
b)
Data insufficient (Không đủ)
c)
Underfitting (Chưa khớp)
d)
Encryption (Mã hóa)
26.
What is the primary challenge when working with unstructured data in AI projects? (Thách thức chính khi làm việc với dữ liệu không cấu trúc trong các dự án AI là gì?)
a)
Lack of labeled data (Thiếu dữ liệu đã gán nhãn)
b)
High cost of storage (Chi phí lưu trữ cao)
c)
Difficulty in data analysis (Khó khăn trong phân tích dữ liệu)
d)
Complexity in data preprocessing (Độ phức tạp trong xử lý dữ liệu trước khi phân tích)
27.
What is the primary goal of using deep learning techniques in AI? (Mục tiêu chính của việc sử dụng các kỹ thuật học sâu trong AI là gì?)
a)
To improve accuracy by using large neural networks (Để cải thiện độ chính xác bằng cách sử dụng các mạng nơ-ron lớn)
b)
To perform real-time processing of structured data (Để xử lý dữ liệu có cấu trúc theo thời gian thực)
c)
To reduce the cost of hardware used for AI computations (Để giảm chi phí phần cứng sử dụng cho các phép toán AI)
d)
To simplify the AI model structure (Để đơn giản hóa cấu trúc mô hình AI)
28.
Which of the following tasks are typically performed during the model evaluation stage in an AI project? (Những nhiệm vụ nào sau đây thường được thực hiện trong giai đoạn đánh giá mô hình của một dự án AI?)
a)
Testing the model on validation data (Kiểm tra mô hình trên dữ liệu xác thực)
b)
Selecting the appropriate model for deployment (Chọn mô hình phù hợp để triển khai)
c)
Adjusting hyperparameters (Điều chỉnh siêu tham số)
d)
Collecting additional training data (Thu thập dữ liệu huấn luyện bổ sung)
29.
Which of the following describes a neural network’s ability to improve its performance as more data is provided during training? (Loại mô hình học máy nào dưới đây mô tả khả năng của mạng nơ-ron trong việc cải thiện hiệu suất khi dữ liệu huấn luyện nhiều hơn?)
a)
Supervised learning (Học có giám sát)
b)
Reinforcement learning (Học tăng cường)
c)
Deep learning (Học sâu)
d)
Unsupervised learning (Học không giám sát)
30.
What is the key difference between supervised and unsupervised learning in machine learning? (Sự khác biệt chính giữa học có giám sát và học không giám sát trong học máy là gì?)
a)
Supervised learning uses labeled data, while unsupervised learning uses unlabeled data. (Học có giám sát sử dụng dữ liệu đã gán nhãn, trong khi học không giám sát sử dụng dữ liệu chưa gán nhãn.)
b)
Supervised learning does not require data preprocessing, while unsupervised learning does. (Học có giám sát không yêu cầu xử lý dữ liệu trước, trong khi học không giám sát có.)
c)
Unsupervised learning is more accurate than supervised learning. (Học không giám sát chính xác hơn học có giám sát.)
d)
Supervised learning is faster to train than unsupervised learning. (Học có giám sát nhanh hơn học không giám sát.)
31.
Which of the following is a key benefit of using ensemble methods in machine learning? (Lợi ích chính của việc sử dụng phương pháp tổng hợp trong học máy là gì?)
a)
Reducing model complexity (Giảm độ phức tạp của mô hình)
b)
Improving model performance (Cải thiện hiệu suất mô hình)
c)
Reducing training time (Giảm thời gian huấn luyện)
d)
Preventing overfitting (Ngăn ngừa overfitting)
32.
Which of the following methods is commonly used for dimensionality reduction in machine learning? (Phương pháp nào dưới đây thường được sử dụng để giảm chiều trong học máy?)
a)
Principal component analysis (Phân tích thành phần chính)
b)
Singular value decomposition (Phân rã giá trị đặc biệt)
c)
K-means clustering (Phân cụm K-means)
d)
Support vector machines (Máy vector hỗ trợ)
33.
Which of the following are key applications of reinforcement learning? (Những ứng dụng chính của học tăng cường là gì?)
a)
Game playing (Chơi game)
b)
Robotics (Robot học)
c)
Image classification (Phân loại hình ảnh)
d)
Natural language processing (Xử lý ngôn ngữ tự nhiên)
34.
What term is used to describe the challenge of having too much data to process effectively in AI projects? Please answer in all lowercase. (Thuật ngữ nào mô tả thách thức trong việc xử lý hiệu quả khối lượng dữ liệu quá lớn trong một dự án AI?)
a)
Overfitting ( quá tải)
b)
Overload (quá tải)
35.
Which of the following strategies can help avoid pitfalls in AI implementation? (Những chiến lược nào sau đây có thể giúp tránh các cạm bẫy khi triển khai AI?)
a)
Defining clear project goals (Xác định mục tiêu dự án rõ ràng)
b)
Ensuring data privacy compliance (Đảm bảo tuân thủ quy định về bảo mật dữ liệu)
c)
Ignoring scalability issues (Bỏ qua các vấn đề về khả năng mở rộng)
d)
Continuous model evaluation (Đánh giá mô hình liên tục)
e)
Focusing solely on algorithm performance (Chỉ tập trung vào hiệu suất thuật toán)
36.
Select all the major application areas and techniques of AI. (Chọn tất cả các lĩnh vực ứng dụng và kỹ thuật chính của AI.)
a)
Image classification (Phân loại hình ảnh)
b)
Speech recognition (Nhận dạng giọng nói)
c)
Classification (Phân loại)
d)
Sorting algorithms (Thuật toán sắp xếp)
e)
Data encryption (Mã hóa dữ liệu)
37.
What is the acronym for the field of study focused on giving computers the ability to understand text and spoken words in a manner similar to humans? (Từ viết tắt của lĩnh vực nghiên cứu nhằm giúp máy tính hiểu văn bản và lời nói giống như con người là gì?)
a)
NLP (Xử lý ngôn ngữ tự nhiên)
b)
ML (Học máy)
c)
AI (Trí tuệ nhân tạo)
d)
CNN (Mạng nơ-ron tích chập)
38.
Which AI technique is primarily used in computer vision for image recognition tasks? (Kỹ thuật AI nào chủ yếu được sử dụng trong thị giác máy tính cho các nhiệm vụ nhận dạng hình ảnh?)
a)
Convolutional Neural Networks (Mạng nơ-ron tích chập)
b)
Recurrent Neural Networks (Mạng nơ-ron hồi tiếp)
c)
Decision Trees (Cây quyết định)
d)
K-Means Clustering (Phân cụm K-Means)
39.
How do data science and machine learning impact various job functions? (Khoa học dữ liệu và học máy ảnh hưởng đến các chức năng công việc như thế nào?)
a)
Data science identifies patterns in data that improve decision-making. (Khoa học dữ liệu xác định các mẫu trong dữ liệu để cải thiện ra quyết định.)
b)
Machine learning eliminates the need for human intervention in processes. (Học máy loại bỏ hoàn toàn sự can thiệp của con người trong các quy trình.)
c)
Data science makes predictions based on historical trends only. (Khoa học dữ liệu chỉ đưa ra dự đoán dựa trên xu hướng lịch sử.)
d)
Machine learning replaces all traditional job functions. (Học máy thay thế tất cả các chức năng công việc truyền thống.)
40.
What one-word term describes the process of using algorithms to parse data, learn from it, and make a determination or prediction? (Thuật ngữ nào mô tả quá trình sử dụng thuật toán để phân tích dữ liệu, học từ nó và đưa ra quyết định hoặc dự đoán?)
a)
Modeling (Mô hình hóa)
b)
Cleaning (Làm sạch)
c)
Storing (Lưu trữ)
d)
Visualizing (Trực quan hóa)
41.
Select the impacts of data science and machine learning on job functions. (Chọn các tác động của khoa học dữ liệu và học máy lên chức năng công việc.)
a)
Automation of routine tasks (Tự động hóa các tác vụ thường lệ)
b)
Enhanced data-driven decision making (Nâng cao khả năng ra quyết định dựa trên dữ liệu)
c)
Complete removal of human workforce (Loại bỏ hoàn toàn lực lượng lao động con người)
d)
Improved customer insights (Cải thiện hiểu biết về khách hàng)
e)
Solely relying on historical data (Chỉ phụ thuộc vào dữ liệu lịch sử)
42.
What is a common source of bias in AI systems? (Nguồn gốc phổ biến của thiên lệch trong các hệ thống AI là gì?)
a)
Training data that lacks diversity (Dữ liệu huấn luyện thiếu sự đa dạng)
b)
Using too many data points (Sử dụng quá nhiều điểm dữ liệu)
c)
Implementing complex algorithms (Triển khai các thuật toán phức tạp)
d)
High computational power (Sức mạnh tính toán cao)
43.
What is the term used to describe the unfair treatment of individuals based on their association with certain groups within AI systems? (Thuật ngữ nào dùng để mô tả sự đối xử không công bằng giữa các cá nhân dựa trên việc họ thuộc một nhóm nhất định trong hệ thống AI?)
a)
discrimination (phân biệt đối xử)
b)
accuracy (độ chính xác)
c)
efficiency (hiệu quả)
d)
transparency (minh bạch)
44.
Which of the following are technical solutions to mitigate bias in AI systems? (Những giải pháp kỹ thuật nào sau đây giúp giảm thiểu thiên vị trong hệ thống AI?)
a)
Algorithmic fairness (Tính công bằng thuật toán)
b)
Bias amplification (Bias amplification)
c)
Data augmentation (Data augmentation)
d)
Increasing dataset size without modifying it (Tăng kích thước tập dữ liệu mà không điều chỉnh)
e)
Using diverse training datasets (Sử dụng tập dữ liệu huấn luyện đa dạng)
45.
What is the primary goal during the planning stage of a data science project? (Mục tiêu chính trong giai đoạn lập kế hoạch của một dự án khoa học dữ liệu là gì?)
a)
Define the scope and objectives of the project. (Xác định phạm vi và mục tiêu của dự án)
b)
Develop the final deliverables. (Phát triển các sản phẩm đầu cuối)
c)
Implement the data collection process. (Triển khai quá trình thu thập dữ liệu)
d)
Conduct the final review and assessment. (Thực hiện đánh giá và xem xét cuối cùng)
46.
Which of the following actions are part of designing a project plan for a data science project? (Những hành động nào sau đây là một phần của việc thiết kế kế hoạch dự án khoa học dữ liệu?)
a)
Define key performance indicators (KPIs). (Xác định các chỉ số hiệu suất chính KPIs)
b)
Select suitable data sources. (Lựa chọn nguồn dữ liệu phù hợp)
c)
Analyze the data using machine learning algorithms. (Phân tích dữ liệu bằng các thuật toán học máy)
d)
Share results with stakeholders. (Chia sẻ kết quả với các bên liên quan)
e)
Prepare a detailed project timeline. (Chuẩn bị dòng thời gian dự án chi tiết)
47.
What is the term commonly used to describe the extraction of hidden insights from large volumes of data? (Thuật ngữ nào thường được sử dụng để chỉ việc tìm ra những thông tin giá trị ẩn bên trong một lượng dữ liệu lớn?)
a)
data mining (khai phá dữ liệu)
b)
data storage (lưu trữ dữ liệu)
c)
data cleaning (làm sạch dữ liệu)
d)
data compression (nén dữ liệu)
48.
What is one of the primary roles of a Data Analyst within an organization? (Một trong những vai trò chính của Nhà phân tích dữ liệu trong tổ chức là gì?)
a)
Data Analysts interpret trends and patterns in data to support business decisions. (Phân tích xu hướng và mẫu dữ liệu để hỗ trợ ra quyết định)
b)
Data Analysts primarily handle the installation of hardware and software systems. (Nhà phân tích dữ liệu chủ yếu xử lý việc cài đặt hệ thống phần cứng và phần mềm)
c)
Data Analysts are responsible for maintaining server infrastructure. (Nhà phân tích dữ liệu chịu trách nhiệm duy trì cơ sở hạ tầng máy chủ)
d)
Data Analysts design marketing strategies for enterprises. (Nhà phân tích dữ liệu thiết kế chiến lược tiếp thị cho doanh nghiệp)
100 %
