3 nhiệm vụ thực tế. Kiến thức bạn đã học ở trường THPT. Không cần biết gì thêm.
Toán THPT: thống kê / phân loại
Nhiệm vụ: Hệ thống AI đang học cách phân loại email rác. Nó thấy 30 email bên dưới và cần bạn
gán nhãn từng email — "rác" hay "bình thường" — để học từ đó. Đây là công việc gọi là gán nhãn dữ liệu
huấn luyện, một trong những việc quan trọng nhất của kỹ sư AI.
Click để gán nhãn — chọn loại rồi bấm vào từng email
Rác
Bình thường
Chưa chắc
Chưa gán
Đã gán nhãn: 0/30 |
Rác: 0 |
Bình thường: 0 |
Chưa chắc: 0
Phân tích nhãn của bạn
Tỉ lệ gán nhãn đúng (so với đáp án)
Email rác bạn bắt được
Email bình thường bị gán sai là rác
Email chưa gán nhãn
Toán THPT: phân loại dữ liệu / pattern recognition
Nhiệm vụ: AI cần phân biệt chó và mèo. Hệ thống đưa cho bạn 20 bức ảnh, hãy gán nhãn
từng ảnh — "chó" hay "mèo" — để AI học cách nhận diện. Động vật nào dễ nhầm lẫn nhất?
Click để gán nhãn — chọn loài rồi bấm vào từng ảnh
Chó
Mèo
Không chắc
Chưa gán
Đã gán nhãn: 0/20 |
Chó: 0 |
Mèo: 0 |
Không chắc: 0
Độ chính xác phân loại chó/mèo
Tỉ lệ gán nhãn đúng
Chó bạn phát hiện
Mèo bạn phát hiện
Ảnh chưa gán nhãn
Toán THPT: toạ độ / hình học / object detection
Nhiệm vụ: AI nhìn thấy một bức ảnh chứa vật thể. Bạn sẽ nhận được một yêu cầu — ví dụ
"Hãy chỉ vị trí của mèo" — và phải kéo chuột để chọn vùng chứa mèo trên ảnh. AI sẽ đánh giá xem bạn có
chọn đúng không. Không cần server, tất cả chạy trên browser!
Yêu cầu hiện tại:
Hãy chỉ vị trí
của: 🐱 Mèo
✏️ Hướng dẫn: Kéo chuột từ góc trái trên đến
góc phải dưới để vẽ hộp bao quanh vật thể
Đánh giá kết quả
Độ chính xác vị trí
Lưu ý: Bạn sẽ được làm 3 lần với 3 hình ảnh khác nhau. Độ chính
xác dựa trên IoU (Intersection over Union) — một chỉ số dùng để đánh giá object detection trong computer vision
thực tế.
Toán THPT: xác suất có điều kiện
Nhiệm vụ: Sau khi có dữ liệu huấn luyện, AI dùng xác suất Bayes để đánh giá email mới.
Email có từ "miễn phí" và "trúng thưởng" — xác suất đây là rác là bao nhiêu? Điều chỉnh các tham số và quan sát
kết quả.
Email mới chứa từ khóa: "miễn phí" và "trúng thưởng"
Điều chỉnh xác suất ban đầu để thấy AI nghĩ gì:
P(rác) — Tỉ lệ email rác trong hộp thư của bạn
40%
P("miễn phí" | rác) — Bao nhiêu % email rác chứa từ "miễn phí"
75%
P("miễn phí" | bình thường) — Bao nhiêu % email thường chứa từ "miễn phí"
8%
Xác suất email này là RÁC:
85%
Công thức Bayes: P(rác | từ khóa) = P(từ khóa | rác) × P(rác) /
P(từ khóa)
Bộ lọc Gmail, Outlook, và mọi hệ thống spam filter đều chạy biến thể của công thức này. Môn Xác suất thống kê
THPT là nền tảng trực tiếp.
Toán THPT: hàm số / đạo hàm
Nhiệm vụ: Mạng neural điều chỉnh "trọng số" sau mỗi lần phán đoán sai. Bạn thấy quá trình học
này từng bước — AI sai, AI sửa, AI học. Giống đạo hàm tìm cực tiểu trong Toán 12.
AI đang học nhận ra "email rác" (1) hay "email thường" (0).
Trọng số hiện tại: 0.300
Bước
Lỗi sai
Trọng số mới
Bạn vừa thấy Gradient Descent — thuật toán học của mọi mạng
neural. Đạo hàm của hàm lỗi cho AI biết phải điều chỉnh trọng số theo hướng nào. Đây chính xác là đạo hàm bạn
đã học trong Toán 12 — tìm cực tiểu của hàm số.
KẾT
QUẢ HOÀN THÀNH PHÒNG LAB
850
Xuất sắc! 🌟
Chi tiết từng nhiệm vụ:
✉️ Email Spam
170/30
Độ chính xác: 85%
🐕 Chó/Mèo
170/20
Độ chính xác: 90%
Vùng hình ảnh
180/30
IoU trung bình: 0.88
🔢 Bayes & Neural
330/40
Hoàn thành: 100%
⏱️ Thời gian hoàn thành:12 phút 34 giây
Nhận xét AI:Bạn thật tuyệt vời! Độ chính xác cao nhất mà chúng tôi từng thấy. Bạn có tố chất của một kỹ
sư AI thực thụ.
🎯 Kiến thức THPT bạn vừa áp dụng:📐 Toán: Thống kê phân loại, Xác suất Bayes, Hàm số đạo hàm
Tin: Thuật toán phân loại, Mạng neural, Tối ưu hóa
🧠 Tư duy: Pattern recognition, Suy luận logic, Phân tích dữ liệu
📌 Bước tiếp theo:
Tìm hiểu thêm về Machine Learning tại coursera.org hoặc Kaggle
Thử viết code Python để xây dựng model đơn giản của riêng bạn
Khám phá các phòng lab khác: Y tế, Kinh tế, Pháp luật...
Xem xét ngành Công Nghệ Thông Tin, Khoa Học Dữ Liệu tại các trường
Bước tiếp theo
Bạn quan tâm đến ngành AI?
Đây là thông tin bạn cần biết về ngành học và cơ hội nghề nghiệp
Ngành học phù hợp
Khoa học máy tính
4 năm • AI/ML Engineer
25-28đ
Khoa học dữ liệu
4 năm • Data Scientist
24-27đ
Toán - Tin ứng dụng
4 năm • Research Engineer
26-28đ
Cơ hội việc làm
95%
Tỉ lệ có việc làm
+280%
Tăng trưởng đến 2030
Vị trí công
việc: AI Engineer, ML Engineer, Data Scientist, Computer Vision Engineer, NLP Engineer, AI
Researcher
Mức lương trung bình
Mới ra trường15-25
triệu/tháng
3-5 năm kinh nghiệm35-60 triệu/tháng
Senior/Lead70-150
triệu/tháng
Trường đào tạo hàng đầu
ĐH Bách Khoa HN27.5 điểm
ĐH FPT22.0 điểm
ĐH Quốc Gia HCM26.8 điểm
Sẵn sàng theo đuổi ngành AI?
Khám phá thêm các trường đại học và ngành học phù
hợp
