Đề 3 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

A A. Độ chính xác (Accuracy). B B. Độ đo F1 (F1-Score). C C. Giá trị trung bình tuyệt đối (Mean Absolute Error - MAE). D D. Ma trận nhầm lẫn (Confusion Matrix).

A A. Dự báo thời tiết cho văn phòng. B B. Phân tích hiệu suất nhân viên và dự đoán tỷ lệ nghỉ việc. C C. Pha chế đồ uống cho nhân viên. D D. Thiết kế nội thất văn phòng.

A A. Thu thập và làm sạch dữ liệu. B B. Xây dựng và đánh giá mô hình. C C. Triển khai và giám sát mô hình. D D. In dữ liệu ra giấy và gửi qua đường bưu điện.

A A. Phân tích hồi quy. B B. Phân tích chuỗi thời gian. C C. Phân cụm (Clustering). D D. Kiểm định giả thuyết.

A A. Machine Learning tập trung vào mô tả dữ liệu, trong khi Thống kê tập trung vào dự đoán. B B. Machine Learning thường xử lý dữ liệu nhỏ, trong khi Thống kê xử lý dữ liệu lớn. C C. Machine Learning nhấn mạnh vào dự đoán và tự động hóa, trong khi Thống kê truyền thống tập trung vào suy luận và giải thích. D D. Không có sự khác biệt đáng kể giữa Machine Learning và Thống kê truyền thống.

A A. Tăng độ phức tạp của báo cáo dữ liệu. B B. Giảm sự cần thiết phải phân tích dữ liệu. C C. Giúp dễ dàng nhận diện xu hướng, mẫu hình và thông tin chi tiết từ dữ liệu. D D. Hạn chế khả năng chia sẻ thông tin dữ liệu.

A A. Phát hiện gian lận giao dịch. B B. Đánh giá rủi ro tín dụng. C C. Tối ưu hóa danh mục đầu tư. D D. Dự báo thời tiết hàng ngày.

A A. Tăng cường tính minh bạch trong quyết định kinh doanh. B B. Đảm bảo quyền riêng tư và bảo mật dữ liệu cá nhân của khách hàng. C C. Giảm chi phí lưu trữ và xử lý dữ liệu. D D. Tăng cường khả năng tùy biến sản phẩm và dịch vụ.

A A. Tăng kích thước tập dữ liệu huấn luyện. B B. Ước lượng độ tin cậy của mô hình và tối ưu hóa siêu tham số. C C. Giảm độ phức tạp của mô hình. D D. Triển khai mô hình vào môi trường sản xuất nhanh hơn.

A A. Một loại cơ sở dữ liệu dùng để lưu trữ dữ liệu giao dịch trực tuyến. B B. Hệ thống lưu trữ dữ liệu tích hợp từ nhiều nguồn khác nhau, được tối ưu hóa cho phân tích và báo cáo. C C. Một công cụ trực quan hóa dữ liệu thời gian thực. D D. Một thuật toán học máy để xử lý dữ liệu phi cấu trúc.

A A. Phân tích hồi quy (Regression Analysis). B B. Phân tích thành phần chính (Principal Component Analysis - PCA). C C. Phân tích cụm (Clustering). D D. Phân tích chuỗi thời gian (Time Series Analysis).

A A. Chọn thuật toán học máy phù hợp nhất. B B. Chuẩn bị và biến đổi dữ liệu thô thành các đặc trưng (features) phù hợp cho mô hình. C C. Đánh giá hiệu suất của mô hình sau khi huấn luyện. D D. Triển khai mô hình vào môi trường sản xuất.

A A. Phân tích sentiment của khách hàng trên mạng xã hội. B B. Dự báo nhu cầu nhân lực cho bộ phận sản xuất. C C. Cá nhân hóa trải nghiệm khách hàng trên website. D D. Đề xuất sản phẩm cho khách hàng dựa trên lịch sử mua hàng.

A A. Thời tiết trong tương lai. B B. Xu hướng thị trường chứng khoán và biến động kinh tế vĩ mô. C C. Cấu trúc gen của con người. D D. Vị trí các ngôi sao trên bầu trời.

A A. Mô hình quá đơn giản và không nắm bắt được các mẫu trong dữ liệu. B B. Mô hình hoạt động tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới. C C. Mô hình hoạt động kém trên cả dữ liệu huấn luyện và dữ liệu mới. D D. Mô hình được huấn luyện quá nhanh và không hội tụ.

A A. Phân tích dữ liệu hiện tại để hiểu rõ xu hướng quá khứ. B B. Dự đoán các giá trị tương lai dựa trên dữ liệu quá khứ theo thời gian. C C. Xác định mối quan hệ nhân quả giữa các biến kinh tế. D D. Tối ưu hóa hiệu quả hoạt động hiện tại của doanh nghiệp.

A A. Tăng số lượng dữ liệu. B B. Bỏ qua các dòng hoặc cột chứa giá trị bị thiếu, hoặc điền giá trị thay thế (imputation). C C. Chuyển đổi dữ liệu sang định dạng hình ảnh. D D. Sử dụng dữ liệu bị thiếu trực tiếp trong mô hình học máy.

A A. Phân tích tương quan (Correlation Analysis). B B. Phân tích phương sai (ANOVA). C C. Phân tích hồi quy (Regression Analysis). D D. Phân tích thành phần chính (Principal Component Analysis).

A A. Để tăng kích thước dữ liệu. B B. Để đảm bảo các đặc trưng có cùng phạm vi giá trị, giúp các thuật toán hoạt động hiệu quả hơn. C C. Để mã hóa dữ liệu văn bản thành số. D D. Để giảm số lượng đặc trưng trong dữ liệu.

A A. Dữ liệu có kích thước nhỏ và dễ quản lý. B B. Dữ liệu có cấu trúc rõ ràng và dễ dàng truy cập. C C. Dữ liệu có khối lượng lớn, tốc độ tạo ra nhanh, và đa dạng về loại hình. D D. Dữ liệu chỉ bao gồm thông tin số từ các giao dịch tài chính.

A A. Độ chính xác và độ bao phủ của dữ liệu. B B. Sai số hệ thống (Bias) và phương sai (Variance) của mô hình. C C. Thời gian huấn luyện và độ phức tạp của mô hình. D D. Chi phí thu thập dữ liệu và lợi ích từ mô hình.

A A. Dự báo thời tiết cho khu vực giao hàng. B B. Hệ thống đề xuất sản phẩm cá nhân hóa. C C. Phân tích thành phần hóa học của sản phẩm. D D. Đo lường độ pH của nước uống.

A A. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác. B B. Xác định cảm xúc (tích cực, tiêu cực, trung lập) được thể hiện trong văn bản. C C. Tóm tắt nội dung chính của văn bản. D D. Phát hiện lỗi chính tả và ngữ pháp trong văn bản.

A A. Java. B B. C++. C C. Python. D D. Swift.

A A. Phân tích hồi quy tuyến tính. B B. Phân tích luật kết hợp (Association Rule Mining). C C. Phân tích thành phần chính. D D. Phân tích chuỗi thời gian ARIMA.

A A. K-Means Clustering. B B. Phân tích luật kết hợp. C C. Logistic Regression hoặc Decision Trees. D D. Phân tích thành phần chính.

A A. Bảng dữ liệu bán hàng với các cột như 'Mã sản phẩm', 'Số lượng', 'Giá'. B B. Cơ sở dữ liệu quan hệ (Relational Database) chứa thông tin khách hàng. C C. Bài đăng trên mạng xã hội (Social Media posts) chứa văn bản và hình ảnh. D D. Bảng cân đối kế toán của doanh nghiệp.

A A. Phân tích rủi ro tín dụng. B B. Dự báo doanh số bán hàng. C C. Phân tích hành vi khách hàng và dự đoán giá trị khách hàng trọn đời. D D. Tối ưu hóa chuỗi cung ứng.

A A. Tăng cường chi phí hoạt động. B B. Cung cấp thông tin chi tiết và hỗ trợ quyết định dựa trên dữ liệu. C C. Giảm sự phụ thuộc vào dữ liệu. D D. Hạn chế khả năng mở rộng thị trường.

A A. Tăng kích thước dữ liệu huấn luyện. B B. Đánh giá khả năng tổng quát hóa (generalization) của mô hình trên dữ liệu mới. C C. Đảm bảo tính bảo mật của dữ liệu. D D. Giảm thời gian huấn luyện mô hình.