100+ câu trắc nghiệm Học máy có đáp án - Phần 1

A. Ngành y tế

B. Ngành sản xuất

C. Ngành nông nghiệp

D. Ngành dịch vụ

A. Phần cứng

B. Phần mềm

C. Cả hai

D. Không phải là phần nào

A. Mô hình thống kê

B. Mô hình tuyến tính

C. Mạng neural

D. Mô hình logic

A. Lập trình máy tính để thực hiện các nhiệm vụ cụ thể

B. Huấn luyện máy tính để tự học từ dữ liệu

C. Tạo ra máy tính có trí tuệ nhân tạo

D. Tối ưu hóa các thuật toán máy học

A. Giảm kích thước dữ liệu

B. Tăng độ chính xác của mô hình

C. Tạo ra mô hình dự đoán

D. Mô phỏng cấu trúc não người

A. Mô hình không phù hợp với dữ liệu huấn luyện

B. Mô hình phù hợp tốt với dữ liệu huấn luyện nhưng không tổng quát hóa được cho dữ liệu mới

C. Mô hình không học được từ dữ liệu

D. Mô hình phù hợp tốt với dữ liệu huấn luyện và tổng quát hóa tốt cho dữ liệu mới

A. Sai số giữa dự đoán và giá trị thực tế

B. Sự phức tạp của mô hình

C. Tính tổng quát hóa của mô hình

D. Sự khác biệt giữa dữ liệu huấn luyện và dữ liệu kiểm tra

A. Kỹ thuật giảm overfitting bằng cách loại bỏ ngẫu nhiên một số lượng các neuron trong mạng neural trong quá trình huấn luyện

B. Kỹ thuật giảm kích thước của mạng neural

C. Kỹ thuật tăng khả năng học từ dữ liệu mới

D. Kỹ thuật tăng kích thước mạng neural

A. Hàm được sử dụng để biến đổi đầu vào của một neural network thành đầu ra

B. Hàm để tính toán gradient

C. Hàm để giảm overfitting

D. Hàm để tối ưu hóa trọng số của mạng neural

A. Quá trình học từ dữ liệu được gán nhãn

B. Quá trình học từ dữ liệu không được gán nhãn

C. Quá trình học từ phản hồi từ môi trường

D. Quá trình học từ dữ liệu thô

A. Dữ liệu không được gán nhãn

B. Dữ liệu được gán nhãn

C. Đặc điểm hoặc thuộc tính của dữ liệu

D. Dữ liệu đã được xử lý

A. Kỹ thuật tăng kích thước mô hình

B. Kỹ thuật giảm kích thước mô hình

C. Kỹ thuật kết hợp nhiều mô hình dự đoán để cải thiện hiệu suất

D. Kỹ thuật chia tập dữ liệu huấn luyện và kiểm tra

A. Kỹ thuật tăng kích thước mô hình

B. Kỹ thuật giảm kích thước mô hình

C. Kỹ thuật kết hợp nhiều mô hình dự đoán để cải thiện hiệu suất

D. Kỹ thuật chia tập dữ liệu huấn luyện và kiểm tra

A. Dự báo thời tiết

B. Dự đoán giá cổ phiếu

C. Tất cả các phương án trên

D. Không có câu trả lời nào đúng

A. Phân loại hình ảnh

B. Phân tích ngôn ngữ tự nhiên

C. Dự đoán chuỗi thời gian

D. Tất cả các phương án trên

A. Tỷ lệ giữa số lần dự đoán đúng và tổng số lần dự đoán

B. Tỷ lệ giữa số lần dự đoán đúng positive và tổng số positive dự đoán

C. Tỷ lệ giữa số lần dự đoán đúng negative và tổng số negative dự đoán

D. Số lần dự đoán đúng trên tổng số lần dự đoán

A. Tỷ lệ giữa số lần dự đoán đúng positive và tổng số positive thực sự

B. Tỷ lệ giữa số lần dự đoán đúng negative và tổng số negative thực sự

C. Số lần dự đoán đúng trên tổng số lần dự đoán

D. Tỷ lệ giữa số lần dự đoán đúng và tổng số lần dự đoán đúng và sai

A. Sự kết hợp giữa precision và recall

B. Tổng của precision và recall

C. Tích của precision và recall

D. Tính tổng của số lần dự đoán đúng và số lần dự đoán sai

A. Một loại thuật toán tối ưu hóa

B. Một phương pháp tính toán biểu diễn các tầng xử lý thông tin

C. Một loại hàm kích hoạt

D. Một phương pháp gom nhóm dữ liệu

A. Cải thiện độ chính xác của mô hình

B. Tối ưu hóa các tham số của mô hình dựa trên đạo hàm của hàm mất mát

C. Giảm thiểu overfitting trong mô hình

D. Phân tích đặc trưng của dữ liệu

A. Mô hình quá đơn giản và không thể đặc trưng hóa đủ dữ liệu

B. Mô hình phù hợp tốt với dữ liệu huấn luyện nhưng không tổng quát hóa được cho dữ liệu mới

C. Mô hình không học được từ dữ liệu

D. Mô hình phù hợp với dữ liệu huấn luyện và tổng quát hóa tốt cho dữ liệu mới

A. Dự đoán chuỗi thời gian

B. Phân loại hình ảnh

C. Phân tích ngôn ngữ tự nhiên

D. Tất cả các phương án trên

A. Quá trình chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

B. Quá trình xây dựng các mô hình dự đoán

C. Quá trình tinh chỉnh siêu tham số của mô hình

D. Quá trình đánh giá hiệu suất của mô hình

A. Chia tập dữ liệu thành tập huấn luyện và tập kiểm tra

B. Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra

C. Đánh giá hiệu suất của mô hình và tối ưu hóa siêu tham số

D. Đánh giá độ chính xác của mô hình trên tập dữ liệu huấn luyện

A. Overfitting

B. Underfitting

C. Gradient vanishing/exploding

D. Biến dạng dữ liệu

A. Việc kết hợp nhiều mô hình dự đoán để cải thiện hiệu suất

B. Sử dụng nhiều tập dữ liệu khác nhau

C. Tạo ra các mô hình phức tạp

D. Chọn lựa siêu tham số tốt nhất cho mô hình

A. Học có giám sát

B. Học không giám sát

C. Học củng cố

D. Học bán giám sát

A. Một loại thuật toán tối ưu hóa

B. Một loại mô hình học sâu

C. Một loại mô hình học có giám sát

D. Một phương pháp kết hợp nhiều cây quyết định