15+ Đề Trắc nghiệm Tin học 12 Cánh diều Bài 1: Giới thiệu về học máy

Câu 1: Học máy, một nhánh của Trí tuệ Nhân tạo (AI), tập trung chủ yếu vào khả năng nào của máy tính?

• A. Thực hiện các tác vụ theo lệnh một cách chính xác và nhanh chóng.
• B. Tự động học hỏi từ dữ liệu và cải thiện hiệu suất theo thời gian.
• C. Lưu trữ và truy xuất lượng lớn thông tin một cách hiệu quả.
• D. Giao tiếp với con người bằng ngôn ngữ tự nhiên một cách trôi chảy.

Câu 2: Trong các bước của quy trình học máy, giai đoạn nào đóng vai trò quyết định chất lượng dữ liệu đầu vào, ảnh hưởng trực tiếp đến hiệu suất của mô hình?

• A. Xây dựng mô hình
• B. Đánh giá mô hình
• C. Chuẩn bị dữ liệu
• D. Triển khai mô hình

Câu 3: Mô hình học máy được "huấn luyện" dựa trên yếu tố nào là chủ yếu?

• A. Dữ liệu huấn luyện
• B. Thuật toán lập trình
• C. Phần cứng máy tính
• D. Ý tưởng của nhà phát triển

Câu 4: Điểm khác biệt cốt lõi giữa học có giám sát (Supervised Learning) và học không giám sát (Unsupervised Learning) nằm ở đâu?

• A. Loại thuật toán học máy được sử dụng.
• B. Mục tiêu cuối cùng của bài toán.
• C. Số lượng dữ liệu cần thiết để huấn luyện.
• D. Sự hiện diện của "nhãn" (labels) trong dữ liệu huấn luyện.

Câu 5: Trong bài toán phân loại (Classification), mục tiêu chính của mô hình học máy là gì?

• A. Dự đoán một giá trị số liên tục.
• B. Gán một đối tượng vào một trong số các lớp (categories) đã định trước.
• C. Nhóm các đối tượng tương tự nhau thành cụm.
• D. Giảm số chiều của dữ liệu.

Câu 6: Bài toán phân cụm (Clustering) thường được áp dụng trong trường hợp nào?

• A. Khi cần dự đoán kết quả dựa trên dữ liệu lịch sử đã được gán nhãn.
• B. Khi muốn phân loại các đối tượng vào các nhóm đã biết trước.
• C. Khi muốn khám phá cấu trúc ẩn và nhóm các dữ liệu tương tự nhau mà không có nhãn.
• D. Khi cần giảm kích thước dữ liệu để xử lý nhanh hơn.

Câu 7: Ứng dụng nào sau đây thể hiện rõ nhất khả năng của học máy trong việc "nhận dạng mẫu" (pattern recognition)?

• A. Hệ thống phát hiện gian lận thẻ tín dụng dựa trên lịch sử giao dịch.
• B. Phần mềm soạn thảo văn bản tự động kiểm tra chính tả.
• C. Công cụ tìm kiếm trên internet sắp xếp kết quả theo mức độ liên quan.
• D. Ứng dụng bản đồ số dẫn đường dựa trên vị trí GPS.

Câu 8: Trong lĩnh vực y tế, học máy có thể hỗ trợ bác sĩ chẩn đoán bệnh bằng cách nào hiệu quả nhất?

• A. Tự động thực hiện phẫu thuật phức tạp.
• B. Thay thế hoàn toàn vai trò của bác sĩ trong việc đưa ra quyết định.
• C. Quản lý hồ sơ bệnh án điện tử một cách khoa học.
• D. Phân tích dữ liệu bệnh sử, triệu chứng và kết quả xét nghiệm để đưa ra dự đoán về bệnh.

Câu 9: Doanh nghiệp thương mại điện tử có thể sử dụng học máy để cá nhân hóa trải nghiệm mua sắm của khách hàng bằng cách nào?

• A. Tự động trả lời tin nhắn của khách hàng.
• B. Đề xuất sản phẩm phù hợp dựa trên lịch sử mua sắm và hành vi duyệt web của từng khách hàng.
• C. Tối ưu hóa quy trình thanh toán trực tuyến.
• D. Quản lý kho hàng và vận chuyển sản phẩm.

Câu 10: Để đánh giá hiệu suất của một mô hình học máy phân loại, người ta thường sử dụng thước đo nào sau đây?

• A. Thời gian huấn luyện mô hình.
• B. Dung lượng bộ nhớ mô hình chiếm dụng.
• C. Độ chính xác (Accuracy) trên tập dữ liệu kiểm thử.
• D. Số lượng tham số của mô hình.

Câu 11: Phát biểu nào sau đây mô tả đúng nhất về "dữ liệu huấn luyện" trong học máy?

• A. Dữ liệu được sử dụng để kiểm tra hiệu suất của mô hình sau khi huấn luyện.
• B. Dữ liệu được sử dụng để "dạy" mô hình cách nhận biết mẫu và đưa ra dự đoán.
• C. Dữ liệu ngẫu nhiên được tạo ra bởi máy tính để mô phỏng dữ liệu thực tế.
• D. Dữ liệu chứa các quy tắc và hướng dẫn lập trình cho mô hình.

Câu 12: Trong quy trình học máy, "feature engineering" (kỹ thuật trích chọn đặc trưng) đóng vai trò gì?

• A. Lựa chọn thuật toán học máy phù hợp nhất.
• B. Đánh giá độ chính xác của mô hình đã huấn luyện.
• C. Triển khai mô hình vào ứng dụng thực tế.
• D. Biến đổi dữ liệu thô thành các đặc trưng có ý nghĩa, giúp mô hình học hiệu quả hơn.

Câu 13: Tình huống nào sau đây thể hiện việc sử dụng học máy để giải quyết bài toán "hồi quy" (Regression)?

• A. Phân loại email vào hộp thư "spam" hoặc "không spam".
• B. Nhận dạng chữ viết tay thành văn bản.
• C. Dự đoán giá nhà dựa trên diện tích, vị trí và các yếu tố khác.
• D. Phân nhóm khách hàng thành các phân khúc dựa trên hành vi mua sắm.

Câu 14: "Overfitting" (quá khớp) là một vấn đề thường gặp trong học máy. Nó xảy ra khi nào?

• A. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém hiệu quả trên dữ liệu mới.
• B. Mô hình học quá kém, không nắm bắt được các mẫu trong dữ liệu huấn luyện.
• C. Dữ liệu huấn luyện chứa quá nhiều thông tin nhiễu.
• D. Thuật toán học máy được sử dụng không phù hợp.

Câu 15: Để giảm thiểu tình trạng "overfitting", một biện pháp phổ biến là gì?

• A. Tăng kích thước dữ liệu huấn luyện.
• B. Sử dụng kỹ thuật "regularization" (chính quy hóa) để đơn giản hóa mô hình.
• C. Tăng độ phức tạp của mô hình.
• D. Loại bỏ hoàn toàn dữ liệu nhiễu.

Câu 16: "Học tăng cường" (Reinforcement Learning) khác biệt so với học có giám sát và học không giám sát ở điểm nào?

• A. Sử dụng dữ liệu có nhãn để huấn luyện.
• B. Không sử dụng dữ liệu huấn luyện.
• C. Học thông qua tương tác với môi trường và nhận phần thưởng/hình phạt.
• D. Chỉ áp dụng cho bài toán phân loại.

Câu 17: Ứng dụng nào sau đây là một ví dụ điển hình của "học tăng cường"?

• A. Phân tích cảm xúc từ văn bản.
• B. Dự đoán xu hướng thị trường chứng khoán.
• C. Phân loại ảnh mèo và chó.
• D. Chơi game cờ vua hoặc cờ vây.

Câu 18: "Mạng nơ-ron nhân tạo" (Artificial Neural Networks) được lấy cảm hứng từ đâu?

• A. Cấu trúc và hoạt động của bộ não con người.
• B. Nguyên lý hoạt động của máy tính điện tử.
• C. Các quy luật thống kê trong tự nhiên.
• D. Lý thuyết thông tin và mã hóa.

Câu 19: "Học sâu" (Deep Learning) là một nhánh của học máy, nó đặc biệt hiệu quả trong việc xử lý loại dữ liệu nào?

• A. Dữ liệu dạng bảng có cấu trúc rõ ràng.
• B. Dữ liệu phi cấu trúc như hình ảnh, âm thanh và văn bản.
• C. Dữ liệu số liệu thống kê đơn giản.
• D. Dữ liệu thời gian có chu kỳ ngắn.

Câu 20: Đâu là thách thức lớn nhất khi triển khai các ứng dụng học máy trong thực tế?

• A. Sự phức tạp của thuật toán học máy.
• B. Chi phí đầu tư phần cứng cao.
• C. Thu thập và chuẩn bị dữ liệu chất lượng cao với số lượng đủ lớn.
• D. Thiếu nhân lực có kỹ năng lập trình.

Câu 21: Trong bối cảnh ứng dụng học máy ngày càng phổ biến, vấn đề đạo đức nào cần được quan tâm hàng đầu?

• A. Tốc độ xử lý dữ liệu của máy tính.
• B. Khả năng diễn giải kết quả của mô hình.
• C. Tính bảo mật của dữ liệu cá nhân.
• D. Sự thiên vị (bias) trong dữ liệu và thuật toán dẫn đến quyết định không công bằng.

Câu 22: Để mô hình học máy có thể "học" được, dữ liệu huấn luyện cần có đặc điểm gì?

• A. Phải được thu thập từ một nguồn duy nhất.
• B. Phải đa dạng, đại diện cho vấn đề cần giải quyết và ít nhiễu.
• C. Phải được mã hóa bằng ngôn ngữ lập trình bậc cao.
• D. Phải được cập nhật liên tục theo thời gian thực.

Câu 23: "Confusion matrix" (ma trận nhầm lẫn) là công cụ được sử dụng để làm gì trong học máy?

• A. Trực quan hóa cấu trúc của mạng nơ-ron.
• B. Phân tích độ phức tạp của thuật toán học máy.
• C. Đánh giá chi tiết hiệu suất của mô hình phân loại, đặc biệt là các loại lỗi.
• D. Lựa chọn đặc trưng phù hợp cho dữ liệu huấn luyện.

Câu 24: Trong lĩnh vực tài chính, học máy được ứng dụng để dự đoán rủi ro tín dụng bằng cách nào?

• A. Phân tích lịch sử tín dụng, hành vi giao dịch và các yếu tố kinh tế xã hội của khách hàng.
• B. Tự động thực hiện giao dịch chứng khoán.
• C. Quản lý danh mục đầu tư.
• D. Phát hiện gian lận trong giao dịch ngân hàng.

Câu 25: So sánh học có giám sát và học không giám sát, phát biểu nào sau đây là chính xác?

• A. Học có giám sát luôn cho kết quả chính xác hơn học không giám sát.
• B. Học không giám sát đòi hỏi nhiều dữ liệu huấn luyện hơn học có giám sát.
• C. Học có giám sát sử dụng dữ liệu có nhãn để dự đoán, trong khi học không giám sát tìm cấu trúc trong dữ liệu không nhãn.
• D. Cả hai loại hình học máy đều có thể giải quyết mọi bài toán một cách hiệu quả.

Câu 26: Cho tình huống: Một công ty muốn tự động phân loại đánh giá của khách hàng về sản phẩm (tích cực, tiêu cực, trung lập). Loại bài toán học máy nào phù hợp nhất?

• A. Hồi quy (Regression)
• B. Phân loại (Classification)
• C. Phân cụm (Clustering)
• D. Giảm chiều dữ liệu (Dimensionality Reduction)

Câu 27: Xét bài toán dự đoán nhiệt độ ngày mai dựa trên dữ liệu thời tiết lịch sử. Đây là ví dụ của bài toán học máy nào?

• A. Hồi quy (Regression)
• B. Phân loại (Classification)
• C. Phân cụm (Clustering)
• D. Học tăng cường (Reinforcement Learning)

Câu 28: Nếu dữ liệu huấn luyện cho bài toán phân loại chó và mèo chỉ chứa ảnh chó lông vàng và mèo lông đen, điều gì có thể xảy ra với mô hình khi gặp ảnh chó lông đen?

• A. Mô hình sẽ phân loại chính xác hơn vì dữ liệu huấn luyện đã được tinh chỉnh.
• B. Mô hình sẽ không bị ảnh hưởng vì thuật toán học máy có khả năng tổng quát hóa tốt.
• C. Mô hình có thể gặp khó khăn hoặc phân loại sai ảnh chó lông đen do thiếu dữ liệu tương tự trong huấn luyện.
• D. Mô hình sẽ tự động điều chỉnh để nhận diện chó lông đen sau một vài lần gặp lỗi.

Câu 29: Trong một dự án học máy, sau khi huấn luyện mô hình, bước tiếp theo quan trọng nhất là gì?

• A. Tối ưu hóa mã nguồn của thuật toán.
• B. Thu thập thêm dữ liệu huấn luyện.
• C. Triển khai mô hình trực tiếp vào ứng dụng.
• D. Đánh giá hiệu suất của mô hình trên dữ liệu kiểm thử để đảm bảo khả năng hoạt động tốt trong thực tế.

Câu 30: Giả sử bạn muốn xây dựng một hệ thống gợi ý phim cho người dùng dựa trên lịch sử xem phim của họ và những người dùng khác có sở thích tương tự. Kỹ thuật học máy nào có thể được áp dụng?

• A. Phân tích hồi quy tuyến tính.
• B. Hệ thống khuyến nghị (Recommender System) dựa trên học máy.
• C. Mô hình phân cụm K-means.
• D. Mạng nơ-ron tích chập (Convolutional Neural Network).

Câu 1: Phát biểu nào sau đây mô tả ĐÚNG NHẤT về vai trò cốt lõi của Học máy (Machine Learning) trong lĩnh vực Trí tuệ nhân tạo (AI)?

• A. Giúp máy tính thực hiện các phép tính toán phức tạp với tốc độ cao.
• B. Cho phép máy tính học hỏi từ dữ liệu để tự động nhận diện mẫu, đưa ra dự đoán hoặc quyết định mà không cần lập trình tường minh cho mọi trường hợp.
• C. Tạo ra các giao diện người dùng đồ họa (GUI) thân thiện và dễ sử dụng hơn cho các phần mềm.
• D. Chỉ tập trung vào việc lưu trữ và quản lý lượng lớn dữ liệu một cách hiệu quả.

Câu 2: Một công ty thương mại điện tử muốn dự đoán xem một khách hàng có tiềm năng mua lại sản phẩm trong 30 ngày tới hay không, dựa trên lịch sử mua sắm và hành vi duyệt web của họ. Đây là ví dụ về bài toán học máy thuộc loại nào?

• A. Học có giám sát (Supervised Learning)
• B. Học không giám sát (Unsupervised Learning)
• C. Học tăng cường (Reinforcement Learning)
• D. Học sâu (Deep Learning)

Câu 3: Trong quy trình phát triển một mô hình học máy, bước nào sau đây thường liên quan đến việc làm sạch dữ liệu, xử lý các giá trị thiếu hoặc không chính xác, và chuyển đổi dữ liệu sang định dạng phù hợp cho thuật toán?

• A. Thu thập dữ liệu
• B. Xây dựng mô hình
• C. Chuẩn bị dữ liệu
• D. Đánh giá mô hình

Câu 4: Điểm khác biệt cơ bản giữa bài toán Phân loại (Classification) và bài toán Hồi quy (Regression) trong học có giám sát là gì?

• A. Phân loại dùng dữ liệu có nhãn, còn Hồi quy dùng dữ liệu không nhãn.
• B. Phân loại dự đoán một giá trị liên tục, còn Hồi quy dự đoán một lớp (category).
• C. Phân loại thuộc học không giám sát, còn Hồi quy thuộc học có giám sát.
• D. Phân loại dự đoán một lớp rời rạc (ví dụ: Có/Không, loại A/B/C), còn Hồi quy dự đoán một giá trị liên tục (ví dụ: giá nhà, nhiệt độ).

Câu 5: Một nhà khoa học dữ liệu đang làm việc trên một tập dữ liệu về các giao dịch ngân hàng và muốn tìm ra các nhóm giao dịch bất thường có thể là dấu hiệu của gian lận. Tập dữ liệu này không có nhãn "gian lận" hay "không gian lận" được gán trước. Bài toán này phù hợp nhất với loại học máy nào?

• A. Học có giám sát (Supervised Learning)
• B. Học không giám sát (Unsupervised Learning)
• C. Học tăng cường (Reinforcement Learning)
• D. Học bán giám sát (Semi-supervised Learning)

Câu 6: Trong bài toán Phân cụm (Clustering), mục tiêu chính của thuật toán học máy là gì?

• A. Dự đoán một giá trị số dựa trên các thuộc tính đầu vào.
• B. Gán nhãn cho từng mẫu dữ liệu dựa trên các lớp đã biết trước.
• C. Nhóm các mẫu dữ liệu lại với nhau dựa trên sự tương đồng về các thuộc tính của chúng mà không cần nhãn.
• D. Tìm ra quy tắc hoặc mối quan hệ giữa các thuộc tính trong dữ liệu có nhãn.

Câu 7: Mô hình học máy sau khi được huấn luyện cần được đánh giá. Mục đích chính của bước đánh giá mô hình là gì?

• A. Kiểm tra hiệu suất của mô hình trên dữ liệu mới (chưa từng thấy trong quá trình huấn luyện) để biết nó có khả năng tổng quát hóa tốt hay không.
• B. Thay đổi các tham số của thuật toán học máy để cải thiện quá trình huấn luyện ban đầu.
• C. Thu thập thêm dữ liệu để bổ sung vào tập huấn luyện.
• D. Triển khai mô hình trực tiếp vào môi trường sản phẩm để người dùng cuối sử dụng.

Câu 8: Một ứng dụng nhận dạng giọng nói trên điện thoại di động cho phép người dùng ra lệnh bằng lời nói để thực hiện các chức năng (ví dụ: "Gọi cho mẹ", "Mở ứng dụng thời tiết"). Ứng dụng này là một ví dụ điển hình của ứng dụng học máy trong lĩnh vực nào?

• A. Phân tích dữ liệu
• B. Nhận dạng và xử lý tiếng nói
• C. Phân tích thị trường
• D. Hệ thống đề xuất

Câu 9: Khi xây dựng mô hình học máy để dự đoán kết quả thi tốt nghiệp của học sinh dựa trên điểm các bài kiểm tra thường xuyên, điểm thi giữa kỳ và thái độ học tập, chúng ta đang giải quyết bài toán thuộc loại nào?

• A. Học có giám sát (Supervised Learning) - cụ thể là Hồi quy hoặc Phân loại tùy thuộc vào định dạng kết quả dự đoán (điểm số liên tục hay đậu/rớt).
• B. Học không giám sát (Unsupervised Learning) - vì không có nhãn "kết quả thi" từ trước.
• C. Học tăng cường (Reinforcement Learning) - vì mô hình học thông qua tương tác với môi trường và nhận thưởng/phạt.
• D. Đây không phải là bài toán học máy.

Câu 10: Tại sao bước Chuẩn bị dữ liệu (Data Preparation) lại được xem là rất quan trọng và thường tốn nhiều thời gian nhất trong quy trình học máy?

• A. Vì đây là bước duy nhất cần sự can thiệp của con người.
• B. Vì dữ liệu sau khi chuẩn bị không cần đánh giá lại.
• C. Vì bước này giúp mô hình tự động chọn thuật toán tốt nhất.
• D. Vì chất lượng của dữ liệu đầu vào ảnh hưởng trực tiếp và đáng kể đến hiệu suất và độ tin cậy của mô hình học máy được xây dựng sau này.

Câu 11: Một hệ thống phát hiện thư rác (spam email filter) là một ví dụ điển hình của bài toán học máy nào?

• A. Hồi quy (Regression)
• B. Phân loại (Classification)
• C. Phân cụm (Clustering)
• D. Phát hiện bất thường (Anomaly Detection)

Câu 12: Giả sử bạn có một tập dữ liệu gồm hàng nghìn bức ảnh về các loại động vật khác nhau (chó, mèo, chim, cá) nhưng không có nhãn nào cho biết bức ảnh đó là con vật gì. Bạn muốn sử dụng học máy để tự động nhóm các bức ảnh tương tự nhau lại. Đây là bài toán thuộc loại học máy và tác vụ nào?

• A. Học có giám sát, Phân loại
• B. Học có giám sát, Hồi quy
• C. Học không giám sát, Phân cụm
• D. Học không giám sát, Phân loại

Câu 13: Trong quy trình học máy, sau khi mô hình đã được xây dựng và đánh giá là đạt yêu cầu, bước tiếp theo thường là gì để mô hình có thể mang lại giá trị thực tế?

• A. Thu thập thêm dữ liệu huấn luyện.
• B. Bỏ qua bước đánh giá.
• C. Lặp lại bước chuẩn bị dữ liệu.
• D. Triển khai ứng dụng mô hình (Deployment).

Câu 14: Ứng dụng nào sau đây KHÔNG phải là ví dụ trực tiếp của bài toán Hồi quy (Regression)?

• A. Dự đoán giá nhà dựa trên diện tích, số phòng ngủ, vị trí.
• B. Dự đoán doanh thu bán hàng trong quý tới.
• C. Phân loại khách hàng thành các nhóm tuổi (ví dụ: dưới 18, 18-30, trên 30).
• D. Dự đoán nhiệt độ cao nhất của ngày mai.

Câu 15: Một trong những lợi ích chính của việc sử dụng học máy so với lập trình truyền thống cho các bài toán phức tạp là gì?

• A. Học máy có thể tự động tìm ra các quy tắc hoặc mẫu từ dữ liệu, đặc biệt hiệu quả với dữ liệu phức tạp hoặc có nhiều biến mà con người khó có thể xác định hết các quy tắc tường minh.
• B. Học máy luôn nhanh hơn và tiết kiệm tài nguyên máy tính hơn so với lập trình truyền thống.
• C. Học máy không cần dữ liệu đầu vào để hoạt động.
• D. Mô hình học máy sau khi huấn luyện không bao giờ cần cập nhật.

Câu 16: Xét một hệ thống đề xuất sản phẩm cho người dùng trên một trang web. Hệ thống này phân tích lịch sử mua sắm và xem sản phẩm của một người dùng, sau đó đề xuất các sản phẩm mà những người dùng có hành vi tương tự đã mua. Hệ thống này chủ yếu dựa vào loại học máy nào?

• A. Học có giám sát (Supervised Learning)
• B. Học không giám sát (Unsupervised Learning) - thường sử dụng phân cụm hoặc phân tích liên kết.
• C. Học tăng cường (Reinforcement Learning)
• D. Đây là một hệ thống dựa trên luật cố định, không phải học máy.

Câu 17: Khi huấn luyện một mô hình học máy có giám sát, điều gì là bắt buộc phải có trong tập dữ liệu huấn luyện?

• A. Chỉ cần các thuộc tính đầu vào (features).
• B. Mô tả chi tiết về thuật toán sẽ sử dụng.
• C. Kết quả đánh giá hiệu suất cuối cùng của mô hình.
• D. Các thuộc tính đầu vào (features) và nhãn (labels) tương ứng cho mỗi mẫu dữ liệu.

Câu 18: Một bác sĩ muốn sử dụng học máy để giúp phân tích ảnh chụp X-quang phổi nhằm phát hiện sớm các dấu hiệu của bệnh lao. Bác sĩ có một tập dữ liệu lớn gồm ảnh X-quang và kết quả chẩn đoán (có/không bị lao) được xác nhận bởi chuyên gia. Đây là bài toán học máy nào?

• A. Học có giám sát, Phân loại nhị phân (Binary Classification).
• B. Học không giám sát, Phân cụm.
• C. Học tăng cường, Dự đoán giá trị liên tục.
• D. Học có giám sát, Hồi quy.

Câu 19: Bước nào trong quy trình học máy giúp chúng ta biết được mô hình đã xây dựng hoạt động tốt đến mức nào trên dữ liệu mới và liệu nó có bị "học thuộc lòng" (overfitting) dữ liệu huấn luyện hay không?

• A. Thu thập dữ liệu.
• B. Chuẩn bị dữ liệu.
• C. Đánh giá mô hình.
• D. Triển khai ứng dụng mô hình.

Câu 20: Phân tích cảm xúc của văn bản (Sentiment Analysis), ví dụ như xác định một bình luận trên mạng xã hội là tích cực, tiêu cực hay trung lập, là một ứng dụng phổ biến của bài toán học máy nào?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Phân cụm (Clustering)
• D. Phát hiện bất thường (Anomaly Detection)

Câu 21: Một nhà tiếp thị muốn phân khúc khách hàng của mình thành các nhóm khác nhau dựa trên hành vi mua sắm, nhân khẩu học, và sở thích để đưa ra các chiến dịch marketing cá nhân hóa. Anh ta không có sẵn các nhãn nhóm khách hàng từ trước. Bài toán này phù hợp nhất với loại học máy và tác vụ nào?

• A. Học có giám sát, Phân loại.
• B. Học có giám sát, Hồi quy.
• C. Học không giám sát, Phân cụm.
• D. Học tăng cường, Hệ thống đề xuất.

Câu 22: Khi xây dựng một mô hình học máy để dự đoán giá cổ phiếu vào cuối ngày dựa trên giá mở cửa, giá cao nhất, giá thấp nhất và khối lượng giao dịch trong ngày, đây là ví dụ về bài toán học máy nào?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Phân cụm (Clustering)
• D. Nhận dạng mẫu (Pattern Recognition)

Câu 23: Điểm khác biệt chính về dữ liệu đầu vào giữa Học có giám sát và Học không giám sát là gì?

• A. Học có giám sát yêu cầu dữ liệu có nhãn, còn Học không giám sát thì không.
• B. Học có giám sát chỉ sử dụng dữ liệu số, còn Học không giám sát sử dụng dữ liệu văn bản.
• C. Học có giám sát yêu cầu ít dữ liệu hơn Học không giám sát.
• D. Học có giám sát cần dữ liệu được thu thập từ một nguồn duy nhất.

Câu 24: Một nhà nghiên cứu đang phát triển một hệ thống tự động phân tích các bài báo khoa học để tìm ra các chủ đề chính và mối liên hệ giữa chúng mà không cần biết trước danh sách chủ đề. Đây là ứng dụng của loại học máy nào?

• A. Học có giám sát (Supervised Learning)
• B. Học không giám sát (Unsupervised Learning)
• C. Học tăng cường (Reinforcement Learning)
• D. Đây là xử lý ngôn ngữ tự nhiên, không liên quan đến học máy.

Câu 25: Bước nào trong quy trình học máy chịu trách nhiệm cho việc lựa chọn thuật toán phù hợp và điều chỉnh các tham số của thuật toán để mô hình có thể học từ dữ liệu huấn luyện?

• A. Thu thập dữ liệu.
• B. Xây dựng mô hình.
• C. Đánh giá mô hình.
• D. Chuẩn bị dữ liệu.

Câu 26: Trong bối cảnh học máy, thuật ngữ "nhãn" (label) trong dữ liệu huấn luyện có giám sát đề cập đến điều gì?

• A. Tên của thuộc tính đầu vào (feature).
• B. Tên của thuật toán học máy được sử dụng.
• C. Kết quả hoặc giá trị đầu ra mong muốn cho mỗi mẫu dữ liệu đầu vào.
• D. Mô tả về nguồn gốc của dữ liệu.

Câu 27: Một trong những thách thức lớn nhất khi áp dụng học máy trong thực tế là gì?

• A. Học máy quá dễ sử dụng và không cần chuyên môn.
• B. Học máy chỉ hoạt động với dữ liệu hoàn hảo, không có lỗi.
• C. Các mô hình học máy luôn đưa ra kết quả chính xác 100%.
• D. Việc thu thập, chuẩn bị và làm sạch dữ liệu chất lượng cao thường tốn kém và phức tạp.

Câu 28: Một ứng dụng di động cho phép người dùng chụp ảnh một loài thực vật và hệ thống sẽ cho biết đó là loại cây gì. Ứng dụng này sử dụng học máy, cụ thể là bài toán nào?

• A. Phân loại ảnh (Image Classification)
• B. Phát hiện đối tượng (Object Detection)
• C. Phân cụm ảnh (Image Clustering)
• D. Tổng hợp ảnh (Image Synthesis)

Câu 29: Khi một mô hình học máy có giám sát hoạt động rất tốt trên tập dữ liệu huấn luyện nhưng lại cho kết quả kém trên tập dữ liệu kiểm tra (chưa từng thấy), hiện tượng này được gọi là gì?

• A. Học dưới mức (Underfitting)
• B. Học đúng mức (Good fit)
• C. Học thuộc lòng / Quá khớp (Overfitting)
• D. Thiếu dữ liệu (Data Scarcity)

Câu 30: Vai trò của dữ liệu trong học máy được mô tả chính xác nhất như thế nào?

• A. Dữ liệu chỉ dùng để kiểm tra mô hình sau khi xây dựng.
• B. Dữ liệu chỉ là yếu tố phụ, thuật toán mới là quan trọng nhất.
• C. Dữ liệu chỉ cần có số lượng lớn, chất lượng không quan trọng.
• D. Dữ liệu là "nguyên liệu" thiết yếu để thuật toán học máy tìm ra các mẫu, quy tắc và xây dựng mô hình, quyết định lớn đến hiệu quả của mô hình.

Câu 1: Một công ty thương mại điện tử muốn xây dựng hệ thống tự động phân loại các đánh giá sản phẩm của khách hàng thành "Tích cực", "Tiêu cực", hoặc "Trung lập" để hiểu rõ hơn về phản hồi. Đây là ví dụ điển hình của bài toán học máy nào?

• A. Học không giám sát (Unsupervised Learning)
• B. Học có giám sát (Supervised Learning)
• C. Học tăng cường (Reinforcement Learning)
• D. Học nửa giám sát (Semi-supervised Learning)

Câu 2: Trong quy trình xây dựng một mô hình học máy, sau khi đã thu thập và chuẩn bị dữ liệu, bước tiếp theo quan trọng là gì?

• A. Triển khai ứng dụng mô hình
• B. Đánh giá hiệu suất mô hình
• C. Chọn thuật toán và huấn luyện mô hình
• D. Thu thập thêm dữ liệu mới

Câu 3: Điểm khác biệt cốt lõi giữa học có giám sát và học không giám sát nằm ở đặc điểm nào của dữ liệu huấn luyện?

• A. Học có giám sát sử dụng dữ liệu có nhãn, học không giám sát sử dụng dữ liệu không nhãn.
• B. Học có giám sát chỉ giải quyết bài toán phân loại, học không giám sát chỉ giải quyết bài toán phân cụm.
• C. Học có giám sát cần ít dữ liệu hơn học không giám sát.
• D. Học có giám sát yêu cầu sự can thiệp của con người trong quá trình huấn luyện, học không giám sát thì không.

Câu 4: Một ngân hàng muốn phân tích dữ liệu giao dịch của khách hàng để phát hiện các nhóm khách hàng có hành vi mua sắm tương đồng nhằm đưa ra các chiến lược tiếp thị phù hợp. Bài toán này phù hợp nhất với loại hình học máy nào?

• A. Học có giám sát (Supervised Learning) - Phân loại
• B. Học có giám sát (Supervised Learning) - Hồi quy
• C. Học tăng cường (Reinforcement Learning)
• D. Học không giám sát (Unsupervised Learning) - Phân cụm

Câu 5: Khi xây dựng mô hình dự đoán giá nhà dựa trên các yếu tố như diện tích, số phòng ngủ, vị trí, dữ liệu huấn luyện cần bao gồm thông tin gì để sử dụng phương pháp học có giám sát?

• A. Chỉ các đặc điểm của ngôi nhà (diện tích, số phòng...).
• B. Các đặc điểm của ngôi nhà VÀ giá bán thực tế tương ứng.
• C. Chỉ giá bán thực tế của các ngôi nhà.
• D. Thông tin về người mua và người bán.

Câu 6: Bước "Chuẩn bị dữ liệu" trong quy trình học máy bao gồm các công việc nào là chủ yếu?

• A. Thu thập dữ liệu từ các nguồn khác nhau.
• B. Chọn thuật toán học máy phù hợp.
• C. Làm sạch dữ liệu, xử lý dữ liệu bị thiếu, chuyển đổi định dạng.
• D. Đánh giá hiệu suất của mô hình đã xây dựng.

Câu 7: Một ứng dụng nhận dạng giọng nói yêu cầu người dùng nói một câu lệnh để điều khiển thiết bị thông minh. Để xây dựng mô hình cho ứng dụng này, loại bài toán học máy nào thường được sử dụng?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Phân cụm (Clustering)
• D. Phát hiện bất thường (Anomaly Detection)

Câu 8: Tại sao bước "Đánh giá mô hình" lại quan trọng trong quy trình học máy?

• A. Để thu thập thêm dữ liệu cho mô hình.
• B. Để xác định loại dữ liệu cần sử dụng.
• C. Để thay đổi thuật toán học máy.
• D. Để đo lường mức độ chính xác, độ tin cậy của mô hình trên dữ liệu mới.

Câu 9: Bài toán nào sau đây là ví dụ của bài toán hồi quy (Regression) trong học có giám sát?

• A. Xác định một email là thư rác hay không.
• B. Phân loại hình ảnh động vật.
• C. Dự đoán nhiệt độ của ngày mai.
• D. Nhóm các tài liệu văn bản theo chủ đề.

Câu 10: Một hệ thống đề xuất phim trên một nền tảng xem phim trực tuyến thường sử dụng dữ liệu về lịch sử xem phim của người dùng để gợi ý các bộ phim mới có thể họ thích. Đây là ứng dụng phổ biến của học máy trong lĩnh vực nào?

• A. Nhận dạng hình ảnh
• B. Hệ thống gợi ý (Recommendation System)
• C. Xử lý ngôn ngữ tự nhiên
• D. Phát hiện gian lận

Câu 11: Thuật toán học máy đóng vai trò gì trong việc xây dựng mô hình?

• A. Là tập hợp các chỉ dẫn để máy tính học từ dữ liệu và xây dựng mô hình.
• B. Là tập hợp dữ liệu được sử dụng để huấn luyện.
• C. Là kết quả cuối cùng của quá trình huấn luyện.
• D. Là giao diện người dùng của ứng dụng học máy.

Câu 12: Khi nào thì bài toán phân cụm (Clustering) thường được áp dụng?

• A. Khi cần dự đoán một giá trị số liên tục.
• B. Khi cần gán một đối tượng vào một trong các lớp đã biết.
• C. Khi cần huấn luyện một tác tử ra quyết định dựa trên phần thưởng.
• D. Khi cần khám phá cấu trúc ẩn hoặc nhóm các đối tượng tương tự trong dữ liệu không nhãn.

Câu 13: Một công ty bảo hiểm muốn sử dụng học máy để ước tính khả năng một khách hàng sẽ yêu cầu bồi thường trong năm tới dựa trên lịch sử yêu cầu bồi thường trước đó và các thông tin cá nhân. Đây là loại bài toán học máy nào?

• A. Phân cụm (Clustering)
• B. Phân loại (Classification)
• C. Hồi quy (Regression)
• D. Phát hiện bất thường (Anomaly Detection)

Câu 14: Tại sao việc thu thập đủ lượng dữ liệu chất lượng cao lại là bước đầu tiên và rất quan trọng trong quy trình học máy?

• A. Vì chất lượng và số lượng dữ liệu ảnh hưởng trực tiếp đến hiệu suất và độ tin cậy của mô hình.
• B. Vì dữ liệu chỉ cần thu thập một lần duy nhất cho mọi dự án.
• C. Vì dữ liệu luôn sẵn có và dễ dàng truy cập.
• D. Vì đây là bước duy nhất cần sự can thiệp của con người.

Câu 15: Phân tích cảm xúc (Sentiment Analysis) của các bình luận trên mạng xã hội (ví dụ: xác định bình luận là tích cực, tiêu cực hay trung lập) là một ứng dụng của học máy liên quan đến lĩnh vực nào?

• A. Thị giác máy tính (Computer Vision)
• B. Hệ thống gợi ý (Recommendation System)
• C. Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP)
• D. Nhận dạng tiếng nói (Speech Recognition)

Câu 16: Một nhà nghiên cứu đang cố gắng tìm ra các nhóm gen có biểu hiện tương tự nhau trong một tập dữ liệu sinh học khổng lồ mà chưa có nhãn. Bài toán này phù hợp nhất với phương pháp học máy nào?

• A. Học có giám sát - Phân loại
• B. Học có giám sát - Hồi quy
• C. Học tăng cường
• D. Học không giám sát - Phân cụm

Câu 17: Trong bài toán phân loại, đầu ra dự đoán của mô hình là gì?

• A. Một nhãn hoặc danh mục cụ thể (ví dụ: "mèo", "chó", "spam", "không spam").
• B. Một giá trị số liên tục (ví dụ: 10.5, 25.3).
• C. Một nhóm hoặc cụm (ví dụ: cụm 1, cụm 2).
• D. Một chuỗi hành động tối ưu.

Câu 18: Mô hình học máy được huấn luyện trên dữ liệu lịch sử có thể gặp vấn đề khi dữ liệu mới khác biệt đáng kể so với dữ liệu huấn luyện. Vấn đề này thường được gọi là gì?

• A. Quá khớp (Overfitting)
• B. Thiếu khớp (Underfitting)
• C. Trôi dữ liệu (Data Drift)
• D. Phân cụm (Clustering)

Câu 19: Ứng dụng nào sau đây KHÔNG phải là ví dụ trực tiếp của học máy?

• A. Hệ thống nhận diện khuôn mặt trên điện thoại.
• B. Chatbot trả lời câu hỏi khách hàng.
• C. Bộ lọc thư rác trong email.
• D. Chương trình máy tính thực hiện các phép tính cộng, trừ theo công thức cố định.

Câu 20: Trong bài toán học có giám sát, "nhãn" (label) của dữ liệu huấn luyện là gì?

• A. Các đặc điểm (features) mô tả đối tượng.
• B. Kết quả đầu ra mong muốn hoặc giá trị mục tiêu tương ứng với mỗi mẫu dữ liệu.
• C. Thuật toán được sử dụng để huấn luyện mô hình.
• D. Hiệu suất của mô hình sau khi huấn luyện.

Câu 21: Một hệ thống phân tích hình ảnh y tế được huấn luyện để xác định xem có khối u tiềm ẩn trong ảnh X-quang hay không. Đây là bài toán thuộc loại nào?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Phân cụm (Clustering)
• D. Phát hiện bất thường (Anomaly Detection)

Câu 22: Tại sao bước "Chuẩn bị dữ liệu" (Data Preparation) lại chiếm phần lớn thời gian và công sức trong một dự án học máy thực tế?

• A. Vì đây là bước dễ thực hiện nhất.
• B. Vì dữ liệu luôn sạch và có cấu trúc sẵn.
• C. Vì chỉ cần thu thập dữ liệu là đủ để huấn luyện.
• D. Vì dữ liệu thô thường không hoàn chỉnh, không nhất quán, chứa lỗi và cần được làm sạch, biến đổi để phù hợp với thuật toán.

Câu 23: So sánh với lập trình truyền thống, học máy có ưu điểm nổi bật nào khi giải quyết các bài toán phức tạp như nhận dạng hình ảnh?

• A. Yêu cầu ít dữ liệu hơn.
• B. Không cần lập trình tường minh cho mọi trường hợp cụ thể, máy tính tự học các mẫu từ dữ liệu.
• C. Luôn cho kết quả chính xác tuyệt đối.
• D. Quy trình phát triển nhanh hơn và đơn giản hơn.

Câu 24: Một nhà khoa học dữ liệu đang phân tích dữ liệu về các loại cây trồng và muốn nhóm chúng lại dựa trên các đặc điểm hóa học của đất và lá, mà không có thông tin về loại cây cụ thể. Phương pháp học máy nào phù hợp nhất?

• A. Học có giám sát - Phân loại
• B. Học có giám sát - Hồi quy
• C. Học không giám sát - Phân cụm
• D. Học tăng cường

Câu 25: Khi một mô hình học máy hoạt động rất tốt trên dữ liệu huấn luyện nhưng lại kém hiệu quả trên dữ liệu mới chưa từng thấy, mô hình đó có thể đang gặp phải vấn đề gì?

• A. Quá khớp (Overfitting)
• B. Thiếu khớp (Underfitting)
• C. Trôi dữ liệu (Data Drift)
• D. Phân cụm (Clustering)

Câu 26: Một công ty sản xuất muốn dự đoán số lượng sản phẩm sẽ bán ra trong tháng tới dựa trên dữ liệu bán hàng của các tháng trước, các chiến dịch quảng cáo và xu hướng thị trường. Đây là bài toán học máy nào?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Phân cụm (Clustering)
• D. Phát hiện bất thường (Anomaly Detection)

Câu 27: Ứng dụng nào dưới đây sử dụng học máy để phân tích và hiểu ý nghĩa của văn bản viết?

• A. Nhận dạng đối tượng trong ảnh.
• B. Dự đoán giá cổ phiếu.
• C. Phân nhóm khách hàng.
• D. Tóm tắt văn bản tự động.

Câu 28: Tại sao "dữ liệu" được coi là "trái tim" của học máy?

• A. Vì học máy học và cải thiện từ dữ liệu, dữ liệu chất lượng quyết định hiệu quả mô hình.
• B. Vì dữ liệu là kết quả cuối cùng của quá trình học máy.
• C. Vì dữ liệu chỉ đóng vai trò thứ yếu sau thuật toán.
• D. Vì dữ liệu chỉ cần thiết cho bước triển khai mô hình.

Câu 29: Phát biểu nào sau đây mô tả đúng nhất về mô hình học máy?

• A. Là tập hợp dữ liệu thô chưa qua xử lý.
• B. Là thuật toán được sử dụng để xử lý dữ liệu.
• C. Là kết quả của quá trình huấn luyện, biểu diễn mối quan hệ hoặc mẫu tìm thấy trong dữ liệu.
• D. Là giao diện người dùng để tương tác với ứng dụng học máy.

Câu 30: Một cửa hàng bán lẻ muốn sử dụng học máy để tự động nhận diện khách hàng VIP dựa trên tần suất mua hàng, giá trị đơn hàng trung bình, và mức độ tương tác. Loại bài toán này phù hợp nhất với phương pháp học máy nào?

• A. Học có giám sát - Phân loại (nếu có nhãn khách hàng VIP từ trước)
• B. Học không giám sát - Phân cụm (nếu muốn nhóm khách hàng dựa trên hành vi mà không có nhãn VIP cụ thể)
• C. Học tăng cường
• D. Cả A và B đều có thể phù hợp tùy thuộc vào dữ liệu và mục tiêu cụ thể

Câu 1: Học máy (Machine Learning) được định nghĩa là một nhánh của Trí tuệ nhân tạo (AI) cho phép máy tính có khả năng học hỏi từ dữ liệu mà không cần được lập trình tường minh cho từng tác vụ cụ thể. Đặc điểm cốt lõi nào sau đây làm nổi bật sự khác biệt của học máy so với lập trình truyền thống?

• A. Máy tính có thể tự sửa lỗi cú pháp trong mã nguồn.
• B. Máy tính thực hiện các lệnh theo trình tự được xác định trước bởi người lập trình.
• C. Máy tính chỉ xử lý dữ liệu đã được cấu trúc hoàn chỉnh và không có sai sót.
• D. Máy tính tự động tìm kiếm các mẫu, mối quan hệ trong dữ liệu để đưa ra dự đoán hoặc quyết định.

Câu 2: Trong quy trình phát triển một mô hình học máy, bước nào sau đây thường được thực hiện ngay sau khi dữ liệu thô đã được thu thập từ các nguồn khác nhau?

• A. Đánh giá hiệu suất của mô hình.
• B. Triển khai mô hình vào ứng dụng thực tế.
• C. Chuẩn bị và xử lý dữ liệu (làm sạch, biến đổi, trích chọn đặc trưng...).
• D. Xây dựng kiến trúc thuật toán học máy.

Câu 3: Một công ty thương mại điện tử muốn xây dựng hệ thống tự động dự đoán giá bán tối ưu cho một sản phẩm mới dựa trên dữ liệu lịch sử về giá, số lượng bán, các chương trình khuyến mãi và đánh giá của khách hàng cho các sản phẩm tương tự. Bài toán này thuộc loại hình học máy nào và nhiệm vụ cụ thể là gì?

• A. Học có giám sát, nhiệm vụ Hồi quy (Regression).
• B. Học không giám sát, nhiệm vụ Phân cụm (Clustering).
• C. Học có giám sát, nhiệm vụ Phân loại (Classification).
• D. Học không giám sát, nhiệm vụ Giảm chiều dữ liệu.

Câu 4: Một ngân hàng muốn phân tích hành vi giao dịch của khách hàng để nhóm họ thành các nhóm khác nhau (ví dụ: khách hàng chi tiêu nhiều, khách hàng tiết kiệm, khách hàng ít hoạt động...). Mục tiêu là để đưa ra các chiến lược marketing hoặc sản phẩm phù hợp cho từng nhóm mà không có sẵn thông tin về "nhóm" của mỗi khách hàng. Bài toán này thuộc loại hình học máy nào và nhiệm vụ cụ thể là gì?

• A. Học có giám sát, nhiệm vụ Hồi quy (Regression).
• B. Học có giám sát, nhiệm vụ Phân loại (Classification).
• C. Học tăng cường, nhiệm vụ Tối ưu hóa.
• D. Học không giám sát, nhiệm vụ Phân cụm (Clustering).

Câu 5: Đặc điểm phân biệt chính giữa dữ liệu huấn luyện (training data) trong học có giám sát và học không giám sát là gì?

• A. Dữ liệu trong học có giám sát luôn lớn hơn dữ liệu trong học không giám sát.
• B. Dữ liệu trong học có giám sát bao gồm các mẫu dữ liệu được gán nhãn đầu ra tương ứng, trong khi học không giám sát thì không.
• C. Dữ liệu trong học không giám sát luôn có cấu trúc phức tạp hơn dữ liệu trong học có giám sát.
• D. Dữ liệu trong học có giám sát chỉ chứa các thuộc tính đặc trưng, còn học không giám sát chứa cả thuộc tính và nhãn.

Câu 6: Trong bước "Chuẩn bị dữ liệu" của quy trình học máy, những công việc nào sau đây thường được thực hiện?

• A. Chọn thuật toán học máy phù hợp và cài đặt mô hình.
• B. So sánh kết quả dự đoán của mô hình với dữ liệu thực tế.
• C. Làm sạch dữ liệu (xử lý giá trị thiếu, nhiễu), biến đổi dữ liệu, và trích chọn/xây dựng đặc trưng.
• D. Xuất kết quả dự đoán của mô hình để người dùng sử dụng.

Câu 7: Nhiệm vụ Phân loại (Classification) trong học máy có giám sát nhằm mục đích gì?

• A. Gán một mẫu dữ liệu mới vào một trong các lớp (category) đã được xác định trước.
• B. Dự đoán một giá trị số liên tục dựa trên các thuộc tính đầu vào.
• C. Nhóm các mẫu dữ liệu tương tự nhau thành các cụm.
• D. Tìm ra mối quan hệ nhân quả giữa các thuộc tính trong dữ liệu.

Câu 8: Nhiệm vụ Hồi quy (Regression) trong học máy có giám sát nhằm mục đích gì?

• A. Xác định lớp mà một mẫu dữ liệu thuộc về.
• B. Dự đoán một giá trị số (ví dụ: giá nhà, nhiệt độ, doanh số) dựa trên các thuộc tính đầu vào.
• C. Tách dữ liệu thành các nhóm dựa trên sự tương đồng.
• D. Phát hiện các điểm dữ liệu bất thường (outliers).

Câu 9: Ứng dụng nào sau đây là một ví dụ điển hình của bài toán Phân loại (Classification)?

• A. Dự báo lượng mưa ngày mai.
• B. Ước tính thời gian di chuyển giữa hai địa điểm.
• C. Nhận diện khuôn mặt trong ảnh (phân loại ảnh đó thuộc về người nào).
• D. Phân nhóm các bài báo theo chủ đề.

Câu 10: Ứng dụng nào sau đây là một ví dụ điển hình của bài toán Hồi quy (Regression)?

• A. Dự đoán giá trị căn nhà dựa trên diện tích, vị trí và số phòng.
• B. Phân loại email thành "Quan trọng" và "Không quan trọng".
• C. Nhóm các loại trái cây khác nhau dựa trên đặc điểm hình dáng và màu sắc.
• D. Xác định xem một giao dịch có phải là gian lận hay không.

Câu 11: Ứng dụng nào sau đây là một ví dụ điển hình của bài toán Phân cụm (Clustering)?

• A. Dự đoán khả năng một học sinh đỗ đại học dựa trên điểm thi thử.
• B. Phân nhóm khách hàng thành các phân khúc thị trường dựa trên hành vi mua sắm.
• C. Dự báo doanh số bán hàng trong quý tới.
• D. Kiểm tra xem một bức ảnh có chứa mèo hay không.

Câu 12: Tại sao bước "Đánh giá mô hình" lại quan trọng trong quy trình học máy?

• A. Để thu thập thêm dữ liệu mới cho quá trình huấn luyện.
• B. Để tự động triển khai mô hình lên các thiết bị khác nhau.
• C. Để làm sạch và định dạng lại dữ liệu huấn luyện ban đầu.
• D. Để xác định mức độ chính xác và hiệu quả của mô hình trên dữ liệu chưa từng thấy, đảm bảo mô hình có thể tổng quát hóa tốt.

Câu 13: Một mô hình học máy được huấn luyện trên một tập dữ liệu rất nhỏ có thể gặp phải vấn đề gì nghiêm trọng?

• A. Quá khớp (Overfitting), khiến mô hình hoạt động kém trên dữ liệu mới.
• B. Thiếu khớp (Underfitting), khiến mô hình quá đơn giản để học được mối quan hệ trong dữ liệu.
• C. Tốc độ huấn luyện quá nhanh, dẫn đến kết quả không chính xác.
• D. Không thể thực hiện bước chuẩn bị dữ liệu.

Câu 14: Khi một mô hình học máy "quá khớp" (overfitting), điều đó có nghĩa là gì?

• A. Mô hình không đủ phức tạp để học được các mẫu trong dữ liệu.
• B. Mô hình học quá kỹ các chi tiết và nhiễu trong dữ liệu huấn luyện, dẫn đến hiệu suất kém trên dữ liệu mới.
• C. Mô hình hoạt động tốt trên cả dữ liệu huấn luyện và dữ liệu mới.
• D. Mô hình không thể xử lý được dữ liệu có kích thước lớn.

Câu 15: Nhận dạng tiếng nói (Speech Recognition) là một ứng dụng phổ biến của học máy. Nhiệm vụ cơ bản của nhận dạng tiếng nói là gì?

• A. Dự đoán cảm xúc của người nói dựa trên giọng điệu.
• B. Tổng hợp giọng nói nhân tạo từ văn bản.
• C. Phân loại người nói dựa trên đặc điểm giọng nói.
• D. Chuyển đổi tín hiệu âm thanh của tiếng nói thành văn bản.

Câu 16: Hệ thống gợi ý sản phẩm (Recommendation Systems) trên các trang web thương mại điện tử (như gợi ý phim trên Netflix, sản phẩm trên Shopee) thường sử dụng học máy để làm gì?

• A. Dự đoán sản phẩm hoặc nội dung mà người dùng có thể quan tâm dựa trên hành vi của họ và của những người dùng khác.
• B. Kiểm tra chất lượng hình ảnh của sản phẩm trước khi đăng lên.
• C. Tự động viết mô tả cho sản phẩm mới.
• D. Phân loại khách hàng thành các nhóm tuổi khác nhau.

Câu 17: Trong lĩnh vực y tế, học máy có thể được ứng dụng để hỗ trợ bác sĩ trong việc chẩn đoán bệnh. Đây thường là bài toán thuộc loại hình học máy nào và nhiệm vụ cụ thể là gì?

• A. Học không giám sát, nhiệm vụ Phân cụm.
• B. Học có giám sát, nhiệm vụ Phân loại (ví dụ: phân loại khối u là lành tính hay ác tính).
• C. Học tăng cường, nhiệm vụ Tối ưu hóa.
• D. Học không giám sát, nhiệm vụ Giảm chiều dữ liệu.

Câu 18: Việc tự động phát hiện thư rác (spam) trong hộp thư điện tử là một ứng dụng rất phổ biến của học máy. Đây là một ví dụ điển hình của bài toán nào?

• A. Hồi quy (Regression).
• B. Phân cụm (Clustering).
• C. Giảm chiều dữ liệu.
• D. Phân loại (Classification).

Câu 19: Khi một mô hình học máy hoạt động kém trên cả dữ liệu huấn luyện và dữ liệu mới, điều đó có thể chỉ ra vấn đề gì?

• A. Quá khớp (Overfitting).
• B. Thiếu khớp (Underfitting).
• C. Mô hình đã được triển khai thành công.
• D. Dữ liệu huấn luyện quá lớn.

Câu 20: Giả sử bạn có một tập dữ liệu về các giao dịch thẻ tín dụng, và bạn muốn tự động phát hiện các giao dịch có dấu hiệu gian lận mà không có sẵn nhãn "gian lận" hay "không gian lận" cho tất cả các giao dịch. Bạn có thể sử dụng học máy loại nào và nhiệm vụ nào để giải quyết bài toán này?

• A. Học có giám sát, nhiệm vụ Hồi quy.
• B. Học có giám sát, nhiệm vụ Phân loại.
• C. Học không giám sát, nhiệm vụ Phát hiện bất thường (Anomaly Detection) hoặc Phân cụm để tìm nhóm giao dịch bất thường.
• D. Học tăng cường, nhiệm vụ Tối ưu hóa.

Câu 21: Trong bước "Xây dựng mô hình" của quy trình học máy, công việc chính là gì?

• A. Lựa chọn thuật toán phù hợp và huấn luyện mô hình bằng dữ liệu đã chuẩn bị.
• B. Thu thập thêm dữ liệu từ các nguồn mới.
• C. Viết báo cáo về kết quả đánh giá mô hình.
• D. Thiết kế giao diện người dùng cho ứng dụng.

Câu 22: Một hệ thống nhận dạng ảnh có khả năng phân biệt giữa ảnh con chó và ảnh con mèo. Đây là một ứng dụng của học máy thuộc nhiệm vụ nào?

• A. Hồi quy (Regression).
• B. Phân cụm (Clustering).
• C. Phân loại (Classification).
• D. Giảm chiều dữ liệu.

Câu 23: Tại sao chất lượng của dữ liệu đầu vào lại có ảnh hưởng lớn đến hiệu suất của mô hình học máy?

• A. Vì dữ liệu chất lượng thấp giúp mô hình học nhanh hơn.
• B. Vì học máy không thể xử lý bất kỳ loại dữ liệu nào có sai sót.
• C. Vì dữ liệu chỉ đóng vai trò thứ yếu trong quá trình học.
• D. Vì mô hình học máy học từ các mẫu và mối quan hệ trong dữ liệu; dữ liệu không chính xác, thiếu sót hoặc nhiễu sẽ dẫn đến mô hình học sai hoặc kém hiệu quả.

Câu 24: Ứng dụng nào sau đây KHÔNG phải là một ví dụ điển hình của học máy?

• A. Lọc thư rác tự động trong email.
• B. Thực hiện phép tính cộng hai số nguyên theo công thức.
• C. Hệ thống gợi ý sản phẩm trên website bán hàng.
• D. Nhận dạng chữ viết tay để chuyển thành văn bản.

Câu 25: Trong học có giám sát, "nhãn" (label) của dữ liệu huấn luyện có vai trò gì?

• A. Cung cấp "đáp án" đúng cho mỗi mẫu dữ liệu, giúp mô hình học cách ánh xạ từ đầu vào đến đầu ra mong muốn.
• B. Giúp mô hình nhóm các mẫu dữ liệu tương tự lại với nhau.
• C. Là thông tin mà mô hình cần dự đoán trong quá trình huấn luyện (đối với học không giám sát).
• D. Giúp giảm số lượng thuộc tính (đặc trưng) của dữ liệu.

Câu 26: Giả sử bạn đang phát triển một ứng dụng giúp phân tích cảm xúc (tích cực, tiêu cực, trung lập) từ các bài đánh giá sản phẩm của khách hàng. Đây là bài toán thuộc loại hình học máy nào và nhiệm vụ cụ thể là gì?

• A. Học có giám sát, nhiệm vụ Phân loại.
• B. Học không giám sát, nhiệm vụ Phân cụm.
• C. Học có giám sát, nhiệm vụ Hồi quy.
• D. Học không giám sát, nhiệm vụ Giảm chiều dữ liệu.

Câu 27: Bước cuối cùng trong quy trình học máy sau khi mô hình đã được xây dựng và đánh giá là gì?

• A. Thu thập thêm dữ liệu mới.
• B. Bỏ qua mô hình và bắt đầu lại từ đầu.
• C. Chỉ sử dụng mô hình cho mục đích nghiên cứu.
• D. Triển khai mô hình vào ứng dụng hoặc hệ thống thực tế để giải quyết vấn đề ban đầu.

Câu 28: Trong học không giám sát, mục tiêu chính là gì?

• A. Dự đoán giá trị số liên tục cho dữ liệu mới.
• B. Tìm kiếm cấu trúc, mẫu ẩn hoặc mối quan hệ trong dữ liệu không có nhãn.
• C. Gán nhãn cho dữ liệu mới dựa trên dữ liệu huấn luyện có nhãn.
• D. Thực hiện hành động tối ưu để đạt được phần thưởng tối đa trong một môi trường.

Câu 29: Khi nói về "đặc trưng" (features) trong học máy, chúng ta đang nói về điều gì?

• A. Kết quả dự đoán của mô hình.
• B. Nhãn (label) của dữ liệu trong học có giám sát.
• C. Các thuộc tính hoặc đặc điểm có thể đo lường được của đối tượng hoặc hiện tượng mà mô hình sử dụng làm đầu vào để học hỏi.
• D. Thuật toán được sử dụng để xây dựng mô hình.

Câu 30: Một nhà nghiên cứu muốn phân tích một tập hợp lớn các tài liệu văn bản để tìm ra các chủ đề chính xuất hiện trong đó mà không có sẵn danh sách các chủ đề. Nhiệm vụ này phù hợp nhất với loại hình học máy nào và nhiệm vụ cụ thể là gì?

• A. Học có giám sát, nhiệm vụ Phân loại.
• B. Học có giám sát, nhiệm vụ Hồi quy.
• C. Học tăng cường, nhiệm vụ Tối ưu hóa.
• D. Học không giám sát, nhiệm vụ Phân cụm (hoặc Mô hình hóa chủ đề - Topic Modeling, một dạng của học không giám sát).

Câu 1: Điểm khác biệt cốt lõi nhất giữa lập trình truyền thống và học máy (Machine Learning) là gì?

• A. Lập trình truyền thống sử dụng ngôn ngữ bậc cao, còn học máy sử dụng ngôn ngữ bậc thấp.
• B. Lập trình truyền thống chỉ giải quyết được các bài toán đơn giản, còn học máy giải quyết được bài toán phức tạp.
• C. Lập trình truyền thống cần nhiều dữ liệu hơn học máy để hoạt động hiệu quả.
• D. Lập trình truyền thống giải quyết vấn đề bằng các quy tắc được lập trình rõ ràng, còn học máy giải quyết vấn đề bằng cách học từ dữ liệu.

Câu 2: Trong quy trình xây dựng mô hình học máy, bước nào sau đây thường được thực hiện sau khi dữ liệu đã được thu thập và làm sạch?

• A. Triển khai mô hình vào thực tế.
• B. Đánh giá hiệu suất của mô hình.
• C. Xây dựng (huấn luyện) mô hình học máy.
• D. Xác định bài toán cần giải quyết.

Câu 3: Một công ty thương mại điện tử muốn xây dựng hệ thống dự đoán doanh thu của từng sản phẩm trong tháng tới dựa trên dữ liệu bán hàng lịch sử, các chương trình khuyến mãi đã áp dụng và biến động giá. Đây là dạng bài toán học máy nào?

• A. Bài toán phân loại (Classification).
• B. Bài toán hồi quy (Regression).
• C. Bài toán phân cụm (Clustering).
• D. Bài toán giảm chiều dữ liệu (Dimensionality Reduction).

Câu 4: Một ngân hàng có dữ liệu về các giao dịch của khách hàng và muốn phát hiện các giao dịch có dấu hiệu bất thường, có thể là gian lận, mà không có sẵn nhãn "gian lận" hay "không gian lận" cho toàn bộ dữ liệu. Dạng bài toán học máy phù hợp nhất để giải quyết vấn đề này là gì?

• A. Học có giám sát (Supervised Learning) - Phân loại.
• B. Học có giám sát (Supervised Learning) - Hồi quy.
• C. Học không giám sát (Unsupervised Learning) - Phân cụm.
• D. Học không giám sát (Unsupervised Learning) - Phát hiện bất thường (Anomaly Detection).

Câu 5: Đặc điểm quan trọng nhất của dữ liệu được sử dụng trong học có giám sát (Supervised Learning) là gì?

• A. Mỗi mẫu dữ liệu đầu vào đều có nhãn (label) đầu ra tương ứng đã biết.
• B. Dữ liệu không cần làm sạch hoặc tiền xử lý.
• C. Dữ liệu phải có cấu trúc dạng bảng (tabular data).
• D. Chỉ bao gồm các thuộc tính đặc trưng (features) mà không có thông tin về kết quả.

Câu 6: Trong học không giám sát (Unsupervised Learning), mục tiêu chính của mô hình là gì?

• A. Dự đoán một giá trị liên tục dựa trên dữ liệu đầu vào.
• B. Gán nhãn cho dữ liệu đầu vào dựa trên các nhãn đã học từ dữ liệu huấn luyện.
• C. Tìm kiếm cấu trúc, mối quan hệ hoặc mẫu ẩn trong dữ liệu không có nhãn.
• D. Đưa ra quyết định tối ưu trong một môi trường tương tác để nhận phần thưởng.

Câu 7: Hệ thống nhận dạng khuôn mặt trên điện thoại thông minh để mở khóa thiết bị là một ứng dụng điển hình của học máy. Đây chủ yếu là bài toán thuộc loại nào?

• A. Bài toán phân loại (Classification).
• B. Bài toán hồi quy (Regression).
• C. Bài toán phân cụm (Clustering).
• D. Bài toán giảm chiều dữ liệu (Dimensionality Reduction).

Câu 8: Dự đoán xếp hạng sao (ví dụ từ 1 đến 5) mà một người dùng có thể đánh giá cho một bộ phim dựa trên lịch sử xem phim và xếp hạng của họ là một ví dụ về bài toán học máy nào?

• A. Phân loại (Classification).
• B. Hồi quy (Regression).
• C. Phân cụm (Clustering).
• D. Nhận dạng thực thể (Entity Recognition).