Từ "Naïve" trong thuật toán học máy Naïve Bayes có ý nghĩa là các thuộc tính của dữ liệu đầu vào ... 

Câu hỏi kiểm tra kiến thức về tập lồi, hàm lồi và tối ưu lồi. Ta sẽ phân tích từng đáp án:

* Đáp án a: Hàm y = ax + b là một hàm tuyến tính, và theo định nghĩa, nó vừa là hàm lồi vừa là hàm lõm. Do đó, phát biểu "Hàm y=ax+b không phải là một hàm lồi" là sai.

* Đáp án b: Giao của hai tập lồi luôn là một tập lồi. Đây là một tính chất cơ bản của tập lồi. Vì vậy, phát biểu "Giao giữa hai tập lồi chưa chắc là một tập lồi" là sai.

* Đáp án c: Nếu hàm mất mát của một thuật toán học máy là lồi, điều này có nghĩa là hàm số đó có dạng "bát úp" hoặc "bát ngửa" và không có cực tiểu cục bộ (local minimum) nào khác ngoài cực tiểu toàn cục (global minimum). Do đó, bất kỳ điểm tối ưu nào tìm được (thường là cực tiểu) đều là tối ưu toàn cục. Phát biểu này đúng.

* Đáp án d: Tính lồi của một hàm không chỉ phụ thuộc vào tập xác định của nó. Một hàm có thể lồi, lõm hoặc không lồi trên một tập xác định không lồi, tùy thuộc vào chính hàm đó. Phát biểu này sai.

Vậy đáp án đúng là c.

Câu hỏi mô tả một bài toán trong đó mục tiêu là ước tính một giá trị số thực dựa trên dữ liệu đã biết. Điều này hoàn toàn phù hợp với định nghĩa của bài toán hồi quy.

* Bài toán hồi quy: Dự đoán một giá trị liên tục (số thực) dựa trên các biến đầu vào.
* Bài toán phân lớp: Phân loại dữ liệu vào một trong các lớp (categories) đã được định nghĩa trước.
* Bài toán gom cụm: Nhóm các điểm dữ liệu tương tự lại với nhau thành các cụm (clusters) mà không cần nhãn.
* Bài toán máy dịch: Liên quan đến việc dịch một chuỗi văn bản từ ngôn ngữ này sang ngôn ngữ khác.

Như vậy, đáp án chính xác là bài toán hồi quy.

Bài toán dự đoán là bài toán sử dụng dữ liệu trong quá khứ để ước tính hoặc dự đoán các sự kiện hoặc kết quả trong tương lai.

* Phương án a: Ứng dụng quét ảnh và xác định ảnh có chứa thú cưng hay không là một bài toán phân loại (classification), không phải dự đoán.
* Phương án b: Dự đoán năng lực làm việc của ứng viên dựa trên CV là một bài toán dự đoán, vì ta sử dụng thông tin quá khứ (CV) để ước tính khả năng làm việc trong tương lai.
* Phương án d: Robot cần thực hiện hành động tốt nhất tiếp theo dựa trên thông tin hiện tại là một bài toán ra quyết định (decision making) hoặc điều khiển (control), không phải dự đoán.
* Phương án đ: Dự báo sự gián đoạn chuỗi cung ứng dựa trên thông tin thị trường là một bài toán dự đoán, sử dụng dữ liệu thị trường hiện tại và quá khứ để dự đoán các vấn đề gián đoạn trong tương lai.

Như vậy, phương án b và đ đều là bài toán dự đoán, tuy nhiên phương án c "Tất cả các nhiệm vụ được đề cập" là sai vì phương án a và d không phải bài toán dự đoán. Phương án b và đ đều đúng, nhưng không có phương án nào bao trùm cả hai. Vì vậy, ta phải chọn đáp án có ý nghĩa dự đoán gần nhất, đó là dự đoán năng lực làm việc của ứng viên dựa trên CV.

Câu hỏi đề cập đến tình trạng mô hình học máy không thể hiện tốt trên dữ liệu huấn luyện, tức là nó không nắm bắt được các mẫu cơ bản. Tình trạng này được gọi là "thiếu trang bị" (underfitting).

* Thiếu trang bị (Underfitting): Xảy ra khi mô hình quá đơn giản để nắm bắt được sự phức tạp của dữ liệu. Nó không thể hiện tốt trên cả dữ liệu huấn luyện và dữ liệu kiểm tra.
* Trang bị quá mức (Overfitting): Xảy ra khi mô hình quá phức tạp và học cả những nhiễu trong dữ liệu huấn luyện. Nó thể hiện tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu kiểm tra.

Vì vậy, đáp án đúng là "Thiếu trang bị".