Làm bài tập về nhà, bạn Mai sử dụng YouTube để học tập. Sau khi xem một video, YouTube lại tự
Làm bài tập về nhà, bạn Mai sử dụng YouTube để học tập. Sau khi xem một video, YouTube lại tự động gợi ý các video khác có nội dung liên quan và tự động phát tiếp các video đó. Thói quen này lặp lại khiến bạn Mai dành nhiều thời gian xem video ngoài nội dung học. Bạn Mai thắc mắc: Liệu YouTube có thể đoán được thói quen học tập và hành vi của bạn không?
Bạn học sinh đã đưa ra các nhận định sau:
| Đúng | Sai | |
|---|---|---|
| a) Ngoài học có giám sát, Youtube còn áp dụng học không giám sát để phân nhóm video. | ||
| b) YouTube sử dụng học máy có giám sát để dự đoán sở thích người dùng dựa trên hành vi xem video và lượt thích. | ||
| c) Hành vi người dùng như thời gian xem, chủ đề quan tâm và hành động Thích/Không thích là đầu vào cho mô hình học có giám sát của YouTube. | ||
| d) Trong học máy có giám sát, hành động của người dùng như bấm vào video không thể xem là "nhãn" đầu vào để huấn luyện mô hình. |
Đáp án đúng là: Đ; Đ; Đ; S
Quảng cáo
Học có giám sát và không giám sát.
Ứng dụng AI cá nhân hóa nội dung theo hành vi người dùng.
Phân tích hành vi và dùng làm input/label cho mô hình học máy.
A Đúng YouTube sử dụng học không giám sát để phân loại video và đề xuất video cho người dùng dựa trên hành vi xem video.
B Đúng – YouTube thu thập rất nhiều dữ liệu hành vi:
- Lịch sử xem video (xem video gì, trong bao lâu, thời điểm nào).
- Lượt thích/dislike (thể hiện cảm xúc).
- Bình luận và nội dung tìm kiếm.
- Tốc độ và tần suất chuyển video.
- Sở thích khai báo khi tạo tài khoản.
Tất cả các thông tin trên có thể được chuyển thành các nhãn hoặc đặc trưng (features) để mô hình học máy phân tích.
C Đúng – YouTube sử dụng học máy có giám sát (supervised learning) để dự đoán sở thích và hành vi người dùng.
Các thông tin này được xem là đặc trưng đầu vào (input features) cho mô hình học máy.
Nhãn (label) trong học có giám sát có thể là việc người dùng đã thích video, đã xem hết video hay không,...
D Sai – Trong học máy có giám sát, "nhãn" (label) phải là kết quả hợp lệ, có thể đo lường được từ hành vi người dùng, ví dụ: "người dùng có xem video đến hết không?", "có thích video không?", hoặc "có bấm vào video đề xuất không?".
Tuy nhiên, nếu video bị lỗi, không tồn tại hoặc không thể phát, thì người dùng không thể hoàn thành hành vi, nên không có kết quả đầu ra để gán nhãn.
Mô hình sẽ không học được gì từ dữ liệu không đầy đủ hoặc sai lỗi như vậy.
Các dữ liệu lỗi như vậy thường bị loại bỏ (filter out) trong quá trình xử lý dữ liệu đầu vào để đảm bảo chất lượng mô hình học máy.
Đáp án cần chọn là: Đ; Đ; Đ; S
Group 2K8 ôn Thi ĐGNL & ĐGTD Miễn Phí
>> 2K8 Chú ý! Lộ Trình Sun 2026 - 3IN1 - 1 lộ trình ôn 3 kì thi (Luyện thi 26+ TN THPT, 90+ ĐGNL HN, 900+ ĐGNL HCM, 70+ ĐGTD - Click xem ngay) tại Tuyensinh247.com.Đầy đủ theo 3 đầu sách, Thầy Cô giáo giỏi, luyện thi theo 3 giai đoạn: Nền tảng lớp 12, Luyện thi chuyên sâu, Luyện đề đủ dạng đáp ứng mọi kì thi.
 |
 |
 |
 |
 |
 |
 |
 |
Hỗ trợ - Hướng dẫn
-
024.7300.7989
-
1800.6947
(Thời gian hỗ trợ từ 7h đến 22h)
Email: lienhe@tuyensinh247.com
