Trong những năm gần đây, nhu cầu tuyển dụng và làm việc trong lĩnh vực AI tăng cao. Câu hỏi phỏng vấn AI là tài liệu quan trọng cho cả nhà tuyển dụng và ứng viên. Bài viết này, trituenhantao.io đưa ra một số câu hỏi cơ bản liên quan đến lĩnh vực. Các nhà tuyển dụng và ứng viên có thể tham khảo tùy vào mục đích của mình.
Trí tuệ nhân tạo (AI) là gì?
Trí tuệ nhân tạo (AI) là một lĩnh vực của khoa học máy tính trong đó trí thông minh của máy tính được tạo ra bởi con người với mục tiêu giúp máy tính có được hành vi thông minh giống con người. Ngày nay, trí tuệ nhân tạo được sử dụng rộng rãi cho các ứng dụng khác nhau như thị giác máy tính, nhận dạng giọng nói, ra quyết định, nhận thức, lý luận.
Liệt kê một số ứng dụng của AI?
● Xử lý ngôn ngữ tự nhiên
● Chatbots
● Phân tích cảm xúc
● Dự đoán doanh thu
● Xe tự lái
● Nhận dạng biểu hiện cảm xúc trên khuôn mặt
● Nhận diện hình ảnhCác ngôn ngữ lập trình phổ biến đối với lập trình AI?
● Python
● R
● Lisp
● Prolog
● JavaTháp Hà Nội là gì?
Tháp Hà Nội là một trò chơi toán học cho thấy cách thức đệ quy có thể được sử dụng như một thiết bị trong việc xây dựng một thuật toán để xử lý một vấn đề cụ thể. Sử dụng cây quyết định và thuật toán tìm kiếm theo chiều rộng (BFS) trong AI, thì chúng ta có thể giải bài toán Tháp Hà Nội.
Phép thử Turing (Turing Test) là gì?
Phép thử Turing là một bài kiểm tra năng lực trí tuệ của máy tính. Một cỗ máy được sử dụng để thử thách trí thông minh của con người. Nếu người đó không thể nhận ra cỗ máy không phải là con người, máy tính đó vượt qua phép thử và nó được coi là “thông minh”.
Hệ chuyên gia là gì?
Hệ chuyên gia là một lĩnh vực ứng dụng của Trí tuệ nhân tạo, với các hệ thống có kiến thức của một chuyên gia về một lĩnh vực cụ thể. Chúng cung cấp giải pháp với “chất lượng chuyên gia” trong lĩnh vực đó. Các hệ này có chuyên môn để thay thế một chuyên gia (con người).
Liệt kê những ưu điểm của hệ chuyên gia.
● Tính nhất quán
● Bộ nhớ
● Luôn sẵn sàng
● Logic
● Đa lĩnh vực
● Khả năng giảng giải
● Phản hồi nhanh
● Không thiên vịThuật toán A * là gì?
A * là một thuật toán máy tính được sử dụng rộng rãi với mục đích duyệt qua đồ thị để tìm tuyến đường tối ưu nhất giữa các đỉnh khác nhau.
Thuật toán Tìm kiếm theo chiều rộng là gì?
Tìm kiếm theo chiều rộng (BFS), được sử dụng để tìm kiếm cấu trúc cây hoặc đồ thị, bắt đầu từ đỉnh gốc, sau đó tiến hành qua các đỉnh lân cận và tiếp tục di chuyển đến các đỉnh tiếp theo. Việc tìm kiếm này có thể được thực hiện bằng cách sử dụng cấu trúc dữ liệu FIFO (hàng đợi), thuật toán tìm kiếm theo chiều rộng luôn tìm ra đường đi ngắn nhất có thể.
Thuật toán tìm kiếm theo chiều sâu là gì?
Tìm kiếm theo chiều sâu (DFS) dựa trên LIFO (ngăn xếp). Một phép đệ quy được thực hiện với cấu trúc dữ liệu ngăn xếp LIFO. Do đó, các đỉnh được sắp xếp theo thứ tự khác với BFS. Thuật toán khởi đầu tại gốc và phát triển xa nhất có thể theo mỗi nhánh.
Thuật toán tìm kiếm theo hai chiều là gì?
Trong thuật toán tìm kiếm theo hai chiều, việc duyệt sẽ được thực hiện ở cả nút xuất phát và nút mục tiêu. Việc duyệt sẽ dừng lại khi chúng gặp nhau ở một nút chung. Thuật toán giúp giảm độ phức tạp và giảm không gian lưu trữ.
Giải thích về thuật toán cắt tỉa Alpha-Beta
Thuật toán cắt tỉa Alpha-Beta là một thuật toán nhằm giảm số lượng các nút được duyệt bằng thuật toán Minimax trong cây tìm kiếm. Nó có thể được áp dụng cho độ sâu “n” và có thể cắt tỉa toàn bộ cây con và lá.
Liệt kê các ứng dụng của logic mờ.
● Nhận dạng khuôn mặt
● Máy điều hòa, máy giặt và máy hút bụi
● Hệ thống phanh và hệ thống truyền lực chống trượt
● Kiểm soát hệ thống tàu điện ngầm và máy bay trực thăng không người lái
● Hệ thống dự báo thời tiết
● Đánh giá rủi ro dự án
● Kế hoạch chẩn đoán và điều trị y tế
● Giao dịch chứng khoánLôgic vị từ bậc một (FOPL) là gì?
Lôgic vị từ bậc một là một tập hợp các hệ thống chính thức, trong đó mỗi câu được chia thành một chủ ngữ và một vị ngữ. Vị ngữ chỉ đề cập đến một chủ ngữ và nó có thể sửa đổi hoặc định nghĩa các thuộc tính của chủ ngữ.
Kể tên một vài kỹ thuật trong Machine Learning
● Hồi quy
● Phân lớp
● Phân cụm
● Học sâu
● Transfer Learning
● Học tăng cườngHọc sâu là gì?
Học sâu là một tập hợp con của Machine Learning được sử dụng để tạo ra một mạng nơ-ron nhân tạo đa lớp. Nó có khả năng tự học dựa trên các trường hợp trước đó và có độ chính xác cao.
Kể tên một vài thuật toán Machine Learning mà bạn biết.
● Hồi quy logistic
● Hồi quy tuyến tính
● Cây quyết định
● SVM
● Naive BayesNaive Bayes là gì?
Thuật toán học máy Naive Bayes là một thuật toán quan trọng cho mô hình dự đoán. Nó là một tập hợp các thuật toán với một nguyên tắc chung dựa trên Định lý Bayes. Giả định cơ bản của Naive Bayes là mỗi tính năng đóng góp độc lập và bình đẳng vào kết quả.
Liệt kê các kỹ thuật được sử dụng để giảm số chiều của dữ liệu.
● Phân tích thành phần độc lập
● Phân tích thành phần chính
● Phân tích thành phần chính dựa trên hàm nhânLiệt kê các bước liên quan đến Machine Learning.
● Thu thập dữ liệu
● Chuẩn bị dữ liệu
● Chọn mô hình thích hợp
● Huấn luyện
● Đánh giá
● Điều chỉnh tham số
● Dự đoánBảng băm (hash tables) là gì?
Bảng băm là một cấu trúc dữ liệu có thể ánh xạ các khóa tới các giá trị. Bảng băm sử dụng hàm băm để tính toán chỉ mục, còn được gọi là mã băm. Cấu trúc này giúp tăng tốc việc chèn và tìm kiếm các giá trị.
Liệt kê các ứng dụng của Machine Learning.
● Phát hiện hình ảnh, lời nói và khuôn mặt
● Tin sinh học
● Phân khúc thị trường
● Quản lý sản xuất và tồn kho
● Phát hiện gian lậnHệ thống gợi ý là gì?
Hệ thống gợi ý là một hệ thống lọc thông tin được sử dụng để dự đoán sở thích của người dùng dựa trên các mẫu lựa chọn được thiết lập khi người dùng duyệt / sử dụng hệ thống.
Phương pháp nào được sử dụng để giảm số chiều của dữ liệu?
Giảm số chiều của dữ liệu là quá trình giảm số lượng biến ngẫu nhiên. Chúng ta có thể giảm số chiều của dữ liệu bằng các kỹ thuật như tỷ lệ các giá trị khuyết, bộ lọc phương sai thấp, bộ lọc tương quan cao, rừng ngẫu nhiên, phân tích thành phần chính.
Liệt kê các phương pháp khác nhau cho việc học có giám sát theo tuần tự.
● Phương pháp cửa sổ trượt (Sliding Window)
● Phương pháp cửa sổ trượt lặp lại
● Các mô hình Markov ẩn
● Mô hình Markov entropy cực đại
● Trường ngẫu nhiên có điều kiệnHàm chi phí là gì?
Hàm chi phí là hàm vô hướng định lượng hệ số lỗi của mạng nơ-ron nhân tạo. Mạng càng tốt, hệ số lỗi càng thấp.
Các siêu tham số của ANN là gì?
● Learning rate : Siêu tham số kiểm soát tốc độ của mạng trong việc học và cập nhật các tham số
● Momentum: Siêu tham số giúp việc cập nhật được làm mịn và thoát ra được các cực tiểu cục bộ.
● Số lượng epoch : Số lần mà mạng duyệt qua toàn bộ dữ liệu huấn luyện.Vanishing gradient là gì?
Hiện tượng xảy ra khi có quá nhiều lớp trong mạng nơ ron . Khi thông tin được truyền trở lại, các đạo hàm nhỏ dần và biến mất, khiến cho không thể cập nhật trọng số của mạng.
Dropout là gì?
Một phương pháp giúp hạn chế tình trạng overfitting . Cụ thể, một số nơ ron bị ngừng kích hoạt trong quá trình huấn luyện, mạng buộc phải dùng các nơ ron còn lại để đưa ra dự đoán.
BERT là gì?
BERT (Bidirectional Encoder Representations from Transformers) là một bài báo gần đây được xuất bản bởi các nhà nghiên cứu tại Google AI Language. Nó đã gây xôn xao trong cộng đồng Machine Learning bằng cách trình bày các kết quả tiên tiến trong một loạt các nhiệm vụ NLP
Những câu hỏi trên là những câu hỏi cơ bản bạn có thể tham khảo trong tuyển dụng AI. Hiểu về những câu hỏi này là bước đầu để bạn có thể tìm được công việc tốt hoặc tìm ra được ứng viên xuất sắc. Mặc dù vậy, để có thể thực sự tạo ra đột phá, bạn cần đầu tư và trau dồi không ngừng về thái độ, kiến thức cũng như kinh nghiệm về AI.
Nếu bạn thích bài viết này, đừng ngại chia sẻ với những người quan tâm. Hãy thường xuyên truy cập website hoặc đăng ký (dưới chân trang) để có được thông tin về lĩnh vực một cách nhanh chóng nhất. Ngoài ra, các nhà tuyển dụng và ứng viên có thể ghé thăm ITViec – một nền tảng kết nối nhân lực IT giúp bạn có được sự lựa chọn tốt nhất!