Tìm đường đi ngắn nhất giữa 2 đỉnh u và v.

Tìm các thành phần liên thông.

Tìm tất cả các đỉnh trong một thành phần liên thông.

Tìm kiếm có giới hạn.

Sử dụng hàng đợi.

Sử dụng ngăn xếp.

Sử dụng mảng nhiều chiều.

Sử dụng ma trận.

Giúp máy tính có thể tự động hóa các hành vi thông minh như con người.

Tạo ra người máy

Lập trình thông minh cho các sản phẩm

Lập trình các trò chơi

Một cách biểu diễn bài toán

Một cách giải bài toán

Kết quả của bài toán

Cách chuyển từ trạng thái này sang trạng thái khác

Học có giám sát

Học không giám sát

Học nửa giám sát

Học có giám sát, nửa giám sát và không giám sát

Lý thuyết giải bài toán và suy diễn thông minh

Lý thuyết tìm kiếm may rủi

Lý thuyết nhận dạng và xử lý các mẫu dữ liệu

Tất cả lĩnh vực trên

Là các chương trình máy tính có khả năng học hỏi về cách hoàn thành các nhiệm vụ và cách cải thiện hiệu suất theo thời gian.

Là khả năng máy tính có thể mô phỏng hành vi của con người

Là học có giám sát và học không giám sát

Là công cụ dự đoán xu hướng của thị trường

Sử dụng hàng đợi.

Sử dụng ngăn xếp.

Sử dụng mảng nhiều chiều.

Sử dụng ma trận.

Nút gốc

Nút con

Nút cha

Nút lá

Một phát biểu chỉ nhận một trong hai giá trị là đúng hoặc sai

Là một bài toán có lời giải

Là một phát biểu luôn luôn đúng

Là một biểu thức có phép toán AND hoặc OR

Đồ thị

Danh sách liên kết

Mảng

Chuỗi

Tìm kiếm theo chiều rộng

Tìm kiếm theo chiều sâu

Tìm kiếm sâu dần

Tìm kiếm Heuristic

Tìm ra lời giải nếu tồn tại

Đường đi qua ít đỉnh nhất

Giá thành tìm kiếm thấp nhất

Cả A và B đều đúng

Chỉ hồi quy.

Phân cụm.

Phân loại và hồi quy.

Chỉ phân loại.

Giáo dục, đào tạo nhân lực, phát triển kỹ năng mềm.

Quản lý dự án, phát triển phần mềm, thiết kế đồ họa.

Nghiên cứu thị trường, phân tích dữ liệu, quảng cáo trực tuyến.

Bảo mật thông tin, truyền thông an toàn, xác thực danh tính, blockchain, tiền điện tử.

Khoảng cách cosine.

Khoảng cách Manhattan.

Khoảng cách Euclid.

Khoảng cách Hamming.

Học máy giám sát là phương pháp học máy sử dụng dữ liệu có nhãn để huấn luyện mô hình.

Học máy giám sát là một loại học máy không cần huấn luyện.

Học máy giám sát chỉ áp dụng cho dữ liệu không có cấu trúc.

Học máy giám sát là phương pháp học không sử dụng dữ liệu có nhãn.

Sử dụng số lượng mẫu huấn luyện để đánh giá.

So sánh với các mô hình không giám sát.

Chỉ dựa vào thời gian huấn luyện của mô hình.

Sử dụng các chỉ số như độ chính xác, độ nhạy, độ đặc hiệu, F1-score và ma trận nhầm lẫn.

Không học được dữ liệu mới.

Mất nhiều thời gian tính toán do phải đo khoảng cách với tất cả các điểm huấn luyện.

Không hoạt động với dữ liệu phân loại.

Luôn cần dữ liệu dạng văn bản.

Tính toán số nguyên tố.

Phân tích cú pháp ngữ nghĩa.

Tìm kiếm đường đi tối ưu trong đồ thị.

Lập trình hướng đối tượng.

Bài toán có không gian trạng thái lớn và độ sâu của nghiệm không biết trước.

Bài toán có không gian trạng thái lớn và độ sâu của nghiệm biết trước.

Bài toán có không gian trạng thái nhỏ và độ sâu của nghiệm không biết trước.

Bài toán có không gian trạng thái nhỏ và độ sâu của nghiệm biết trước.

K-Nearest Neighbors Algorithm.

K-Node Neighbors.

K-Nearest Neighbors.

K-Nearest Network.

Nguyên lý chính của thuật toán K-NN là sử dụng hồi quy tuyến tính.

Nguyên lý chính của thuật toán K-NN là tìm kiếm dữ liệu theo thứ tự thời gian.

Nguyên lý chính của thuật toán K-NN là phân tích hồi quy đa biến.

Nguyên lý chính của thuật toán K-NN là tìm k điểm gần nhất để phân loại hoặc hồi quy.

Nghiên cứu giao tiếp giữa hai máy.

Nghiên cứu giao tiếp giữa người và máy.

Nghiên cứu về giao tiếp giữa hai người.

Nghiên cứu các giá trị Boolean.

Tăng số lượng tham số.

Giảm kích thước tập dữ liệu.

Sử dụng hàm kích hoạt phức tạp.

Regularization, Dropout, Tăng kích thước tập dữ liệu, Cross-validation, Pruning, Early stopping.

Một hàm để giải các bài toán.

Hàm lấy tham số của chuỗi kiểu và trả về giá trị nguyên.

Một hàm có kiểu trả về là không có gì.

Một chức năng ánh xạ từ mô tả trạng thái bài toán đến các giải thuật xử lý như mong muốn.

A. *A chỉ tìm kiếm theo chiều rộng.

B. *A luôn tìm kiếm đường đi dài nhất.

C. *A không sử dụng ước lượng trong quá trình tìm kiếm.

D. *A tìm kiếm đường đi ngắn nhất hiệu quả hơn nhờ kết hợp chi phí thực tế và ước lượng.

Giải thuật quay lui.

Giải thuật teo đồi.

Giải thuật tham lam.

Tất cả các ý trên.

Quét qua toàn bộ nghiệm có thể có của bài toán.

Chỉ quét qua một nửa nghiệm có thể có của bài toán.

Không quét qua toàn bộ nghiệm có thể có của bài toán.

Quét qua toàn bộ nghiệm có thể không có của bài toán.

Không phát triển một đỉnh K tốt nhất

Phát triển nhiều đỉnh K tốt nhất

Chỉ phát triển một đỉnh K tốt nhất

Phát triển nhiều đỉnh K nhưng không tốt nhất

Nên

Không nên

Cả A và B đều đúng

Cả A và B đều sai

Duyệt tất cả các đỉnh.

Duyệt một nửa số đỉnh.

Chỉ duyệt đỉnh đầu của đồ thị.

Chỉ duyệt đỉnh cuối của đồ thị

Sử dụng hàng đợi.

Sử dụng ngăn xếp.

Sử dụng mảng nhiều chiều.

Sử dụng ma trận.

Khả năng làm tăng tính toán.

Khả năng làm giảm tính toán.

Khả năng tiêu thụ nhiều bộ nhớ.

Khả năng làm tăng tính toán và tiêu thụ nhiều bộ nhớ.

Nút kề.

Nút gốc.

Nút con.

Nút cha.

A. 1 và 1

B. 0 và 0

C. 0 và 1

D. 1 và 0

0 và 0

0 và 1

1 và 0

1 và 1

   Là một giải thuật đệ quy.

   Là một giải thuật không đệ quy.

Là một giải thuật đệ quy và không đệ quy.

Tất cả các đáp án đều sai.

Để giải quyết các vấn đề trong thế giới thực

Để giải quyết vấn đề nhân tạo

Để giải thích các loại trí thông minh

Tích xuất nguyên nhân khoa học

A. BFS sẽ bị mắc kẹt trong khi tìm đường đi.

B. Toàn bộ cây được tạo ra trong quá trình đã duyệt phải được lưu trữ trong BFS

C. BFS không được bảo đảm tìm lời giải nếu tồn tại lời giải.

D. BFS không khác gì thuật toán Tìm kiếm nhị phân

Là một giải thuật đệ quy.

Là một giải thuật không đệ quy.

Là một giải thuật đệ quy và không đệ quy.

Tất cả các đáp án đều sai.

Khả năng học.

Khả năng mô phỏng hành vi của con người.

Khả năng trừu tượng hóa, tổng quát hóa và suy diễn.

Khả năng di chuyển

(x,k)

(m,n)

(k,y)

(x, k) hoặc (k, y)

Tập trung vào đích đã cho

Tìm ra tập sự kiện đúng cực đại

Kết luận luôn được chính minh

Cả ý A và B

Cấu trúc hàng đợi

Cấu trúc ngăn xếp

Cấu trúc hàng đợi hoặc ngăn xếp

Tất cả các cấu trúc trên

(0, y)

(0,0)

(n,m)

(x,0)

Học không giám sát

Học nửa giám sát

Học có giám sát

Học có giám sát và không giám sát

Duyệt hết tất cả các đỉnh

Gặp nút kết thúc

Gặp nút con.

Cả A và B đều đúng

Các phương pháp tìm kiếm lời giải.

Hệ chuyên gia

Xử lý ảnh và ngôn ngữ.

Tất cả các chuyên ngành trên

Con đường có chi phí cao nhất được chọn.

Con đường có chi phí thấp nhất được chọn.

Con đường có chi phí cao nhất và thấp nhất được chọn.

Con đường có chi phí thấp nhất không được chọn.

Trí tuệ là những gì có thể đánh giá được thông qua các trắc nghiệm thông minh

Trí tuệ là khả năng phản ứng một cách thích hợp những tình huống mới thông qua hiệu chỉnh hành vi một cách thích đáng.

Trí tuệ là sự hiểu rõ những mối liên hệ qua lại của các sự kiện của thế giới bên ngoài nhằm đưa ra những hành động phù hợp đạt tới một mục đích nào đó.

Không phát biểu nào đúng.

M. Minsky

Newell

Alan Turing

Mc Carthy

Prolog

LISP

C++

JAVA

Kỹ thuật tìm kiếm rộng là tìm kiếm trên tất cả các nút của một mức trong không gian bài toán trước khi chuyển sang các nút của mức tiếp theo.

Kỹ thuật tìm kiếm rộng là tìm kiếm từ nút gốc và lựa chọn nút hứa hẹn nhất để đi tiếp.

Kỹ thuật tìm kiếm rộng có độ phức tạp là O(kd) với k là số đỉnh kề và d là độ sâu.

Kỹ thuật tìm kiếm rộng phù hợp với bài toán có không gian lớn

Không phát triển một đỉnh K tốt nhất

Phát triển nhiều đỉnh K tốt nhất

Chỉ phát triển một đỉnh K tốt nhất

Phát triển nhiều đỉnh K nhưng không tốt nhất

$$O(k^d)$$

$$O(n^2)$$

$$O(b^d)$$

$$O(n^2)$$

Sử dụng hàng đợi.

Sử dụng ngăn xếp.

Sử dụng mảng nhiều chiều.

Sử dụng ma trận.

Khi phát triển một đỉnh u thì bước tiếp theo ta không chọn trong số các đỉnh con của u, đỉnh có hứa hẹn nhiều nhất để phát triển, đỉnh này được xác định bởi hàm đánh giá.

Khi phát triển một đỉnh u thì bước tiếp theo ta chọn trong số các đỉnh con của u, đỉnh có hứa hẹn nhiều nhất để phát triển, đỉnh này được xác định bởi hàm đánh giá.

Khi phát triển một đỉnh u thì bước tiếp theo ta chọn trong số các đỉnh con của u, đỉnh có hứa hẹn nhiều nhất để phát triển, đỉnh này không được xác định bởi hàm đánh giá.

Khi phát triển một đỉnh u thì bước tiếp theo ta không chọn trong số các đỉnh con của u, đỉnh có hứa hẹn nhiều nhất để phát triển, đỉnh này không được xác định bởi hàm đánh giá.

Quét qua toàn bộ nghiệm có thể có của bài toán.

Chỉ quét qua một nửa nghiệm có thể có của bài toán.

Không quét qua toàn bộ nghiệm có thể có của bài toán.

Quét qua toàn bộ nghiệm có thể không có của bài toán.

Một đỉnh con Ai giải được

Tất cả các đỉnh con Ai đều giải được

Một đỉnh con Ai có các đỉnh con mức thấp hơn giải được

Tất cả phương án đều sai

Tất cả các đỉnh con đều giải được

Chỉ cần 1 đỉnh con giải được

Chỉ cần 1 đỉnh con dạng AND giải được

Chỉ cần 1 đỉnh con dạng OR giải được

Một đường đi

Một đồ thị con lời giải

Một không gian trạng thái

Một đỉnh/ cung

phủ định (phủ định), and (hội), or (tuyển), ->(kéo theo), = (tương đương)

and (hội), or (tuyển), phủ định (phủ định), ->(kéo theo), = (tương đương)

->(kéo theo), = (tương đương), phủ định (phủ định), and (hội), or (tuyển)

phủ định (phủ định), and (hội), or (tuyển), = (tương đương), ->(kéo theo)

Gradient Descent, PCA, GANs

KNN, K-means, Cây quyết định, SVM

Genetic Algorithm, Monte Carlo, A*

DBMS, SQL, REST API

O(k)

O(d)

$$O(k^d)$$

O(d/k)

¬(p ∨ q) ≡ ¬p ∨ ¬q

¬(p ∧ q) ≡ ¬p ∨ ¬q

¬(p ∧ q) ≡ p ∨ q

¬(p ∨ q) ≡ p ∧ q

Nghiên cứu cảm xúc con người

Xây dựng hệ thống thông minh giải quyết vấn đề thực tế

Chỉ tạo ra mô hình lý thuyết

Thay thế sự sáng tạo của con người

Cây quyết định

Thuật toán K-means

Mạng nơ-ron nhân tạo

SVM

Queue

Stack

Heap

Danh sách kề

p ∧ q → p ∨ q

p → q

p ∧ ¬p

p ∨ q → p

Kiểm tra mô hình sau khi huấn luyện xong

Tối ưu hoá các tham số mô hình

Đo hiệu suất cuối cùng

Tăng kích thước tập huấn luyện

A. Tập tất cả các trạng thái

B. Tập tất cả các thông tin liên quan đến bài toán.

C. Tập các trạng thái đích

Chiêm tinh học

Lịch sử

Khoa học nhận thức

Thần thoại

Đưa về dạng chuẩn

Tách V ở GT

Tách ∧ ở KL

Giả sử KL sai → mâu thuẫn

Học không giám sát

Học có giám sát

Học tăng cường

Học bán giám sát

Tăng số lượng tham số

Xác định mô hình nào hoạt động tốt nhất trên dữ liệu chưa thấy

Tăng kích thước tập huấn luyện

Giảm số chiều dữ liệu

p → (q ∨ r)

p ∧ (¬q ∨ r)

p ↔ q

p → q ∨ r

Học có giám sát

Học không giám sát

Học nửa giám sát

Học có giám sát, nửa giám sát và không giám sát

q ∨ a

q ∧ b

¬q ∨ a

¬q ∧ a

A. p ∨ p

B. p ∧ p

C. p ∨ ¬p

D. p ∧ ¬p

Phần tử trung hòa

Triệt tử

Cả A và B đều đúng

Cả A và B đều sai

Triệt tử

Phần tử trung hòa

Cả A và B đều sai

Cả A và B đều đúng

Kỹ thuật tìm kiếm rộng là tìm kiếm trên tất cả các nút của một mức trong không gian bài toán trước khi chuyển sang các nút của mức tiếp theo.

Kỹ thuật tìm kiếm rộng là tìm kiếm từ nút gốc và lựa chọn nút hứa hẹn nhất để đi tiếp.

Kỹ thuật tìm kiếm rộng có độ phức tạp là O(k*d) với k là số đỉnh kề và d là độ sâu.

Kỹ thuật tìm kiếm rộng phù hợp với bài toán có không gian lớn.

Giúp máy tính có thể tự động hóa các hành vi thông minh như con người.

Tạo ra người máy

Lập trình thông minh cho các sản phẩm

Lập trình các trò chơi

Duyệt hết tất cả các đỉnh

Gặp nút kết thúc

Gặp nút con

Cả A và B đều đúng

Là biểu thức được xây dựng từ các biến mệnh đề và các phép toán ¬, ∧, ∨, →.

Là biểu thức được xây dựng từ các biến mệnh đề và các phép toán ¬, ∧, ∨, ≡.

Là biểu thức được xây dựng từ các biến mệnh đề và các phép toán ¬, ∧, ∨, →, ≡.

Là biểu thức được xây dựng từ các biến mệnh đề và các phép toán ¬, ∧, ∨.

Cho ra khối lượng lớn các thông tin từ một số thông tin ban đầu, nó sinh ra nhiều thông tin mới.

Suy diễn tiến là tiếp cận lý tưởng đối với các loại bài toán cần giải quyết các nhiệm vụ như lập kế hoạch, điều hành, điều khiển và diễn dịch.

Làm việc tốt khi bài toán có bản chất là đi thu thập thông tin rồi thấy điều cần suy diễn.

Tất cả các ưu điểm trên.