200+ Trắc nghiệm Học máy (có đáp án)
Tổng hợp trên 200 câu hỏi trắc nghiệm Học máy có đáp án với các câu hỏi đa dạng, phong phú từ nhiều nguồn giúp sinh viên ôn trắc nghiệm Học máy đạt kết quả cao.
200+ Trắc nghiệm Học máy (có đáp án)
Câu 1. Trong lĩnh vực nào AI được sử dụng phổ biến nhất?
A. Ngành y tế
B. Ngành sản xuất
C. Ngành nông nghiệp
D. Ngành dịch vụ
Câu 2. Machine learning là phần nào của AI?
A. Phần cứng
B. Phần mềm
C. Cả hai
D. Không phải là phần nào
Câu 3. Deep learning dựa trên mô hình gì để học?
A. Mô hình thống kê
B. Mô hình tuyến tính
C. Mạng neural
D. Mô hình logic
Câu 4. Mục đích chính của học máy là gì?
A. Lập trình máy tính để thực hiện các nhiệm vụ cụ thể
B. Huấn luyện máy tính để tự học từ dữ liệu
C. Tạo ra máy tính có trí tuệ nhân tạo
D. Tối ưu hóa các thuật toán máy học
Câu 5. Mạng neural làm gì trong học sâu?
A. Giảm kích thước dữ liệu
B. Tăng độ chính xác của mô hình
C. Tạo ra mô hình dự đoán
D. Mô phỏng cấu trúc não người
Câu 6. Thuật ngữ “overfitting” đề cập đến hiện tượng gì trong machine learning?
A. Mô hình không phù hợp với dữ liệu huấn luyện
B. Mô hình phù hợp tốt với dữ liệu huấn luyện nhưng không tổng quát hóa được cho dữ liệu mới
C. Mô hình không học được từ dữ liệu
D. Mô hình phù hợp tốt với dữ liệu huấn luyện và tổng quát hóa tốt cho dữ liệu mới
Câu 7. “Bias” trong machine learning là gì?
A. Sai số giữa dự đoán và giá trị thực tế
B. Sự phức tạp của mô hình
C. Tính tổng quát hóa của mô hình
D. Sự khác biệt giữa dữ liệu huấn luyện và dữ liệu kiểm tra
Câu 8. Phương pháp “dropout” trong học sâu là gì?
A. Kỹ thuật giảm overfitting bằng cách loại bỏ ngẫu nhiên một số lượng các neuron trong mạng neural trong quá trình huấn luyện
B. Kỹ thuật giảm kích thước của mạng neural
C. Kỹ thuật tăng khả năng học từ dữ liệu mới
D. Kỹ thuật tăng kích thước mạng neural
Câu 9. Trong deep learning, “activation function” là gì?
A. Hàm được sử dụng để biến đổi đầu vào của một neural network thành đầu ra
B. Hàm để tính toán gradient
C. Hàm để giảm overfitting
D. Hàm để tối ưu hóa trọng số của mạng neural
Câu 10. Trong machine learning, thuật ngữ “unsupervised learning” ám chỉ điều gì?
A. Quá trình học từ dữ liệu được gán nhãn
B. Quá trình học từ dữ liệu không được gán nhãn
C. Quá trình học từ phản hồi từ môi trường
D. Quá trình học từ dữ liệu thô
Câu 12. Trong học máy, “feature” đề cập đến gì?
A. Dữ liệu không được gán nhãn
B. Dữ liệu được gán nhãn
C. Đặc điểm hoặc thuộc tính của dữ liệu
D. Dữ liệu đã được xử lý
Câu 13. Trong học máy, “bagging” làm gì?
A. Kỹ thuật tăng kích thước mô hình
B. Kỹ thuật giảm kích thước mô hình
C. Kỹ thuật kết hợp nhiều mô hình dự đoán để cải thiện hiệu suất
D. Kỹ thuật chia tập dữ liệu huấn luyện và kiểm tra
Câu 14. Phương pháp “boosting” trong machine learning là gì?
A. Kỹ thuật tăng kích thước mô hình
B. Kỹ thuật giảm kích thước mô hình
C. Kỹ thuật kết hợp nhiều mô hình dự đoán để cải thiện hiệu suất
D. Kỹ thuật chia tập dữ liệu huấn luyện và kiểm tra
Câu 15. AI đã ứng dụng trong lĩnh vực nào sau đây?
A. Dự báo thời tiết
B. Dự đoán giá cổ phiếu
C. Tất cả các phương án trên
D. Không có câu trả lời nào đúng
Câu 16. Trong học sâu, “convolutional neural networks (CNNs)” thường được sử dụng cho việc gì?
A. Phân loại hình ảnh
B. Phân tích ngôn ngữ tự nhiên
C. Dự đoán chuỗi thời gian
D. Tất cả các phương án trên
Câu 17. Thuật ngữ “precision” trong machine learning ám chỉ điều gì?
A. Tỷ lệ giữa số lần dự đoán đúng và tổng số lần dự đoán
B. Tỷ lệ giữa số lần dự đoán đúng positive và tổng số positive dự đoán
C. Tỷ lệ giữa số lần dự đoán đúng negative và tổng số negative dự đoán
D. Số lần dự đoán đúng trên tổng số lần dự đoán
Câu 18. Thuật ngữ “recall” trong machine learning ám chỉ điều gì?
A. Tỷ lệ giữa số lần dự đoán đúng positive và tổng số positive thực sự
B. Tỷ lệ giữa số lần dự đoán đúng negative và tổng số negative thực sự
C. Số lần dự đoán đúng trên tổng số lần dự đoán
D. Tỷ lệ giữa số lần dự đoán đúng và tổng số lần dự đoán đúng và sai
Câu 19. Trong học máy, “F1-score” ám chỉ điều gì?
A. Sự kết hợp giữa precision và recall
B. Tổng của precision và recall
C. Tích của precision và recall
D. Tính tổng của số lần dự đoán đúng và số lần dự đoán sai
Câu 20. Thuật ngữ “neural network” trong học máy thường được sử dụng để ám chỉ:
A. Một loại thuật toán tối ưu hóa
B. Một phương pháp tính toán biểu diễn các tầng xử lý thông tin
C. Một loại hàm kích hoạt
D. Một phương pháp gom nhóm dữ liệu
Câu 21. Thuật ngữ “gradient descent” làm gì trong học máy?
A. Cải thiện độ chính xác của mô hình
B. Tối ưu hóa các tham số của mô hình dựa trên đạo hàm của hàm mất mát
C. Giảm thiểu overfitting trong mô hình
D. Phân tích đặc trưng của dữ liệu
Câu 22. Thuật ngữ “underfitting” trong học máy đề cập đến tình huống nào?
A. Mô hình quá đơn giản và không thể đặc trưng hóa đủ dữ liệu
B. Mô hình phù hợp tốt với dữ liệu huấn luyện nhưng không tổng quát hóa được cho dữ liệu mới
C. Mô hình không học được từ dữ liệu
D. Mô hình phù hợp với dữ liệu huấn luyện và tổng quát hóa tốt cho dữ liệu mới
Câu 23. Trong học sâu, “recurrent neural networks (RNNs)” thường được sử dụng cho việc gì?
A. Dự đoán chuỗi thời gian
B. Phân loại hình ảnh
C. Phân tích ngôn ngữ tự nhiên
D. Tất cả các phương án trên
Câu 24. Trong học máy, “feature engineering” đề cập đến việc gì?
A. Quá trình chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu
B. Quá trình xây dựng các mô hình dự đoán
C. Quá trình tinh chỉnh siêu tham số của mô hình
D. Quá trình đánh giá hiệu suất của mô hình
Câu 25. “Cross-validation” trong học máy được sử dụng để làm gì?
A. Chia tập dữ liệu thành tập huấn luyện và tập kiểm tra
B. Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra
C. Đánh giá hiệu suất của mô hình và tối ưu hóa siêu tham số
D. Đánh giá độ chính xác của mô hình trên tập dữ liệu huấn luyện
Câu 26. Trong học sâu, “batch normalization” được sử dụng để giải quyết vấn đề gì?
A. Overfitting
B. Underfitting
C. Gradient vanishing/exploding
D. Biến dạng dữ liệu
Câu 27. Trong học máy, thuật ngữ “ensemble learning” ám chỉ điều gì?
A. Việc kết hợp nhiều mô hình dự đoán để cải thiện hiệu suất
B. Sử dụng nhiều tập dữ liệu khác nhau
C. Tạo ra các mô hình phức tạp
D. Chọn lựa siêu tham số tốt nhất cho mô hình
Câu 28. “Reinforcement learning” thường được sử dụng trong ngữ cảnh nào?
A. Học có giám sát
B. Học không giám sát
C. Học củng cố
D. Học bán giám sát
Câu 29. Trong học máy, “random forest” là một loại gì?
A. Một loại thuật toán tối ưu hóa
B. Một loại mô hình học sâu
C. Một loại mô hình học có giám sát
D. Một phương pháp kết hợp nhiều cây quyết định
Câu 30. Trong học sâu, “backpropagation” được sử dụng để làm gì?
A. Tối ưu hóa các tham số của mạng neural
B. Tăng độ phức tạp của mạng neural
C. Giảm overfitting trong mạng neural
D. Biến đổi đầu vào thành đầu ra cho mạng neural
................................
................................
................................
Xem thêm câu hỏi trắc nghiệm các môn học Đại học có đáp án hay khác:
Sách VietJack thi THPT quốc gia 2025 cho học sinh 2k7:
ĐỀ THI, GIÁO ÁN, GÓI THI ONLINE DÀNH CHO GIÁO VIÊN VÀ PHỤ HUYNH LỚP 12
Bộ giáo án, đề thi, bài giảng powerpoint, khóa học dành cho các thầy cô và học sinh lớp 12, đẩy đủ các bộ sách cánh diều, kết nối tri thức, chân trời sáng tạo tại https://tailieugiaovien.com.vn/ . Hỗ trợ zalo VietJack Official
- Soạn văn 12 (hay nhất) - KNTT
- Soạn văn 12 (ngắn nhất) - KNTT
- Giải sgk Toán 12 - KNTT
- Giải Tiếng Anh 12 Global Success
- Giải sgk Tiếng Anh 12 Smart World
- Giải sgk Tiếng Anh 12 Friends Global
- Giải sgk Vật Lí 12 - KNTT
- Giải sgk Hóa học 12 - KNTT
- Giải sgk Sinh học 12 - KNTT
- Giải sgk Lịch Sử 12 - KNTT
- Giải sgk Địa Lí 12 - KNTT
- Giải sgk Giáo dục KTPL 12 - KNTT
- Giải sgk Tin học 12 - KNTT
- Giải sgk Công nghệ 12 - KNTT
- Giải sgk Hoạt động trải nghiệm 12 - KNTT
- Giải sgk Giáo dục quốc phòng 12 - KNTT
- Giải sgk Âm nhạc 12 - KNTT
- Giải sgk Mĩ thuật 12 - KNTT
Giải bài tập SGK & SBT
Tài liệu giáo viên
Sách
Khóa học
Thi online
Hỏi đáp
