Đề 11 – Bài tập, đề thi trắc nghiệm online Học máy

1. Kỹ thuật `tinh chỉnh siêu tham số` (hyperparameter tuning) nhằm mục đích gì?

A. Cải thiện chất lượng dữ liệu huấn luyện

B. Chọn các giá trị siêu tham số tối ưu cho mô hình

C. Giảm số lượng đặc trưng đầu vào

D. Tăng tốc độ huấn luyện mô hình

2. Phương pháp đánh giá mô hình nào chia dữ liệu thành k phần, huấn luyện và kiểm tra mô hình k lần, mỗi lần sử dụng một phần khác nhau làm tập kiểm tra?

A. Kiểm tra chéo (Cross-validation)

B. Chia tập dữ liệu huấn luyện - kiểm tra (Train-test split)

C. Đánh giá trên tập huấn luyện

D. Đánh giá ngẫu nhiên

3. Loại học máy nào chủ yếu làm việc với dữ liệu đã được gán nhãn để dự đoán hoặc phân loại?

A. Học không giám sát

B. Học tăng cường

C. Học bán giám sát

D. Học có giám sát

4. Mạng nơ-ron tích chập (Convolutional Neural Network - CNN) đặc biệt hiệu quả trong lĩnh vực nào?

A. Xử lý ngôn ngữ tự nhiên

B. Dự báo chuỗi thời gian

C. Thị giác máy tính (Computer Vision)

D. Học tăng cường

5. Trong ngữ cảnh của thuật toán Gradient Descent, `tốc độ học′ (learning rate) là gì?

A. Tốc độ xử lý dữ liệu huấn luyện

B. Kích thước của mỗi bước nhảy trong không gian tham số

C. Số lượng vòng lặp huấn luyện

D. Độ chính xác của mô hình

6. Trong học máy, `mô hình hộp đen′ (black box model) có đặc điểm gì?

A. Dễ dàng giải thích cách đưa ra quyết định

B. Khó hoặc không thể hiểu được logic bên trong và cách đưa ra dự đoán

C. Luôn cho kết quả chính xác tuyệt đối

D. Chỉ hoạt động trên dữ liệu có cấu trúc

7. Khái niệm `học chuyển giao′ (transfer learning) trong học máy nghĩa là gì?

A. Chuyển dữ liệu từ định dạng này sang định dạng khác

B. Huấn luyện mô hình trên dữ liệu huấn luyện và sau đó `chuyển′ sang dữ liệu kiểm tra

C. Sử dụng kiến thức đã học được từ một bài toán để giải quyết một bài toán khác liên quan

D. Chuyển mô hình từ CPU sang GPU để tăng tốc độ huấn luyện

8. Trong thuật toán K-Means, `K′ đại diện cho điều gì?

A. Số lượng chiều dữ liệu

B. Số lượng cụm (clusters) mong muốn

C. Hằng số tốc độ học

D. Số lượng vòng lặp tối đa

9. Kỹ thuật nào thường được sử dụng trong học không giám sát để nhóm các điểm dữ liệu tương tự lại với nhau?

A. Hồi quy tuyến tính

B. Phân cụm (Clustering)

C. Phân loại (Classification)

D. Giảm chiều dữ liệu

10. Thuật toán nào sau đây thuộc loại `học tập dựa trên cây quyết định′?

A. K-Means

B. Naive Bayes

C. Random Forest

D. Hồi quy tuyến tính

11. Nguyên tắc `dao cạo Occam′ (Occam′s Razor) trong học máy thường được hiểu là gì?

A. Ưu tiên mô hình phức tạp nhất để đạt độ chính xác cao nhất

B. Ưu tiên mô hình đơn giản nhất có hiệu suất chấp nhận được

C. Ưu tiên mô hình có tốc độ huấn luyện nhanh nhất

D. Ưu tiên mô hình dễ diễn giải nhất

12. Thuật toán nào sau đây thường được sử dụng cho bài toán phân loại nhị phân (binary classification)?

A. K-Means

B. Hồi quy tuyến tính

C. Máy vectơ hỗ trợ (SVM)

D. Phân tích thành phần chính (PCA)

13. Phương pháp nào sau đây được sử dụng để xử lý dữ liệu bị thiếu (missing data)?

A. Chuẩn hóa dữ liệu

B. Điền giá trị thiếu (imputation)

C. Giảm chiều dữ liệu

D. Phân cụm dữ liệu

14. Hiện tượng `quá khớp′ (overfitting) trong học máy xảy ra khi nào?

A. Mô hình học quá kém trên dữ liệu huấn luyện và dữ liệu kiểm tra.

B. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu kiểm tra.

C. Mô hình không thể học được bất kỳ mẫu nào từ dữ liệu huấn luyện.

D. Mô hình học tốt trên cả dữ liệu huấn luyện và dữ liệu kiểm tra.

15. Độ đo nào sau đây KHÔNG phải là độ đo đánh giá hiệu suất mô hình phân loại?

A. Độ chính xác (Accuracy)

B. Độ thu hồi (Recall)

C. Giá trị trung bình bình phương sai (Mean Squared Error - MSE)

D. Độ đo F1 (F1-Score)

16. Ma trận nhầm lẫn (Confusion Matrix) thường được sử dụng để làm gì trong học máy?

A. Để trực quan hóa dữ liệu đầu vào

B. Để đánh giá hiệu suất của mô hình phân loại

C. Để lựa chọn đặc trưng tốt nhất cho mô hình

D. Để giảm chiều dữ liệu

17. Lợi ích chính của việc sử dụng `dữ liệu lớn′ (Big Data) trong học máy là gì?

A. Giảm độ phức tạp của mô hình

B. Cải thiện độ chính xác và khả năng tổng quát hóa của mô hình

C. Tăng tốc độ huấn luyện mô hình

D. Giảm chi phí tính toán

18. Trong học sâu (Deep Learning), `lan truyền ngược′ (backpropagation) là thuật toán để làm gì?

A. Dự đoán nhãn cho dữ liệu mới

B. Tính toán độ chính xác của mô hình

C. Cập nhật trọng số của mạng nơ-ron

D. Khởi tạo trọng số ban đầu của mạng

19. Trong học tăng cường, tác nhân (agent) học hỏi thông qua tương tác với môi trường và nhận được tín hiệu gì?

A. Nhãn dữ liệu

B. Phần thưởng (Reward) hoặc hình phạt (Penalty)

C. Dữ liệu đầu vào được gán nhãn

D. Thông tin về cấu trúc dữ liệu

20. Mục tiêu chính của việc `chuẩn hóa dữ liệu′ (data normalization) trong tiền xử lý dữ liệu học máy là gì?

A. Tăng kích thước tập dữ liệu

B. Giảm số lượng đặc trưng

C. Đưa các đặc trưng về cùng một thang đo

D. Xử lý dữ liệu bị thiếu

21. Trong ngữ cảnh của mạng nơ-ron, hàm kích hoạt (activation function) có vai trò gì?

A. Tính toán độ mất mát (loss)

B. Đưa tính phi tuyến vào mạng nơ-ron

C. Chuẩn hóa dữ liệu đầu vào

D. Tối ưu hóa trọng số của mạng

22. Mục đích của việc sử dụng `tập kiểm chứng′ (validation set) trong quá trình huấn luyện mô hình là gì?

A. Huấn luyện mô hình cuối cùng

B. Đánh giá hiệu suất mô hình trên dữ liệu chưa từng thấy

C. Tinh chỉnh siêu tham số và lựa chọn mô hình tốt nhất

D. Tăng kích thước dữ liệu huấn luyện

23. Lĩnh vực nào sau đây KHÔNG phải là ứng dụng phổ biến của học máy?

A. Nhận dạng hình ảnh

B. Dịch máy

C. Thiết kế chip điện tử thủ công

D. Hệ thống đề xuất sản phẩm

24. Phương pháp nào sau đây thường được sử dụng để giảm thiểu hiện tượng quá khớp?

A. Tăng kích thước dữ liệu huấn luyện

B. Giảm độ phức tạp của mô hình

C. Sử dụng kỹ thuật chính quy hóa (Regularization)

D. Tất cả các đáp án trên

25. Trong học máy, `kỹ thuật đặc trưng′ (feature engineering) bao gồm những công việc nào?

A. Chọn thuật toán học máy phù hợp nhất

B. Thiết kế và biến đổi các đặc trưng đầu vào để cải thiện hiệu suất mô hình

C. Tinh chỉnh siêu tham số của mô hình

D. Đánh giá hiệu suất mô hình

26. Đâu là định nghĩa chính xác nhất về Học máy?

A. Một lĩnh vực khoa học máy tính tập trung vào việc viết mã chương trình rõ ràng để thực hiện các tác vụ cụ thể.

B. Một lĩnh vực khoa học máy tính cho phép hệ thống máy tính học hỏi từ dữ liệu mà không cần được lập trình rõ ràng.

C. Một phương pháp thống kê để phân tích dữ liệu và rút ra kết luận về dân số.

D. Một công cụ phần mềm được sử dụng để tự động hóa các quy trình kinh doanh.

27. Độ lệch (Bias) và phương sai (Variance) trong học máy liên quan đến vấn đề gì?

A. Tốc độ huấn luyện mô hình

B. Khả năng tổng quát hóa của mô hình

C. Kích thước dữ liệu huấn luyện

D. Số lượng đặc trưng đầu vào

28. Mạng nơ-ron hồi quy (Recurrent Neural Network - RNN) thường được sử dụng cho loại dữ liệu nào?

A. Dữ liệu dạng bảng

B. Dữ liệu ảnh tĩnh

C. Dữ liệu chuỗi (ví dụ: văn bản, chuỗi thời gian)

D. Dữ liệu rời rạc

29. Phương pháp nào sau đây giúp giải quyết vấn đề `lời nguyền chiều dữ liệu′ (curse of dimensionality)?

A. Tăng kích thước dữ liệu huấn luyện

B. Giảm số lượng đặc trưng (feature selection∕reduction)

C. Sử dụng kỹ thuật chính quy hóa

D. Tất cả các đáp án trên

30. Phương pháp nào sau đây là một ví dụ của học không giám sát?

A. Cây quyết định (Decision Tree)

B. Máy vectơ hỗ trợ (Support Vector Machine - SVM)

C. Phân tích thành phần chính (Principal Component Analysis - PCA)

D. Hồi quy Logistic (Logistic Regression)