1Ứng dụng tiêu biểu của AI trong lĩnh vực Y tế là gì?
- Phân tích ảnh y khoa, hỗ trợ chẩn đoán, hỗ trợ nghiên cứu thuốc
- Cá nhân hóa nội dung và dịch vụ
- Giám sát cây trồng, phát hiện sâu bệnh
- Nhận biết biển báo, hỗ trợ lái xe
2Ứng dụng tiêu biểu của AI trong lĩnh vực Giao thông là gì?
Nhận biết biển báo, hỗ trợ lái xe, dự báo ùn tắc và điều tiết giao thông
3Ứng dụng tiêu biểu của AI trong lĩnh vực Tài chính - ngân hàng là gì?
Phát hiện giao dịch đáng ngờ, hỗ trợ đánh giá rủi ro
4Ứng dụng tiêu biểu của AI trong lĩnh vực Sản xuất là gì?
Kiểm tra chất lượng, robot thông minh, dự báo hỏng hóc thiết bị
5Ứng dụng tiêu biểu của AI trong lĩnh vực Nông nghiệp là gì?
Giám sát cây trồng, phát hiện sâu bệnh, tối ưu tưới tiêu
6Ứng dụng tiêu biểu của AI trong lĩnh vực Giáo dục là gì?
Học tập cá nhân hóa, hỗ trợ tạo học liệu và giải đáp thắc mắc
7Nêu bốn lợi ích chính của AI.
Tăng năng suất, xử lí dữ liệu lớn, thực hiện công việc lặp lại/nguy hiểm, thúc đẩy nghiên cứu
8Nêu năm nguy cơ và thách thức của AI.
Thất nghiệp/thích ứng việc làm, nguy cơ riêng tư, thiếu minh bạch, an toàn an ninh, đạo đức và thiên lệch
9Vấn đề "hộp đen" trong AI đề cập đến rủi ro nào?
Sự thiếu minh bạch, khó giải thích chính xác cách đưa ra kết quả của một số mô hình
10Nêu bốn nguyên tắc sử dụng AI có trách nhiệm.
Kiểm chứng thông tin, bảo vệ dữ liệu cá nhân, không dùng gian lậnây hại, duy trì sự giám sát của con người
11AI có mang lại lợi ích lớn nhưng cần được phát triển và sử dụng bảo đảm những yếu tố nào?
An toàn, quyền riêng tư, tính công bằng và trách nhiệm
12Học máy (Machine Learning - ML) là gì?
Lĩnh vực của AI nghiên cứu phương pháp giúp máy tính tìm quy luật từ dữ liệu để dự đoán hay phân loại
13Dữ liệu có nhãn là gì?
Dữ liệu mà mỗi mẫu đã biết trước kết quả hoặc nhãn
14Ví dụ về dữ liệu có nhãn là gì?
Ảnh đã được gán nhãn "mèo" hoặc "chó"
15Dữ liệu không có nhãn là gì?
Dữ liệu chưa có kết quả hoặc nhóm được gán sẵn
16Ví dụ về dữ liệu không có nhãn là gì?
Lịch sử mua hàng của khách hàng cần được phân nhóm
17Học có giám sát sử dụng loại dữ liệu nào?
- Dữ liệu có nhãn
- Dữ liệu không có nhãn
- Dữ liệu chuỗi thời gian
- Dữ liệu đa phương tiện
18Học không giám sát sử dụng loại dữ liệu nào?
Dữ liệu không có nhãn
19Học có giám sát học điều gì từ dữ liệu?
Học quan hệ giữa đầu vào và kết quả đã biết
20Học không giám sát học điều gì từ dữ liệu?
Khám phá cấu trúc, quy luật và các nhóm tiềm ẩn
21Các dạng bài toán tiêu biểu của Học có giám sát là gì?
Phân loại và dự đoán giá trị
22Các dạng bài toán tiêu biểu của Học không giám sát là gì?
Phân cụm và khám phá mẫu bất thường
23Ví dụ tiêu biểu của Học có giám sát là gì?
Phân loại email là thư rác hay không
24Ví dụ tiêu biểu của Học không giám sát là gì?
Phân nhóm khách hàng theo hành vi mua sắm
25Học máy có mối quan hệ như thế nào với AI?
- Học máy là một lĩnh vực con của AI
- Học máy là tập mẹ chứa AI
- Học máy độc lập hoàn toàn với AI
- Học máy là phần cứng của AI
26Cách phân biệt nhanh giữa Học có giám sát và Học không giám sát là gì?
Học có giám sát có nhãn, học không giám sát không có nhãn
27Khoa học dữ liệu (Data Science) là gì?
Lĩnh vực liên ngành sử dụng phương pháp khoa học, thuật toán và công cụ để khai thác thông tin từ dữ liệu
28Khoa học dữ liệu kết hợp ba lĩnh vực kiến thức nào?
Khoa học máy tính, Toán học - thống kê và Tri thức chuyên ngành
29Vai trò của Khoa học máy tính trong Khoa học dữ liệu là gì?
Cung cấp thuật toán, lập trình, hệ thống quản lí và xử lí dữ liệu
30Vai trò của Toán học - thống kê trong Khoa học dữ liệu là gì?
Phân tích, xác suất, mô hình hóa và dự đoán
31Vai trò của Tri thức chuyên ngành trong Khoa học dữ liệu là gì?
Hiểu ý nghĩa dữ liệu, giải thích và ứng dụng kết quả vào thực tiễn
32Mục tiêu cốt lõi của Khoa học dữ liệu là gì?
- Khám phá tri thức từ dữ liệu
- Chỉ lưu trữ dữ liệu
- Chỉ vẽ biểu đồ
- Thu thập dữ liệu thô
33Dữ liệu lớn (Big Data) là gì?
Tập dữ liệu có quy mô, tốc độ phát sinh hoặc độ phức tạp cao cần công nghệ phù hợp để xử lí
34Mô hình 5V của Big Data gồm những đặc trưng nào?
Volume, Velocity, Variety, Veracity và Value
35Đặc trưng Volume trong Big Data nghĩa là gì?
- Khối lượng dữ liệu rất lớn
- Tốc độ xử lí nhanh
- Độ đa dạng dữ liệu
- Giá trị tri thức
36Đặc trưng Velocity trong Big Data nghĩa là gì?
Tốc độ dữ liệu được sinh ra, truyền đến và cần xử lí nhanh
37Đặc trưng Variety trong Big Data nghĩa là gì?
Sự đa dạng của nhiều loại dữ liệu như văn bản, ảnh, âm thanh, video
38Đặc trưng Veracity trong Big Data nghĩa là gì?
Tính xác thực, mức độ tin cậy và chất lượng của dữ liệu
39Đặc trưng Value trong Big Data nghĩa là gì?
Giá trị, lợi ích, thông tin hoặc tri thức có thể khai thác
40Thành tựu và ứng dụng của Khoa học dữ liệu gồm những gì?
Cá nhân hóa/đề xuất, hỗ trợ ra quyết định, phát hiện gian lận, hỗ trợ nghiên cứu khoa học
41Quy trình Khoa học dữ liệu tổng quát gồm mấy bước chính?
42Bước 1 trong quy trình Khoa học dữ liệu tổng quát là gì?
Thu thập dữ liệu từ các nguồn cần thiết
43Bước 2 trong quy trình Khoa học dữ liệu tổng quát là gì?
Tiền xử lí (làm sạch, sửa lỗi, xử lí thiếu dữ liệu, chuẩn hóa)
44Bước 3 trong quy trình Khoa học dữ liệu tổng quát là gì?
Phân tích (khảo sát dữ liệu, xây dựng mô hình, tìm quy luật)
45Bước 4 trong quy trình Khoa học dữ liệu tổng quát là gì?
Đánh giá, trình bày (kiểm tra kết quả, trực quan hóa, rút kết luận)
46Người làm khoa học dữ liệu có bắt buộc phải thực hiện tuyến tính không lặp lại các bước quy trình không?
Không, có thể lặp lại các bước khi cần
47Sáu vai trò của máy tính trong Khoa học dữ liệu là gì?
Lưu trữ/quản lí, xử lí/phân tích, trực quan hóa, tự động hóa, xử lí song song/đám mây, chia sẻ/hợp tác
48Ba vai trò chính của thuật toán hiệu quả là gì?
Giảm thời gian/tài nguyên, phân tích dữ liệu quy mô lớn, tăng tính khả thi bài toán phức tạp
49Bộ gene người chứa khoảng bao nhiêu cặp base ADN?
Khoảng 3 tỉ cặp base ADN
50Nền tảng để lưu trữ, xử lí, phân tích và trích rút tri thức từ dữ liệu quy mô lớn là gì?
Máy tính và các thuật toán hiệu quả
51Mô phỏng (Simulation) là gì?
Phương pháp tái hiện có chọn lọc đặc điểm, hoạt động của hệ thống thực tế bằng mô hình
52Mô phỏng trên máy tính sử dụng công cụ gì để vận hành mô hình?
Chương trình máy tính
53Sáu lợi ích của mô phỏng là gì?
Tiết kiệm chi phí, tiết kiệm thời gian, an toàn hơn, dễ điều chỉnh, hỗ trợ dự đoán, hỗ trợ đào tạo
54Nêu năm lĩnh vực ứng dụng của mô phỏng.
Kĩ thuật, Y tế, Giáo dục, Giao thông, Khoa học, Giải trí
55Bốn hạn chế của mô phỏng là gì?
Phụ thuộc độ chính xác mô hình, không tái hiện đầy đủ thực tế, tốn tài nguyên tính toán, cần đối chiếu thực tế
56Mô phỏng có phải là thực tế không?
- Không, chỉ là công cụ thử nghiệm tái hiện thực tế
- Có, hoàn toàn giống thực tế
- Có, thay thế hoàn toàn thực tế
- Không, chỉ là hình ảnh tĩnh
57Phần mềm mô phỏng trong giáo dục là gì?
Công cụ tái hiện sự vật, quá trình để người học quan sát, tương tác và tìm quy luật
58Công dụng của phần mềm PhET trong giáo dục là gì?
- Mô phỏng tương tác trong Vật lí, Hóa học, Toán học
- Biểu diễn hình học động
- Tạo mô hình phân tử
- Mô phỏng mảng kiến tạo
59Công dụng của phần mềm GeoGebra là gì?
Biểu diễn hình học động, đồ thị hàm số và đối tượng toán học
60Công dụng của phần mềm Avogadro là gì?
Tạo và quan sát mô hình cấu trúc phân tử
61Công dụng của phần mềm GPlates là gì?
Hỗ trợ quan sát, mô phỏng sự vận động của các mảng kiến tạo địa chất
62Nêu năm lợi ích của phần mềm mô phỏng trong học tập.
Trực quan hóa, cho phép thay đổi tham số, khuyến khích khám phá, giảm rủi ro/tiết kiệm, học tập linh hoạt
63Ba giới hạn của phần mềm mô phỏng trong giáo dục là gì?
Mô hình đơn giản hóaỏ qua điều kiện, phụ thuộc thiết bị/phần mềm, không thay thế hoàn toàn thí nghiệm thật
64Phần mềm mô phỏng giáo dục nên được kết hợp với điều gì?
Giải thích khoa học và hoạt động thực tế
65Sự khác nhau về bản chất giữa AI và Học máy là gì?
AI xây dựng hệ thống thông minh, Học máy là nhánh của AI dùng dữ liệu học quy luật
66Sự khác nhau giữa Volume và Velocity trong Big Data là gì?
- Volume là khối lượng dữ liệu, Velocity là tốc độ phát sinh/xử lí
- Volume là độ đa dạng, Velocity là giá trị
- Volume là tốc độ, Velocity là dung lượng
- Volume là tính xác thực, Velocity là độ phức tạp
67Sự khác nhau giữa Thông tin và Tri thức là gì?
Thông tin là dữ liệu đã xử lí mang ý nghĩa, Tri thức là hiểu biết/quy luật rút ra để giải quyết vấn đề
68Sự khác nhau giữa Mô phỏng và Thử nghiệm thực là gì?
Mô phỏng dùng mô hình tái hiện đặc điểm, Thử nghiệm thực tiến hành trên đối tượng ngoài đời
69Các từ khóa cốt lõi cần nhớ của AI là gì?
Học, suy luận, nhận thức, hiểu ngôn ngữ, giải quyết vấn đề
70Các từ khóa cốt lõi cần nhớ của Học máy là gì?
Dữ liệu có nhãn, dữ liệu không nhãn, học có giám sát, học không giám sát
71Các từ khóa cốt lõi cần nhớ của Khoa học dữ liệu là gì?
Thu thập, tiền xử lí, phân tích, đánh giá và ứng dụng
72Các từ khóa cốt lõi cần nhớ của Big Data là gì?
Volume, Velocity, Variety, Veracity, Value
73Các từ khóa cốt lõi cần nhớ của Mô phỏng là gì?
Mô hình, thử nghiệm, thay đổi tham số, dự đoán, an toàn