TTNT Chương 4

Question 1: Phát biểu nào không đúng về nguyên lý của học sâu

• Đòi hỏi trích xuất đặc trưng một cách thủ công
• Học sâu là phương pháp nạp vào một tập huấn luyện với rất nhiều dữ liệu, để chúng có thể sử dụng và đưa ra các quyết định về những dữ liệu khác
• Học hỏi từ những sai lầm của nó
• Hệ thống biết tích lũy kinh nghiệm

Question 2: Convolutional Neural Networks (CNNs) thường được sử dụng cho loại dữ liệu nào?

• Xử lý hình ảnh
• Xử lý âm thanh
• Phân tích văn bản
• Tạo ra dữ liệu mới

Question 3: Transformer là một mở rộng của RNN, nổi bật nhờ khả năng gì?

• Xử lý ngôn ngữ tự nhiên hiệu quả hơn
• Tạo ra hình ảnh từ dữ liệu
• Phân tích dữ liệu phi tuần tự
• Phát hiện gian lận trong giao dịch

Question 4: Giá sử mối quan hệ giữa Trí tuệ nhân tạo (AI), Học máy (ML), Học sâu (DL) được biểu diễn dưới dạng tập hợp. Phát biểu nào dưới đây là đúng?

• AI chứa ML và ML chứa DL
• ML chứa AI và AI chứa DL
• AI chứa DL và DL chứa ML
• DL chứa ML and ML chứa AI

Question 5: Có bao nhiêu lớp đầu ra (output layer) trong mạng neuron dưới đây? HÌNH_3

• 1
• 6
• 4
• 5

Question 6: Phương pháp học máy nào dưới đây phù hợp để xây dựng mô hình dùng để nhận dạng chữ viết tay, hình ảnh, âm thanh, hoặc một đoạn video cụ thể?

• Học sâu
• Học không giám sát
• Học có giám sát
• Tất cả các phương án trên

Question 7: Mạng neuron nhân tạo là gì?

• Là cấu trúc giả lập cách thức hoạt động của neuron trong não bộ con người
• Là mạng neuron được làm từ vật liệu nhân tạo
• Là một mô hình tuyến tính
• Là một hệ thống phức tạp có thể tiếp nhận dữ liệu đầu vào và cho ra kết quả

Question 8: Mô hình học sâu thường được sử dụng để làm gì?

• Phân tích dữ liệu và đưa ra dự đoán trong nhiều ứng dụng khác nhau
• Tăng cường hiệu suất phần cứng
• Chỉ sử dụng trong ngành y tế
• Tạo ra phần mềm lập trình tự động

Question 9: Mối liên hệ giữa học máy và học sâu là gì?

• Học máy là một lớp con của học sâu
• Học máy và học sâu là hai lĩnh vực riêng biệt
• Học sâu là một lớp con của học máy
• Không có đáp án đúng

Question 10: Generative Adversarial Networks (GANs) thường được sử dụng để làm gì?

• Tạo ra dữ liệu mới như hình ảnh và âm thanh
• Phân tích dữ liệu văn bản
• Xử lý video chất lượng cao
• Tối ưu hóa tốc độ xử lý