part 6

1. Thuật ngữ nào dùng để chỉ một tập con dữ liệu được sử dụng để đánh giá hiệu suất của mô hình học máy? (What is the term used to describe a subset of data used to evaluate the performance of a machine learning model?)

• A. Tập kiểm tra (Test set)

• B. Kiểm tra (Test)

• C. Huấn luyện (Training)

• D. Tập huấn luyện (Train set)

2. Chọn tất cả các hoạt động thường liên quan đến bước thu thập dữ liệu trong các dự án AI. (Select all the activities that are typically involved in the data collection step of AI projects.)

• A. Làm sạch dữ liệu (Data cleaning)

• B. Gán nhãn dữ liệu (Data labeling)

• C. Chọn mô hình (Model selection)

• D. Thiết kế khảo sát (Survey design)

3. Những yếu tố nào là hợp lệ khi thực hiện thẩm định kỹ thuật đối với một dự án AI? (Which are valid considerations when conducting technical diligence on an AI project?)

• A. Khả năng mở rộng của mô hình AI (Scalability of the AI model)

• B. Khả năng tương thích của mô hình AI với các hệ thống hiện có (Compatibility with existing systems)

• C. Ngôn ngữ lập trình ưa thích của nhà phát triển (Developer’s favorite programming language)

• D. Sự vững chắc và độ tin cậy của mô hình AI (Robustness and reliability)

4. Những hoạt động nào là cần thiết để hiểu được kế hoạch và kỳ vọng của một chương trình? (Which activities are essential to grasp the program plans and expectations?)

• A. Xem lại đề cương khóa học (Reviewing the syllabus) B. Tham dự tất cả các bài giảng (Attending all lectures) C. Bỏ qua bài tập (Skipping assignments) D. Tham gia các cuộc thảo luận nhóm (Participating in group discussions)

• B. Tham dự tất cả các bài giảng (Attending all lectures) C. Bỏ qua bài tập (Skipping assignments) D. Tham gia các cuộc thảo luận nhóm (Participating in group discussions)

• C. Bỏ qua bài tập (Skipping assignments)

• . Tham gia các cuộc thảo luận nhóm (Participating in group discussions)

5. Chuyên gia dữ liệu tạo ra tác động tích cực như thế nào trong các ngành công nghiệp khác nhau? (How do data professionals make a positive impact across different industries?)

• . Tăng cường ra quyết định kinh doanh (Enhancing business decision-making)

• B. Cải thiện chiến lược duy trì khách hàng (Improving customer retention strategies)

• C. Phát triển nội dung marketing (Developing marketing content)

• D. Giảm chi phí vận hành (Reducing operational costs)

6. Chọn tất cả các công cụ thường được sử dụng trong các dự án AI. (Select all the tools that are commonly used in AI projects.)

• A. TensorFlow (TensorFlow)

• B. PyTorch (PyTorch)

• C. Notepad (Notepad)

• D. Scikit-Learn (Scikit-Learn)

7. Chiến lược nào sau đây có thể giúp tránh những sai lầm trong triển khai AI? (Which of the following strategies can help avoid pitfalls in AI implementation?)

• A. Xác định mục tiêu dự án rõ ràng (Defining clear project goals)

• . Tuân thủ quy định về quyền riêng tư dữ liệu (Ensuring data privacy compliance)

• C. Bỏ qua vấn đề khả năng mở rộng (Ignoring scalability issues)

• D. Đánh giá mô hình liên tục (Continuous model evaluation)

8. Chọn tất cả các lĩnh vực ứng dụng chính và kỹ thuật của AI. (Select all the major application areas and techniques of AI.)

• A. Phân loại hình ảnh (Image classification)

• B. Nhận dạng giọng nói (Speech recognition)

• C. Phân loại (Classification)

• D. Thuật toán sắp xếp (Sorting algorithms)

9. Chọn các tác động của khoa học dữ liệu và học máy đến các chức năng công việc. (Select the impacts of data science and machine learning on job functions.)

• A. Tự động hóa các công việc lặp lại (Automation of routine tasks)

• B. Cải thiện việc ra quyết định dựa trên dữ liệu (Enhanced data-driven decision making)

• C. Loại bỏ hoàn toàn lực lượng lao động (Complete removal of human workforce)

• D. Cải thiện hiểu biết về khách hàng (Improved customer insights)

10. Những giải pháp kỹ thuật nào sau đây giúp giảm thiên lệch trong các hệ thống AI? (Which of the following are technical solutions to mitigate bias in AI systems?)

• A. Công bằng trong thuật toán (Algorithmic fairness)

• B. Tăng cường thiên lệch (Bias amplification)

• C. Tăng cường dữ liệu (Data augmentation)

• D. Tăng kích thước tập dữ liệu mà không chỉnh sửa (Increasing dataset size without modifying it)