MinAI - Về trang chủ
Quiz
13/13•30 phút
Đang tải...

Quiz tổng hợp

Kiểm tra kiến thức toàn khóa học Generative AI - Nhập môn

0

🎯 Mục tiêu bài Quiz

TB5 min

Kiểm tra kiến thức của bạn qua các câu hỏi trắc nghiệm và bài tập thực hành!

✅ 18 câu hỏi trắc nghiệm (6 phần)

✅ 3 bài tập thực hành

✅ Yêu cầu: Hoàn thành bài 1-12

Thời gian: 30 phút | Độ khó: Tổng hợp | Đạt yêu cầu: ≥ 13/18 câu đúng

1

Phần 1: GenAI Fundamentals

TB5 min
2

Phần 2: LLM & Transformer

TB5 min
3

Phần 3: Prompt Engineering

TB5 min
4

Phần 4: AI Tools Comparison

TB5 min
5

Phần 5: Ethics & Safety

TB5 min
6

Phần 6: Applications & Workflow

TB5 min
7

📝 Bài tập thực hành

TB5 min

Bài tập 1: Prompt Engineering — Viết prompt hiệu quả

Tình huống: Bạn cần viết một system prompt cho AI assistant chuyên phân tích dữ liệu bán hàng. Assistant cần: trả lời bằng tiếng Việt, đưa ra insight từ dữ liệu, đề xuất action items, và từ chối câu hỏi ngoài phạm vi.

Đáp án
Ví dụ
1## System Prompt — Sales Data Analyst Assistant
2 
3Bạn là chuyên gia phân tích dữ liệu bán hàng (Sales Data Analyst) với 10 năm kinh nghiệm.
4 
5### Quy tắc:
61. Luôn trả lời bằng tiếng Việt
72. Khi phân tích dữ liệu, trình bày theo cấu trúc:
8   - 📊 Tóm tắt dữ liệu
9   - 💡 Insight chính (top 3)
10   - 📈 Xu hướng đáng chú ý
11   - ✅ Action items đề xuất (cụ thể, đo lường được)
123. Sử dụng số liệu cụ thể, tránh nhận xét chung chung
134. Khi không chắc chắn hoặc thiếu dữ liệu, nói rõ ràng
145. Từ chối lịch sự các câu hỏi ngoài phạm vi phân tích dữ liệu bán hàng
15 
16### Format output:
17- Dùng bullet points và bảng khi cần
18- Đánh số thứ tự cho action items
19- Highlight số liệu quan trọng bằng **bold**

Bài tập 2: API Integration — Gọi OpenAI API với Python

Tình huống: Viết code Python gọi OpenAI API để tóm tắt một đoạn văn bản dài, với temperature = 0.3, max_tokens = 500, và xử lý lỗi đúng cách.

Đáp án
Python
1import openai
2import os
3from tenacity import retry, stop_after_attempt, wait_exponential
4
5# Thiết lập API key từ biến môi trường
6client = openai.OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
7
8@retry(stop=stop_after_attempt(3), wait=wait_exponential(min=1, max=10))
9def summarize_text(text: str, max_tokens: int = 500) -> str:
10    """Tóm tắt văn bản sử dụng OpenAI API."""
11    try:
12        response = client.chat.completions.create(
13            model="gpt-4o-mini",
14            messages=[
15                {
16                    "role": "system",
17                    "content": "Bạn là chuyên gia tóm tắt văn bản. "
18                               "Hãy tóm tắt ngắn gọn, giữ lại ý chính, "
19                               "trả lời bằng tiếng Việt."
20                },
21                {
22                    "role": "user",
23                    "content": f"Hãy tóm tắt đoạn văn bản sau:\n\n{text}"
24                }
25            ],
26            temperature=0.3,
27            max_tokens=max_tokens,
28        )
29        return response.choices[0].message.content
30
31    except openai.RateLimitError:
32        print("⚠️ Rate limit exceeded. Retrying...")
33        raise
34    except openai.APIConnectionError:
35        print("❌ Không thể kết nối đến OpenAI API.")
36        raise
37    except openai.APIError as e:
38        print(f"❌ API Error: {e}")
39        raise
40
41# Sử dụng
42long_text = """
43Generative AI đang thay đổi cách chúng ta làm việc và sáng tạo.
44Từ việc viết email, phân tích dữ liệu, đến tạo nội dung marketing,
45AI giúp tự động hóa nhiều tác vụ lặp lại và tăng năng suất đáng kể.
46Tuy nhiên, cần lưu ý các vấn đề đạo đức, bản quyền, và kiểm chứng
47thông tin khi sử dụng AI trong công việc hàng ngày.
48"""
49
50summary = summarize_text(long_text)
51print(f"📝 Tóm tắt:\n{summary}")
52# Output: Tóm tắt ngắn gọn các ý chính trong đoạn văn

Bài tập 3: AI Workflow — Thiết kế workflow tự động hóa

Tình huống: Thiết kế một workflow sử dụng AI để tự động xử lý email hỗ trợ khách hàng: phân loại email, trả lời tự động cho các câu hỏi phổ biến, và chuyển tiếp cho nhân viên khi cần.

Đáp án
Ví dụ
1## AI Customer Support Email Workflow
2 
3### Kiến trúc tổng quan:
4Email đến → Phân loại (LLM) → Xử lý theo loại → Phản hồi/Chuyển tiếp
5 
6### Chi tiết từng bước:
7 
81. TRIGGER: Email mới đến hộp thư support@company.com
9   - Công cụ: n8n Email Trigger / Gmail Trigger
10 
112. PHÂN LOẠI EMAIL (LLM):
12   - Input: Tiêu đề + nội dung email
13   - Prompt: "Phân loại email sau vào 1 trong các nhóm:
14     FAQ, Khiếu nại, Kỹ thuật, Thanh toán, Khác.
15     Đánh giá mức độ khẩn cấp: Cao/Trung bình/Thấp.
16     Trả lời dạng JSON: {category, urgency, summary}"
17   - Model: gpt-4o-mini (tiết kiệm chi phí)
18 
193. ROUTING theo kết quả phân loại:
20   a) FAQ (urgency: Thấp/Trung bình):
21      → Tạo câu trả lời tự động bằng RAG
22        (tìm kiếm trong knowledge base → sinh câu trả lời)
23      → Gửi email phản hồi tự động
24      → Log vào Google Sheets
25 
26   b) Khiếu nại (urgency: Cao):
27      → Tạo draft trả lời bằng LLM
28      → Gửi notification Slack cho team lead
29      → Tạo ticket trong hệ thống CRM
30      → KHÔNG gửi tự động — cần human review
31 
32   c) Kỹ thuật / Thanh toán:
33      → Tóm tắt vấn đề bằng LLM
34      → Chuyển tiếp đến bộ phận phụ trách
35      → Gửi email xác nhận cho khách hàng
36 
374. MONITORING & LOGGING:
38   - Lưu tất cả emails + phân loại + phản hồi vào database
39   - Dashboard theo dõi: số email/ngày, tỷ lệ tự động xử lý,
40     thời gian phản hồi trung bình
41   - Alert khi tỷ lệ "Khẩn cấp" tăng bất thường
42 
43### Công cụ sử dụng:
44- Automation: n8n (self-hosted) hoặc Make
45- LLM: OpenAI API (gpt-4o-mini cho phân loại, gpt-4o cho sinh nội dung)
46- Vector DB: Pinecone / Qdrant (cho RAG knowledge base)
47- Notification: Slack API
48- Storage: Google Sheets + PostgreSQL
8

📊 Đánh giá kết quả

TB5 min
Số câu đúngĐánh giá
16-18🌟 Xuất sắc! Bạn nắm vững Generative AI - Nhập môn
13-15👍 Tốt! Cần ôn lại một số chủ đề
9-12📚 Cần học thêm, xem lại các bài
< 9🔄 Nên học lại từ đầu
9

🎓 Hoàn thành khóa học!

TB5 min

🎉 Tuyệt vời! Bạn đã hoàn thành toàn bộ khóa học Generative AI - Nhập môn!

Tiếp theo: Hãy áp dụng các kiến thức GenAI vào dự án thực tế và khám phá các khóa học nâng cao!

Chúc mừng!

Bạn đã hoàn thành khóa học Generative AI - Nhập môn!

Kỹ năng bạn đã thành thạo:

  • 🤖 Hiểu bản chất Generative AI vs Discriminative AI
  • 🧠 Nắm vững kiến trúc Transformer, Self-Attention, và cách LLM hoạt động
  • ✍️ Prompt Engineering: Zero-Shot, Few-Shot, Chain-of-Thought, System Prompts
  • 🔧 So sánh và sử dụng hiệu quả ChatGPT, Claude, Gemini
  • ⚖️ Nhận biết và xử lý Hallucination, Bias, vấn đề bản quyền
  • 🔌 Tích hợp LLM qua API và xây dựng Custom GPTs
  • ⚡ Thiết kế AI Workflow tự động hóa với n8n, Zapier, Make
  • 🌡️ Hiểu và tùy chỉnh Temperature, Top-p, Top-k Sampling

Next steps:

  • Xây dựng AI assistant chuyên biệt cho lĩnh vực của bạn
  • Tích hợp LLM API vào ứng dụng thực tế
  • Thiết kế RAG pipeline để giảm hallucination
  • Khám phá Fine-tuning và các kỹ thuật GenAI nâng cao