CH tr 126

Cho Hình 1 và ba nhãn 🅘phân loại là “vuông”, “tròn”, “tam giác”. Cần gán nhãn phân loại cho từng đối tượng trong Hình 1. Em hãy trả lời các câu hỏi sau:

1🥂) Nếu con người thực hiện nhiệm vụ trêꦓn là dễ hay khó?

2) Theo em, máy tính có thể tự động thực hiện nhiệm vụ trên thay cho con người hay không? Lập trình🐎 để máy tính làm ✤công việc này là dễ hay khó?

Phương pháp giải:

1) Đối với con người công việc này rất🔯 dễ thực hi☂ện.

2) Máy tính có t♋hể tự động thực hiện nhiệm vụ thay con người nhưng việc lập trình sẽ khó.

Lời giải chi tiết:

1) Đối với con người:

- Dễ dàng:

+ Hình ảnh có độ phân giải cao, các đối tượng được phân biệt ๊rõ ràng.

+ Cá🥃c hình dạng cơ bản (vuông, tròn, tam g♔iác) dễ nhận biết.

+ Nhiệm v🐠ụ chỉ yêu cầu gán ꧟nhãn đúng cho từng đối tượng.

2) Đối với máy tính:

Có thể:

- Sử dụng các thuật toán học máy, cụ🐷 thể là phân loại hình ảnh, để tự động gán nhãn cho các đối tượng.

- Các mô hình học máy đã được huấn luyện trên tập dữ liệu ảnh lớn có thể nhậ🦂n diện các ꩲhình dạng cơ bản với độ chính xác cao.

Lập trình:

- Khó:

+ Yêu cầ🐭u kiến thức chuyên môn về học máy, xử lý ảnh và lập trình.

+ Cần thu thập và chuẩn bị 🌄tập dữ liệu huấn luyện phù hợpও.

+ Lựa chọn và điều chỉn🔜h mô hình học máy phù hợp với nhiệm vụ.

Tuy nhiên:

- Việc lập trình sẽ🀅 dễ dàng hơn nếu 🐽sử dụng các thư viện và công cụ học máy có sẵn.

- Có nhiều mô hình h꧑ọc máy được phát triển sẵn có thể áp dụng cho bài toán phân loại hình ảnh.

CH tr 128

Xét các bài toán sau:

1) Hệ thống thư điện tử cần xác định các email nghi là thư rác và đánh dấu nó thuộc loại “Spam”𓄧 (thư rác) để cảnh báo cho người nhận. Nhữnﷺg email còn lại thuộc loại “no spam”.

2) Ngân hàng cần xác định khách hàng thuộc loại “tốt”, “bình thường” ⛄hay “xấu” để giải quyết định hạn mức cho vay và lãi suất áp dụng

Theo em, những bài toán trênꦉ và n🌠hiệm vụ ở phần khởi động có những điểm chung là gì?

Phương pháp giải:

Cả ba bài t🌼oán đều thuộc dạng phân loại yêu cầu sử dụng thuật toán và dữ liệu để hoàn thành yêu cầu.

Lời giải chi tiết:

- Cả ba bài toán đều là bài toán phân loại:

- Phân loại email thành "Spam" và "no spam".

- Phân loạ꧅i khách hàng thꦑành "tốt", "bình thường" và "xấu".

- Phân loại hình ảnh thành "vuông", "tròn" và "tam 👍giác".

⛦- Cả ba bài toán đều sử dụng thuật toán học 🃏máy để phân loại dữ liệu.

- Cả ba bài toán đều cần thu t🦂hập và chuẩn bị tập dữ liệu huấn luyện phù hợp.

CH tr 129

Cho một số quả, theo em má👍y tính có trả lời được mấy loại 🀅quả hay không?

Phương pháp giải:

Máy tính có thể trả lời được có mấy loại quả.

Lời giải chi tiết:

Hiệ🤪n nay, với sự phát triển của công nghệ học máy, đặc biệt l✃à mạng nơ-ron nhân tạo, máy tính có thể đạt được độ chính xác cao trong việc phân loại quả.

CH tr 132 LT

Mỗi phát biểu sau về học máy là đúng hay sai?

a) Học không giám sát sử dụng dữ liệu huấn luyện không có🍨 nhãn.

b) Học có giám sát sử dụng dữ l🔥iệu kiểm tra để đánhꦿ giá kết quả huấn luyện.

c) Học có giám sát dành cho huấn luyện máy 🍒tính phân cụm.

d) Học c༺ó giám sát và không giám sát đều giúp máy tính giải quyết cùng một bài toán như nhau.

Phương pháp giải:

Câu a, b đúng

Câu c,d sai.

Lời giải chi tiết:

a) Học không giám sát sử dụng dữ liệu huấn luyện không có nhãn♔.

Đúng. Học k𝓡hông giám sát sử dụng dữ liệu huấn luyện không có nhãn, nghĩa là không có thông tin về kết quả mong muốn cho mỗi ví dụ. Mô hình học máy sẽ tự tìm ra các cấu trúc và mối tương quan trong dữ liệu.

b) Học có giám sát sử dụng dữ lܫiệu kiểm tra để đánh giá ༺kết quả huấn luyện.

Đúng. Học có giám sát sử dụng dữ liệu kiểm tra để đánh giá kết quả🍰 huấn luyện. Dữ liệu kiểm tra không được sử dụng trong quá trình huấn luyện để đảm bảo tính khách quan khi đánh giá hiệu suất của mô hình.

c) Học có giám sát dành cho hu🧸ấn luyện máy tính phân 🍸cụm.

Sai. Học có giám sát không dà𝔍nh cho huấn luyện máy tính phân cụm. Máy tính phân cụm là một kỹ thuật học không giám sát được sử dụng để nhóm các dữ liệu tương tự nhau lại với nhau.

d) Học có giám sát và không giám sát đều giúp máy tính giải quyết cùng một bài toán như nha🔯u.

Sai. Học có giám sát và không giám sát giúp máy tính giải quyết các bài toán khác nhau. Học có giám sát được sử dụng cho các bà🥂i toán phân loại, dự đoán, trong khi học không giám sát được sử dụng cho các bài toán phân cụm, giảm chiều, phát hiện điểm bất thường.

CH tr 132 VD

ChatGPT là một hệ thống AI nổi tiếng có nhiều khả năng khác nhau. Hãy k🌃ể ra một vài khả năng mà theo em có sự đóng góp của học máy để phát triển hꦯệ thống này

Phương pháp giải:

Học máy đóng một vai trò vô cù♍ng quan trọng trong phát triển và hoàn thiện ChatGPT.

Lời giải chi tiết:

Học máy đóng góp to 💃lớn vào sự phát triển của ༺ChatGPT bằng cách:

- Huấn luyện ChatGPT trên một lượng lớn dữ liệu.

- Giúp ChatGPT học cách nhận 💞biết các mẫu trong dữ liệu và sử dụng các mẫu đó để thực hiện các nhiệm vụ khác nhau.

- Cải thiện hiệu suất của ChatGPT theo thời gian.

CH tr 132 KT1

Học máy là gì? 𝓡Sự khác nhau giữa học có giám sát và học khô༒ng giám sát là gì?

Phương pháp giải:

Học máy là một nhánh của trí tuệ nhân tạo (AI) cho phép máy tính học hỏi từ dữ liệu và tự cải thiện hiệu suất theo thời gian mà không cần được lập tr🎀ình rõ ràng.

Lời giải chi tiết:

- Học máy là một ♋nhán🅠h của trí tuệ nhân tạo (AI) cho phép máy tính học hỏi từ dữ liệu và tự cải thiện hiệu suất theo thời gian mà không cần được lập trình rõ ràng.

- Phân biệt học có giám sát và học không giám sát

+ Học có giám sát:

- Sử dụng dữ liệu có nhãn, nghĩa là mỗi ví dụ d🍷ữ liệu được gắn với kết quả mong muốn.

- Ví dụ: Dữ liệu huấn luyện ch▨o hệ thống phân loại ảnh mèo và chó có thể b🐭ao gồm hình ảnh của mèo và chó được gắn nhãn "mèo" hoặc "chó".

- Mục tiêu: Học cách dự đoán chính xác kết quả chཧo dữ liệu mới.

+ Học không giám sát:

- Sử dụng dữ liệu không có nhãn.

- Ví dụ🥂: Dữ liệu huấn luyện cho hệ thống phân cụm khách hàng có thể bao gồm thông tin về hành vi mua hàng của khách hàng.

- Mục tiêu: Tìm ra các cấu trúc và mối tương quan ẩn trong dꦦữ liệu.

CH tr 132 KT2

Hãy kể một vài ứng dụng cụ thể trong đó có thể sử dụng học máy để th🌄ực hiện nhiệm v🍸ụ phân loại và phân cụm.

Phương pháp giải:

Một số ứng dụng: goo🌳gle photos, netflix, amazon,.🏅..

Lời giải chi tiết:

Một🌄 vài ứng dụng cụ thể trong đó có thể sử dụng học máy để thực hiện nhiệm vụ phân loại và phân cụm:

- Google Photos: Google Photos sử dụng học máy để phân loại ảnh theo khuôn mặt, địa điểm và các đối tượnꦜg trong ản𝔉h.

- Netflix: Netflix sử dụng học máy để đề xuất phim và chương trình truyền hình cho người dùng dựa trên lị൲ch sử xem phim của họ.

- Amazon: Amazon sử dụng học máy để đề xuất s🌊ản phẩm cho khách hàng dựa trên lịch sử mua hàng của họ.