15+ Đề Trắc nghiệm Tin học 12 Chân trời sáng tạo Bài F14: Học máy

Câu 1: Học máy, một nhánh của trí tuệ nhân tạo, tập trung vào việc phát triển các hệ thống có khả năng nào sau đây mà không cần được lập trình một cách rõ ràng cho từng tác vụ cụ thể?

• A. Thực hiện các phép tính số học phức tạp
• B. Học hỏi từ dữ liệu và cải thiện hiệu suất theo thời gian
• C. Lưu trữ và truy xuất lượng lớn thông tin
• D. Tự động hoá các quy trình sản xuất

Câu 2: Phép thử Turing được Alan Turing đề xuất nhằm mục đích gì?

• A. Đánh giá khả năng trí tuệ của máy tính thông qua khả năng giao tiếp giống con người
• B. Đo lường tốc độ xử lý dữ liệu của máy tính
• C. Kiểm tra tính bảo mật của hệ thống máy tính
• D. Xác định giới hạn về khả năng tính toán của máy tính

Câu 3: Trong các phương pháp học máy, phương pháp học nào sử dụng dữ liệu đã được gán nhãn để huấn luyện mô hình dự đoán hoặc phân loại?

• A. Học tăng cường
• B. Học sâu
• C. Học có giám sát
• D. Học không giám sát

Câu 4: Ứng dụng nào sau đây là một ví dụ điển hình của học có giám sát?

• A. Phân cụm khách hàng dựa trên hành vi mua sắm
• B. Dự đoán giá nhà dựa trên các đặc điểm của ngôi nhà
• C. Giảm số chiều dữ liệu để trực quan hoá
• D. Tìm kiếm các mẫu bất thường trong dữ liệu giao dịch

Câu 5: Học không giám sát thường được sử dụng để giải quyết bài toán nào?

• A. Dự đoán giá cổ phiếu
• B. Phân loại ảnh mèo và chó
• C. Nhận dạng chữ viết tay
• D. Phân nhóm các bài báo theo chủ đề

Câu 6: Hệ thống trợ lý ảo Siri của Apple sử dụng học máy chủ yếu trong chức năng nào?

• A. Nhận dạng giọng nói và xử lý ngôn ngữ tự nhiên
• B. Dịch văn bản giữa các ngôn ngữ
• C. Đề xuất sản phẩm mua sắm trực tuyến
• D. Chẩn đoán lỗi phần cứng máy tính

Câu 7: Trong lĩnh vực y tế, hệ thống IBM Watson for Oncology ứng dụng học máy để hỗ trợ bác sĩ trong công việc nào?

• A. Quản lý hồ sơ bệnh án điện tử
• B. Đặt lịch hẹn khám bệnh trực tuyến
• C. Chẩn đoán và đề xuất phác đồ điều trị ung thư
• D. Theo dõi sức khỏe tim mạch từ xa

Câu 8: Phản hồi của người dùng (ví dụ: đánh giá bản dịch) đóng vai trò quan trọng trong việc cải thiện chất lượng của hệ thống dịch máy tự động thông qua cơ chế nào?

• A. Tăng cường khả năng xử lý ngôn ngữ tự nhiên
• B. Huấn luyện lại mô hình với dữ liệu được đánh giá
• C. Mở rộng bộ từ vựng của hệ thống
• D. Nâng cao tốc độ dịch thuật

Câu 9: Công cụ Power BI của Microsoft sử dụng học máy để hỗ trợ người dùng trong lĩnh vực nào?

• A. Thiết kế đồ họa và chỉnh sửa ảnh
• B. Soạn thảo văn bản và tạo bảng tính
• C. Quản lý dự án và cộng tác nhóm
• D. Phân tích dữ liệu kinh doanh và trực quan hóa thông tin

Câu 10: Trong phân tích thị trường, học máy có thể được ứng dụng để thực hiện công việc nào sau đây, giúp doanh nghiệp hiểu rõ hơn về khách hàng?

• A. Lọc thư rác và phát hiện phần mềm độc hại
• B. Chẩn đoán bệnh và phân tích hình ảnh y tế
• C. Phân khúc thị trường và cá nhân hóa trải nghiệm khách hàng
• D. Nhận dạng khuôn mặt và kiểm soát truy cập

Câu 11: Phát biểu nào sau đây mô tả đúng nhất mối quan hệ giữa Học máy và Trí tuệ Nhân tạo (AI)?

• A. Học máy là một lĩnh vực hoàn toàn độc lập với Trí tuệ Nhân tạo.
• B. Học máy là một nhánh con của Trí tuệ Nhân tạo, tập trung vào khả năng học từ dữ liệu.
• C. Trí tuệ Nhân tạo là một nhánh con của Học máy, nghiên cứu về các thuật toán học.
• D. Học máy và Trí tuệ Nhân tạo là hai thuật ngữ đồng nghĩa và có thể thay thế cho nhau.

Câu 12: Khi xây dựng mô hình học máy, dữ liệu thường được chia thành các tập nào để đảm bảo mô hình hoạt động tốt trên dữ liệu mới?

• A. Tập huấn luyện và tập kiểm thử
• B. Tập dữ liệu đầu vào và tập dữ liệu đầu ra
• C. Tập dữ liệu tĩnh và tập dữ liệu động
• D. Tập huấn luyện, tập kiểm thử và tập xác thực (tùy chọn)

Câu 13: Thuật toán K-means là một ví dụ của phương pháp học máy nào và thường được sử dụng để làm gì?

• A. Học có giám sát, phân loại văn bản
• B. Học tăng cường, điều khiển robot
• C. Học không giám sát, phân cụm dữ liệu
• D. Học sâu, nhận dạng ảnh

Câu 14: Trong bài toán phân loại thư rác, đặc trưng (features) nào sau đây có thể được sử dụng để huấn luyện mô hình học máy?

• A. Sự xuất hiện của các từ khóa nhạy cảm (ví dụ: "khuyến mãi", "trúng thưởng")
• B. Kích thước tệp đính kèm của email
• C. Thời gian gửi email trong ngày
• D. Ngôn ngữ chính được sử dụng trong email

Câu 15: Một công ty muốn dự đoán nhu cầu sản phẩm trong tương lai dựa trên dữ liệu bán hàng lịch sử. Phương pháp học máy nào phù hợp nhất để giải quyết vấn đề này?

• A. Học không giám sát để phân cụm sản phẩm
• B. Học có giám sát để xây dựng mô hình hồi quy dự đoán
• C. Học tăng cường để tối ưu hóa chiến lược giá
• D. Học sâu để phân tích cảm xúc khách hàng

Câu 16: Ưu điểm chính của học máy so với lập trình truyền thống là gì?

• A. Mô hình học máy luôn chính xác tuyệt đối
• B. Lập trình truyền thống dễ dàng xử lý dữ liệu lớn
• C. Học máy có thể tự động thích nghi và cải thiện khi có thêm dữ liệu mới
• D. Lập trình truyền thống đòi hỏi ít kiến thức chuyên môn hơn

Câu 17: Trong quá trình đánh giá mô hình học máy phân loại, độ đo "độ chính xác" (accuracy) cho biết điều gì?

• A. Tỷ lệ dự đoán sai trong tổng số dự đoán
• B. Khả năng mô hình dự đoán đúng các trường hợp dương tính
• C. Khả năng mô hình bỏ sót các trường hợp dương tính
• D. Tỷ lệ dự đoán đúng trong tổng số dự đoán

Câu 18: Khi nào thì việc sử dụng học không giám sát trở nên đặc biệt hữu ích?

• A. Khi dữ liệu không có nhãn hoặc việc gán nhãn dữ liệu là tốn kém hoặc khó khăn
• B. Khi cần dự đoán một giá trị số cụ thể
• C. Khi đã có sẵn một lượng lớn dữ liệu đã được gán nhãn
• D. Khi mục tiêu là tối ưu hóa hành động của một tác nhân trong môi trường

Câu 19: Điều gì có thể xảy ra nếu mô hình học máy được huấn luyện trên một tập dữ liệu bị thiên vị (biased)?

• A. Mô hình sẽ hoạt động tốt hơn trên dữ liệu mới
• B. Mô hình có thể đưa ra các dự đoán không công bằng hoặc phân biệt đối xử
• C. Mô hình sẽ trở nên dễ diễn giải hơn
• D. Không có ảnh hưởng đáng kể nếu tập kiểm thử không bị thiên vị

Câu 20: Trong các ứng dụng nhận dạng hình ảnh, mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs) thường được sử dụng vì khả năng gì?

• A. Xử lý dữ liệu dạng bảng hiệu quả
• B. Phân tích dữ liệu chuỗi thời gian
• C. Tự động trích xuất đặc trưng từ hình ảnh
• D. Thực hiện các phép toán logic phức tạp

Câu 21: Cho tình huống: Một bệnh viện muốn dự đoán khả năng tái nhập viện của bệnh nhân sau khi xuất viện dựa trên thông tin bệnh sử và tình trạng hiện tại. Loại bài toán học máy nào phù hợp nhất?

• 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 22: Để cải thiện hiệu suất của mô hình học máy, một kỹ thuật phổ biến là "điều chỉnh siêu tham số" (hyperparameter tuning). Kỹ thuật này nhằm mục đích gì?

• A. Tăng kích thước tập dữ liệu huấn luyện
• B. Tìm ra cấu hình siêu tham số tối ưu cho mô hình trên tập dữ liệu cụ thể
• C. Thay đổi thuật toán học máy cơ bản
• D. Giảm số lượng đặc trưng đầu vào

Câu 23: Trong học máy, hiện tượng "quá khớp" (overfitting) xảy ra khi nào?

• A. Mô hình hoạt động kém trên cả tập huấn luyện và tập kiểm thử
• B. Mô hình hoạt động tốt trên tập kiểm thử nhưng kém trên tập huấn luyện
• C. Mô hình hoạt động quá tốt trên tập huấn luyện nhưng kém trên tập kiểm thử
• D. Mô hình hoạt động tốt trên cả tập huấn luyện và tập kiểm thử

Câu 24: Kỹ thuật "chính quy hóa" (regularization) trong học máy được sử dụng để làm gì?

• A. Tăng tốc độ huấn luyện mô hình
• B. Cải thiện khả năng diễn giải của mô hình
• C. Xử lý dữ liệu bị thiếu
• D. Giảm độ phức tạp của mô hình và ngăn chặn hiện tượng quá khớp

Câu 25: Mô hình học máy nào phù hợp để phát hiện gian lận thẻ tín dụng dựa trên lịch sử giao dịch?

• A. Mô hình hồi quy tuyến tính
• B. Mô hình phân loại (ví dụ: Cây quyết định, Rừng ngẫu nhiên)
• C. Mô hình phân cụm K-means
• D. Mô hình giảm chiều dữ liệu PCA

Câu 26: Một hệ thống gợi ý phim (recommendation system) thường sử dụng phương pháp học máy nào để đề xuất phim cho người dùng dựa trên lịch sử xem phim của họ và những người dùng tương tự?

• A. Học có giám sát thuần túy
• B. Học không giám sát thuần túy
• C. Học máy dựa trên nội dung và học máy cộng tác
• D. Học tăng cường

Câu 27: Trong xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật "word embedding" (ví dụ: Word2Vec, GloVe) được sử dụng để làm gì?

• A. Biểu diễn từ ngữ thành các vector số học, giúp máy tính hiểu được ý nghĩa ngữ nghĩa của từ
• B. Phân tích cấu trúc ngữ pháp của câu
• C. Dịch văn bản giữa các ngôn ngữ
• D. Tổng hợp giọng nói từ văn bản

Câu 28: Điều gì là quan trọng nhất cần xem xét khi triển khai một mô hình học máy vào thực tế?

• A. Độ chính xác cao nhất trên tập huấn luyện
• B. Sử dụng thuật toán học máy phức tạp nhất
• C. Tối ưu hóa tốc độ huấn luyện mô hình
• D. Khả năng mô hình hoạt động ổn định, hiệu quả và đáp ứng được yêu cầu trong môi trường thực tế

Câu 29: Giả sử bạn có một tập dữ liệu lớn về hình ảnh sản phẩm thời trang và muốn xây dựng một hệ thống phân loại sản phẩm tự động (ví dụ: áo, quần, váy). Bạn sẽ chọn phương pháp học máy nào?

• A. Học không giám sát để phân cụm hình ảnh
• B. Học có giám sát với thuật toán phân loại ảnh (ví dụ: CNN)
• C. Học tăng cường để điều khiển robot thời trang
• D. Học sâu để tạo sinh hình ảnh sản phẩm mới

Câu 30: Một trong những thách thức lớn nhất hiện nay trong lĩnh vực học máy là gì?

• A. Tìm kiếm thuật toán học máy mới hiệu quả hơn
• B. Giảm chi phí tính toán cho việc huấn luyện mô hình
• C. Giải quyết vấn đề về tính minh bạch và khả năng diễn giải của các mô hình phức tạp (đặc biệt là học sâu)
• D. Thu thập dữ liệu huấn luyện với số lượng lớn hơn

Câu 1: Học máy (Machine Learning) là một lĩnh vực nghiên cứu cho phép máy tính có khả năng học hỏi mà không cần được lập trình tường minh. Lĩnh vực này thuộc về nhánh chính nào của Khoa học máy tính?

• A. Hệ điều hành
• B. Cấu trúc dữ liệu và giải thuật
• C. Trí tuệ nhân tạo (AI)
• D. Mạng máy tính

Câu 2: Phương pháp học máy nào yêu cầu dữ liệu đầu vào phải đi kèm với "nhãn" (label) hoặc "đáp án" mong muốn để huấn luyện mô hình dự đoán hoặc phân loại?

• 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: Một công ty thương mại điện tử muốn xây dựng một hệ thống để dự đoán xem liệu một khách hàng tiềm năng có khả năng mua sản phẩm hay không dựa trên lịch sử duyệt web và thông tin nhân khẩu học của họ. Đây là ứng dụng điển hình của loại học máy nào?

• A. Học có giám sát (Supervised Learning) với bài toán phân loại (Classification)
• B. Học không giám sát (Unsupervised Learning) với bài toán gom cụm (Clustering)
• C. Học tăng cường (Reinforcement Learning)
• D. Học không giám sát (Unsupervised Learning) với bài toán giảm chiều (Dimensionality Reduction)

Câu 4: Phép thử nào được thiết kế để kiểm tra khả năng của một máy tính trong việc thể hiện hành vi thông minh tương đương hoặc không thể phân biệt được với hành vi của con người?

• A. Phép thử AlphaGo
• B. Phép thử Von Neumann
• C. Phép thử Perceptron
• D. Phép thử Turing

Câu 5: Khi phân tích một tập dữ liệu lớn về các giao dịch thẻ tín dụng để phát hiện những giao dịch bất thường, có dấu hiệu gian lận, hệ thống học máy thường không có sẵn "nhãn" cho từng giao dịch (gian lận/không gian lận) một cách đầy đủ. Loại học máy nào thường được áp dụng trong trường hợp này để tìm ra các mẫu bất thường?

• 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: Học không giám sát thường được sử dụng cho các mục đích chính nào sau đây? (Chọn phương án đúng nhất)

• A. Dự đoán một giá trị số liên tục (ví dụ: giá nhà).
• B. Phân loại đối tượng vào các lớp định trước (ví dụ: email spam/không spam).
• C. Khám phá cấu trúc ẩn, mối quan hệ hoặc nhóm trong dữ liệu không có nhãn.
• D. Huấn luyện tác nhân (agent) đưa ra quyết định tuần tự để tối đa hóa phần thưởng.

Câu 7: Giả sử bạn có một tập dữ liệu về các email và đã được gán nhãn là "spam" hoặc "không spam". Bạn muốn xây dựng một bộ lọc thư rác tự động. Đây là ví dụ về bài toán học máy thuộc loại nào?

• A. Học có giám sát - Phân loại (Supervised Learning - Classification)
• B. Học có giám sát - Hồi quy (Supervised Learning - Regression)
• C. Học không giám sát - Gom cụm (Unsupervised Learning - Clustering)
• D. Học không giám sát - Kết hợp (Unsupervised Learning - Association)

Câu 8: Một nhà bán lẻ trực tuyến muốn phân tích hành vi mua sắm của khách hàng để nhóm họ thành các phân khúc khác nhau (ví dụ: khách hàng chi tiêu cao, khách hàng mới, khách hàng thường xuyên mua sắm đồ giảm giá) nhằm mục đích tiếp thị mục tiêu. Họ không có sẵn thông tin về việc khách hàng thuộc nhóm nào. Phương pháp học máy phù hợp nhất cho bài toán này là gì?

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

Câu 9: Điều gì là điểm khác biệt cốt lõi nhất giữa Học có giám sát và Học không giám sát?

• A. Học có giám sát cần nhiều dữ liệu hơn.
• B. Học không giám sát luôn cho kết quả chính xác hơn.
• C. Học có giám sát sử dụng dữ liệu có nhãn, trong khi học không giám sát sử dụng dữ liệu không có nhãn.
• D. Học không giám sát phức tạp hơn về mặt tính toán.

Câu 10: Hệ thống gợi ý sản phẩm trên các trang thương mại điện tử (ví dụ: "Những khách hàng mua sản phẩm X cũng mua sản phẩm Y") thường sử dụng kỹ thuật học máy nào để tìm ra mối liên hệ giữa các mặt hàng?

• A. Hồi quy đa biến (Multivariate Regression)
• B. Phân loại nhị phân (Binary Classification)
• C. Nhận dạng hình ảnh (Image Recognition)
• D. Phân tích luật kết hợp (Association Rule Mining)

Câu 11: Khi xây dựng mô hình học máy để dự đoán giá nhà dựa trên các yếu tố như diện tích, số phòng ngủ, vị trí, v.v., chúng ta đang giải quyết bài toán thuộc loại nào?

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

Câu 12: Ứng dụng nào sau đây KHÔNG phải là ví dụ trực tiếp của Học có giám sát?

• A. Nhận dạng chữ viết tay từ ảnh.
• B. Dự đoán điểm thi dựa trên thời gian ôn tập.
• C. Tự động phân nhóm các bài báo thành các chủ đề khác nhau mà không biết trước các chủ đề đó là gì.
• D. Phát hiện email lừa đảo (phishing email).

Câu 13: Một trong những thách thức lớn nhất khi áp dụng học có giám sát là gì?

• A. Mô hình quá đơn giản để học.
• B. Cần một lượng lớn dữ liệu đã được gán nhãn chính xác, việc này có thể tốn kém và mất thời gian.
• C. Mô hình không thể xử lý dữ liệu số.
• D. Không thể áp dụng cho bài toán phân loại.

Câu 14: Mục tiêu chính của bài toán Gom cụm (Clustering) trong học không giám sát là gì?

• A. Phân chia tập dữ liệu thành các nhóm (cụm) dựa trên sự tương đồng nội tại của dữ liệu, mà không có nhãn định trước.
• B. Dự đoán giá trị của một biến mục tiêu dựa trên các biến đầu vào.
• C. Phân loại dữ liệu mới vào các lớp đã được xác định trước.
• D. Tìm ra quy tắc liên kết giữa các mục trong tập dữ liệu giao dịch.

Câu 15: Công nghệ nhận dạng khuôn mặt trên điện thoại thông minh hoặc camera giám sát là một ứng dụng phổ biến của học máy. Đây chủ yếu là bài toán thuộc loại nào?

• A. Học có giám sát - Phân loại (ví dụ: phân loại ảnh vào các danh tính khác nhau)
• B. Học không giám sát - Gom cụm
• C. Học tăng cường
• D. Giảm chiều dữ liệu

Câu 16: Học máy có thể hỗ trợ bác sĩ trong việc chẩn đoán bệnh bằng cách nào?

• A. Thay thế hoàn toàn bác sĩ trong quá trình khám bệnh.
• B. Tự động thực hiện phẫu thuật.
• C. Chỉ dùng để quản lý hồ sơ bệnh án.
• D. Phân tích hình ảnh y tế (X-quang, CT, MRI) hoặc dữ liệu bệnh án để phát hiện các dấu hiệu bất thường hoặc đưa ra dự đoán về khả năng mắc bệnh.

Câu 17: Hệ thống đề xuất video trên YouTube hoặc phim trên Netflix là một ví dụ về học máy. Hệ thống này hoạt động dựa trên nguyên tắc chính nào?

• A. Chỉ dựa vào độ tuổi của người dùng để gợi ý.
• B. Gợi ý ngẫu nhiên các nội dung.
• C. Phân tích lịch sử xem của người dùng và so sánh với lịch sử xem của những người dùng khác có sở thích tương tự để gợi ý nội dung mới.
• D. Chỉ hiển thị những nội dung mới nhất.

Câu 18: Để xây dựng một mô hình học máy dự đoán xem một email mới có phải là thư rác hay không, dữ liệu huấn luyện cần có những gì?

• A. Chỉ cần nội dung của email.
• B. Nội dung của email và nhãn cho biết mỗi email là "spam" hoặc "không spam".
• C. Chỉ cần địa chỉ người gửi.
• D. Chỉ cần thời gian nhận email.

Câu 19: Một công ty viễn thông muốn phân tích dữ liệu sử dụng của khách hàng để xác định những khách hàng nào có nguy cơ cao rời bỏ dịch vụ (churn). Đây là bài toán học máy thuộc loại nào?

• A. Học có giám sát - Phân loại (dự đoán khách hàng thuộc lớp "rời bỏ" hoặc "không rời bỏ")
• B. Học không giám sát - Gom cụm
• C. Học tăng cường
• D. Giảm chiều dữ liệu

Câu 20: Ứng dụng nào sau đây là ví dụ về việc sử dụng học máy để xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP)?

• A. Dự đoán giá cổ phiếu.
• B. Điều khiển robot di chuyển trong kho hàng.
• C. Phân tích hình ảnh vệ tinh.
• D. Dịch máy tự động từ ngôn ngữ này sang ngôn ngữ khác.

Câu 21: Giảm chiều dữ liệu (Dimensionality Reduction) là một kỹ thuật trong học không giám sát. Mục đích chính của nó là gì?

• A. Tăng số lượng đặc trưng (features) của dữ liệu.
• B. Giảm số lượng đặc trưng của dữ liệu trong khi vẫn giữ lại càng nhiều thông tin quan trọng càng tốt.
• C. Gán nhãn cho dữ liệu không có nhãn.
• D. Phân loại dữ liệu thành các nhóm.

Câu 22: Khi một hệ thống học máy được huấn luyện để chơi cờ vua bằng cách thử các nước đi và nhận "thưởng" khi thắng cờ, "phạt" khi thua cờ, hệ thống đang sử dụng phương pháp học máy nào?

• A. Học có giám sát.
• B. Học không giám sát.
• C. Học tăng cường (Reinforcement Learning).
• D. Học bán giám sát.

Câu 23: Điều nào sau đây là một thách thức điển hình khi áp dụng Học không giám sát?

• A. Cần dữ liệu có nhãn chính xác.
• B. Không thể xử lý dữ liệu số.
• C. Luôn yêu cầu phần thưởng rõ ràng.
• D. Việc đánh giá kết quả và xác định xem các "cụm" hoặc "mẫu" được tìm thấy có ý nghĩa thực tế hay không thường khó khăn hơn so với học có giám sát.

Câu 24: Một ứng dụng của học máy trong lĩnh vực tài chính là dự đoán khả năng vỡ nợ của một khoản vay dựa trên lịch sử tín dụng và thông tin tài chính của người vay. Đây là bài toán thuộc loại nào?

• A. Học có giám sát - Phân loại.
• B. Học không giám sát - Gom cụm.
• C. Học không giám sát - Giảm chiều.
• D. Phân tích luật kết hợp.

Câu 25: Để huấn luyện một mô hình nhận dạng giọng nói, loại dữ liệu nào là cần thiết?

• A. Chỉ cần các tệp âm thanh.
• B. Chỉ cần văn bản của các từ hoặc câu.
• C. Các tệp âm thanh và bản ghi văn bản tương ứng (nhãn) của nội dung âm thanh đó.
• D. Chỉ cần hình ảnh của người nói.

Câu 26: Khi một hệ thống học máy được sử dụng để phát hiện sự bất thường trong hoạt động của máy móc công nghiệp (ví dụ: rung động khác thường, nhiệt độ tăng đột ngột) mà không có dữ liệu lịch sử về các sự cố đã được gán nhãn, nó thường sử dụng phương pháp nào?

• A. Học có giám sát - Hồi quy.
• B. Học không giám sát - Phát hiện dị thường (Anomaly Detection).
• C. Học tăng cường.
• D. Phân loại nhị phân.

Câu 27: Dữ liệu có nhãn trong học có giám sát đóng vai trò gì?

• A. Cung cấp "đáp án đúng" cho mỗi mẫu dữ liệu đầu vào, giúp mô hình học cách ánh xạ đầu vào tới đầu ra mong muốn.
• B. Chỉ dùng để kiểm tra hiệu suất cuối cùng của mô hình.
• C. Giúp mô hình tự động tìm ra cấu trúc ẩn trong dữ liệu.
• D. Làm cho quá trình huấn luyện trở nên phức tạp hơn.

Câu 28: Giả sử bạn có một lượng lớn văn bản từ các bài báo và muốn tự động nhóm chúng lại thành các chủ đề khác nhau (ví dụ: Thể thao, Chính trị, Kinh tế) mà không có sẵn danh sách các chủ đề này từ trước. Đây là ứng dụng của loại học máy nào?

• A. Học có giám sát - Phân loại văn bản (Text Classification).
• B. Học không giám sát - Gom cụm văn bản (Text Clustering).
• C. Hồi quy văn bản (Text Regression).
• D. Học tăng cường.

Câu 29: Mô hình học máy nào thường được sử dụng để dự đoán một giá trị số liên tục, ví dụ như dự đoán nhiệt độ ngày mai, doanh số bán hàng quý tới, hoặc tuổi thọ pin của thiết bị?

• A. Mô hình Phân loại (Classification Model).
• B. Mô hình Gom cụm (Clustering Model).
• C. Mô hình Phát hiện dị thường (Anomaly Detection Model).
• D. Mô hình Hồi quy (Regression Model).

Câu 30: Điều nào sau đây mô tả đúng nhất mục tiêu cuối cùng của việc áp dụng học máy?

• A. Chỉ để tạo ra các chương trình phức tạp.
• B. Chỉ để thay thế hoàn toàn con người trong mọi công việc.
• C. Xây dựng các hệ thống có khả năng học hỏi từ dữ liệu, đưa ra dự đoán, quyết định hoặc khám phá thông tin mà không cần lập trình chi tiết cho từng trường hợp cụ thể, nhằm giải quyết các bài toán thực tế.
• D. Chỉ để phân tích dữ liệu có cấu trúc.

Câu 1: Khác biệt cốt lõi giữa lập trình truyền thống và học máy (Machine Learning - ML) nằm ở đâu?

• A. Lập trình truyền thống sử dụng ngôn ngữ cấp cao hơn.
• B. Học máy chỉ xử lý dữ liệu số, còn lập trình truyền thống xử lý mọi loại dữ liệu.
• C. Lập trình truyền thống luôn nhanh hơn học máy.
• D. Lập trình truyền thống dựa vào quy tắc do con người định nghĩa rõ ràng, còn học máy xây dựng quy tắc từ dữ liệu.

Câu 2: Lĩnh vực Trí tuệ nhân tạo (AI) bao gồm nhiều nhánh khác nhau. Học máy (ML) được xem là:

• A. Một nhánh con của AI, tập trung vào việc máy tính học từ dữ liệu.
• B. Một lĩnh vực hoàn toàn tách biệt với AI.
• C. Lĩnh vực rộng hơn AI, bao gồm cả AI.
• D. Chỉ là một ứng dụng cụ thể của AI, không phải là một nhánh nghiên cứu.

Câu 3: Phương pháp học máy nào yêu cầu dữ liệu đầu vào phải có "nhãn" (label) tương ứng với kết quả mong muốn?

• 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 4: Một công ty thương mại điện tử muốn phân loại email của khách hàng thành "đặt hàng", "hỗ trợ", "khiếu nại" dựa trên nội dung email. Đây là ứng dụng điển hình của loại hình học máy nào?

• A. Học có giám sát (Phân loại)
• B. Học không giám sát (Gom cụm)
• C. Học tăng cường
• D. Giảm chiều dữ liệu

Câu 5: Mục tiêu chính của học không giám sát (Unsupervised Learning) là gì?

• A. Dự đoán một giá trị liên tục dựa trên dữ liệu quá khứ.
• B. Phân loại dữ liệu vào các nhóm định trước có nhãn.
• C. Khám phá cấu trúc, mối quan hệ hoặc mẫu ẩn trong dữ liệu không có nhãn.
• D. Học cách thực hiện hành động tối ưu để nhận phần thưởng.

Câu 6: Một nhà bán lẻ phân tích lịch sử mua hàng của khách hàng để nhóm họ thành các phân khúc (ví dụ: "khách hàng trung thành", "khách hàng mới", "khách hàng chỉ mua sale"). Kỹ thuật học máy nào có khả năng được sử dụng nhất trong trường hợp này?

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

Câu 7: Trong quy trình phát triển mô hình học máy, bước nào thường được thực hiện sau khi mô hình đã được huấn luyện (trained)?

• A. Thu thập thêm dữ liệu huấn luyện.
• B. Kiểm tra mô hình trên tập dữ liệu mới để đánh giá hiệu suất.
• C. Xóa bỏ dữ liệu nhiễu khỏi tập dữ liệu huấn luyện.
• D. Lựa chọn thuật toán học máy phù hợp.

Câu 8: Khi một mô hình học máy hoạt động rất tốt trên dữ liệu huấn luyện nhưng lại cho kết quả kém trên dữ liệu mới, chưa từng thấy, hiện tượng này được gọi là gì?

• A. Quá khớp (Overfitting)
• B. Chưa khớp (Underfitting)
• C. Nhiễu dữ liệu (Data Noise)
• D. Thiếu dữ liệu (Data Scarcity)

Câu 9: Để xây dựng một hệ thống nhận dạng giọng nói (ví dụ: Siri, Google Assistant), loại dữ liệu có nhãn nào là cần thiết cho quá trình huấn luyện?

• A. Các tệp âm thanh không có bất kỳ thông tin nào đi kèm.
• B. Các đoạn văn bản ngẫu nhiên.
• C. Các tệp âm thanh được gán nhãn bằng bản ghi nội dung văn bản tương ứng.
• D. Hình ảnh khuôn mặt người nói.

Câu 10: Phép thử Turing, được đề xuất bởi Alan Turing, nhằm mục đích chính là gì?

• A. Đo tốc độ xử lý của máy tính.
• B. Kiểm tra khả năng lưu trữ dữ liệu của máy tính.
• C. Đánh giá khả năng tính toán số học của máy tính.
• D. Xác định liệu máy tính có thể thể hiện hành vi thông minh tương đương con người trong giao tiếp hay không.

Câu 11: Ứng dụng nào sau đây không phải là ví dụ điển hình của học máy trong cuộc sống hàng ngày?

• A. Hệ thống gợi ý sản phẩm khi mua sắm trực tuyến.
• B. Máy tính bỏ túi thực hiện các phép tính cơ bản.
• C. Phần mềm nhận diện khuôn mặt trên điện thoại thông minh.
• D. Bộ lọc thư rác trong hộp thư điện tử.

Câu 12: Tại sao chất lượng dữ liệu đầu vào lại cực kỳ quan trọng đối với hiệu suất của mô hình học máy?

• A. Mô hình học máy học từ dữ liệu; dữ liệu kém chất lượng sẽ dẫn đến mô hình kém chính xác và đưa ra dự đoán sai lệch.
• B. Dữ liệu chất lượng cao giúp giảm thời gian huấn luyện mô hình.
• C. Chất lượng dữ liệu chỉ quan trọng đối với học có giám sát, không ảnh hưởng đến học không giám sát.
• D. Dữ liệu chất lượng cao giúp mô hình tránh hiện tượng chưa khớp (underfitting).

Câu 13: Trong học có giám sát, "nhãn" của dữ liệu đóng vai trò gì?

• A. Là thông tin mô tả cấu trúc bên trong của dữ liệu.
• B. Giúp mô hình hiểu được mối quan hệ giữa các đặc trưng dữ liệu.
• C. Là "đáp án" hoặc "kết quả" đúng mà mô hình cần học cách dự đoán hoặc phân loại.
• D. Chỉ được sử dụng để kiểm tra hiệu suất của mô hình sau khi huấn luyện.

Câu 14: Giả sử bạn có một tập dữ liệu về các ngôi nhà, bao gồm diện tích, số phòng ngủ, vị trí và giá bán. Bạn muốn xây dựng mô hình để dự đoán giá bán của một ngôi nhà mới dựa trên các đặc điểm của nó. Đây là bài toán học máy loại nào?

• A. Hồi quy (Regression) - thuộc học có giám sát.
• B. Phân loại (Classification) - thuộc học có giám sát.
• C. Gom cụm (Clustering) - thuộc học không giám sát.
• D. Giảm chiều dữ liệu (Dimensionality Reduction) - thuộc học không giám sát.

Câu 15: Kỹ thuật học máy nào thường được sử dụng để phát hiện các giao dịch thẻ tín dụng bất thường (có khả năng gian lận) trong một lượng lớn dữ liệu giao dịch?

• A. Hồi quy tuyến tính.
• B. Phát hiện điểm bất thường (Anomaly Detection), thường dựa trên học không giám sát hoặc bán giám sát.
• C. Phân loại văn bản.
• D. Gợi ý sản phẩm.

Câu 16: Khi xây dựng mô hình học máy, việc chia dữ liệu thành tập huấn luyện (training set) và tập kiểm tra (test set) có mục đích gì?

• A. Tập huấn luyện dùng để đánh giá hiệu suất cuối cùng của mô hình.
• B. Tập kiểm tra dùng để điều chỉnh các tham số của mô hình trong quá trình huấn luyện.
• C. Tập huấn luyện dùng để "dạy" mô hình, tập kiểm tra dùng để đánh giá khả năng tổng quát hóa của mô hình trên dữ liệu mới.
• D. Việc chia dữ liệu giúp tăng kích thước tổng thể của tập dữ liệu.

Câu 17: Một trong những thách thức lớn khi áp dụng học máy là vấn đề "thiên vị" (bias). Thiên vị trong dữ liệu huấn luyện có thể dẫn đến điều gì?

• A. Mô hình đưa ra dự đoán hoặc quyết định không công bằng đối với một nhóm người hoặc loại dữ liệu cụ thể.
• B. Mô hình không thể học được bất kỳ quy tắc nào từ dữ liệu.
• C. Mô hình hoạt động quá tốt, gây ra hiện tượng chưa khớp (underfitting).
• D. Giảm đáng kể thời gian cần thiết để huấn luyện mô hình.

Câu 18: Học tăng cường (Reinforcement Learning), mặc dù ít được nhắc đến trong bài F14, khác với học có giám sát và không giám sát ở điểm nào?

• A. Nó sử dụng cả dữ liệu có nhãn và không nhãn.
• B. Nó chỉ hoạt động với dữ liệu hình ảnh.
• C. Nó chỉ tập trung vào việc gom cụm dữ liệu.
• D. Nó học thông qua tương tác với môi trường và nhận "phần thưởng" hoặc "hình phạt" dựa trên hành động của mình.

Câu 19: Giả sử bạn đang xây dựng một mô hình học máy để dự đoán liệu một bệnh nhân có khả năng mắc bệnh tim mạch trong 10 năm tới hay không, dựa trên các yếu tố như tuổi, huyết áp, cholesterol,... Đây là bài toán thuộc loại nào trong học có giám sát?

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

Câu 20: Việc sử dụng học máy trong y tế để hỗ trợ chẩn đoán bệnh (ví dụ: phân tích ảnh X-quang để phát hiện khối u) là một ví dụ về ứng dụng nào?

• A. Học không giám sát.
• B. Học tăng cường.
• C. Học có giám sát (thường là phân loại hình ảnh).
• D. Gom cụm dữ liệu bệnh nhân.

Câu 21: Hệ thống gợi ý video trên YouTube hoặc sản phẩm trên Amazon hoạt động dựa trên nguyên tắc nào của học máy?

• A. Phân loại cảm xúc.
• B. Nhận dạng giọng nói.
• C. Hồi quy giá trị.
• D. Hệ thống gợi ý (Recommendation System), thường kết hợp nhiều kỹ thuật ML bao gồm cả học có giám sát và không giám sát.

Câu 22: Khi nào thì việc áp dụng học máy trở nên đặc biệt hữu ích so với việc viết các quy tắc lập trình truyền thống?

• A. Khi bài toán có ít dữ liệu.
• B. Khi các quy tắc để giải quyết bài toán quá phức tạp, thay đổi liên tục hoặc khó định nghĩa rõ ràng bằng tay.
• C. Khi cần một giải pháp đơn giản, ít tốn tài nguyên.
• D. Khi chỉ cần xử lý dữ liệu văn bản.

Câu 23: Trong học không giám sát, kỹ thuật giảm chiều dữ liệu (Dimensionality Reduction) có mục đích gì?

• A. Tăng số lượng đặc trưng (features) của dữ liệu.
• B. Gán nhãn cho dữ liệu không có nhãn.
• C. Giảm số lượng đặc trưng của dữ liệu trong khi vẫn giữ lại phần lớn thông tin quan trọng, giúp trực quan hóa hoặc tăng hiệu quả xử lý.
• D. Phân loại dữ liệu vào các nhóm định trước.

Câu 24: Một mô hình học máy bị coi là "chưa khớp" (underfitting) khi nào?

• A. Khi mô hình hoạt động rất tốt trên tập kiểm tra nhưng kém trên tập huấn luyện.
• B. Khi mô hình hoạt động rất tốt trên tập huấn luyện nhưng kém trên tập kiểm tra.
• C. Khi mô hình học quá nhiều chi tiết từ dữ liệu huấn luyện, bao gồm cả nhiễu.
• D. Khi mô hình quá đơn giản để nắm bắt được mối quan hệ phức tạp trong dữ liệu, dẫn đến hiệu suất kém trên cả tập huấn luyện và tập kiểm tra.

Câu 25: Thuật toán K-Means là một ví dụ phổ biến của kỹ thuật học máy nào?

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

Câu 26: Một trong những lo ngại về đạo đức khi triển khai các hệ thống học máy là quyền riêng tư dữ liệu. Điều này đặc biệt quan trọng khi mô hình được huấn luyện trên:

• A. Dữ liệu nhạy cảm của cá nhân (ví dụ: hồ sơ y tế, tài chính).
• B. Dữ liệu công khai trên internet.
• C. Dữ liệu chỉ bao gồm các con số.
• D. Dữ liệu có kích thước nhỏ.

Câu 27: Trong bối cảnh học máy, "đặc trưng" (features) của dữ liệu là gì?

• A. Kết quả dự đoán cuối cùng của mô hình.
• B. Các thuật toán được sử dụng để huấn luyện mô hình.
• C. Số lượng mẫu dữ liệu trong tập huấn luyện.
• D. Các thuộc tính hoặc đặc điểm riêng lẻ được sử dụng làm đầu vào cho mô hình học máy.

Câu 28: Giả sử bạn đang xây dựng một mô hình phân loại hình ảnh để nhận diện các loại động vật. Đối với một hình ảnh con chó, "đặc trưng" có thể bao gồm:

• A. Tên của loài động vật ("con chó").
• B. Kích thước của tệp hình ảnh.
• C. Các giá trị pixel, màu sắc, kết cấu hoặc hình dạng trong ảnh.
• D. Thời gian chụp bức ảnh.

Câu 29: Một công ty muốn sử dụng học máy để dự đoán nhu cầu sản phẩm theo mùa. Dữ liệu huấn luyện có thể bao gồm lịch sử bán hàng, dữ liệu thời tiết, và các sự kiện khuyến mãi. Đây là bài toán học máy loại nào?

• A. Phân loại (Classification) - vì dự đoán theo mùa là phân loại.
• B. Hồi quy (Regression) - vì dự đoán nhu cầu là dự đoán một giá trị số liên tục.
• C. Gom cụm (Clustering) - vì đang nhóm các mùa lại.
• D. Phát hiện điểm bất thường - vì tìm các giao dịch bất thường.

Câu 30: Khả năng "tổng quát hóa" (generalization) của một mô hình học máy đề cập đến điều gì?

• A. Khả năng của mô hình đưa ra dự đoán chính xác trên dữ liệu mới, chưa từng thấy trong quá trình huấn luyện.
• B. Tốc độ mà mô hình có thể xử lý dữ liệu mới.
• C. Số lượng các đặc trưng mà mô hình có thể xử lý.
• D. Khả năng của mô hình hoạt động tốt trên tập dữ liệu huấn luyện.

Câu 1: Trong bối cảnh Trí tuệ nhân tạo (AI), Học máy (Machine Learning) đóng vai trò gì?

• A. Là một lĩnh vực hoàn toàn tách biệt và không liên quan đến AI.
• B. Là một ứng dụng cụ thể của AI, chỉ tập trung vào xử lý ngôn ngữ tự nhiên.
• C. Là một nhánh con quan trọng của AI, cung cấp khả năng học hỏi từ dữ liệu để cải thiện hiệu suất.
• D. Là tiền thân của AI, hiện tại ít được sử dụng trong các hệ thống thông minh hiện đại.

Câu 2: Mục tiêu cốt lõi của Học máy là gì?

• A. Giúp máy tính thực hiện các phép tính phức tạp nhanh hơn con người.
• B. Phát triển các thuật toán cho phép máy tính tự động học hỏi và đưa ra quyết định dựa trên dữ liệu mà không cần lập trình tường minh cho từng nhiệm vụ.
• C. Tạo ra các robot có khả năng di chuyển và tương tác vật lý trong thế giới thực.
• D. Thiết kế giao diện người dùng trực quan và dễ sử dụng cho các ứng dụng phần mềm.

Câu 3: Bạn đang xây dựng một hệ thống tự động phân loại email đến thành "Hộp thư đến" hoặc "Thư rác". Loại hình học máy nào phù hợp nhất cho nhiệm vụ này, dựa trên việc bạn có sẵn một tập dữ liệu lớn các email đã được đánh dấu rõ ràng là "Hộp thư đến" hoặc "Thư rác"?

• 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 4: Điểm khác biệt cơ bản nhất giữa Học có giám sát và Học không giám sát nằm ở yếu tố nào của dữ liệu đầu vào?

• A. Kích thước của tập dữ liệu.
• B. Nguồn gốc thu thập dữ liệu.
• C. Độ phức tạp của cấu trúc dữ liệu.
• D. Việc dữ liệu có được gán nhãn (label) hay không.

Câu 5: Một công ty bán lẻ muốn phân nhóm khách hàng của mình thành các phân khúc khác nhau (ví dụ: "khách hàng thân thiết", "khách hàng mới", "khách hàng ít hoạt động") dựa trên lịch sử mua sắm và hành vi duyệt web của họ. Công ty không có sẵn các nhãn phân loại khách hàng từ trước. Loại hình học máy nào sẽ được áp dụng hiệu quả nhất trong trường hợp này?

• 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: Nhiệm vụ "Phân loại" (Classification) trong Học máy thuộc loại hình học nào và mục đích chính của nó là gì?

• A. Học có giám sát; gán nhãn/phân loại đối tượng vào một trong các lớp định trước.
• B. Học không giám sát; tìm kiếm cấu trúc ẩn trong dữ liệu không nhãn.
• C. Học tăng cường; đưa ra chuỗi hành động tối ưu để đạt mục tiêu.
• D. Học có giám sát; dự đoán một giá trị liên tục.

Câu 7: Nhiệm vụ "Gom cụm" (Clustering) trong Học máy thường được sử dụng trong loại hình học nào và kết quả đầu ra của nó là gì?

• A. Học có giám sát; dự đoán giá trị số cho dữ liệu mới.
• B. Học có giám sát; phân loại dữ liệu vào các nhóm đã biết trước.
• C. Học không giám sát; nhóm các điểm dữ liệu tương tự lại với nhau dựa trên đặc điểm của chúng.
• D. Học tăng cường; đánh giá hiệu quả của một hành động cụ thể.

Câu 8: Một mô hình học máy được huấn luyện để dự đoán giá nhà dựa trên các yếu tố như diện tích, số phòng ngủ, vị trí,... Nhiệm vụ này thuộc loại nào trong học có giám sát?

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

Câu 9: Quá trình huấn luyện một mô hình học máy có giám sát thường bao gồm các bước chính nào?

• A. Chỉ thu thập dữ liệu không nhãn và áp dụng thuật toán gom cụm.
• B. Chỉ lập trình tường minh các quy tắc cho máy tính thực hiện.
• C. Chỉ thu thập phản hồi từ môi trường và điều chỉnh hành vi.
• D. Thu thập dữ liệu có nhãn, lựa chọn mô hình, huấn luyện mô hình trên dữ liệu, đánh giá hiệu suất.

Câu 10: Tại sao việc chia dữ liệu thành tập huấn luyện (training set) và tập kiểm tra (test set) lại quan trọng trong quá trình phát triển mô hình học máy?

• A. Để đánh giá khả năng tổng quát hóa của mô hình trên dữ liệu mới, chưa từng thấy trong quá trình huấn luyện.
• B. Để tăng tốc độ quá trình thu thập dữ liệu ban đầu.
• C. Để đảm bảo tất cả dữ liệu đều được sử dụng để huấn luyện mô hình.
• D. Để giảm thiểu số lượng tham số trong mô hình học máy.

Câu 11: Một mô hình học máy bị hiện tượng "quá khớp" (overfitting). Điều này có nghĩa là gì?

• A. Mô hình quá đơn giản và không thể học được các mối quan hệ trong dữ liệu.
• B. Mô hình hoạt động kém trên cả tập huấn luyện và tập kiểm tra.
• C. Mô hình hoạt động rất tốt trên tập huấn luyện nhưng kém trên tập dữ liệu mới (tập kiểm tra).
• D. Mô hình yêu cầu quá nhiều tài nguyên tính toán để huấn luyện.

Câu 12: Ứng dụng nào sau đây là một ví dụ điển hình của Học máy trong việc xử lý hình ảnh?

• A. Sắp xếp các tệp tin theo tên.
• B. Tính toán tổng các số trong bảng tính.
• C. Tạo hiệu ứng âm thanh cho video.
• D. Nhận diện khuôn mặt trên ảnh để tự động gắn thẻ.

Câu 13: Học máy có thể được ứng dụng trong lĩnh vực y tế như thế nào?

• A. Thiết kế các loại thuốc mới mà không cần thử nghiệm.
• B. Phân tích hình ảnh y tế (X-quang, MRI) để hỗ trợ chẩn đoán bệnh sớm.
• C. Thay thế hoàn toàn bác sĩ trong việc đưa ra quyết định điều trị.
• D. Giúp bệnh nhân tự chẩn đoán bệnh của mình tại nhà.

Câu 14: Hệ thống gợi ý sản phẩm trên các trang thương mại điện tử (ví dụ: "Khách hàng mua sản phẩm X cũng thường mua sản phẩm Y") là một ứng dụng phổ biến của loại hình học máy nào?

• A. Học có giám sát (Phân loại)
• B. Học có giám sát (Hồi quy)
• C. Học không giám sát (Tìm luật kết hợp hoặc Gom cụm)
• D. Học tăng cường

Câu 15: Bạn đang huấn luyện một mô hình học máy để dự đoán liệu một giao dịch thẻ tín dụng có phải là gian lận hay không. Dữ liệu bạn có là các giao dịch đã được đánh dấu là "gian lận" hoặc "không gian lận". Đây là một bài toán thuộc loại nào?

• A. Phân loại nhị phân (Binary Classification)
• B. Phân loại đa lớp (Multi-class Classification)
• C. Hồi quy (Regression)
• D. Gom cụm (Clustering)

Câu 16: Trong bài toán nhận dạng giọng nói (ví dụ: Siri, Google Assistant), mô hình học máy cần xử lý loại dữ liệu nào?

• A. Chỉ văn bản.
• B. Dữ liệu âm thanh.
• C. Chỉ hình ảnh.
• D. Dữ liệu số thuần túy.

Câu 17: Giả sử bạn có một tập dữ liệu lớn về các loài thực vật, mỗi loài có các đặc điểm như chiều cao, màu sắc lá, hình dạng hoa, v.v. Bạn muốn tự động nhóm các loài thực vật tương tự nhau lại mà không có thông tin về cách phân loại chúng từ trước. Kỹ thuật học máy nào phù hợp nhất?

• A. Hồi quy tuyến tính.
• B. Phân loại Support Vector Machine (SVM).
• C. Thuật toán Gom cụm K-Means.
• D. Mạng nơ-ron hồi quy (Recurrent Neural Network).

Câu 18: Việc sử dụng Học máy để phân tích xu hướng thị trường và dự đoán hành vi tiêu dùng có thể giúp doanh nghiệp đạt được lợi ích gì?

• A. Chỉ đơn thuần là thu thập thông tin mà không có ứng dụng thực tế.
• B. Giảm chi phí sản xuất một cách trực tiếp.
• C. Tăng số lượng nhân viên bán hàng cần thiết.
• D. Đưa ra quyết định kinh doanh dựa trên dữ liệu, tối ưu hóa chiến lược marketing và bán hàng.

Câu 19: Hệ thống chatbot trả lời tự động các câu hỏi của khách hàng trên website là một ví dụ về ứng dụng của Học máy trong lĩnh vực nào?

• A. Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP).
• B. Nhận dạng hình ảnh (Image Recognition).
• C. Hồi quy (Regression).
• D. Phân tích dữ liệu cấu trúc (Structured Data Analysis).

Câu 20: Khi xây dựng một mô hình học máy, dữ liệu đầu vào cần phải được tiền xử lý. Mục đích chính của bước tiền xử lý dữ liệu là gì?

• A. Làm cho dữ liệu trở nên phức tạp hơn để mô hình học được nhiều thứ hơn.
• B. Làm sạch dữ liệu, xử lý các giá trị thiếu hoặc ngoại lai, biến đổi dữ liệu về định dạng phù hợp để mô hình có thể học hiệu quả.
• C. Giảm kích thước của tập dữ liệu xuống mức tối thiểu.
• D. Tự động gán nhãn cho dữ liệu không nhãn.

Câu 21: Bạn đang huấn luyện một mô hình phân loại để dự đoán liệu một bức ảnh chứa mèo hay chó. Bạn có 1000 bức ảnh mèo và 1000 bức ảnh chó đã được gán nhãn. Đây là một bài toán phân loại với dữ liệu gì?

• A. Dữ liệu có nhãn (Labeled data), cân bằng (balanced).
• B. Dữ liệu không nhãn (Unlabeled data).
• C. Dữ liệu có nhãn, không cân bằng (imbalanced).
• D. Dữ liệu chỉ chứa đặc trưng mà không có nhãn.

Câu 22: Bạn thu thập dữ liệu về hành vi lướt web của người dùng trên một trang tin tức để hiểu họ quan tâm đến chủ đề nào mà không có thông tin về sở thích cụ thể của từng người dùng. Bạn muốn phân nhóm họ thành các nhóm dựa trên sự tương đồng trong hành vi. Đây là một ứng dụng của học máy loại nào?

• A. Học có giám sát để dự đoán chủ đề yêu thích.
• B. Học không giám sát để gom cụm người dùng.
• C. Học có giám sát để phân loại từng hành động lướt web.
• D. Học tăng cường để tối ưu hóa thời gian lướt web.

Câu 23: Để đánh giá hiệu suất của một mô hình phân loại trong học có giám sát, người ta thường sử dụng các chỉ số nào?

• A. Giá trị trung bình (Mean) và Độ lệch chuẩn (Standard Deviation).
• B. Hệ số tương quan (Correlation Coefficient).
• C. Chỉ số Silhouette (Silhouette Score).
• D. Độ chính xác (Accuracy), Độ chuẩn xác (Precision), Độ phủ (Recall), F1-Score.

Câu 24: Một trong những thách thức lớn khi áp dụng Học máy trong thực tế là gì?

• A. Cần lượng lớn dữ liệu chất lượng cao để huấn luyện mô hình hiệu quả.
• B. Các thuật toán Học máy quá đơn giản để giải quyết vấn đề phức tạp.
• C. Học máy chỉ có thể chạy trên các siêu máy tính đắt tiền.
• D. Kết quả của mô hình học máy luôn chính xác 100%.

Câu 25: Một mô hình học máy dự đoán rằng giá trị của một biến liên tục (ví dụ: nhiệt độ ngày mai) sẽ là 30 độ C. Nhiệm vụ này thuộc loại nào?

• A. Phân loại (Classification).
• B. Hồi quy (Regression).
• C. Gom cụm (Clustering).
• D. Tìm luật kết hợp (Association Rule Mining).

Câu 26: Phân tích cảm xúc (Sentiment Analysis) của các bình luận trên mạng xã hội (ví dụ: tích cực, tiêu cực, trung lập) là một ứng dụng của Học máy thuộc loại nào?

• A. Học có giám sát (Phân loại văn bản).
• B. Học không giám sát (Gom cụm bình luận).
• C. Học tăng cường (Tối ưu hóa phản hồi).
• D. Hồi quy (Dự đoán mức độ cảm xúc theo thang số).

Câu 27: Bạn có một tập dữ liệu về các giao dịch mua sắm tại siêu thị và muốn tìm ra các mặt hàng thường được mua cùng nhau (ví dụ: "khách hàng mua sữa thường mua bánh mì"). Kỹ thuật học máy nào được sử dụng cho mục đích này?

• A. Phân loại (Classification).
• B. Hồi quy (Regression).
• C. Tìm luật kết hợp (Association Rule Mining).
• D. Giảm chiều dữ liệu (Dimensionality Reduction).

Câu 28: Hệ thống xe tự lái sử dụng Học máy để xử lý thông tin từ cảm biến (camera, radar, lidar) nhằm nhận diện vật thể (người đi bộ, xe khác), dự đoán hành vi và đưa ra quyết định lái xe. Đây là sự kết hợp của những ứng dụng học máy nào?

• A. Chỉ gom cụm dữ liệu cảm biến.
• B. Chỉ hồi quy để dự đoán tốc độ.
• C. Chỉ phân loại vật thể.
• D. Nhận dạng hình ảnh/vật thể, dự đoán hành vi (có thể là hồi quy hoặc phân loại), và ra quyết định hành động (có thể liên quan đến học tăng cường).

Câu 29: Ưu điểm chính của việc sử dụng Học máy trong các ứng dụng thực tế so với lập trình truyền thống là gì?

• A. Học máy luôn tạo ra các chương trình nhỏ gọn hơn.
• B. Học máy cho phép hệ thống tự động cải thiện hiệu suất khi có thêm dữ liệu mới mà không cần thay đổi mã nguồn phức tạp.
• C. Học máy không bao giờ mắc lỗi.
• D. Học máy chỉ yêu cầu ít dữ liệu để hoạt động.

Câu 30: Để một mô hình học máy có thể đưa ra dự đoán hoặc phân loại chính xác, yếu tố nào sau đây đóng vai trò quan trọng nhất?

• A. Màu sắc của giao diện người dùng.
• B. Tốc độ gõ code của lập trình viên.
• C. Chất lượng và số lượng của dữ liệu huấn luyện.
• D. Kích thước của màn hình hiển thị kết quả.

Câu 1: Học máy (Machine Learning) là một lĩnh vực nghiên cứu thuộc phạm vi rộng lớn nào của Khoa học máy tính?

• A. Lập trình web
• B. Trí tuệ nhân tạo (Artificial Intelligence - AI)
• C. Thiết kế đồ họa
• D. Quản trị cơ sở dữ liệu

Câu 2: Mục tiêu cốt lõi của học máy là gì?

• A. Giúp máy tính ghi nhớ một lượng lớn dữ liệu.
• B. Thiết kế giao diện người dùng thân thiện hơn.
• C. Phát triển các thuật toán cho phép máy tính học từ dữ liệu và cải thiện hiệu suất theo kinh nghiệm.
• D. Tăng tốc độ xử lý của bộ vi xử lý.

Câu 3: Phép thử nào được coi là một tiêu chí ban đầu để đánh giá khả năng thể hiện hành vi thông minh của máy tính, được đề xuất bởi Alan Turing?

• A. Phép thử Turing
• B. Phép thử Einstein
• C. Phép thử Newton
• D. Phép thử Boolean

Câu 4: Trong học máy, khái niệm "kinh nghiệm" (experience) thường được thể hiện dưới dạng nào?

• A. Tốc độ thực thi chương trình.
• B. Số dòng mã nguồn của chương trình.
• C. Dung lượng bộ nhớ RAM sử dụng.
• D. Dữ liệu mà thuật toán học máy được huấn luyện trên đó.

Câu 5: Bạn đang xây dựng một hệ thống tự động phân loại email thành "Thư rác" (Spam) hoặc "Không phải thư rác" (Not Spam). Bạn có sẵn một tập dữ liệu lớn gồm các email đã được gán nhãn rõ ràng (đã biết email nào là spam, email nào không). Loại học máy nào phù hợp nhất cho nhiệm vụ này?

• 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) - chỉ là một kỹ thuật, không phải loại hình học

Câu 6: Một công ty muốn phân khúc khách hàng của mình thành các nhóm dựa trên hành vi mua sắm và dữ liệu nhân khẩu học mà không có bất kỳ nhãn phân nhóm nào được định trước. Loại học máy nào có thể giúp họ khám phá các cấu trúc hoặc nhóm tiềm ẩn trong dữ liệu này?

• 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 7: Nhiệm vụ dự đoán giá nhà dựa trên các đặc điểm như diện tích, số phòng ngủ, vị trí, v.v., là một ví dụ điển hình của bài toán học máy nào?

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

Câu 8: Nhiệm vụ nhận diện xem một bức ảnh chứa mèo hay chó là một ví dụ của bài toán học máy nào?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Gom cụm (Clustering)
• D. Tìm luật kết hợp (Association Rule Mining)