Các thành phần cốt lõi của một hệ thống AI là gì?

Hãy chọn phương án đúng nhất với khái niệm "Học máy":

Lời giải:

Đáp án đúng: A

Phương án A là đáp án đúng nhất vì nó bao quát định nghĩa cốt lõi của Học máy (Machine Learning): một nhánh của trí tuệ nhân tạo (AI) tập trung vào việc phát triển các thuật toán và mô hình cho phép hệ thống máy tính tự động học hỏi từ dữ liệu mà không cần được lập trình một cách rõ ràng. Các hệ thống này sử dụng dữ liệu để cải thiện hiệu suất của chúng trong một nhiệm vụ cụ thể nào đó.

Phương án B mô tả tự động hóa, một ứng dụng của máy tính nói chung, không đặc trưng cho học máy.

Phương án C đề cập đến phân tích dữ liệu, là một phần của quy trình học máy nhưng không phải là định nghĩa đầy đủ.

Phương án D nói về việc thay thế con người bằng máy móc, đây là một ứng dụng rộng hơn của tự động hóa và robot học, không chỉ riêng học máy.

Câu 5:

Tác dụng của tập Data Validation là:

Lời giải:

Đáp án đúng: A

Tập Data Validation (tập kiểm định) được sử dụng để đánh giá độ chính xác của mô hình trong quá trình huấn luyện và điều chỉnh các siêu tham số (hyperparameters). Mục tiêu là tìm ra cấu hình mô hình tốt nhất trước khi đánh giá cuối cùng trên tập kiểm tra (test set). Vì vậy, đáp án A là chính xác nhất vì nó bao gồm cả việc đánh giá độ chính xác và huấn luyện tham số để nâng cao độ chính xác của mô hình.

- Đáp án B chỉ đề cập đến việc đánh giá độ chính xác cuối cùng, không bao gồm vai trò quan trọng của tập validation trong quá trình điều chỉnh mô hình.
- Đáp án C chỉ đề cập đến việc tìm tham số và tạo mô hình, bỏ qua vai trò của tập validation trong việc đánh giá và cải thiện mô hình.
- Đáp án D bao gồm nhiều bước (tìm tham số, tạo mô hình, huấn luyện tham số) nhưng không chính xác bằng A vì vai trò chính của validation là đánh giá và lựa chọn mô hình tốt nhất dựa trên độ chính xác, chứ không phải để huấn luyện trực tiếp các tham số (quá trình huấn luyện tham số được thực hiện trên tập huấn luyện - training set).

Câu 6:

Chỉ số Precision cho chúng ta biết:

Lời giải:

Đáp án đúng: A

Chỉ số Precision đo lường độ chính xác của mô hình khi dự đoán các trường hợp dương tính. Nó được tính bằng tỷ lệ giữa số lượng trường hợp dương tính được dự đoán chính xác (True Positives) và tổng số trường hợp được dự đoán là dương tính (True Positives + False Positives). Nói cách khác, Precision cho biết trong số tất cả các trường hợp được dự đoán là dương tính, có bao nhiêu trường hợp thực sự là dương tính.

* Đáp án A đúng: Tỷ lệ y=1 dự đoán đúng với thực tế y=1 chia cho tổng số tất cả đoán y=1 (True Positives / (True Positives + False Positives)).

Câu 7:

Phân lớp (Classification) là:

Lời giải:

Đáp án đúng: A

Phân lớp (Classification) là quá trình gán nhãn hoặc phân loại các dữ liệu chưa được gán nhãn vào các lớp (class) đã được định nghĩa trước. Mục tiêu của phân lớp là xây dựng một mô hình dự đoán có thể dự đoán chính xác lớp của một đối tượng mới dựa trên các đặc trưng của nó. Các phương án B và C mô tả các khái niệm khác trong khai phá dữ liệu, cụ thể là phân cụm (clustering) và khai phá luật kết hợp (association rule mining) hoặc mô hình hóa (modeling).

Câu 8:

Nếu bạn đứng về phía doanh nghiệp để tham gia triển khai ứng dụng giải pháp AI cho quy trình nghiệp vụ, bạn đóng vai trò nào trong dự án Al đó?

Lời giải:

Đáp án đúng: D

Trong việc triển khai ứng dụng giải pháp AI cho quy trình nghiệp vụ, chuyên gia miền là người có kiến thức chuyên sâu về lĩnh vực kinh doanh cụ thể mà quy trình đó thuộc về. Họ hiểu rõ các yêu cầu, thách thức và cơ hội trong lĩnh vực đó, và có thể giúp đảm bảo rằng giải pháp AI được thiết kế và triển khai một cách hiệu quả để đáp ứng nhu cầu thực tế của doanh nghiệp.

Luật sư: Đảm bảo tuân thủ pháp lý, nhưng không trực tiếp tham gia vào triển khai kỹ thuật.

Kỹ sư dữ liệu: Xây dựng và duy trì cơ sở hạ tầng dữ liệu, nhưng có thể không có kiến thức sâu về nghiệp vụ.

Nhà khoa học dữ liệu: Phát triển mô hình AI, nhưng cần sự hướng dẫn của chuyên gia miền để đảm bảo mô hình phù hợp với thực tế.

Câu 9:

Chuyển đổi số là gì?

Lời giải: