Question 1

Perceptron là gì trong bối cảnh neural network?

Accepted Answer

Perceptron là đơn vị cơ bản của neural network, lấy cảm hứng từ neuron sinh học. Nó nhận nhiều input, nhân chúng với các trọng số, cộng tất cả với một bias, sau đó áp dụng hàm kích hoạt để tạo ra output. Perceptron đơn giản chỉ có thể giải các bài toán phân tách tuyến tính, điều này dẫn đến sự phát triển của các mạng đa lớp.

Question 2

Hạn chế chính của perceptron đơn giản (một lớp) là gì?

Accepted Answer

Perceptron đơn giản chỉ có thể giải các bài toán phân tách tuyến tính, nghĩa là các bài toán mà các lớp có thể được phân tách bằng một đường thẳng (hoặc siêu phẳng trong các chiều cao hơn). Hạn chế này, được Minsky và Papert chứng minh năm 1969 với bài toán XOR, đã tạm thời làm chậm nghiên cứu neural network cho đến khi multilayer perceptron được giới thiệu.

Question 3

Vai trò của hàm kích hoạt trong neural network là gì?

Accepted Answer

Hàm kích hoạt đưa tính phi tuyến vào network, cho phép nó học các mối quan hệ phức tạp giữa input và output. Nếu không có hàm kích hoạt phi tuyến, ngay cả mạng đa lớp cũng sẽ hoạt động như một phép biến đổi tuyến tính đơn giản. Các hàm phổ biến bao gồm ReLU, sigmoid và tanh, mỗi hàm có những thuộc tính cụ thể tùy theo trường hợp sử dụng.

Cơ Bản Về Deep Learning

Perceptron là gì trong bối cảnh neural network?

Câu trả lời

Hạn chế chính của perceptron đơn giản (một lớp) là gì?

Câu trả lời

Vai trò của hàm kích hoạt trong neural network là gì?

Câu trả lời

Hàm kích hoạt nào được sử dụng phổ biến nhất trong các lớp ẩn của các network hiện đại?

Khi nào nên sử dụng hàm kích hoạt softmax trong neural network?

Các chủ đề phỏng vấn Data Science & ML khác

Cơ bản về Python

Lập trình Hướng đối tượng Python

Cấu trúc dữ liệu Python

Kiến Thức Cơ Bản về Git

Cơ bản về SQL

Kiến thức cơ bản về NumPy

Cơ bản về Pandas

Jupyter & Google Colab

SQL Joins & Truy vấn nâng cao

Pandas nâng cao

Trực quan hóa với Matplotlib & Seaborn

Trực quan hóa tương tác với Plotly

Thống kê mô tả

Thống kê suy luận

Web Scraping

BigQuery & Cloud Data

Feature Engineering

ML Có Giám Sát: Hồi Quy

ML Có Giám Sát: Phân Loại

Cây Quyết định & Ensemble

ML Không Giám Sát

Pipeline ML & Xác thực

Chuỗi thời gian & Dự báo

TensorFlow & Keras

CNN và phân loại hình ảnh

RNN & Chuỗi

Transformers & Attention

NLP & Hugging Face

GenAI & LangChain

MLOps và Triển khai

Nắm vững Data Science & ML cho lần phỏng vấn tiếp theo