Bài 25. Làm quen với Học máy trang 90

1.1

Trả lời câu hỏi 1.1 trang 90 Bài 1 SBT Tin học 12 Kết nối tri thức

Học máy là:

A. Chương trình máy tính có khả năng đưa ra quyết định hay dự đoán dựa trên dữ liệu. Sqod rain

B. Khả năng máy tính phân tích dữ liệu thu nhận được để đưa ra dự đoán hoặc quyết định dựa trên các quy tắc được xác định rõ ràng.

C. Việc sử dụng các phương pháp và kĩ thuật cho phép máy tính học từ dữ liệu để đưa ra dự đoán hoặc quyết định mà không cần lập trình cụ thể.

D. Chương trình máy tính có khả năng tự cải thiện hiệu suất thực hiện nhiệm vụ thông qua việc cập nhật các dữ liệu mới sau khi hoàn thành nhiệm vụ đó nhiều lần.

Lời giải chi tiết:

Đáp án: C. Học máy sử dụng các thuật toán và mô hình để tự học từ dữ liệu mà không cần lập trình cụ thể cho từng quyết định hoặc dự đoán. Điều này cho phép máy tính cải thiện hiệu suất khi có nhiều dữ liệu hơn và không bị giới hạn bởi quy tắc đã được lập trình trước.

1.2

Trả lời câu hỏi 1.2 trang 91 Bài 1 SBT Tin học 12 Kết nối tri thức

Trong Học máy, việc "máy tính tự học từ dữ liệu mà không cần lập trình rõ ràng" có nghĩa là gì?

A. Máy tính được cài đặt trước tất cả các quy tắc cần thiết để thực hiện một nhiệm vụ cụ thể.

B. Mãy tính hoạt động hoàn toàn theo một cách ngẫu nhiên và không dựa trên bất kì dữ liệu nào.

C. Máy tính chí thực hiện các nhiệm vụ đã được lập trình cụ thể từ trước.

D. Máy tính có thể tự động tìm ra các mẫu và mối quan hệ trong dữ liệu, mà không cần con người hướng dẫn cụ thể cho từng trường hợp.

Lời giải chi tiết:

Đáp án: D. Đây chính là ý nghĩa cốt lõi của việc "máy tính tự học". Trong học máy, máy tính sử dụng các thuật toán để phân tích dữ liệu và tự động phát hiện các mẫu, mối quan hệ mà không cần hướng dẫn rõ ràng từ con người. Điều này cho phép máy tính thực hiện các nhiệm vụ và đưa ra quyết định dựa trên dữ liệu đầu vào mà nó đã học.

1.3

Trả lời câu hỏi 1.3 trang 91 Bài 1 SBT Tin học 12 Kết nối tri thức

Khi sử dụng Học máy để lọc thư điện tử, máy tính học cách phân loại thư rác và thư hợp lệ như thế nào?

A. Máy tính được hướng dẫn từng bước cụ thể để nhận diện thư rác.

B. Bằng cách nhận diện từ khóá cụ thể được lập trình trước trong nội dung thư.

C. Bằng cách học từ tập dữ liệu ví dụ về thư rác, thư hợp lệ và tự xác định đặc điểm phân biệt chúng.

D. Máy tính sử dụng các quy tắc cố định được thiết lập bởi người lập trình.

Lời giải chi tiết:

Đáp án: C. Đây chính là cách mà Học máy hoạt động. Máy tính sẽ được huấn luyện trên một tập dữ liệu lớn bao gồm các ví dụ về thư rác và thư hợp lệ. Qua đó, nó sẽ tự động học các đặc điểm và mẫu để phân biệt giữa hai loại thư này mà không cần phải được lập trình rõ ràng cho từng trường hợp.

1.4

Trả lời câu hỏi 1.4 trang 91 Bài 1 SBT Tin học 12 Kết nối tri thức

Tại sao cần chia dữ liệu Học máy thành hai phần: dữ liệu huấn luyện và dữ liệu kiểm tra?

A. Để máy tính có thể học từ cả hai loại dữ liệu một cách cân bằng.

B. Để đánh giá khách quan hiệu suất của mô hình học máy.

C. Để tăng khối lượng dữ liệu mà máy tính có thể học.

D. Để có thể dự đoán kết quả của mô hình trên dữ liệu thực tế.

Lời giải chi tiết:

Đáp án: B: Việc chia dữ liệu thành hai phần giúp đảm bảo rằng khi mô hình được kiểm tra, nó không "nhìn thấy" dữ liệu kiểm tra trong quá trình huấn luyện. Điều này cho phép đánh giá khách quan về hiệu suất của mô hình trên dữ liệu mà nó chưa thấy, từ đó xác định khả năng tổng quát của mô hình.

1.5

Trả lời câu hỏi 1.5 trang 91 Bài 1 SBT Tin học 12 Kết nối tri thức

Trong Học máy, dữ liệu có nhãn là gì?

A. Dữ liệu được gắn kết với một nhãn hoặc một giá trị đích cụ thể.

B. Dữ liệu không liên quan đến mục tiêu học của máy tính.

C. Dữ liệu được thu thập từ nguồn ngoại vi.

D. Dữ liệu ngẫu nhiên không có hướng dẫn cụ thể.

Lời giải chi tiết:

Đáp án: A. Dữ liệu có nhãn (còn gọi là dữ liệu giám sát) là những dữ liệu mà mỗi điểm dữ liệu đều có gán một nhãn hoặc giá trị mục tiêu cụ thể. Ví dụ, trong bài toán phân loại thư điện tử, mỗi email có thể được gán nhãn là "thư rác" hoặc "thư hợp lệ".

1.6

Trả lời câu hỏi 1.6 trang 91 Bài 1 SBT Tin học 12 Kết nối tri thức

Trong Học máy, dữ liệu có nhãn được sử dụng cho loại Học máy nào?

A. Học có giám sát.

B. Học không giám sát.

C. Học tăng cường.

D. Học máy kết hợp.

Lời giải chi tiết:

Đáp án: A. Học có giám sát (Supervised Learning) là một phương pháp Học máy trong đó mô hình được huấn luyện trên một tập dữ liệu có nhãn. Mỗi đầu vào (input) trong tập huấn luyện đi kèm với một nhãn hoặc giá trị mục tiêu (output) cụ thể. Mô hình sẽ học từ các dữ liệu này để có thể dự đoán nhãn cho các dữ liệu mới chưa có nhãn.

1.7

Trả lời câu hỏi 1.7 trang 91 Bài 1 SBT Tin học 12 Kết nối tri thức

Học không giám sát trong Học máy dựa trên loại dữ liệu nào?

A. Dữ liệu không có nhãn.

B. Dữ liệu có nhãn.

C. Dữ liệu tổng hợp.

D. Dữ liệu được xác định trước.

Lời giải chi tiết:

Đáp án: A. Học không giám sát (Unsupervised Learning) sử dụng dữ liệu không có nhãn để tìm ra cấu trúc, mẫu, hoặc phân nhóm trong dữ liệu mà không có sự hướng dẫn cụ thể từ nhãn. Mục tiêu là khám phá các đặc điểm và mối quan hệ trong dữ liệu.

1.8

Trả lời câu hỏi 1.8 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Việc xây dựng mô hình Học máy thường cần dữ liệu đa dạng vì những lí do nào sau đây?

A. Đề mô hình có thể học và phân biệt chính xác giữa các mẫu dữ liệu khác nhau.

B. Để tăng cơ hội đạt được kết quả chính xác trên mọi loại dữ liệu.

C. Để giảm thiểu nguy cơ lỗi do dữ liệu không đủ.

Lời giải chi tiết:

Đáp án: A. B.

Chúng mô tả lý do tại sao cần dữ liệu đa dạng trong việc xây dựng mô hình Học máy.

1.9

Trả lời câu hỏi 1.9 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Mục đích của việc chuẩn bị dữ liệu trong Học máy là gì?

A. Để tăng dung lượng dữ liệu có sẵn cho máy tính.

B. Để tạo ra dữ liệu mới từ nguồn dữ liệu hiện có.

C. Đề loại bỏ dữ liệu nhiễu, bổ sung giá trị thiếu và chuyển đổi dữ liệu sang định dạng phù hợp.

D. Để máy tính có thể học dữ liệu một cách nhanh chóng.

Lời giải chi tiết:

Đáp án: C. Mục đích chính của việc chuẩn bị dữ liệu là làm sạch và xử lý dữ liệu để đảm bảo rằng dữ liệu có chất lượng tốt nhất, phù hợp với mô hình Học máy. Việc này bao gồm loại bỏ dữ liệu nhiễu, bổ sung các giá trị thiếu, và chuyển đổi dữ liệu sang định dạng mà mô hình có thể sử dụng. 

1.10

Trả lời câu hỏi 1.10 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Việc huấn luyện mô hình Học máy dựa trên điều gì?

A. Trích xuất dữ liệu từ nguồn ngoại vi.

B. Dữ liệu huấn luyện được chọn lọc từ tập dữ liệu thu thập được.

C. Tạo ra mô hình toán học không dựa trên dữ liệu cụ thể.

D. Cập nhật thông tin từ dữ liệu mới nhận được liên tục.

Lời giải chi tiết:

Đáp án: B. Mô hình Học máy được huấn luyện trên một tập hợp dữ liệu cụ thể, thường là dữ liệu đã được xử lý và chọn lọc từ một tập dữ liệu lớn hơn. Dữ liệu huấn luyện này cung cấp thông tin cho mô hình để học cách phân loại hoặc dự đoán.

1.11

Trả lời câu hỏi 1.11 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Sử dụng mô hình Học máy trong thực tế phục vụ mục đích gì?

A. Tạo ra dữ liệu mới không liên quan đến dữ liệu hiện có.

B. Dự đoán hoặc phân cụm dữ liệu một cách ngẫu nhiên.

C. Thực hiện dự đoán hoặc phần cụm trên dữ liệu mới.

D. Phân tích dữ liệu mà không có mục đích cụ thể.

Lời giải chi tiết:

Đáp án: C. Mục đích sử dụng mô hình Học máy trong thực tế chủ yếu là để thực hiện dự đoán hoặc phân cụm trên dữ liệu mới. Các phương án khác đều không phản ánh đúng chức năng của Học máy.

1.12

Trả lời câu hỏi 1.12 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Ngày nay, công việc nào sau đây là không thế thiếu vai trò của Học máy?

A. Lập trình.

B. Phân loại thư điện tử và nhận dạng hình ảnh.

C. Xử lí văn bản thủ công.

D. Đọc và hiểu văn bản một cách cơ bản.

Lời giải chi tiết:

Đáp án: B. Học máy không chỉ giúp tự động hóa các quy trình phân loại mà còn nâng cao độ chính xác và hiệu quả của các nhiệm vụ này, làm cho nó trở thành một công cụ không thể thiếu trong các ứng dụng phân loại thư điện tử và nhận dạng hình ảnh.

1.13

Trả lời câu hỏi 1.13 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Học máy không giám sát thường được sử dụng cho mục đích nào sau đây?

A. Phân loại dữ liệu.

B. Phân cụm dữ liệu.

C. Dự đoán giá trị cụ thể.

D. Ghi nhãn dữ liệu tự động.

Lời giải chi tiết:

Đáp án: B. Học máy không giám sát chủ yếu được sử dụng để phân cụm dữ liệu, tức là nhóm các dữ liệu lại với nhau mà không cần nhãn hoặc thông tin bổ sung về chúng. Phân cụm giúp tìm ra cấu trúc hoặc mẫu trong dữ liệu mà không có sự hướng dẫn trước.

1.14

Trả lời câu hỏi 1.14 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Khi sử dụng Học máy có giám sát, điều gì quan trọng nhất?

A. Cung cấp lượng lớn dữ liệu.

B. Huấn luyện mô hình với dữ liệu có nhãn.

C. Sử dụng thuật toán phức tạp.

D. Thực hiện đánh giá mô hình thường xuyên.

Lời giải chi tiết:

Đáp án: B. Học máy có giám sát yêu cầu mô hình được huấn luyện trên một tập hợp dữ liệu có nhãn. Điều này có nghĩa là mỗi ví dụ trong tập dữ liệu đều được gán một nhãn hoặc giá trị mục tiêu, giúp mô hình học và tạo ra các dự đoán chính xác cho dữ liệu chưa thấy. Việc có dữ liệu có nhãn là yếu tố then chốt để đạt được hiệu suất tốt trong các tác vụ phân loại hoặc hồi quy.

1.15

Trả lời câu hỏi 1.15 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Mục đích chính của việc phân loại trong Học máy là gì?

A. Tìm kiếm dữ liệu.

B. Phân loại dữ liệu vào các nhóm xác định.

C. Dự đoán giá trị trong tương lai.

D. Khám phá mối quan hệ giữa các biến.

Lời giải chi tiết:

Đáp án: B. Phân loại trong Học máy là quá trình mà mô hình học từ một tập dữ liệu có nhãn để phân loại hoặc gán nhãn cho dữ liệu mới chưa được biết. Mục tiêu của phân loại là phân loại các đối tượng hoặc điểm dữ liệu vào các nhóm cụ thể dựa trên các đặc điểm hoặc thuộc tính của chúng.

1.16

Trả lời câu hỏi 1.16 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Ứng dụng nào dưới đây thường được nêu như là ví dụ của Học máy không giám sát?

A. Phân tích cảm xúc từ văn bản.

B. Nhận dạng khuôn mặt.

C. Phần loại thư rác.

D. Phát hiện gian lận tài chính.

Lời giải chi tiết:

Đáp án: D. Phát hiện gian lận tài chính thường sử dụng các thuật toán Học máy không giám sát để phân tích các mẫu giao dịch mà không cần nhãn. Mục tiêu là nhận diện các hành vi giao dịch bất thường so với các mẫu bình thường.

1.17

Trả lời câu hỏi 1.17 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Trong Học máy có giám sát, đầu ra của mô hình thường được xác định như thế nào?

A. Dựa trên mỗi quan hệ giữa dữ liệu đầu vào và nhãn.

B. Dựa trên sự tương đồng của dữ liệu.

C. Dựa trên xác suất xuất hiện của dữ liệu.

D. Dựa trên cấu trúc dữ liệu ẩn.

Lời giải chi tiết:

Đáp án: A. Trong Học máy có giám sát, mô hình được huấn luyện bằng cách sử dụng một tập dữ liệu đã được gán nhãn, có nghĩa là mỗi mẫu dữ liệu đầu vào (input) đều có một nhãn tương ứng (output) xác định.

Mô hình sẽ học cách xác định mối quan hệ giữa đầu vào và đầu ra thông qua quá trình huấn luyện. Điều này có thể bao gồm việc phát hiện các mẫu, quy luật, và sự tương quan trong dữ liệu, từ đó dự đoán đầu ra cho dữ liệu mới chưa được gán nhãn.

1.18

Trả lời câu hỏi 1.18 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Học máy có thể hỗ trợ những việc nào sau đây trong chẩn đoán bệnh?

A. Dự báo tình trạng sức khỏẻ.

B. Đề xuất phương án điều trị phù hợp cho bệnh nhân.

C. Thay thế bác sĩ thăm khám và đưa ra kết quả chẩn đoán.

D. Hỗ trợ bác sĩ đưa ra quyết định dựa trên dữ liệu một cách chính xác và nhanh chóng hơn.

Lời giải chi tiết:

Đáp án: A, B, D. đều đúng, trong khi phương án C là sai. Học máy là một công cụ mạnh mẽ hỗ trợ bác sĩ nhưng không thể thay thế vai trò của họ trong việc thăm khám và đưa ra chẩn đoán.

A. Học máy có thể phân tích dữ liệu sức khỏe của bệnh nhân để dự đoán các vấn đề sức khỏe trong tương lai. Ví dụ, nó có thể dự đoán khả năng phát triển bệnh tim dựa trên các yếu tố nguy cơ như tuổi tác, giới tính, huyết áp, và cholesterol.

B. Học máy có thể phân tích dữ liệu từ nhiều bệnh nhân để tìm ra các phương pháp điều trị hiệu quả. Nó có thể đưa ra các khuyến nghị điều trị dựa trên thông tin cụ thể của từng bệnh nhân

D. Học máy có thể giúp bác sĩ phân tích dữ liệu nhanh chóng và chính xác, từ đó hỗ trợ họ trong việc đưa ra quyết định chẩn đoán và điều trị. Các mô hình Học máy có thể tìm ra các mẫu trong dữ liệu mà bác sĩ có thể bỏ qua, giúp cải thiện chất lượng chẩn đoán

1.19

Trả lời câu hỏi 1.19 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Sử dụng Học máy trong phân tích thị trường để làm gì?

a) Đưa ra dự báo biến động giá cả, trợ giúp hình thành các chiến lược kinh doanh dựa trên các mô hình dự đoán.

b) Giúp người đầu tư và nhà kinh doanh hiểu rõ hơn về thị trường, hỗ trợ khả năng đưa ra quyết định đầu tư dựa trên thông tin và các phân tích kĩ thuật.

c) Quyết định đầu tư dựa trên thông tin và các phân tích kĩ thuật.

d) Tự động hóá quá trình ra quyết định đầu tư.

Lời giải chi tiết:

a) Đúng: Học máy có khả năng phân tích các mẫu dữ liệu từ thị trường để đưa ra dự đoán về biến động giá cả. Các mô hình Học máy có thể sử dụng dữ liệu lịch sử để dự đoán xu hướng giá trong tương lai, từ đó hỗ trợ các nhà kinh doanh trong việc xây dựng chiến lược

b) Đúng: Học máy có thể cung cấp các phân tích sâu sắc và mô hình hóa các yếu tố ảnh hưởng đến thị trường. Điều này giúp người đầu tư có cái nhìn rõ ràng hơn về thị trường và đưa ra quyết định đầu tư hiệu quả hơn dựa trên thông tin phân tích.

c) Sai: Mặc dù Học máy có thể cung cấp thông tin và phân tích kĩ thuật, quyết định đầu tư cuối cùng vẫn phụ thuộc vào con người. Học máy hỗ trợ trong việc ra quyết định nhưng không hoàn toàn thay thế vai trò của người đầu tư.

d) Đúng: Học máy có thể tự động hóa một phần quá trình ra quyết định đầu tư thông qua việc phân tích dữ liệu và đưa ra khuyến nghị. Tuy nhiên, việc tự động hóa hoàn toàn vẫn cần được giám sát và điều chỉnh bởi con người để đảm bảo tính chính xác và thích ứng với các thay đổi của thị trường.

1.20

Trả lời câu hỏi 1.20 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Học máy có vai trò gì trong nhận dạng tiềng nói?

a) Tạo ra biểu diễn số hóá của âm thanh.

b) Kết hợp biểu cảm ngôn ngữ và cơ thể để cải thiện khả năng nhận dạng.

c) Nhận biết những đặc điểm âm thanh cá nhân để hỗ trợ nhận dạng và phân biệt tiếng nói.

d) Hiểu ngữ cảnh phức tạp và ngữ nghĩa sâu sắc trong các cuộc trò chuyện.

Lời giải chi tiết:

a) Đúng: Đây là một vai trò cơ bản của nhận dạng tiếng nói. Âm thanh trong thế giới thực là dạng sóng liên tục, cần được chuyển thành dạng số hóa (biểu diễn số) để máy tính có thể xử lý. Học máy có thể sử dụng các đặc trưng từ dữ liệu số hoá này để nhận dạng và phân loại tiếng nói.

b) Sai: Nhận dạng tiếng nói chủ yếu tập trung vào phân tích âm thanh và giọng nói. Việc kết hợp biểu cảm cơ thể hay ngôn ngữ cơ thể là lĩnh vực của nhận dạng hành vi hay phân tích đa phương thức (multimodal analysis). Mặc dù có những hệ thống nâng cao có thể sử dụng thông tin từ hình ảnh hay video (như biểu cảm khuôn mặt), nhưng đây không phải là chức năng chính của học máy trong nhận dạng tiếng nói.

c) Đúng: Học máy có khả năng phân tích và nhận biết các đặc điểm cá nhân trong giọng nói, như giọng điệu, tần số, cường độ. Điều này giúp phân biệt giữa các người nói khác nhau và cải thiện độ chính xác của hệ thống nhận dạng.

d) Sai: Hiểu ngữ cảnh và ngữ nghĩa trong các cuộc trò chuyện là nhiệm vụ của xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP), chứ không phải của riêng nhận dạng tiếng nói. Nhận dạng tiếng nói chủ yếu liên quan đến việc chuyển đổi âm thanh thành văn bản, trong khi ngữ cảnh và ngữ nghĩa cần các mô hình ngôn ngữ phức tạp hơn để xử lý

1.21

Trả lời câu hỏi 1.21 trang 92 Bài 1 SBT Tin học 12 Kết nối tri thức

Nếu chỉ căn cứ đặc điểm hình dạng của các đối tượng trong Hình 25.1 thì học không giám sát có thể phân chia các đối tượng đó thành các cụm như thế nào?

Lời giải chi tiết:

Gợi ý: Tuỳ theo tiêu chí về hình dạng xác định, học không giám sát có thể phân chia các đối tượng thành các cụm khác nhau. Ví dụ:

- Hình có dạng tròn: 3, 7, 11, 12, 14, 16, 17, 18.

- Hình có dạng vuông: 4, 6, 13, 20, 32, 34.

- Hình có dạng tam giác: 9, 15, 19, 22.

- Hình có dạng sao: 2, 23, 26.

- Hình có phần biên dạng tròn: 3, 7, 11, 12, 14, 16, 17, 18, 25, 29, 30.

- Hình có 4 cạnh: 4, 6, 13, 20, 31, 32, 33, 34.

一…

Lưu ý: Có thể kết hợp nhiều tiêu chí khác nhau để thực hiện phân cụm. Đồng thời, do việc phân cụm của Học máy không phải bao giờ cũng chính xác hoàn toàn, cho nên các hình 1, 5, 24 cũng có thể được xếp vào "hình có dạng vuông" như là các trường hợp có "sai số".