Đáp án: C

Giải thích: Học máy là một lĩnh vực của trí tuệ nhân tạo (AI) nghiên cứu và phát triển các thuật toán giúp máy tính tự học từ dữ liệu để dự đoán hoặc quyết định mà không cần lập trình cụ thể.

Đáp án: C

Giải thích: Dữ liệu có nhãn là dữ liệu đã được gán nhãn hoặc giá trị đích cụ thể, rất quan trọng trong quá trình huấn luyện mô hình học máy vì nó giúp mô hình học và dự đoán chính xác hơn.

Đáp án: B

Giải thích: Học không giám sát sử dụng dữ liệu không có nhãn để khai thác thông tin ẩn, phân nhóm dữ liệu, và tìm hiểu cấu trúc nội tại của dữ liệu mà không cần nhãn trước.

Đáp án: C

Giải thích: Học máy phân tích dữ liệu thị trường để xác định xu hướng, dự báo biến động giá cả và hỗ trợ chiến lược kinh doanh.

Đáp án: B

Giải thích: 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.

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.

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 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.