BÀI 25: LÀM QUEN VỚI HỌC MÁY

1. NHẬN BIẾT (4 CÂU)

Câu 1: Học máy là lĩnh vực nào trong trí tuệ nhân tạo?

Trả lời:

Học máy là lĩnh vực của trí tuệ nhân tạo (AI) nghiên cứu và phát triển các thuật toán cho phép máy tính tự học từ dữ liệu.

Câu 2: Dữ liệu có nhãn là gì trong học máy?

Trả lời:

Dữ liệu có nhãn là dữ liệu đã được gán nhãn hoặc giá trị đích cụ thể, như hình ảnh được gán nhãn là "con ngựa" hoặc "không phải ngựa".

Câu 3: Học không giám sát là gì?

Trả lời:

Học không giám sát là phương pháp học máy sử dụng dữ liệu không có nhãn để mô hình hóa cấu trúc hoặc thông tin ẩn trong dữ liệu.

Câu 4: Một ví dụ về ứng dụng của học máy trong chẩn đoán bệnh là gì?

Trả lời:

Học máy phân tích dữ liệu sức khoẻ và xét nghiệm để xây dựng mô hình chẩn đoán và dự báo tình trạng sức khoẻ.

2. THÔNG HIỂU (4 CÂU)

Câu 1:Tại sao học máy có thể giúp máy tính tự học từ dữ liệu mà không cần lập trình chi tiết?

Trả lời:

Học máy sử dụng các thuật toán và mô hình để phân tích dữ liệu và tìm ra các mẫu và quy luật, từ đó giúp máy tính tự động học và cải thiện khả năng dự đoán hoặc quyết định mà không cần phải lập trình chi tiết cho từng bước.

Câu 2:Mô hình học có giám sát sử dụng dữ liệu như thế nào?

Trả lời:

Mô hình học có giám sát sử dụng dữ liệu có nhãn để huấn luyện mô hình, giúp mô hình học mối quan hệ giữa đầu vào và đầu ra để dự đoán nhãn cho dữ liệu mới.

Câu 3: Học không giám sát có thể thực hiện các nhiệm vụ nào?

Trả lời:

Học không giám sát có thể thực hiện các nhiệm vụ như phân chia dữ liệu thành các nhóm, xác định phân khúc khách hàng, phát hiện bất thường và xác định chủ đề trong dữ liệu.

Câu 4: Học máy có vai trò gì trong việc nhận dạng tiếng nói?

Trả lời:

Học máy xây dựng mô hình âm thanh để nhận dạng và phân biệt âm thanh của các đơn vị tiếng, cải thiện khả năng nhận diện tiếng nói của người dùng khác nhau.

3. VẬN DỤNG (3 CÂU)

Câu 1: Nếu bạn đang thiết kế một hệ thống lọc thư rác sử dụng học máy, bạn sẽ sử dụng phương pháp học nào và tại sao?

Trả lời:

Tôi sẽ sử dụng phương pháp học có giám sát, vì hệ thống lọc thư rác cần học từ dữ liệu có nhãn (thư rác và thư không phải thư rác) để phân loại thư điện tử chính xác.

Câu 2: Trong một hệ thống phân tích dữ liệu thị trường, học máy có thể giúp gì?

Trả lời:

Học máy có thể giúp phân tích dữ liệu thị trường để xác định xu hướng, dự báo biến động giá cả và hỗ trợ chiến lược kinh doanh, giúp nhà đầu tư ra quyết định dựa trên dữ liệu và phân tích kỹ thuật.

Câu 3: Bạn sẽ áp dụng học không giám sát như thế nào để cải thiện trải nghiệm người dùng trong một ứng dụng thương mại điện tử?

Trả lời:

Tôi sẽ sử dụng học không giám sát để phân nhóm khách hàng dựa trên lịch sử mua hàng của họ, từ đó cung cấp các khuyến nghị sản phẩm cá nhân hóa, giúp cải thiện trải nghiệm người dùng.

4. VẬN DỤNG CAO (2 CÂU)

Câu 1: Bạn đang phát triển một hệ thống chẩn đoán bệnh sử dụng học máy. Làm thế nào để đảm bảo mô hình của bạn có thể học từ dữ liệu y tế có nhãn và không có nhãn?

Trả lời:

Tôi sẽ kết hợp cả học có giám sát và học không giám sát. Sử dụng học có giám sát để huấn luyện mô hình với dữ liệu có nhãn (các chẩn đoán y tế đã xác định), và sử dụng học không giám sát để phát hiện các mẫu hoặc bất thường trong dữ liệu y tế không có nhãn.

Câu 2: Trong việc ứng dụng học máy để dịch tự động, bạn sẽ giải thích cách mô hình có thể cải thiện theo thời gian khi tiếp nhận thêm dữ liệu mới?

Trả lời:

Mô hình học máy có thể cải thiện theo thời gian bằng cách học từ các bản dịch mới và chỉnh sửa mô hình dựa trên dữ liệu dịch tự động được cập nhật, giúp tăng độ chính xác và khả năng dịch thuật giữa các ngôn ngữ.