Tất cả câu hỏi

Đáp án đúng: "All of the above". Policy gradient là họ thuật toán học tăng cường tối ưu trực tiếp chính sách bằng gradient của phần thưởng kỳ vọng, và một hệ policy gradient hoàn chỉnh gồm đủ các thành phần được nêu. "Policy gradients - Network" là mạng chính sách nhận trạng thái và trả về xác suất của từng hành động. "Policy gradients - Loss" là hàm mất mát, thường là âm của log xác suất hành động đã chọn nhân với lợi tức (return) chiết khấu, để giảm mất mát tương đương tăng xác suất hành động mang lại phần thưởng cao. "Policy gradients - Memory" là bộ nhớ lưu trạng thái, hành động và phần thưởng của cả một tập (episode) để tính lợi tức sau khi tập kết thúc. "Policy gradients - Training" là vòng huấn luyện: chạy tập, tính lợi tức chiết khấu, tính mất mát rồi cập nhật trọng số mạng. Thiếu bất kỳ thành phần nào hệ cũng không vận hành, nên chọn riêng một thành phần là không đầy đủ.

Đáp án đúng: "True". Phân rã chuỗi thời gian (time series decomposition) coi một chuỗi là tổ hợp cộng hoặc nhân của các thành phần: xu hướng (trend) là hướng đi dài hạn, mùa vụ (seasonal) là dao động lặp theo chu kỳ cố định như theo tháng hay quý, chu kỳ (cyclical) là dao động dài và không cố định như chu kỳ kinh tế, và phần dư (residual) là nhiễu ngẫu nhiên còn lại. Hầu hết chuỗi thực tế, như giá cổ phiếu hay doanh số, chứa ít nhất một vài thành phần này, nên phát biểu là đúng. Chọn "False" sẽ phủ nhận cách tiếp cận phân rã vốn là nền tảng của các mô hình dự báo như ARIMA có mùa vụ hay làm trơn hàm mũ.

Đáp án đúng: "Classification using Logistic Regression". Việc người dùng có nhấp vào quảng cáo hay không là biến đích nhị phân (có hoặc không), tức bài toán phân loại; hồi quy logistic đưa tổ hợp tuyến tính của các đặc trưng qua hàm sigmoid để ra xác suất nhấp nằm trong khoảng 0 đến 1, rồi so với ngưỡng để quyết định, và đây là mô hình kinh điển cho dự đoán tỉ lệ nhấp (click-through rate). "Time Series Analysis" dùng để mô hình hoá và dự báo một đại lượng theo thời gian, không phải gán nhãn có hay không cho từng người dùng. "Linear Regression" dự đoán giá trị liên tục và có thể cho kết quả âm hay lớn hơn 1, không diễn giải được thành xác suất. "K-Means Clustering" là học không giám sát, chỉ gom nhóm người dùng giống nhau chứ không dùng nhãn nhấp để dự đoán.

Đáp án đúng: "True". TensorFlow có nhánh TensorFlow Lite chuyên chạy suy luận (inference, tức dùng mô hình đã huấn luyện để dự đoán) ngay trên thiết bị như điện thoại Android, iOS, máy tính nhúng và cả vi điều khiển. Mô hình được chuyển sang định dạng gọn hơn, có thể lượng tử hoá để nhẹ và nhanh, rồi chạy cục bộ nên độ trễ thấp, không cần mạng và dữ liệu không phải gửi về máy chủ. Nhờ cơ chế delegate, cùng một mô hình có thể tận dụng nhiều loại phần cứng tăng tốc như CPU, GPU, bộ xử lý tín hiệu số hay Edge TPU, đúng với ý "available for a variety of hardware" trong phát biểu. "False" sai vì suy luận trên thiết bị di động và hỗ trợ đa phần cứng là tính năng chính thức của hệ sinh thái TensorFlow, không phải điều nó thiếu.

Đáp án đúng: "All of the above". Mục đích cốt lõi của hàm kích hoạt là "It introduces non-linearity to the network": nếu không có nó, xếp chồng bao nhiêu tầng tuyến tính cũng chỉ tương đương một phép biến đổi tuyến tính, mạng không học được quan hệ phức tạp. Nhưng hai ý kia cũng đúng nên tổng hợp là lựa chọn đầy đủ nhất. "It determines the output of a neuron" đúng vì nơ-ron tính tổng có trọng số cộng bias rồi đưa qua hàm kích hoạt, kết quả chính là đầu ra của nơ-ron truyền sang tầng sau. "It helps in backpropagation" đúng vì khi lan truyền ngược, quy tắc dây chuyền nhân gradient với đạo hàm của hàm kích hoạt ở từng tầng; chọn hàm có đạo hàm thuận lợi như ReLU giúp giảm hiện tượng gradient biến mất so với sigmoid. Vì vậy chọn riêng một ý là chưa đủ, dù ý về tính phi tuyến là quan trọng nhất.

Đáp án đúng: "Use past data to predict future". Dự báo chuỗi thời gian (time series forecast) dựa trên giả định rằng các mẫu hình trong quá khứ của chính chuỗi, như xu hướng, mùa vụ và tự tương quan, sẽ còn tiếp diễn, nên dùng giá trị quá khứ để ước lượng giá trị tương lai. "Use past data to explain the response" lẫn mục đích: dự báo hướng tới giá trị chưa xảy ra chứ không nhằm giải thích một biến phản hồi. "Use variables to explain the response" là mô tả của hồi quy, nơi các biến giải thích được dùng để lý giải biến phụ thuộc. "Use past to explain the response" cũng đặt trọng tâm vào việc giải thích thay vì dự đoán tương lai, nên không khớp với định nghĩa dự báo chuỗi thời gian.

Đáp án đúng: "To handle sequential data". Mạng nơ-ron hồi quy (recurrent neural network, RNN) có trạng thái ẩn được truyền từ bước thời gian này sang bước kế tiếp, nên đầu ra tại mỗi bước phụ thuộc cả đầu vào hiện tại lẫn những gì mạng đã thấy trước đó; cơ chế này hợp với dữ liệu có thứ tự như chuỗi giá, văn bản hay âm thanh, và các biến thể LSTM, GRU được dùng nhiều để dự báo chuỗi thời gian tài chính. "To classify images" là thế mạnh của mạng tích chập CNN vốn khai thác cấu trúc không gian của điểm ảnh. "To perform dimensionality reduction" là việc của PCA hay autoencoder, không phải mục đích thiết kế của RNN. "To generate synthetic data" là việc của mô hình sinh như GAN hay VAE; RNN có thể sinh chuỗi nhưng đó là ứng dụng phụ, không phải mục đích cốt lõi.

Đáp án đúng: "A state is a situation returned by the environment after an agent takes an action.". Trong học tăng cường (reinforcement learning), tác tử (agent) quan sát trạng thái, chọn hành động, rồi môi trường trả về phần thưởng cùng trạng thái mới; trạng thái (state) vì vậy là mô tả tình huống hiện tại do môi trường cung cấp sau mỗi hành động, ví dụ trong bài toán giao dịch là giá, vị thế đang giữ và số dư tài khoản. "State is a situation in which an agent is present." nắm đúng trực giác rằng trạng thái là một tình huống, nhưng bỏ mất vòng tương tác cốt lõi: trạng thái do môi trường trả về sau hành động của tác tử, nên đây là định nghĩa kém đầy đủ. "A state is the simple value of reinforcement learning." sai vì giá trị (value) là khái niệm khác: hàm giá trị ước lượng tổng phần thưởng chiết khấu kỳ vọng khi xuất phát từ một trạng thái, chứ bản thân trạng thái không phải là một giá trị.

Đáp án đúng: "True". AutoML (học máy tự động) tự động hoá các khâu tốn công như chọn thuật toán, tạo đặc trưng, tìm kiến trúc và tinh chỉnh siêu tham số, nên người không chuyên vẫn huấn luyện được mô hình qua giao diện hoặc vài dòng cấu hình; nhờ thử hàng loạt cấu hình một cách có hệ thống trên hạ tầng đám mây như Vertex AI, nó thường cho ra mô hình nhanh hơn và nhiều khi chính xác hơn mô hình viết tay chưa được tinh chỉnh kỹ. Chữ "often" trong phát biểu quan trọng: AutoML không phải lúc nào cũng thắng chuyên gia, nhưng thường đạt kết quả tốt với ít công sức hơn, nên phát biểu được xem là đúng. "False" không đúng vì nó phủ nhận cả tính dễ dùng lẫn lợi thế về tốc độ, trong khi đây chính là lý do AutoML được đưa vào quy trình xây dựng mô hình dự báo tài chính.

Đáp án đúng: "A graph that represents the mathematical operations performed by a neural network". Trong TensorFlow, đồ thị tính toán (computation graph) là đồ thị có hướng mà mỗi nút là một phép toán (operation) như nhân ma trận, cộng, hàm kích hoạt, còn mỗi cạnh là tensor chảy giữa các phép toán; nhờ đồ thị này TensorFlow tối ưu, song song hoá và tính đạo hàm tự động. "A graph that represents the structure of a neural network" chỉ mô tả kiến trúc các lớp ở mức khái niệm, chưa nói tới các phép toán cụ thể. "A graph that represents the input and output of a neural network" quá hẹp vì đồ thị còn gồm mọi phép toán trung gian. "A graph that represents the weights and biases of a neural network" sai vì trọng số và độ lệch chỉ là các biến tham gia vào phép toán, không phải nội dung chính của đồ thị.

Đáp án đúng: "To create and execute machine learning models using SQL". BigQuery ML là tính năng của kho dữ liệu Google BigQuery cho phép tạo, huấn luyện, đánh giá và dự đoán bằng mô hình học máy chỉ với câu lệnh SQL như CREATE MODEL, ML.EVALUATE và ML.PREDICT, ngay trên dữ liệu đang nằm trong BigQuery, không cần xuất dữ liệu sang Python hay một nền tảng khác. "To store large datasets" là chức năng của chính BigQuery như một kho dữ liệu, không phải mục đích riêng của phần ML. "To visualize data" là việc của công cụ trực quan hoá như Looker Studio, BigQuery ML không vẽ biểu đồ. "To manage cloud resources" thuộc về Cloud Console, IAM hay Resource Manager của Google Cloud, không liên quan đến huấn luyện mô hình bằng SQL.

Đáp án đúng: "All of the above". Lan truyền ngược (backpropagation) là thuật toán dùng quy tắc chuỗi để tính đạo hàm của hàm mất mát theo từng trọng số, đi lùi từ lớp đầu ra về lớp đầu vào; cả ba mô tả đều đúng cùng lúc nên phải chọn phương án gộp. "To calculate the gradients for updating the network's parameters" đúng vì sản phẩm của lan truyền ngược chính là gradient để bộ tối ưu như SGD hay Adam cập nhật tham số. "To propagate errors from the output layer to the input layer" đúng vì tín hiệu sai số ở đầu ra được truyền ngược qua từng lớp, mỗi lớp nhận phần sai số thuộc về các trọng số của mình. "To train a neural network" đúng vì lan truyền ngược kết hợp với giảm gradient là cơ chế huấn luyện chuẩn của mạng nơ-ron. Chọn riêng một ý thì bỏ sót hai mặt kia của cùng một quá trình, nên không ý đơn lẻ nào đủ bằng phương án gộp.

Đáp án đúng: "The model performs well on training data but poorly on validation data.". Quá khớp (overfitting) là khi mô hình học thuộc cả nhiễu và chi tiết riêng của tập huấn luyện, nên sai số huấn luyện rất thấp nhưng sai số trên tập kiểm định (validation) cao; khoảng cách lớn giữa hai sai số là dấu hiệu nhận biết, ví dụ chiến lược giao dịch đẹp trên dữ liệu quá khứ nhưng thua lỗ trên dữ liệu mới. "The model performs poorly on training data and on validation data." là dấu hiệu thiếu khớp (underfitting): mô hình quá đơn giản, chưa nắm được quy luật ngay cả trên dữ liệu đã thấy. "The model performs well on training data and on validation data." là trạng thái mong muốn, mô hình khái quát hoá tốt. "The model performs poorly on training data and well on validation data." là tình huống bất thường, thường do tập kiểm định quá nhỏ, quá dễ, hoặc do dropout và chính quy hoá chỉ bật khi huấn luyện, chứ không phải quá khớp.

Đáp án đúng: "Deep Q-Network (DQN)". DQN thay bảng Q bằng một mạng nơ-ron làm hàm xấp xỉ (function approximator) cho hàm giá trị Q(s, a), nhờ đó xử lý được không gian trạng thái rất lớn như ảnh màn hình hay chuỗi giá, kèm các kỹ thuật bộ nhớ phát lại (experience replay) và mạng mục tiêu để ổn định huấn luyện. "Q-learning" ở dạng gốc lưu giá trị Q trong một bảng tra theo từng cặp trạng thái và hành động, không cần mạng nơ-ron. "Policy gradient" là họ thuật toán tối ưu trực tiếp chính sách; nó có thể dùng mạng nơ-ron nhưng bản thân khái niệm không gắn với hàm xấp xỉ bằng mạng như tên gọi của DQN. "Monte Carlo methods" ước lượng giá trị bằng trung bình phần thưởng của các tập (episode) hoàn chỉnh, thường ở dạng bảng.

Đáp án đúng gồm hai ý: "An ARIMA(p,1,q) model estimated on a series of logs of prices is equivalent to an ARIMA(p,0,q) model estimated on a set of continuously compounded returns" và "The estimation of ARIMA models is incompatible with the notion of cointegration". Lợi suất kép liên tục chính là sai phân bậc một của log giá, ln(P_t) − ln(P_t−1), nên lấy sai phân một lần trên log giá rồi ước lượng ARMA(p,q) cũng chính là ước lượng ARMA(p,q) trên chuỗi lợi suất. Với ý thứ hai, ARIMA lấy sai phân từng chuỗi để đưa về dừng, việc này xoá mất thông tin về quan hệ dài hạn giữa các mức giá, mà đồng liên kết (cointegration) lại chính là quan hệ dài hạn đó; muốn giữ nó phải dùng mô hình hiệu chỉnh sai số (error correction model). "The "I" stands for independent" sai vì chữ I trong ARIMA là integrated, nghĩa là tích hợp, chỉ số lần lấy sai phân d. "the optimal value of d could be 2 or 3" sai với chuỗi tài chính vì giá thường chỉ có một nghiệm đơn vị, sai phân một lần đã thành lợi suất dừng; d bằng 2 hay 3 hầu như không gặp và sẽ gây sai phân thừa (over-differencing).

Đáp án đúng: "1940s". Nói cho chính xác, perceptron do Frank Rosenblatt công bố năm 1957–1958, nên không phương án nào trùng năm ra đời của nó vì không có lựa chọn thập niên 1950. Tuy vậy perceptron được xây trực tiếp trên mô hình nơ-ron nhân tạo của Warren McCulloch và Walter Pitts năm 1943, mô hình đầu tiên coi nơ-ron là một đơn vị ngưỡng nhận tổng có trọng số của các đầu vào, và tài liệu nhập môn học máy cho tài chính thường đặt khởi nguồn của mạng nơ-ron và perceptron ở thập niên 1940; đó là lý do chọn mốc này. "1800s" quá sớm, khi chưa có máy tính lẫn lý thuyết nơ-ron tính toán. "1960s" là thời perceptron được phân tích và phê phán, cuốn Perceptrons của Minsky và Papert năm 1969 chỉ ra nó không giải được bài toán XOR, chứ không phải lúc nó xuất hiện. "1980s" là giai đoạn lan truyền ngược (backpropagation) làm sống lại mạng nhiều lớp, muộn hơn nhiều so với gốc của perceptron.

Đáp án đúng: "A machine learning library". TensorFlow là thư viện mã nguồn mở do Google phát triển cho học máy nói chung: nó cung cấp tensor, phép tính khả vi, GradientTape, tf.data, Keras và công cụ triển khai, dùng được cho cả hồi quy, phân loại, mô hình xác suất chứ không chỉ mạng sâu. Cần nói thẳng rằng "A deep learning framework" là cách gọi rất thường gặp và không vô lý, vì TensorFlow nổi tiếng nhất nhờ huấn luyện mạng nơ-ron sâu; tuy vậy cách gọi đó thu hẹp phạm vi của nó, còn thư viện học máy là cách gọi bao quát và đúng hơn với những gì TensorFlow tự mô tả, nên vẫn chọn đáp án đã nêu. "A programming language" sai vì TensorFlow chạy trên ngôn ngữ chủ như Python, C++ hay JavaScript, bản thân nó không phải ngôn ngữ. "A database management system" sai vì TensorFlow không lưu trữ hay truy vấn dữ liệu theo kiểu cơ sở dữ liệu; việc đó thuộc về hệ như BigQuery, còn TensorFlow chỉ đọc dữ liệu để tính toán và huấn luyện.

Đáp án đúng: "HFT requires sub-millisecond order creation and submission.". Giao dịch tần suất cao (high-frequency trading) kiếm lợi từ chênh lệch giá rất nhỏ và tồn tại rất ngắn, nên lợi thế cạnh tranh nằm ở tốc độ: lệnh phải được tạo và gửi trong thời gian dưới một phần nghìn giây, nhờ đặt máy chủ cạnh sàn (co-location) và hạ tầng độ trễ thấp. "HFT strategies are primarily based on long-term market trends." sai vì HFT nắm giữ vị thế trong vài giây hoặc ngắn hơn, không đặt cược vào xu hướng dài hạn. "HFT does not involve any statistical analysis." sai vì các chiến lược HFT như tạo lập thị trường hay chênh lệch thống kê dựa nặng vào mô hình thống kê trên dữ liệu sổ lệnh. "HFT is only used by retail investors." sai vì HFT do các công ty giao dịch độc quyền và quỹ có hạ tầng đắt tiền thực hiện, nhà đầu tư cá nhân hầu như không thể tham gia.

Đáp án đúng: "N". Tensor là mảng nhiều chiều có thể có số chiều (rank, hạng) bất kỳ: hạng 0 là một số vô hướng, hạng 1 là vectơ, hạng 2 là ma trận, và tổng quát là N chiều, ví dụ một lô ảnh màu trong TensorFlow là tensor 4 chiều gồm số mẫu, chiều cao, chiều rộng và kênh màu. Vì vậy câu hỏi về số chiều chung của tensor phải trả lời bằng N. "1" chỉ đúng cho tensor hạng 1, tức vectơ, là một trường hợp riêng. "2" chỉ đúng cho ma trận, tensor hạng 2, cũng là trường hợp riêng. "3" chỉ đúng cho tensor hạng 3 như một chuỗi thời gian nhiều đặc trưng xếp theo lô, không mô tả được vô hướng hay tensor 4, 5 chiều nên không phải định nghĩa tổng quát.

Đáp án đúng: "Create the features from data and develop a trading strategy use these features". Một chiến lược giao dịch dùng học máy (ML trading strategy) đi theo chuỗi: thu thập dữ liệu, tạo đặc trưng (features, các biến đầu vào như lợi suất trễ hay chỉ báo động lượng), huấn luyện mô hình dự báo, rồi biến dự báo thành quy tắc mua bán và kiểm định lại trên dữ liệu lịch sử (backtest). Đây là phương án duy nhất nói tới chính chiến lược giao dịch. "Create the data and fine the features" chỉ là bước chuẩn bị dữ liệu và đặc trưng, chưa có quy tắc giao dịch nào. "Build a model and traing the data" chỉ là bước huấn luyện; một mô hình dự báo tốt tự thân chưa phải chiến lược khi chưa có luật vào lệnh, thoát lệnh và quản lý vốn. Có nguồn chọn "All of the above" với lý lẽ cả ba đều là bước của quy trình, nhưng câu hỏi hỏi cách tạo chiến lược, mà tạo dữ liệu hay huấn luyện mô hình tự thân chưa tạo ra chiến lược giao dịch, nên phương án gộp không chính xác bằng phương án nói đủ đường đi từ đặc trưng tới chiến lược.