1. Trong phân tích dữ liệu văn bản, Topic Modeling (Mô hình hóa chủ đề) là kỹ thuật dùng để làm gì?
A. Khám phá các chủ đề trừu tượng tiềm ẩn trong một tập hợp các tài liệu.
B. Phân loại văn bản vào các danh mục định trước.
C. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.
D. Tạo ra các câu văn mới có ý nghĩa tương tự văn bản gốc.
2. Trong xử lý ngôn ngữ tự nhiên (NLP), Embedding là một khái niệm quan trọng. Ý nghĩa chính của word embedding là gì?
A. Chuyển đổi các từ thành các vector số học trong một không gian đa chiều, nơi các từ có ngữ nghĩa tương tự gần nhau hơn.
B. Tạo ra các câu mới có cấu trúc ngữ pháp hoàn chỉnh từ các từ cho trước.
C. Phân tích cấu trúc cú pháp của câu để xác định các thành phần ngữ pháp.
D. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.
3. Một mô hình học máy được coi là có giám sát (supervised learning) nếu nó được huấn luyện trên loại dữ liệu nào?
A. Dữ liệu bao gồm các cặp đầu vào và đầu ra tương ứng (ví dụ: ảnh và nhãn của ảnh).
B. Dữ liệu chỉ bao gồm các đầu vào mà không có đầu ra mong muốn.
C. Dữ liệu mà mô hình học cách đưa ra quyết định thông qua thử và sai.
D. Dữ liệu được nhóm lại dựa trên sự tương đồng.
4. Trong lĩnh vực DevOps, mục tiêu chính của việc tích hợp liên tục (Continuous Integration - CI) là gì?
A. Tự động hóa việc hợp nhất các thay đổi mã nguồn từ nhiều nhà phát triển vào một kho chung, sau đó thực hiện kiểm tra tự động.
B. Triển khai ứng dụng lên môi trường sản xuất mà không cần kiểm thử.
C. Tập trung vào việc viết tài liệu chi tiết cho từng giai đoạn phát triển.
D. Phân công nhiệm vụ cho các thành viên trong nhóm phát triển.
5. Trong phát triển phần mềm, phương pháp Agile nhấn mạnh điều gì?
A. Phản hồi liên tục, thích ứng với thay đổi và làm việc cộng tác chặt chẽ với khách hàng.
B. Tuân thủ nghiêm ngặt kế hoạch ban đầu và tài liệu chi tiết.
C. Tập trung vào việc hoàn thành toàn bộ sản phẩm trước khi bàn giao.
D. Thực hiện kiểm thử sau khi giai đoạn phát triển kết thúc.
6. Khi xây dựng một mô hình dự đoán giá nhà, yếu tố nào sau đây thường được coi là biến mục tiêu (target variable) cần dự đoán?
A. Diện tích sử dụng của ngôi nhà.
B. Số phòng ngủ.
C. Giá bán cuối cùng của ngôi nhà.
D. Vị trí địa lý của ngôi nhà.
7. Trong lĩnh vực Thị giác máy tính (Computer Vision), thuật ngữ Segmentation (Phân đoạn) đề cập đến hành động nào?
A. Chia một ảnh thành nhiều vùng hoặc đối tượng có ý nghĩa.
B. Phát hiện vị trí của các đối tượng trong ảnh.
C. Nhận diện và phân loại các đối tượng trong ảnh.
D. Tăng độ phân giải của ảnh.
8. Kỹ thuật Học chuyển giao (Transfer Learning) trong học máy đề cập đến việc gì?
A. Tái sử dụng một mô hình đã được huấn luyện trên một bài toán lớn để giải quyết một bài toán tương tự nhưng có ít dữ liệu hơn.
B. Huấn luyện một mô hình hoàn toàn mới từ đầu cho từng bài toán.
C. Sử dụng các thuật toán nén dữ liệu để giảm kích thước mô hình.
D. Phân tích mối quan hệ giữa các đặc trưng khác nhau.
9. Trong lĩnh vực xử lý ảnh, kỹ thuật Học tăng cường (Reinforcement Learning) có thể được ứng dụng như thế nào để cải thiện chất lượng ảnh?
A. Huấn luyện một tác tử (agent) để thực hiện các hành động điều chỉnh ảnh (ví dụ: độ sáng, độ tương phản) nhằm tối đa hóa phần thưởng (reward) dựa trên chất lượng ảnh đầu ra.
B. Sử dụng mạng nơ-ron tích chập (CNN) để phân loại chất lượng ảnh.
C. Áp dụng các thuật toán nén ảnh không mất mát.
D. Phân tích phổ màu của ảnh để phát hiện các vật thể.
10. Một hệ thống gợi ý (recommendation system) sử dụng phương pháp lọc cộng tác (collaborative filtering) để đưa ra gợi ý cho người dùng. Đặc điểm cốt lõi của phương pháp này là gì?
A. Dựa vào sự tương đồng giữa các mục (items) dựa trên thuộc tính của chúng.
B. Dựa vào sự tương đồng hành vi hoặc sở thích giữa những người dùng khác nhau.
C. Sử dụng các mô hình học sâu để phân tích nội dung của từng mục.
D. Phân tích dữ liệu nhật ký web để tìm kiếm các mẫu truy cập.
11. Trong lĩnh vực Khoa học dữ liệu, Feature Engineering (Kỹ thuật đặc trưng) là quá trình gì?
A. Tạo ra các đặc trưng mới từ dữ liệu thô để cải thiện hiệu suất của mô hình học máy.
B. Loại bỏ các đặc trưng không liên quan để giảm thiểu overfitting.
C. Chọn lọc các đặc trưng quan trọng nhất cho bài toán.
D. Mã hóa các đặc trưng dạng văn bản thành dạng số.
12. Trong lĩnh vực Internet of Things (IoT), Edge Computing (Điện toán biên) có lợi ích chính là gì?
A. Xử lý dữ liệu gần nguồn phát sinh (thiết bị IoT) thay vì gửi về trung tâm, giúp giảm độ trễ và băng thông.
B. Tăng cường bảo mật bằng cách lưu trữ tất cả dữ liệu trên đám mây.
C. Chỉ tập trung vào việc kết nối các thiết bị với internet.
D. Sử dụng các máy chủ trung tâm mạnh mẽ để xử lý mọi tác vụ.
13. Khi nói về Big Data, bốn chữ V thường được nhắc đến. Chữ V nào đại diện cho sự đa dạng về loại hình dữ liệu (ví dụ: văn bản, hình ảnh, âm thanh)?
A. Volume (Khối lượng)
B. Velocity (Tốc độ)
C. Variety (Đa dạng)
D. Veracity (Tính xác thực)
14. Khi áp dụng kỹ thuật Random Forest trong học máy, nó thuộc loại hình thuật toán nào?
A. Học tập dựa trên tập hợp (Ensemble learning), kết hợp nhiều cây quyết định.
B. Học tập dựa trên khoảng cách (Distance-based learning) như K-Nearest Neighbors.
C. Học tập dựa trên mô hình tuyến tính (Linear model) như Hồi quy tuyến tính.
D. Học tập dựa trên mạng nơ-ron (Neural network).
15. Một mô hình Học tăng cường (Reinforcement Learning) bao gồm các thành phần chính nào?
A. Tác tử (Agent), Môi trường (Environment), Trạng thái (State), Hành động (Action), Phần thưởng (Reward).
B. Dữ liệu huấn luyện, Mô hình, Hàm mất mát, Thuật toán tối ưu.
C. Đặc trưng (Features), Biến mục tiêu (Target variable), Tập huấn luyện, Tập kiểm tra.
D. Mạng nơ-ron tích chập, Mạng hồi quy, Mạng Transformer.
16. Trong lĩnh vực Trí tuệ nhân tạo, thuật ngữ Học sâu (Deep Learning) được định nghĩa chủ yếu dựa trên yếu tố nào sau đây?
A. Sử dụng các mô hình mạng nơ-ron nhân tạo có nhiều lớp (layers) để học các biểu diễn dữ liệu phức tạp.
B. Yêu cầu lượng lớn dữ liệu được gán nhãn thủ công cho quá trình huấn luyện.
C. Tập trung vào các thuật toán học máy truyền thống như SVM hay Cây quyết định.
D. Chỉ áp dụng cho các bài toán xử lý ngôn ngữ tự nhiên.
17. Kỹ thuật Phân tích cụm (Clustering) trong học máy được sử dụng chủ yếu cho loại hình bài toán nào?
A. Phân loại dữ liệu vào các lớp đã biết.
B. Dự đoán một giá trị liên tục.
C. Phát hiện các nhóm dữ liệu tương tự nhau mà không cần nhãn trước.
D. Giảm số chiều của dữ liệu.
18. Trong công nghệ chuỗi khối (Blockchain), Proof-of-Work (Bằng chứng công việc) là một cơ chế đồng thuận. Mục đích chính của cơ chế này là gì?
A. Xác minh tính hợp lệ của các giao dịch bằng cách yêu cầu các nút mạng thực hiện một lượng công việc tính toán nhất định để giải một bài toán khó.
B. Cho phép bất kỳ ai cũng có thể thêm khối mới vào chuỗi mà không cần bất kỳ nỗ lực tính toán nào.
C. Phân phối đồng tiền mã hóa một cách ngẫu nhiên cho tất cả người tham gia.
D. Tăng tốc độ xử lý giao dịch bằng cách loại bỏ các bước xác minh.
19. Khi đánh giá một mô hình phân loại, chỉ số Precision (Độ chính xác) đo lường điều gì?
A. Tỷ lệ các trường hợp dương tính thực sự trong tất cả các trường hợp được mô hình dự đoán là dương tính.
B. Tỷ lệ các trường hợp dương tính thực sự trong tất cả các trường hợp thực sự là dương tính.
C. Tỷ lệ các trường hợp âm tính thực sự trong tất cả các trường hợp được mô hình dự đoán là âm tính.
D. Tỷ lệ các trường hợp âm tính thực sự trong tất cả các trường hợp thực sự là âm tính.
20. Một thuật toán học máy được coi là không giám sát (unsupervised learning) nếu nó thực hiện nhiệm vụ gì?
A. Học từ dữ liệu không có nhãn (labels).
B. Học từ dữ liệu có nhãn (labels).
C. Học bằng cách tương tác với môi trường và nhận phần thưởng.
D. Dự đoán một giá trị rời rạc dựa trên dữ liệu đầu vào.
21. Trong lĩnh vực An ninh mạng, Tấn công từ chối dịch vụ (Denial-of-Service - DoS) nhằm mục đích gì?
A. Làm cho một dịch vụ hoặc tài nguyên mạng không khả dụng cho người dùng hợp pháp bằng cách làm quá tải hệ thống.
B. Truy cập trái phép vào hệ thống để đánh cắp thông tin nhạy cảm.
C. Mạo danh người dùng để thực hiện các hành động trái phép.
D. Chèn mã độc vào hệ thống để kiểm soát từ xa.
22. Một kỹ thuật phổ biến để giảm thiểu underfitting (chưa khớp) trong mô hình học máy là gì?
A. Tăng độ phức tạp của mô hình (ví dụ: thêm nhiều lớp hoặc nhiều tham số hơn).
B. Giảm lượng dữ liệu huấn luyện.
C. Tăng cường regularization (điều chuẩn hóa).
D. Giảm số lượng đặc trưng (features).
23. Trong phân tích dữ liệu, chỉ số Recall (Độ phủ) đo lường điều gì?
A. Tỷ lệ các trường hợp dương tính thực sự trong tất cả các trường hợp thực sự là dương tính.
B. Tỷ lệ các trường hợp dương tính thực sự trong tất cả các trường hợp được mô hình dự đoán là dương tính.
C. Tỷ lệ các trường hợp âm tính thực sự trong tất cả các trường hợp được mô hình dự đoán là âm tính.
D. Tỷ lệ các trường hợp âm tính thực sự trong tất cả các trường hợp thực sự là âm tính.
24. Trong phân tích dữ liệu, khái niệm overfitting (quá khớp) xảy ra khi nào?
A. Mô hình hoạt động tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới chưa từng thấy.
B. Mô hình hoạt động kém trên cả dữ liệu huấn luyện và dữ liệu mới.
C. Mô hình hoạt động tốt trên cả dữ liệu huấn luyện và dữ liệu mới.
D. Mô hình không thể học được bất kỳ mẫu nào từ dữ liệu.
25. Khi xây dựng mô hình dự đoán, Cross-validation (Kiểm định chéo) là một kỹ thuật quan trọng. Mục đích chính của nó là gì?
A. Đánh giá hiệu suất tổng quát của mô hình và giảm thiểu ảnh hưởng của việc lựa chọn tập dữ liệu huấn luyện/kiểm tra cụ thể.
B. Tăng tốc độ huấn luyện mô hình.
C. Giảm thiểu số lượng đặc trưng cần thiết.
D. Trực quan hóa mối quan hệ giữa các biến.
