Câu hỏi: AID301c Thiết kế sản phẩm TTNT – Bộ ôn tập cuối kỳ số 2

Đáp án đúng: "Down-sampling of the majority class". Đây là câu phủ định. Giảm chiều (dimensionality reduction) là giảm số đặc trưng, tức số cột, bằng cách chiếu dữ liệu sang không gian ít chiều hơn hoặc chọn bớt đặc trưng; down-sampling lớp đa số lại bỏ bớt dòng, tức bớt mẫu, để cân bằng các lớp, nên số chiều giữ nguyên và đây là kỹ thuật xử lý mất cân bằng chứ không phải giảm chiều. "Principal components analysis to process images used in classification." là ứng dụng hợp lệ nên không chọn, vì PCA nén hàng nghìn điểm ảnh thành vài chục thành phần chính trước khi phân loại, như cách làm eigenfaces. "Non-negative matrix factorization to resolve topics from a corpus of words." hợp lệ vì NMF phân rã ma trận tài liệu và từ thành hai ma trận không âm, mỗi thành phần đọc được như một chủ đề. "t-distributed stochastic neighbor embedding to visualize the results of a clustering algorithm." hợp lệ vì t-SNE chiếu dữ liệu nhiều chiều xuống hai hoặc ba chiều mà vẫn giữ quan hệ lân cận, rất hợp để nhìn các cụm. "Using an ANOVA to select a subset of features" hợp lệ vì chọn đặc trưng theo kiểm định F của ANOVA, như SelectKBest với f_classif, là giảm chiều bằng lựa chọn đặc trưng.

Đáp án đúng: "Correctly predicted positive cases". Trong confusion matrix (ma trận nhầm lẫn), True Positive là số mẫu thực sự thuộc lớp dương và mô hình cũng dự đoán là dương, ví dụ bệnh nhân có bệnh được mô hình phát hiện đúng là có bệnh; chữ True nói dự đoán đúng, chữ Positive nói nhãn dự đoán là dương. Phương án "Correctly predicted negative cases" là True Negative: mẫu âm được dự đoán đúng là âm. Phương án "Incorrectly predicted positive cases" là False Positive: mô hình báo dương nhưng thực tế là âm, còn gọi là báo động giả hay lỗi loại I. Phương án "Incorrectly predicted negative cases" là False Negative: mô hình báo âm trong khi thực tế là dương, tức bỏ sót, còn gọi là lỗi loại II. Bốn ô này là nền để tính precision, recall và F1.

Đáp án đúng: "False". Một cụm Spark thường được quản lý bởi trình quản lý tài nguyên như Spark standalone, Hadoop YARN, Apache Mesos hoặc Kubernetes; trình này phân bổ executor cho driver và theo dõi tài nguyên của các node. Docker container và tệp YAML chỉ là một cách đóng gói hoặc mô tả cấu hình trong vài môi trường, ví dụ khi chạy Spark trên Kubernetes, chứ không phải cách quản lý cụm nói chung. Vì vậy "True" sai: nó biến một lựa chọn triển khai cụ thể thành quy tắc chung, trong khi phần lớn cụm Spark được vận hành qua trình quản lý cụm, không cần Docker hay YAML.

Đáp án đúng: "Because sharing with domain experts might enable topic-specific feature engineering". Tác động lên cơ hội kinh doanh nghĩa là kết quả mô hình chủ đề (topic model) được chuyển thành giá trị cho bài toán; trực quan hóa giúp chuyên gia lĩnh vực đọc được các chủ đề, từ đó đề xuất đặc trưng (feature) gắn với từng chủ đề để đưa vào mô hình phía sau, đó là đường đi từ phân tích tới giá trị. Các phương án kia đều là lợi ích có thật của trực quan hóa nhưng dừng ở mức kỹ thuật, chưa nối tới cơ hội kinh doanh: "Because visual inspection can help choose the number of topics" là việc chọn siêu tham số của mô hình; "Because we are able to see the top words with each topic" chỉ là cách đọc nội dung từng chủ đề; "Because we are able to see the relative importance of each topic across the corpus" mô tả tỷ trọng các chủ đề trong kho văn bản; "Because domain experts can visually inspect the validity of the topics" là bước kiểm tra chất lượng, có ích nhưng chưa tạo ra hành động mới như đặc trưng mới cho mô hình.

Đáp án đúng: "As visually similar as possible to the positive images". Ảnh âm (negative images) cho bộ phân loại biết thế nào là không thuộc lớp cần nhận diện. Ảnh âm có bối cảnh, màu sắc, bố cục giống ảnh dương nhưng không chứa đối tượng buộc mô hình học đúng đặc điểm riêng của đối tượng thay vì dựa vào nền hay màu chung, nên ranh giới quyết định sắc hơn; đây là tinh thần của hard negatives (mẫu âm khó). "Background images without the positive images" không sai hẳn, nhưng nếu nền khác xa ảnh dương thì mô hình dễ học mẹo phân biệt theo nền. "As random as possible to establish a background" và "Visually distinct from the positive images" cho ví dụ quá dễ phân biệt, mô hình học được rất ít. "Randomly generated from the positive images" có nguy cơ vẫn chứa mảnh đối tượng, làm nhãn âm bị nhiễu.

Đáp án đúng: "To monitor model performance and debug issues". Dữ liệu tối thiểu cần có là những gì đủ để mô hình chạy và để đánh giá nó sau triển khai: đặc trưng đầu vào, dự đoán, kết quả thực tế khi có, thời điểm và phiên bản mô hình. Thiếu phần này thì không thể so dự đoán với thực tế, không phát hiện được trôi dữ liệu và không tái hiện được lỗi khi mô hình hoạt động sai. "To reduce the size of the data set" nhầm mục đích: yêu cầu tối thiểu là bảo đảm có đủ, không phải để cắt bớt dữ liệu. "To make data collection easier" không phải lý do chính; xác định dữ liệu tối thiểu có giúp lên kế hoạch thu thập, nhưng giá trị của nó nằm ở việc giám sát được mô hình. "To avoid using log files" ngược lại, vì chính log là nơi lưu dữ liệu tối thiểu phục vụ giám sát và gỡ lỗi.

Đáp án đúng: "Because it ensures that locally created/trained models are compatible with Watson Machine Learning". Khi huấn luyện mô hình trên máy cá nhân rồi triển khai lên Watson Machine Learning, môi trường chạy của dịch vụ chỉ hỗ trợ một số phiên bản Python và thư viện nhất định như scikit-learn hay TensorFlow; virtual environment (môi trường ảo) giúp ghim đúng các phiên bản đó để mô hình đã lưu ra tệp nạp và chạy được trên dịch vụ mà không lỗi lệch phiên bản. "Because all models should have their own virtual environment" sai vì đó là thói quen tốt chung chung chứ không nêu lý do chính trong bối cảnh triển khai này. "Because it will ensure that the most recent packages are used" sai vì mục tiêu ngược lại: cần đúng phiên bản được hỗ trợ, mà bản mới nhất có thể chưa được dịch vụ hỗ trợ. "Because virtual environments can be containerized easily" sai vì môi trường ảo không phải container, và đóng gói container không phải lý do ở đây. "Because the Python client for Watson Machine Learning has specific dependencies" sai vì phụ thuộc của thư viện client chỉ ảnh hưởng tới việc gọi API, còn điều quyết định là mô hình phải khớp với môi trường chạy của dịch vụ.

Đáp án đúng: "The desired state of applications". Deployment trong Kubernetes là đối tượng khai báo trạng thái mong muốn của ứng dụng: chạy bao nhiêu bản sao pod, dùng image nào, cập nhật theo kiểu rolling update ra sao; bộ điều khiển của cụm liên tục so trạng thái thật với trạng thái khai báo và tạo, thay, xoá pod để khớp lại, kể cả khôi phục khi pod chết. Phương án "The API server" sai vì API server là thành phần của control plane (mặt phẳng điều khiển), nơi mọi yêu cầu đi qua, chứ không do deployment quản lý. Phương án "The health of worker nodes" sai vì sức khoẻ nút do kubelet báo cáo và node controller theo dõi, deployment chỉ lo các pod của ứng dụng. Phương án "The network configuration" sai vì mạng được xử lý bởi Service, Ingress và plugin mạng CNI, không phải bởi deployment.

Đáp án đúng: "numeric computing, data munging, data visualization and data modeling". Môn học này giả định người học đã quen các kỹ năng nền của khoa học dữ liệu bằng Python: tính toán số (NumPy), xử lý và làm sạch dữ liệu (data munging, ví dụ với Pandas), trực quan hoá và xây dựng mô hình cơ bản; phần mới là đưa chúng vào quy trình vận hành AI. "dashboarding, high performance computing, and code profiling" là những chủ đề được dạy trong chính quy trình chứ không phải điều kiện tiên quyết. "convex optimization, python programming, statistical programming" có tối ưu lồi, một chủ đề toán chuyên sâu không bắt buộc. "continuous integration, linear programming, and data exploration" có tích hợp liên tục và quy hoạch tuyến tính, những thứ thuộc nội dung triển khai hoặc ngoài phạm vi, không phải nền tảng cần có trước.