NEW
Font size
WorksheetsQuiz về Học Tăng Cường
Total questions: 54
Worksheet time: 27mins
Học tăng cường là gì?
Học từ dữ liệu đã gắn nhãn.
Học thông qua tương tác với môi trường để tối đa hóa phần thưởng.
Học mà không cần bất kỳ phản hồi nào.
Học từ các tập dữ liệu lớn không nhãn.
Thành phần nào sau đây KHÔNG phải là một phần của hệ thống học tăng cường?
Agent (Tác nhân).
Environment (Môi trường).
Classifier (Bộ phân loại).
Reward (Phần thưởng).
Trong học tăng cường, “chính sách” (policy) là gì?
Quy tắc chọn hành động tại mỗi trạng thái.
Cách tính phần thưởng.
Cách đo lường độ chính xác của mô hình.
Tập dữ liệu huấn luyện.
Phần thưởng trong RL có ý nghĩa gì?
Đánh giá chất lượng mô hình.
Số tiền mô hình kiếm được.
Phản hồi từ môi trường giúp tác nhân học cách tối ưu hành vi.
Số lượng dữ liệu mà mô hình cần học.
Thuật ngữ "hàm giá trị" (value function) thể hiện điều gì?
Tổng giá trị của tất cả hành động.
Giá trị kỳ vọng của phần thưởng nếu theo một chính sách.
Giá trị tối đa của trạng thái ban đầu.
Mức độ chính xác của mô hình.
Q-learning là một thuật toán học tăng cường:
Dựa trên mô hình.
Không dựa trên mô hình (model-free).
Dựa trên phần cụm.
Có giám sát.
Chiến lược "epsilon-greedy" trong RL được dùng để:
Cân bằng giữa khai thác (exploitation) và khám phá (exploration).
Tăng tốc độ học.
Giảm thiểu lỗi của mô hình.
Tối ưu hóa phần thưởng.
Mối quan hệ giữa agent và environment trong RL là:
Agent gửi phần thưởng, environment ra quyết định.
Environment huấn luyện agent.
Không có mối quan hệ nào.
Agent ra hành động, nhận trạng thái và phần thưởng từ environment.
Chọn phát biểu đúng về học tăng cường sâu (Deep RL):
Sử dụng mạng nơ-ron để học chính sách hoặc giá trị.
Không sử dụng bất kỳ mô hình học máy nào.
Không áp dụng được vào trò chơi hoặc robot.
Chỉ dùng trong thị giác máy tính.
Mạng nơ-ron nhân tạo (ANN) mô phỏng theo cấu trúc nào của con người?
Bộ xương.
Hệ thần kinh.
Hệ tuần hoàn.
Hệ tiêu hóa.
Thành phần cơ bản nhất của mạng nơ-ron là gì?
Tập dữ liệu.
Hàm mất mát.
Nơ-ron nhân tạo (perceptron).
Mạng hồi tiếp.
Lớp nào sau đây không thay đổi kích thước dữ liệu đầu ra?
Lớp ẩn (hidden layer).
Lớp đầu vào (input layer).
Lớp đầu ra (output layer).
Cả ba đều có thể thay đổi kích thước.
Hàm kích hoạt (activation function) có tác dụng gì trong ANN?
Tăng tốc độ tính toán.
Tạo ra tính phi tuyến.
Giảm số lượng nơ-ron.
Giảm độ phức tạp mô hình.
Hàm kích hoạt phổ biến nào sau đây thường dùng trong mạng sâu?
ReLU.
Sigmoid.
Tanh.
Cả ba đều đúng.
Quá trình "lan truyền ngược" (backpropagation) dùng để làm gì?
Cập nhật trọng số của mạng nơ-ron.
Giảm số lượng lớp.
Tăng tốc độ học.
Phân loại đầu ra.
Thành phần nào điều chỉnh mức độ học của mô hình?
Epoch.
Learning rate.
Batch size.
Activation function.
Overfitting xảy ra khi nào?
Mô hình học quá tốt dữ liệu huấn luyện nhưng kém dữ liệu mới.
Mô hình không thể học.
Mô hình học quá ít.
Mô hình dự đoán hoàn hảo mọi trường hợp.
Tập dữ liệu validation dùng để làm gì?
Huấn luyện mô hình.
Kiểm tra sau khi huấn luyện.
Điều chỉnh siêu tham số và đánh giá mô hình trong quá trình huấn luyện.
Không có tác dụng gì.
Nếu ANN có quá nhiều lớp và nơ-ron, có thể gặp vấn đề gì?
Underfitting.
Mô hình sẽ bị lỗi ngay lập tức.
Mô hình học nhanh hơn.
Dễ bị overfitting và tốn tài nguyên.
Học máy bán giám sát là gì?
Học từ dữ liệu hoàn toàn có nhãn.
Học từ dữ liệu hoàn toàn không có nhãn.
Học từ cả dữ liệu có nhãn và không nhãn.
Học bằng cách thử và sai.
Điều gì khiến học bán giám sát khác học có giám sát?
Không cần dữ liệu.
Cần ít dữ liệu có nhãn hơn.
Cần nhiều dữ liệu có nhãn hơn.
Không cần dữ liệu không nhãn.
Lợi ích chính của học bán giám sát là gì?
Không cần tính toán nhiều.
Không cần dữ liệu.
Tận dụng dữ liệu không nhãn để tăng hiệu suất mà không tốn nhiều chi phí gắn nhãn.
Dễ thực hiện hơn học không giám sát.
Dữ liệu không nhãn trong học bán giám sát có vai trò:
Vô dụng, chỉ để lưu trữ.
Làm tăng sai số.
Để thay thế dữ liệu có nhãn.
Giúp cải thiện mô hình bằng cách học cấu trúc phân bố.
Học bán giám sát thường được sử dụng trong lĩnh vực nào?
Nhận dạng hình ảnh, nhận dạng giọng nói.
Giải phương trình.
Tính diện tích hình học.
Xử lý số học trong bảng tính.
Kỹ thuật nào sau đây phổ biến trong học bán giám sát?
Self-training.
Gradient boosting.
Backpropagation.
Stochastic descent.
Trong học bán giám sát, mô hình ban đầu được huấn luyện trên dữ liệu nào?
Dữ liệu không nhãn.
Cả 2 loại cùng lúc.
Dữ liệu có nhãn.
Dữ liệu kiểm tra.
Self-training là kỹ thuật như thế nào?
Sử dụng mô hình học từ dữ liệu không nhãn.
Gắn nhãn giả cho dữ liệu không nhãn bằng chính mô hình hiện tại.
Không cần mô hình ban đầu.
Học bằng cách lặp lại dữ liệu.
Co-training trong học bán giám sát hoạt động thế nào?
Hai mô hình học song song, mỗi mô hình học từ một phần đặc trưng khác nhau.
Một mô hình học cả có nhãn và không nhãn cùng lúc.
Mô hình không sử dụng bất kỳ dữ liệu có nhãn nào.
Mô hình chỉnh học và truyền kiến thức cho mô hình phụ.
Điều kiện giúp học bán giám sát hoạt động hiệu quả nhất là:
Dữ liệu không nhãn giống hoàn toàn dữ liệu có nhãn.
Dữ liệu không nhãn có cấu trúc tương tự và hỗ trợ phân tách tốt các lớp.
Không cần quan tâm đến phân bố dữ liệu.
Sử dụng càng nhiều mô hình càng tốt.
Khái niệm "Trí tuệ nhân tạo" (Artificial Intelligence) lần đầu tiên được đề xuất tại hội nghị nào?
Hội nghị Dartmouth năm 1956
Hội nghị Turing năm 1950
Hội nghị Loebner năm 1990
Hội nghị Asilomar năm 1974
Ai được coi là người đặt nền móng cho lĩnh vực Trí tuệ nhân tạo và đưa ra thuật ngữ "Trí tuệ nhân tạo"?
Alan Turing
John McCarthy
Marvin Minsky
Allen Newell
Mục tiêu chính của AI là gì?
Tạo ra các hệ thống máy tính có khả năng làm mọi thứ nhanh hơn con người.
Tạo ra các hệ thống máy tính có khả năng thực hiện các công việc trí tuệ của con người.
Tạo ra các hệ thống máy tính có thể thay thế hoàn toàn con người.
Tạo ra các hệ thống máy tính có thể chơi các trò chơi điện tử giỏi hơn con người.
Lĩnh vực nào sau đây không phải là một nhánh của AI?
Học máy (Machine Learning)
Thị giác máy tính (Computer Vision)
Xử lý ngôn ngữ tự nhiên (Natural Language Processing)
Lập trình web (Web Development)
Điều nào sau đây có thể cải thiện hiệu suất của một tác nhân AI?
Nhận thức
Học tập
Quan sát
Tất cả các phương án trên
Mùa đông AI (AI winter) là thuật ngữ chỉ giai đoạn nào trong lịch sử AI?
Giai đoạn phát triển mạnh mẽ và đạt được nhiều thành tựu đáng kể
Giai đoạn suy giảm sự quan tâm và tài trợ cho nghiên cứu AI do những kỳ vọng không thực tế
Giai đoạn bùng nổ các ứng dụng AI trong đời sống
Giai đoạn tập trung nghiên cứu các thuật toán học máy
Các thành phần cốt lõi của một hệ thống AI là gì?
Dữ liệu, con người, phần cứng, phần mềm
Dữ liệu, con người, phần cứng
Dữ liệu, con người, phần mềm
Dữ liệu, con người, phần cứng, phần mềm, quy trình
Lý thuyết được áp dụng trong Trí tuệ nhân tạo nhiều nhất là:
Lý thuyết giải bài toán và suy diễn thông minh
Lý thuyết biểu diễn tri thức và hệ chuyên gia
Lý thuyết nhận dạng và xử lý tiếng nói
Lý thuyết tìm kiếm may rủi
Chương trình chơi cờ vua tự động được tạo ra bởi IBM, có tên là gì?
Deep Yellow
Deep Green
Deep Blue
Deem Black
IBM Watson (2006) là sản phẩm Trí tuệ nhân tạo sử dụng công nghệ nào sau đây là chính?
Văn bản (text)
Ngôn ngữ tự nhiên
Hình ảnh (Computer vision)
Robotic
Học máy là gì?
Là một tập con của trí tuệ nhân tạo, sử dụng neural networks để giải quyết các vấn đề phức tạp
Là một tập con của trí tuệ nhân tạo, sử dụng các thuật toán đơn giản để giải quyết vấn đề
Là một hệ thống tự động hóa các quy trình
Là một hệ thống xử lý dữ liệu lớn
Hạn chế của Machine Learning là gì?
Không có khả năng sử dụng các thuật toán để phân tích những thông tin có liên quan.
Không có khả năng xử lý dữ liệu với số chiều lớn.
Không được huấn luyện.
Không có khả năng đưa ra quyết định.
Các bước xây dựng mô hình học máy bao gồm những gì?
Thu thập dữ liệu, chuẩn bị dữ liệu, lựa chọn mô hình, huấn luyện mô hình, đánh giá mô hình, thay đổi tham số, áp dụng mô hình.
Thu thập dữ liệu, chuẩn bị dữ liệu, đánh giá mô hình, thay đổi tham số, áp dụng mô hình.
Thu thập dữ liệu, chuẩn bị dữ liệu, lựa chọn mô hình, huấn luyện mô hình, đánh giá mô hình.
Lựa chọn mô hình, huấn luyện mô hình, đánh giá mô hình, thay đổi tham số, áp dụng mô hình.
Mục đích chính của học máy là gì?
Lập trình máy tính để thực hiện các nhiệm vụ cụ thể.
Huấn luyện máy tính để tự học từ dữ liệu.
Tạo ra máy tính có trí tuệ nhân tạo.
Tối ưu hóa các thuật toán máy học.
Thuật ngữ “Neural network” trong học máy thường được sử dụng để chỉ điều gì?
Một loại thuật toán tối ưu hóa.
Một phương pháp tính toán biểu diễn các tầng xử lý thông tin.
Một loại hàm kích hoạt.
Một phương pháp gom nhóm dữ liệu.
Những bài toán nào sau đây thường dùng Học máy để giải quyết?
Tìm đường đi ngắn nhất.
Tìm giá trị nhỏ nhất của hàm số.
Dự báo thời tiết.
Tối ưu hóa thuật toán.
Mục tiêu chính của học máy là gì?
Cho phép máy tính học dữ liệu.
Để tự động hóa các tác vụ thủ công.
Để làm cho máy tính thông minh hơn.
Để tạo ra những cỗ máy có khả năng tự nhận thức.
Học máy có giám sát là gì?
Là thuật toán dự đoán một dữ liệu mới chưa được gán nhãn dựa trên tập dữ liệu huấn luyện.
Là học thuộc các mẫu dữ liệu, sử dụng một phép đo độ tương đồng để so sánh với dữ liệu đã học.
Là thuật toán dự đoán nhãn của một dữ liệu mới dựa trên tập dữ liệu huấn luyện chưa được gán nhãn.
Là thuật toán dự đoán một dữ liệu mới đã được gán nhãn dựa trên tập dữ liệu huấn luyện.
Học máy không giám sát là gì?
Là học thuộc các mẫu dữ liệu, sử dụng một phép đo độ tương đồng để so sánh với dữ liệu đã học.
Là thuật toán dự đoán nhãn của một dữ liệu mới dựa trên tập dữ liệu huấn luyện chưa được gán nhãn.
Là thuật toán dự đoán nhãn của một dữ liệu mới dựa trên tập dữ liệu huấn luyện đã được gán nhãn.
Là thuật toán dự đoán một dữ liệu mới đã được gán nhãn dựa trên tập dữ liệu huấn luyện.
Học máy có giám sát sử dụng cho các bài toán nào?
Bài toán phân lớp Classification.
Bài toán hồi quy Regression.
Bài toán tối ưu.
Bài toán phân lớp Classification và bài toán hồi quy Regression.
Các ứng dụng thực tiễn của Học máy có giám sát?
Lọc thư rác.
Phân loại các trang web.
Phát hiện tấn công mạng.
Tất cả các phương án trên.
Khi nào cần sử dụng Học máy không giám sát?
Khi cần phân loại dữ liệu thành các nhóm khác nhau.
Khi có nhãn cho tất cả dữ liệu.
Khi cần dự đoán nhãn cho dữ liệu mới.
Khi cần tối ưu hóa dữ liệu.
Mục tiêu chính của Học máy không giám sát là gì?
Phân loại dữ liệu dựa theo nhãn.
Phát hiện xu hướng và mẫu trong dữ liệu.
Nhận diện khuôn mặt.
Điều khiển xe tự lái.
Trong học giám sát, dữ liệu đầu vào và đầu ra được gọi là gì?
Dữ liệu tùy ý.
Dữ liệu phổ quát.
Dữ liệu chứng minh.
Dữ liệu được gán nhãn.
Học bán giám sát thường áp dụng khi nào?
Có nhiều dữ liệu có nhãn.
Mô hình không cần học từ dữ liệu.
Không thể lấy bất kỳ nhãn nào.
Dữ liệu có nhãn hiếm hoặc tốn kém để thu thập.
