🤖 Chương 3 · Luyện đề

Luyện đề: Machine Learning

10 câu hỏi trắc nghiệm bám sát đề thi thật CT-AI. Trả lời hết rồi bấm "Nộp bài" để xem điểm và giải thích từng câu.

📎 Nguồn: 10 câu hỏi dưới đây trích nguyên văn từ bộ đề mẫu chính thức ISTQB® Certified Tester AI Testing — Sample Exam Set A v2.1 (© International Software Testing Qualifications Board), dùng cho mục đích học tập/luyện tập phi thương mại, có ghi rõ nguồn. Đề & đáp án giữ nguyên tiếng Anh như bản gốc để sát với đề thi thật.
Tác giả bộ đề: Klaudia Dussa-Zieger, Stuart Reid, Vipul Koch, Kyle Siemens, Qin Liu, Werner Henschelchen, Jarosław Hryszko (theo mục Acknowledgements của tài liệu gốc).

Câu 1/10 (#10)· 1 điểm· LO AI-3.1.1· mức K2

Given the following forms of ML: 1. Clustering 2. Reinforcement learning 3. Classification 4. Regression And the following examples: A. The mobile game app updates its feedback, response timing, and the number of user options it provides based on how much the players spend B. The language translation app searches the internet to find text provided in multiple languages to improve its translation function C. A manufacturing company predicts when equipment is likely to fail based on sensor data and historical maintenance records D. A social network platform groups its users into communities based on their interactions with each other and their stated interests Which of the following BEST matches the examples with the forms of ML?

🇻🇳 Xem bản dịch tiếng Việt

Cho các dạng ML sau đây: 1. Clustering (phân cụm) 2. Reinforcement learning (học tăng cường) 3. Classification (phân loại) 4. Regression (hồi quy) Và các ví dụ sau đây: A. Ứng dụng game di động điều chỉnh phản hồi, thời điểm phản hồi và số lượng tùy chọn cung cấp cho người dùng dựa trên số tiền người chơi đã chi B. Ứng dụng dịch ngôn ngữ tìm kiếm trên Internet các văn bản được cung cấp bằng nhiều ngôn ngữ để cải thiện chức năng dịch của nó C. Một công ty sản xuất dự đoán thời điểm thiết bị có khả năng hỏng dựa trên dữ liệu cảm biến và lịch sử bảo trì D. Một nền tảng mạng xã hội nhóm người dùng của mình thành các cộng đồng dựa trên tương tác giữa họ với nhau và sở thích họ đã khai báo Phương án nào sau đây khớp TỐT NHẤT các ví dụ với các dạng ML?

a) 1B – 2D – 3A – 4C
b) 1C – 2A – 3D – 4B
c) 1D – 2A – 3B – 4C
d) 1D – 2C – 3B – 4A

a) 1B – 2D – 3A – 4C
b) 1C – 2A – 3D – 4B
c) 1D – 2A – 3B – 4C
d) 1D – 2C – 3B – 4A

Câu 2/10 (#11)· 1 điểm· LO AI-3.1.2· mức K2

Given the following activities from the ML workflow: 1. Deploy the Model 2. Prepare & Test Data 3. Test the Model 4. Evaluate the Model And, given the following descriptions: A. Model performance is tested using validation data B. The origin of the test data used to test the model is identified C. Test data are used to verify the agreed performance criteria are met D. The model is tested on the target platform Which of the following BEST matches the descriptions with the activities in the ML workflow?

🇻🇳 Xem bản dịch tiếng Việt

Cho các hoạt động sau đây trong quy trình ML: 1. Deploy the Model (Triển khai mô hình) 2. Prepare & Test Data (Chuẩn bị & test dữ liệu) 3. Test the Model (Test mô hình) 4. Evaluate the Model (Đánh giá mô hình) Và các mô tả sau đây: A. Hiệu năng của mô hình được test bằng dữ liệu validation B. Nguồn gốc của dữ liệu test dùng để test mô hình được xác định C. Dữ liệu test được dùng để xác minh các tiêu chí hiệu năng đã thống nhất được đáp ứng D. Mô hình được test trên nền tảng đích (target platform) Phương án nào sau đây khớp TỐT NHẤT các mô tả với các hoạt động trong quy trình ML?

a) 1A – 2C – 3B – 4D
b) 1C – 2D – 3B – 4A
c) 1D – 2B – 3A – 4C
d) 1D – 2B – 3C – 4A

a) 1A – 2C – 3B – 4D
b) 1C – 2D – 3B – 4A
c) 1D – 2B – 3A – 4C
d) 1D – 2B – 3C – 4A

Câu 3/10 (#12)· 1 điểm· LO AI-3.1.4· mức K2

Which of the following statements about the use of pre-trained models is CORRECT?

🇻🇳 Xem bản dịch tiếng Việt

Phát biểu nào sau đây về việc sử dụng mô hình pre-trained (đã huấn luyện sẵn) là ĐÚNG?

a) Khi áp dụng cho mạng nơ-ron, cách tiếp cận RAG hoạt động bằng cách thêm các lớp (layer) bổ sung để lưu tài liệu liên quan cụ thể đến prompt
b) Fine-tune một LLM đang có bias bằng dữ liệu chất lượng cao, chuyên biệt cho tác vụ sẽ ngăn chặn được các đầu ra không công bằng dựa trên các thuộc tính nhạy cảm
c) Để thích ứng thành công một mạng nơ-ron pre-trained, fine-tuning đòi hỏi việc huấn luyện bổ sung với dữ liệu mới phải được áp dụng cho tất cả các lớp của mạng
d) Cách tiếp cận RAG đòi hỏi việc xác định và thu thập dữ liệu liên quan đến tác vụ từ trước, nhưng không yêu cầu thay đổi gì đối với mô hình pre-trained

a) When applied to a neural network, the RAG approach works by adding additional layers that hold documentation specifically related to the prompt
b) Fine-tuning a biased LLM with high-quality, task-specific data prevents unfair outputs based on sensitive attributes
c) To successfully adapt a pre-trained neural network, fine-tuning requires that additional training with new data is applied to all layers of the network
d) The RAG approach requires the identification and acquisition of data relevant to the task up front, but requires no changes to the pre-trained model

Câu 4/10 (#13)· 1 điểm· LO AI-3.2.1· mức K2

Which of the following statements BEST describes a key activity in data preparation for machine learning?

🇻🇳 Xem bản dịch tiếng Việt

Phát biểu nào sau đây mô tả TỐT NHẤT một hoạt động then chốt trong việc chuẩn bị dữ liệu cho machine learning?

a) Chuẩn bị dữ liệu bao gồm việc xác định và thu thập dữ liệu từ nhiều nguồn khác nhau, cung cấp cho thuật toán dữ liệu thô để học
b) Feature engineering trên dữ liệu được thực hiện sau khi mô hình ML đã được huấn luyện, nhằm tối ưu hiệu năng cho việc triển khai thực tế
c) Tiền xử lý dữ liệu (data pre-processing) bao gồm augmentation và sampling, tương ứng là tăng hoặc giảm số lượng mẫu trong dữ liệu huấn luyện
d) Phân tích dữ liệu khám phá (Exploratory data analysis - EDA) là một dạng exploratory testing áp dụng cho các hoạt động chuẩn bị dữ liệu gồm thu thập, tiền xử lý và gán nhãn

a) Data preparation comprises the identification and gathering of data from various sources, providing the algorithm with raw data to learn from
b) Feature engineering of the data is performed after an ML model has been trained to optimize its performance for real-world deployment
c) Data pre-processing includes augmentation and sampling, which either add or reduce the number of examples in the training data respectively
d) Exploratory data analysis (EDA) is a form of exploratory testing applied to the data preparation activities of acquisition, pre-processing and labelling

Câu 5/10 (#14)· 1 điểm· LO AI-3.2.3· mức K2

Which of the following statements BEST contrasts the roles of training, validation, and test datasets in ML model development?

🇻🇳 Xem bản dịch tiếng Việt

Phát biểu nào sau đây đối chiếu TỐT NHẤT vai trò của tập dữ liệu training, validation và test trong quá trình phát triển mô hình ML?

a) Tập training dùng để tối ưu hyperparameter, tập validation dùng để tinh chỉnh dự đoán, còn tập test dùng để tạo ra dữ liệu training
b) Tập training dùng để tạo ra mô hình, tập validation dùng để tinh chỉnh mô hình, còn tập test đánh giá hiệu năng của mô hình trên dữ liệu chưa từng thấy
c) Tập training dùng để đánh giá cuối cùng của mô hình, tập validation đảm bảo mô hình không bị overfitting, còn tập test dùng để tinh chỉnh hyperparameter
d) Tập training đảm bảo mô hình khái quát hóa tốt, tập validation dùng để triển khai mô hình, còn tập test dùng cho đánh giá ban đầu

a) The training dataset is used to optimize hyperparameters, the validation dataset is used to tune predictions, and the test dataset is used to generate training data
b) The training dataset is used to create the model, the validation dataset is used to tune the model, and the test dataset evaluates its performance on unseen data
c) The training dataset is used for final model evaluation, the validation dataset ensures the model does not overfit, and the test dataset is used for tuning hyperparameters
d) The training dataset ensures the model generalizes well, the validation dataset is used to deploy the model, and the test dataset is used for initial evaluation

Câu 6/10 (#15)· 2 điểm· LO AI-3.3.1· mức K3

🇻🇳 Xem bản dịch tiếng Việt

a) (20/120) *100
b) (78/120) *100
c) (78/100) *100
d) (22/100) *100

a) (20/120) *100
b) (78/120) *100
c) (78/100) *100
d) (22/100) *100

Câu 7/10 (#16)· 1 điểm· LO AI-3.4.1· mức K2

During the training of a deep neural network, the network produces an output, and the loss is calculated. Which of the following CORRECTLY describes the next step in the training process?

🇻🇳 Xem bản dịch tiếng Việt

Trong quá trình huấn luyện một mạng nơ-ron sâu (deep neural network), mạng tạo ra một đầu ra, và giá trị loss được tính toán. Phương án nào sau đây mô tả ĐÚNG bước tiếp theo trong quy trình huấn luyện?

a) Các trọng số (weight) và độ lệch (bias) trên toàn mạng được điều chỉnh để giảm giá trị loss đã tính được
b) Cùng một dữ liệu huấn luyện được đưa qua mạng một lần nữa để xác nhận giá trị loss
c) Các hàm kích hoạt (activation function) được thay đổi sang các công thức phi tuyến khác để tìm mức khớp tốt hơn
d) Các lớp ẩn (hidden layer) của mạng được đặt lại với các giá trị trọng số ngẫu nhiên mới

a) The weights and biases across the network are adjusted to reduce the calculated loss
b) The same training data is passed through the network again to confirm the loss value
c) The activation functions are altered to different non-linear formulas to find a better fit
d) The network's hidden layers are reset with new random weight values

Câu 8/10 (#A4)· 1 điểm· LO AI-3.1.1· mức K2

Given the following forms of machine learning (Association, Classification, Reinforcement Learning, Regression), and example machine learning systems: a) An energy company uses historical weather data and corresponding daily power consumption figures to predict the total amount of electricity a city will need tomorrow b) A robotic arm learns to correctly sort various objects into different bins by receiving a positive reward for each object placed in the correct bin and a penalty for each mistake c) An agricultural AI system analyzes satellite images of crops, which have been labelled by botanists as "healthy" or "diseased," to identify areas of a farm that require treatment d) A medical research system analyzes patient records and identifies a strong association between a specific genetic marker and the early onset of a particular disease Drag to pair each form of machine learning with an example machine learning system. Note: this is a drag-and-drop matching item in the original exam (not a single-select a/b/c/d question). The official Answer Key lists it as "New question type" with no single letter answer. Each option below is one of the four example ML systems; correctKeys records which form of ML each one is correctly paired with, encoded as "key:Form of ML".

🇻🇳 Xem bản dịch tiếng Việt

Cho các dạng machine learning sau đây (Association, Classification, Reinforcement Learning, Regression), và các hệ thống machine learning ví dụ: a) Một công ty năng lượng sử dụng dữ liệu thời tiết lịch sử và số liệu tiêu thụ điện hàng ngày tương ứng để dự đoán tổng lượng điện một thành phố sẽ cần vào ngày mai b) Một cánh tay robot học cách phân loại đúng các vật thể khác nhau vào những thùng chứa khác nhau, bằng cách nhận thưởng dương cho mỗi vật đặt đúng thùng và bị phạt cho mỗi lần sai c) Một hệ thống AI nông nghiệp phân tích ảnh vệ tinh của cây trồng, đã được các nhà thực vật học gán nhãn là "khỏe mạnh" hoặc "nhiễm bệnh," để xác định các khu vực trên nông trại cần được xử lý d) Một hệ thống nghiên cứu y khoa phân tích hồ sơ bệnh nhân và xác định một mối liên hệ chặt chẽ giữa một dấu hiệu di truyền (genetic marker) cụ thể và sự khởi phát sớm của một căn bệnh nhất định Kéo để ghép mỗi dạng machine learning với một hệ thống machine learning ví dụ. Lưu ý: đây là dạng câu hỏi ghép cặp bằng kéo-thả trong đề thi gốc, không phải câu chọn một đáp án a/b/c/d đơn lẻ. Đáp án chính thức liệt kê câu này là "dạng câu hỏi mới" và không có một đáp án chữ cái duy nhất. Mỗi phương án dưới đây là một trong bốn hệ thống ML ví dụ; correctKeys ghi lại hệ thống đó được ghép đúng với dạng ML nào, theo định dạng "key:Dạng ML".

a) Một công ty năng lượng sử dụng dữ liệu thời tiết lịch sử và số liệu tiêu thụ điện hàng ngày tương ứng để dự đoán tổng lượng điện một thành phố sẽ cần vào ngày mai
b) Một cánh tay robot học cách phân loại đúng các vật thể khác nhau vào những thùng chứa khác nhau, bằng cách nhận thưởng dương cho mỗi vật đặt đúng thùng và bị phạt cho mỗi lần sai
c) Một hệ thống AI nông nghiệp phân tích ảnh vệ tinh của cây trồng, đã được các nhà thực vật học gán nhãn là "khỏe mạnh" hoặc "nhiễm bệnh," để xác định các khu vực trên nông trại cần được xử lý
d) Một hệ thống nghiên cứu y khoa phân tích hồ sơ bệnh nhân và xác định một mối liên hệ chặt chẽ giữa một dấu hiệu di truyền cụ thể và sự khởi phát sớm của một căn bệnh nhất định

a) An energy company uses historical weather data and corresponding daily power consumption figures to predict the total amount of electricity a city will need tomorrow

b) A robotic arm learns to correctly sort various objects into different bins by receiving a positive reward for each object placed in the correct bin and a penalty for each mistake

c) An agricultural AI system analyzes satellite images of crops, which have been labelled by botanists as "healthy" or "diseased," to identify areas of a farm that require treatment

d) A medical research system analyzes patient records and identifies a strong association between a specific genetic marker and the early onset of a particular disease

Câu 9/10 (#A5)· 1 điểm· LO AI-3.1.2· mức K2

Given the following activities: a) Prepare & Test Data b) Test the Model c) Monitor & Tune the Model d) Evaluate the Model e) Deploy the Model Order these activities in a logical sequence from earliest to latest in the ML workflow. Note: this is a drag-and-drop ordering item in the original exam (not a single-select a/b/c/d question). The official Answer Key lists it as "New question type" with no single letter answer. correctKeys gives the official earliest-to-latest order as a sequence of option keys: a (Prepare & Test Data), d (Evaluate the Model), b (Test the Model), e (Deploy the Model), c (Monitor & Tune the Model). The source Answers document provides this order only as a diagram, without a separate textual rationale per item.

🇻🇳 Xem bản dịch tiếng Việt

Cho các hoạt động sau đây: a) Prepare & Test Data (Chuẩn bị & test dữ liệu) b) Test the Model (Test mô hình) c) Monitor & Tune the Model (Giám sát & tinh chỉnh mô hình) d) Evaluate the Model (Đánh giá mô hình) e) Deploy the Model (Triển khai mô hình) Sắp xếp các hoạt động này theo một trình tự hợp lý, từ sớm nhất đến muộn nhất trong quy trình ML. Lưu ý: đây là dạng câu hỏi sắp xếp thứ tự bằng kéo-thả (drag-and-drop ordering) trong đề thi gốc, không phải câu chọn một đáp án a/b/c/d đơn lẻ. Đáp án chính thức liệt kê câu này là "dạng câu hỏi mới" và không có một đáp án chữ cái duy nhất. correctKeys thể hiện thứ tự chính thức từ sớm nhất đến muộn nhất dưới dạng chuỗi các key của phương án: a (Prepare & Test Data), d (Evaluate the Model), b (Test the Model), e (Deploy the Model), c (Monitor & Tune the Model). Tài liệu đáp án nguồn chỉ cung cấp thứ tự này dưới dạng sơ đồ, không có phần giải thích riêng bằng văn bản cho từng mục.

a) Prepare & Test Data (Chuẩn bị & test dữ liệu)
b) Test the Model (Test mô hình)
c) Monitor & Tune the Model (Giám sát & tinh chỉnh mô hình)
d) Evaluate the Model (Đánh giá mô hình)
e) Deploy the Model (Triển khai mô hình)

a) Prepare & Test Data

b) Test the Model

c) Monitor & Tune the Model

d) Evaluate the Model

e) Deploy the Model

Câu 10/10 (#A6)· 1 điểm· LO AI-3.4.3· mức K2

What is a key reason that structural coverage alone is NOT SUFFICIENT as the basis for testing neural networks?

🇻🇳 Xem bản dịch tiếng Việt

Đâu là một lý do then chốt khiến structural coverage (độ bao phủ cấu trúc) một mình KHÔNG ĐỦ để làm cơ sở cho việc test mạng nơ-ron?

a) Nó có xu hướng đánh giá quá cao hiệu năng trên các tác vụ có liên quan đến phản hồi của con người
b) Nó không thể tính đến sự khác biệt về kích thước mô hình khi so sánh kết quả test
c) Nó không cho biết liệu mạng có đang dựa vào các feature gây hiểu lầm hay không liên quan hay không
d) Nó thay thế cho nhu cầu đánh giá tính hữu ích của từng đầu ra riêng lẻ của mô hình

a) It tends to overestimate performance on tasks involving human feedback
b) It cannot account for differences in model size when comparing test results
c) It does not reveal whether the network relies on misleading or irrelevant features
d) It replaces the need to assess the usefulness of individual model outputs