Đề 11 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

A A. Phát hiện gian lận giao dịch thẻ tín dụng. B B. Dự báo giá cổ phiếu. C C. Tối ưu hóa lịch trình bảo trì máy móc trong nhà máy. D D. Đánh giá rủi ro tín dụng cho khách hàng vay vốn.

A A. Loại bỏ hoàn toàn mọi rủi ro. B B. Xác định, đánh giá và giảm thiểu các rủi ro tiềm ẩn ảnh hưởng đến hoạt động kinh doanh. C C. Tăng cường rủi ro để tạo ra lợi nhuận cao hơn. D D. Chuyển rủi ro sang cho khách hàng.

A A. Tăng thuế để tăng thu ngân sách. B B. Phân tích dữ liệu kinh tế vĩ mô và vi mô để đưa ra quyết định chính sách dựa trên bằng chứng. C C. Hạn chế sự phát triển của doanh nghiệp tư nhân. D D. Giảm chi tiêu công một cách tùy tiện.

A A. Tự động hóa hoàn toàn quy trình tuyển dụng và quản lý nhân sự. B B. Phân tích tỷ lệ nghỉ việc của nhân viên và dự đoán nhân viên có nguy cơ nghỉ việc. C C. Thay thế hoàn toàn vai trò của chuyên gia nhân sự. D D. Giảm lương của nhân viên dựa trên hiệu suất làm việc.

A A. Bảng dữ liệu bán hàng với các cột 'Mã sản phẩm', 'Số lượng', 'Giá'. B B. Bài đăng trên mạng xã hội và bình luận của khách hàng. C C. Dữ liệu giao dịch ngân hàng. D D. Bảng cân đối kế toán.

A A. Chọn thuật toán máy học phù hợp nhất. B B. Chuyển đổi dữ liệu thô thành các đặc trưng (features) phù hợp hơn để mô hình máy học có thể học tốt hơn. C C. Giảm kích thước của dữ liệu. D D. Trực quan hóa dữ liệu.

A A. Giảm chi phí thuê nhân viên phân tích dữ liệu. B B. Tăng độ chính xác của dự báo, giúp đưa ra quyết định kinh doanh tốt hơn. C C. Tạo ra các báo cáo phức tạp hơn để trình bày với ban lãnh đạo. D D. Thay thế hoàn toàn các phương pháp dự báo truyền thống.

A A. Nhập dữ liệu từ nhiều nguồn khác nhau vào một hệ thống. B B. Tìm kiếm các mẫu, xu hướng và mối quan hệ ẩn trong lượng lớn dữ liệu. C C. Bảo mật dữ liệu khỏi các truy cập trái phép. D D. Trực quan hóa dữ liệu dưới dạng biểu đồ và đồ thị.

A A. Sự thiếu hụt các công cụ phần mềm phân tích dữ liệu. B B. Chất lượng dữ liệu kém và khả năng tích hợp dữ liệu từ nhiều nguồn. C C. Chi phí đầu tư vào phần cứng máy tính quá cao. D D. Sự phản đối từ phía khách hàng về việc thu thập dữ liệu cá nhân.

A A. Tốc độ tạo ra và xử lý dữ liệu. B B. Sự đa dạng của các loại dữ liệu. C C. Khối lượng dữ liệu khổng lồ. D D. Độ chính xác và đáng tin cậy của dữ liệu.

A A. Tăng giá sản phẩm cho tất cả khách hàng. B B. Chia khách hàng thành các nhóm khác nhau dựa trên đặc điểm chung để phục vụ tốt hơn nhu cầu của từng nhóm. C C. Giảm chi phí marketing bằng cách tiếp cận ít khách hàng hơn. D D. Loại bỏ những khách hàng không sinh lợi.

A A. Tự động hóa quy trình kế toán. B B. Đề xuất sản phẩm cá nhân hóa cho khách hàng trên trang web thương mại điện tử. C C. Giảm chi phí sản xuất. D D. Tăng cường bảo mật hệ thống thông tin.

A A. Phân tích mối quan hệ giữa các biến số tại một thời điểm cố định. B B. Nghiên cứu sự biến đổi của một biến số theo thời gian và dự báo giá trị tương lai. C C. Phân nhóm dữ liệu dựa trên thuộc tính thời gian. D D. Loại bỏ yếu tố thời gian khỏi dữ liệu.

A A. Thiết kế logo sản phẩm. B B. Dự báo nhu cầu sản phẩm và tối ưu hóa tồn kho. C C. Quản lý tài khoản ngân hàng của công ty. D D. Đào tạo nhân viên bán hàng.

A A. Chứng minh một giả thuyết nghiên cứu là đúng. B B. Bác bỏ một giả định mặc định hoặc hiện trạng. C C. Xây dựng mô hình dự đoán. D D. Trực quan hóa dữ liệu.

A A. Làm cho dữ liệu trở nên đẹp mắt và ấn tượng. B B. Biến dữ liệu phức tạp thành các định dạng dễ hiểu và dễ truyền đạt. C C. Giảm dung lượng lưu trữ dữ liệu. D D. Thay thế hoàn toàn các báo cáo dạng văn bản.

A A. Dự đoán một giá trị số liên tục. B B. Phân loại dữ liệu vào các nhóm có ý nghĩa dựa trên sự tương đồng. C C. Xây dựng mô hình hồi quy. D D. Giảm số chiều dữ liệu.

A A. Phân loại dữ liệu thành các nhóm khác nhau. B B. Dự đoán giá trị của một biến số dựa trên một hoặc nhiều biến số khác. C C. Tìm kiếm các cụm dữ liệu tương tự nhau. D D. Giảm số chiều của dữ liệu.

A A. Độ chính xác của dữ liệu. B B. Kích thước, tốc độ và sự đa dạng của dữ liệu (Volume, Velocity, Variety). C C. Khả năng truy cập dữ liệu. D D. Ngôn ngữ lập trình sử dụng để phân tích dữ liệu.

A A. Thu thập dữ liệu từ các nguồn khác nhau. B B. Xử lý dữ liệu bị thiếu, dữ liệu nhiễu và dữ liệu không nhất quán. C C. Trực quan hóa dữ liệu. D D. Xây dựng mô hình máy học.

A A. Học máy không giám sát sử dụng ít dữ liệu hơn học máy có giám sát. B B. Học máy không giám sát không sử dụng dữ liệu có nhãn (labeled data), còn học máy có giám sát thì có. C C. Học máy không giám sát luôn cho kết quả chính xác hơn học máy có giám sát. D D. Học máy không giám sát chỉ áp dụng cho dữ liệu văn bản, còn học máy có giám sát thì không.

A A. Thu thập dữ liệu một cách ngẫu nhiên để lưu trữ. B B. Áp dụng các phương pháp thống kê và máy học để trích xuất tri thức và giá trị từ dữ liệu. C C. Xây dựng các mô hình kinh tế vĩ mô phức tạp. D D. Tối ưu hóa quy trình sản xuất trong nhà máy.

A A. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém hiệu quả trên dữ liệu mới. B B. Mô hình học quá kém trên cả dữ liệu huấn luyện và dữ liệu mới. C C. Dữ liệu huấn luyện không đủ lớn. D D. Thuật toán máy học không phù hợp.

A A. Tăng độ phức tạp của mô hình. B B. Sử dụng nhiều dữ liệu huấn luyện hơn. C C. Loại bỏ bớt dữ liệu huấn luyện. D D. Tăng cường độ nhiễu trong dữ liệu huấn luyện.

A A. Dự đoán giá cổ phiếu dựa trên tin tức. B B. Xác định thái độ, ý kiến và cảm xúc của con người từ văn bản. C C. Phân loại khách hàng thành các nhóm dựa trên nhân khẩu học. D D. Phát hiện gian lận trong giao dịch tài chính.

A A. Dự đoán xu hướng thị trường trong tương lai. B B. Xác định nguyên nhân gốc rễ của các vấn đề kinh doanh. C C. Tóm tắt và hiểu rõ dữ liệu quá khứ và hiện tại. D D. Đề xuất các hành động tối ưu để cải thiện hiệu suất.

A A. Giảm số lượng nhân viên marketing. B B. Cá nhân hóa trải nghiệm khách hàng và tối ưu hóa chiến dịch quảng cáo. C C. Loại bỏ hoàn toàn sự cần thiết của nghiên cứu thị trường truyền thống. D D. Đảm bảo tất cả các chiến dịch marketing đều thành công.

A A. Microsoft Word. B B. Python. C C. Microsoft Excel (chỉ dùng Excel nâng cao). D D. PowerPoint.

A A. Khi dữ liệu có quá nhiều thuộc tính. B B. Khi dữ liệu bị mất mát nhiều. C C. Khi các lớp (classes) trong dữ liệu không cân bằng (imbalanced classes). D D. Khi mô hình quá phức tạp.

A A. Mô hình hóa dự đoán sử dụng dữ liệu hiện tại, còn mô hình hóa mô tả sử dụng dữ liệu quá khứ. B B. Mô hình hóa dự đoán tập trung vào tương lai, còn mô hình hóa mô tả tập trung vào quá khứ và hiện tại. C C. Mô hình hóa dự đoán dễ thực hiện hơn mô hình hóa mô tả. D D. Mô hình hóa dự đoán chỉ áp dụng cho dữ liệu lớn (Big Data), còn mô hình hóa mô tả thì không.