Đáp án: C

Giải thích: Học máy xây dựng mô hình âm thanh để nhận diện và phân biệt âm thanh của các đơn vị tiếng, giúp cải thiện khả năng nhận diện tiếng nói của người dùng khác nhau.

Đáp án: B

Giải thích: Học máy xây dựng mô hình dịch tự động từ dữ liệu bản dịch và bản gốc, giúp dịch văn bản và tiếng nói giữa các ngôn ngữ, giảm rào cản ngôn ngữ trong giao tiếp.

Đáp án: B

Giải thích: Để xây dựng mô hình chẩn đoán bệnh, học máy thường sử dụng dữ liệu có nhãn từ các xét nghiệm và dữ liệu sức khoẻ để dự đoán và chẩn đoán tình trạng sức khoẻ.

Đáp án: B

Giải thích: Học máy giúp tự động hoá các nhiệm vụ phức tạp bằng cách xử lý và phân tích lượng lớn dữ liệu, tạo ra các mô hình dự đoán và quyết định dựa trên dữ liệu.

Đáp án: B

Giải thích: Học máy sử dụng mô hình hình học để nhận diện chữ viết tay, với sự phát triển của học sâu giúp cải thiện khả năng nhận diện chữ viết tay một cách chính xác.

Câu 6: Học máy thuộc lĩnh vực nào trong trí tuệ nhân tạo?

A. Xử lý ngôn ngữ tự nhiên

B. Học sâu

C. Học máy

D. Tìm kiếm thông tin

Câu 7: Trong học máy, loại dữ liệu nào được gán nhãn cụ thể để huấn luyện mô hình?

A. Dữ liệu không có nhãn

B. Dữ liệu không rõ

C. Dữ liệu có nhãn

 D. Dữ liệu phụ

Câu 8: Phương pháp học máy nào sử dụng dữ liệu không có nhãn để mô hình hóa cấu trúc hoặc thông tin ẩn?

A. Học có giám sát

B. Học không giám sát

C. Học sâu

D. Học tăng cường

Câu 9: Một ứng dụng của học máy trong phân tích thị trường là gì?

A. Lọc thư rác

B. Nhận dạng chữ viết

C. Dự báo biến động giá cả

D. Chẩn đoán bệnh

Câu 10: Trong các phương pháp học máy, cái nào sử dụng dữ liệu có nhãn để huấn luyện mô hình?

A. Học không giám sát

B. Học có giám sát

C. Học tăng cường

D. Học sâu

a) Đúng: Học máy cho phép máy tính tự học từ dữ liệu để xây dựng bộ lọc phân loại thư điện tử, thay vì phải lập trình cụ thể cho từng loại thư.

b) Sai: Học máy có thể học từ dữ liệu mà không cần lập trình cụ thể, tạo ra các mô hình dự đoán hoặc quyết định dựa trên dữ liệu mà không cần các quy tắc rõ ràng.

c) Đúng: Học có giám sát sử dụng dữ liệu có nhãn để huấn luyện mô hình, bao gồm các ứng dụng như nhận dạng hình ảnh, nơi mà dữ liệu đầu vào có nhãn là hình ảnh và nhãn là danh mục tương ứng.

d) Sai: Học có giám sát là phương pháp phổ biến nhất trong học máy, do nó sử dụng dữ liệu có nhãn để huấn luyện mô hình, dễ dàng đánh giá và đo lường hiệu quả.

a) Đúng: Học máy có khả năng phân loại thư điện tử thành thư rác hoặc thư thường bằng cách học từ các đặc điểm của thư trong quá trình huấn luyện.

b) Sai: Học máy được sử dụng trong chẩn đoán bệnh bằng cách phân tích dữ liệu sức khỏe và xét nghiệm, hỗ trợ bác sĩ trong việc đưa ra các quyết định chính xác.

c) Sai: Học máy có khả năng xử lý và phân tích lượng lớn dữ liệu, tự động hóa các nhiệm vụ phức tạp và liên tục cập nhật mô hình để đáp ứng sự thay đổi của dữ liệu.

d) Đúng: Học máy được sử dụng để xây dựng các mô hình dịch tự động, giúp dịch văn bản và tiếng nói giữa các ngôn ngữ khác nhau, giảm rào cản ngôn ngữ trong giao tiếp.

Đáp án: Học máy là một lĩnh vực của trí tuệ nhân tạo (AI) chuyên nghiên cứu và phát triển các thuật toán và mô hình cho phép máy tính tự học từ dữ liệu mà không cần lập trình chi tiết. Máy tính sử dụng các thuật toán này để phân tích dữ liệu, nhận diện mẫu, và tạo ra các dự đoán hoặc quyết định dựa trên dữ liệu đã học được.

Giải thích:
Học máy hoạt động bằng cách sử dụng dữ liệu để huấn luyện các mô hình, sau đó áp dụng các mô hình này để phân tích và đưa ra dự đoán cho các dữ liệu mới. Nó giúp máy tính tự động hóa các nhiệm vụ phức tạp mà con người thường làm, như phân loại thư điện tử, chẩn đoán bệnh, và dịch ngôn ngữ.

Đáp án: - Học có giám sát: Sử dụng dữ liệu có nhãn (được gán giá trị cụ thể) để huấn luyện mô hình. Mô hình học cách dự đoán nhãn cho dữ liệu mới dựa trên mối quan hệ giữa đầu vào và đầu ra từ dữ liệu huấn luyện.

- Học không giám sát: Sử dụng dữ liệu không có nhãn. Mô hình tìm hiểu cấu trúc hoặc mẫu ẩn trong dữ liệu mà không có giá trị đích cụ thể, thường để phân chia dữ liệu thành các nhóm hoặc xác định sự bất thường.

Giải thích: Học có giám sát yêu cầu dữ liệu phải có nhãn để mô hình có thể học cách phân loại hoặc dự đoán chính xác. Trong khi đó, học không giám sát không yêu cầu nhãn và được sử dụng để tìm hiểu các cấu trúc ẩn trong dữ liệu, như phân cụm khách hàng hoặc phát hiện sự bất thường.

Đáp án: Học máy đóng vai trò quan trọng trong nhiều ứng dụng thực tế, bao gồm:

Lọc thư rác: Phân loại thư điện tử thành thư rác hoặc thư thường.

Chẩn đoán bệnh: Phân tích dữ liệu y tế để hỗ trợ chẩn đoán và điều trị.

Phân tích thị trường: Dự báo xu hướng và biến động giá cả.

Nhận dạng tiếng nói: Cải thiện nhận diện tiếng nói của người dùng.

Dịch tự động: Dịch văn bản và tiếng nói giữa các ngôn ngữ.

Giải thích: Học máy giúp tự động hóa và cải thiện hiệu suất trong các lĩnh vực khác nhau nhờ khả năng phân tích dữ liệu lớn, học từ dữ liệu để tạo ra các mô hình dự đoán, và liên tục cập nhật mô hình để thích ứng với sự thay đổi của dữ liệu.