Câu hỏi tự luận Khoa học máy tính 12 kết nối Bài 25: Làm quen với Học máy

BÀI 25: LÀM QUEN VỚI HỌC MÁY

1. NHẬN BIẾT (4 CÂU)

Câu 1: Học máy là lĩnh vực nào trong trí tuệ nhân tạo?

Trả lời: 

Học máy là lĩnh vực của trí tuệ nhân tạo (AI) nghiên cứu và phát triển các thuật toán cho phép máy tính tự học từ dữ liệu.

Câu 2: Dữ liệu có nhãn là gì trong học máy?

Trả lời: 

Dữ liệu có nhãn là dữ liệu đã được gán nhãn hoặc giá trị đích cụ thể, như hình ảnh được gán nhãn là "con ngựa" hoặc "không phải ngựa".

Câu 3: Học không giám sát là gì?

Trả lời:

Câu 4: Một ví dụ về ứng dụng của học máy trong chẩn đoán bệnh là gì?

Trả lời:

2. THÔNG HIỂU (4 CÂU)

Câu 1:Tại sao học máy có thể giúp máy tính tự học từ dữ liệu mà không cần lập trình chi tiết?

Trả lời: 

Học máy sử dụng các thuật toán và mô hình để phân tích dữ liệu và tìm ra các mẫu và quy luật, từ đó giúp máy tính tự động học và cải thiện khả năng dự đoán hoặc quyết định mà không cần phải lập trình chi tiết cho từng bước.

Câu 2:Mô hình học có giám sát sử dụng dữ liệu như thế nào?

Trả lời:

Mô hình học có giám sát sử dụng dữ liệu có nhãn để huấn luyện mô hình, giúp mô hình học mối quan hệ giữa đầu vào và đầu ra để dự đoán nhãn cho dữ liệu mới.

Câu 3: Học không giám sát có thể thực hiện các nhiệm vụ nào?

Trả lời:

Câu 4: Học máy có vai trò gì trong việc nhận dạng tiếng nói?

Trả lời:

3. VẬN DỤNG (3 CÂU)

Câu 1: Nếu bạn đang thiết kế một hệ thống lọc thư rác sử dụng học máy, bạn sẽ sử dụng phương pháp học nào và tại sao?

Trả lời:

Tôi sẽ sử dụng phương pháp học có giám sát, vì hệ thống lọc thư rác cần học từ dữ liệu có nhãn (thư rác và thư không phải thư rác) để phân loại thư điện tử chính xác.

Câu 2: Trong một hệ thống phân tích dữ liệu thị trường, học máy có thể giúp gì?

Trả lời:

Câu 3: Bạn sẽ áp dụng học không giám sát như thế nào để cải thiện trải nghiệm người dùng trong một ứng dụng thương mại điện tử?

Trả lời:

4. VẬN DỤNG CAO (2 CÂU)

Câu 1: Bạn đang phát triển một hệ thống chẩn đoán bệnh sử dụng học máy. Làm thế nào để đảm bảo mô hình của bạn có thể học từ dữ liệu y tế có nhãn và không có nhãn?

Trả lời:

Tôi sẽ kết hợp cả học có giám sát và học không giám sát. Sử dụng học có giám sát để huấn luyện mô hình với dữ liệu có nhãn (các chẩn đoán y tế đã xác định), và sử dụng học không giám sát để phát hiện các mẫu hoặc bất thường trong dữ liệu y tế không có nhãn.

----------------------------------

----------------------- Còn tiếp -------------------------