Ôn tập IAIO khối 9 - 1
Chú ý: Bạn phải tiến hành đăng nhập để làm đề thi này.
Tạo đề thi, làm bài thi, theo dõi kết quả ngay trên điện thoại — mọi lúc mọi nơi!
Tải trên Google Play Tải trên App StoreNội dung đề thi: Ôn tập IAIO khối 9 - 1
Xem trước 25/29 câu hỏi trong đề. Bấm Vào thi để làm bài trực tuyến, được chấm điểm và xem đáp án chi tiết.
Câu 1. Điều nào sau đây mô tả tốt nhất về "siêu phẳng" trong ngữ cảnh Máy vectơ hỗ trợ (SVM) được sử dụng để phân loại?
- A. Một ranh giới cong thích ứng với các phân phối dữ liệu phức tạp.
- B. Một đường thẳng (hoặc mặt phẳng ở chiều cao hơn) ngăn cách các điểm dữ liệu thuộc các lớp khác nhau.
- C. Tâm cụm thể hiện vị trí trung bình của các điểm dữ liệu.
- D. Một nút trong cây quyết định phân tách dữ liệu.
Câu 2. Trong các thuật toán cây quyết định, mục đích chính của Chỉ số Gini là gì?
- A. Để đo phương sai trong tập dữ liệu.
- B. Để tính entropy của một nút.
- C. Đánh giá độ tạp chất, độ tinh khiết của nút.
- D. Xác định số lượng cụm trong dữ liệu.
Câu 3. Thuật toán phân cụm nào yêu cầu số lượng cụm (k) phải được chỉ định trước khi phân tích?
- A. DBSCAN
- B. Phân cụm phân cấp
- C. Phân cụm k-Phương tiện
- D. Phân cụm dịch chuyển trung bình
Câu 4. Trong phân loại, thuật ngữ "quá khớp" đề cập đến:
- A. Một mô hình khái quát hóa tốt với dữ liệu không nhìn thấy.
- B. Một mô hình quá đơn giản và kém hiệu quả.
- C. Một mô hình hoạt động đặc biệt tốt trên dữ liệu đào tạo nhưng kém trên dữ liệu mới, không nhìn thấy.
- D. Một mô hình có quá ít thông số.
Câu 5. Kỹ thuật nào sau đây thường được sử dụng để ngăn chặn quá khớp trong cây quyết định?
- A. Tăng độ sâu của cây
- B. Cắt tỉa cây
- C. Thêm nhiều tính năng hơn
- D. Sử dụng phân cụm k-Means
Câu 6. Trong phân cụm, thuật ngữ "centroid" đề cập đến điều gì?
- A. Điểm dữ liệu xa tâm cụm nhất
- B. Vị trí trung bình (trung bình) của tất cả các điểm dữ liệu trong một cụm
- C. Một giá trị ngoại lệ không thuộc bất kỳ cụm nào
- D. Ranh giới ngăn cách các cụm
Câu 7. Điều nào sau đây được coi là nhược điểm của cây quyết định?
- A. Chúng có thể dễ dàng giải thích.
- B. Chúng có thể quá khớp nếu không được cắt tỉa đúng cách.
- C. Chúng yêu cầu xử lý trước dữ liệu tối thiểu.
- D. Chúng làm việc với cả dữ liệu số và phân loại.
Câu 8. Thuật toán nào chủ yếu liên quan đến học tập không giám sát?
- A. Bayes ngây thơ
- B. k-Hàng xóm gần nhất (k-NN)
- C. Phân cụm k-Means
- D. Cây quyết định
Câu 9. Trong các nhiệm vụ phân loại, mục đích của ma trận nhầm lẫn là gì?
- A. Để hình dung ranh giới quyết định của một thuật toán
- B. Để hiển thị sự phân bố của các điểm dữ liệu trong các cụm
- C. Để tóm tắt hiệu suất của mô hình phân loại bằng cách so sánh nhãn dự đoán với nhãn thực tế
- D. Để tính toán phương sai tổng thể trong dữ liệu
Câu 10. Mục đích chính của việc sử dụng entropy trong các thuật toán cây quyết định như ID3 là gì?
- A. Để tính toán khoảng cách trung bình giữa các điểm dữ liệu
- B. Để đo độ không đảm bảo hoặc tạp chất của một nút
- C. Để xác định số lượng cụm tối ưu
- D. Để chuẩn hóa các tính năng trong tập dữ liệu
Câu 11. Tokenization trong NLP đề cập đến:
- A. Chỉ chuyển đổi văn bản thành chữ thường.
- B. Tách văn bản thành các đơn vị có nghĩa như từ hoặc câu.
- C. Xóa dấu câu khỏi văn bản.
- D. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.
Câu 12. Thư viện Python nào được sử dụng phổ biến nhất cho các tác vụ NLP cơ bản như mã hóa, bắt nguồn và gắn thẻ một phần của bài phát biểu?
- A. TensorFlow
- B. NLTK
- C. Matplotlib
- D. OpenCV
Câu 13. Mục đích chính của việc bắt nguồn trong NLP là gì?
- A. Để sửa lỗi chính tả trong văn bản.
- B. Giảm các từ xuống dạng gốc của chúng bằng cách loại bỏ hậu tố.
- C. Dịch từ ngữ sang ngôn ngữ khác.
- D. Để xác định các thực thể được đặt tên trong văn bản.
Câu 14. Lemmatization khác với gốc như thế nào?
- A. Lemmatization sử dụng từ điển để tìm dạng cơ sở thích hợp của một từ, trong khi gốc sử dụng các quy tắc đơn giản để cắt bỏ hậu tố.
- B. Lemmatization làm tăng độ dài của từ, trong khi stemming rút ngắn nó.
- C. Lemmatization được sử dụng cho dữ liệu số, trong khi stemming được sử dụng cho dữ liệu văn bản.
- D. Lemmatization và stemming là các quá trình giống hệt nhau.
Câu 15. Điều nào sau đây mô tả tốt nhất việc nhúng từ trong NLP?
- A. Phương pháp tạo dữ liệu văn bản ngẫu nhiên.
- B. Một kỹ thuật chuyển đổi từ thành vectơ số nắm bắt các mối quan hệ ngữ nghĩa.
- C. Quá trình phân đoạn văn bản thành câu.
- D. Một kỹ thuật được sử dụng để nén các tệp văn bản.
Câu 16. Trong một triển khai Python điển hình của word2vec sử dụng thư viện gensim, hàm nào được sử dụng để đào tạo mô hình trên danh sách các câu được mã hóa?
- A. Word2Vec.build_vocab()
- B. Word2Vec.train()
- C. Word2Vec (câu)
- D. Word2Vec.initialize()
Câu 17. Hãy xem xét đoạn mã Python sau đây. Nó tạo ra những gì?import nltknltk.download('punkt')from nltk.tokenize import word_tokenizetext = "Hello, world! Welcome to NLP."tokens = word_tokenize(text)print(tokens)
- A. ["Hello", "world", "Welcome", "to", "NLP"]
- B. ["Hello,", "world!", "Welcome", "to", "NLP."]
- C. ["Hello", ",", "world", "!", "Welcome", "to", "NLP", "."]
- D. ["Hello world", "Welcome to NLP"]
Câu 18. Phương pháp nào được sử dụng trong NLP để gắn thẻ một phần của bài phát biểu (POS)?
- A. Phân cụm K-Means
- B. Mô hình Markov ẩn (HMM)
- C. Máy vectơ hỗ trợ (SVM)
- D. Phân tích thành phần chính (PCA)
Câu 19. Mục đích chính của Nhận dạng thực thể được đặt tên (NER) trong NLP là gì?
- A. Chia văn bản thành câu
- B. Xác định và phân loại thông tin chính (như tên, ngày, địa điểm) trong văn bản
- C. Loại bỏ các từ dừng khỏi văn bản
- D. Tính toán tần suất của các từ
Câu 20. Các từ dừng trong NLP là:
- A. Những từ hiếm có nhiều thông tin
- B. Các từ thường được sử dụng thường bị xóa trước khi xử lý
- C. Những từ đầu tiên của mỗi câu
- D. Những từ chỉ biểu thị cảm xúc tiêu cực
Câu 21. Hãy xem xét một hệ thống tuyển dụng do AI cung cấp sử dụng dữ liệu việc làm trong quá khứ. Điều nào sau đây mô tả tốt nhất cách thiên vị thuật toán có thể biểu hiện trong trường hợp này và mối quan tâm đạo đức chính liên quan đến nó là gì?
- A. Hệ thống đối xử bình đẳng với mọi ứng cử viên vì nó sử dụng dữ liệu tổng hợp; Mối quan tâm đạo đức chính là quyền riêng tư dữ liệu.
- B. Hệ thống có thể kế thừa những thành kiến tuyển dụng trong quá khứ (ví dụ: phân biệt đối xử về giới tính hoặc chủng tộc) có trong dữ liệu lịch sử, dẫn đến việc đối xử không công bằng với các nhóm ít được đại diện; Mối quan tâm đạo đức chính là duy trì sự bất bình đẳng có hệ thống.
- C. Hệ thống lựa chọn ngẫu nhiên ứng viên, loại bỏ sự thiên vị; Mối quan tâm đạo đức chính là sự ngẫu nhiên có thể làm giảm hiệu quả.
- D. Hệ thống hoàn toàn minh bạch, vì vậy mọi sai lệch đều có thể dễ dàng sửa chữa; Mối quan tâm đạo đức chính là sự phụ thuộc quá mức vào các quy trình tự động.
Câu 22. Điều nào sau đây phân biệt tốt nhất giữa "đối xử khác nhau" và "tác động khác nhau" trong bối cảnh công bằng của AI và tại sao việc hiểu sự khác biệt này lại quan trọng về mặt đạo đức?
- A. Đối xử khác nhau liên quan đến sự phân biệt đối xử có chủ ý đối với một nhóm, trong khi tác động khác nhau đề cập đến các chính sách vô tình gây hại cho một nhóm; Hiểu được điều này giúp thiết kế cả thuật toán công bằng và chính sách tuân thủ.
- B. Đối xử khác nhau là một thước đo thống kê, trong khi tác động khác nhau là một khái niệm pháp lý; Sự khác biệt này chủ yếu là hành chính và không có ý nghĩa đạo đức.
- C. Đối xử khác nhau áp dụng cho học tập không giám sát, trong khi tác động khác nhau áp dụng cho học có giám sát; Điều này rất quan trọng để chọn mô hình máy học phù hợp.
- D. Cả hai thuật ngữ đều đề cập đến cùng một hiện tượng và được sử dụng thay thế cho nhau; tầm quan trọng đạo đức là tối thiểu.
Câu 23. Khi phát triển mô hình AI, "ràng buộc công bằng" đóng vai trò gì và kỹ thuật nào thường được sử dụng để thực hiện ràng buộc này trong thuật toán học máy?
- A. Nó đảm bảo rằng mô hình sử dụng toàn bộ bộ tính năng như nhau; Tỷ lệ tính năng là kỹ thuật phổ biến.
- B. Nó đảm bảo rằng các dự đoán của mô hình không thiên vị về bất kỳ nhóm cụ thể nào; Các kỹ thuật như cân lại hoặc chính quy hóa nhận thức về công bằng thường được sử dụng.
- C. Nó đảm bảo rằng mô hình luôn đạt được độ chính xác hoàn hảo; Xác thực chéo là phương pháp phổ biến.
- D. Nó đảm bảo mô hình không quá phù hợp với dữ liệu đào tạo; Dừng sớm thường được sử dụng.
Câu 24. Trong thiết kế AI có đạo đức, tại sao điều quan trọng là phải kết hợp tính minh bạch và khả năng diễn giải, và phương pháp nào thường được sử dụng để nâng cao khả năng diễn giải mô hình?
- A. Chúng không quan trọng miễn là mô hình hoạt động tốt; Tăng cường là một phương pháp phổ biến để cải thiện hiệu suất.
- B. Tính minh bạch và khả năng giải thích giúp các bên liên quan hiểu và tin tưởng vào các quyết định của mô hình; các phương pháp như LIME (Local Interpretable Model-agnostic Explanations) thường được sử dụng.
- C. Họ đảm bảo rằng mô hình không có bất kỳ thành kiến nào; phân tích thành phần chính (PCA) được sử dụng để tăng cường khả năng diễn giải.
- D. Chúng chỉ được yêu cầu để tuân thủ quy định và không có giá trị thực tế; Tâm quan trọng của tính năng rừng ngẫu nhiên là phương pháp duy nhất được sử dụng.
Câu 25. Tình huống nào sau đây là dấu hiệu của sự thiên vị mẫu nhất và nó có thách thức đạo đức nào trong các hệ thống AI?
- A. Một mô hình AI được đào tạo trên dữ liệu quá đa dạng, khiến nó khó hội tụ; Thách thức là tăng chi phí tính toán.
- B. Một hệ thống AI sử dụng dữ liệu lỗi thời, dẫn đến sai sót trong dự đoán; Thách thức đạo đức là không liên quan miễn là dữ liệu là lịch sử.
- C. Một mô hình AI được phát triển bằng cách sử dụng dữ liệu từ một nhóm nhân khẩu học duy nhất, sau đó hoạt động kém trên các nhóm khác; Thách thức đạo đức là nó có thể dẫn đến kết quả không công bằng, loại trừ.
- D. Một hệ thống AI sử dụng dữ liệu tổng hợp để đào tạo; Thách thức là thiếu khả năng ứng dụng trong thế giới thực.
… và còn 4 câu nữa. Bấm Vào thi phía trên để làm toàn bộ 29 câu và xem đáp án.
