Đề 10 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

A A. Tăng tốc độ huấn luyện mô hình. B B. Đánh giá khả năng khái quát hóa của mô hình và tránh overfitting. C C. Làm sạch dữ liệu bị thiếu. D D. Chọn thuật toán học máy tốt nhất.

A A. Tự động hóa quy trình sản xuất hàng loạt. B B. Tối ưu hóa chiến dịch quảng cáo, phân khúc thị trường, và dự đoán hành vi khách hàng. C C. Quản lý chuỗi cung ứng hiệu quả hơn. D D. Giảm chi phí vận chuyển hàng hóa.

A A. Dự báo doanh số bán hàng. B B. Phát triển sản phẩm mới dựa trên cảm hứng cá nhân. C C. Phân khúc khách hàng để tối ưu hóa chiến dịch marketing. D D. Phát hiện gian lận trong giao dịch tài chính.

A A. Hồi quy tuyến tính. B B. Khai thác văn bản (Text Mining) và xử lý ảnh (Image Processing). C C. Phân tích phương sai (ANOVA). D D. Phân tích chuỗi thời gian.

A A. Sai số phương sai thay đổi theo quan sát. B B. Tồn tại mối tương quan tuyến tính cao giữa các biến độc lập trong mô hình hồi quy. C C. Biến phụ thuộc không tuân theo phân phối chuẩn. D D. Mô hình hồi quy bị thiếu biến quan trọng.

A A. Hồi quy tuyến tính. B B. Cây quyết định (Decision Tree). C C. Phân tích phương sai (ANOVA). D D. Phân tích tương quan.

A A. Dự báo chính xác số tiền nợ xấu. B B. Phân loại khách hàng vay thành nhóm có khả năng vỡ nợ cao hoặc thấp. C C. Ước tính lãi suất tối ưu cho khoản vay. D D. Tự động thu hồi nợ.

A A. AutoRegressive Integrated Moving Average. B B. Artificial Intelligence for Regression and Iteration Method Analysis. C C. Advanced Regression and Interpolation Model Application. D D. Algorithm for Recursive Identification and Market Analysis.

A A. Quá trình lựa chọn phần cứng máy tính phù hợp cho phân tích dữ liệu. B B. Quá trình chuyển đổi và tạo ra các thuộc tính (features) phù hợp từ dữ liệu thô để cải thiện hiệu suất mô hình. C C. Quá trình trình bày kết quả phân tích dữ liệu một cách trực quan. D D. Quá trình kiểm tra và làm sạch dữ liệu bị lỗi.

A A. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém hiệu quả trên dữ liệu mới. B B. Mô hình không học được mối quan hệ quan trọng trong dữ liệu. C C. Dữ liệu huấn luyện quá ít. D D. Mô hình quá phức tạp để xử lý dữ liệu.

A A. Microsoft Excel. B B. Tableau. C C. Matplotlib và Seaborn. D D. SPSS.

A A. Tăng cường bảo mật hệ thống ngân hàng vật lý. B B. Phát hiện gian lận giao dịch thẻ tín dụng và dự báo rủi ro tín dụng. C C. In tiền giấy hiệu quả hơn. D D. Giảm thiểu sự can thiệp của con người vào quyết định đầu tư.

A A. Tỷ lệ dự đoán đúng trên tổng số mẫu thực tế là dương. B B. Tỷ lệ dự đoán đúng là dương trên tổng số mẫu được dự đoán là dương. C C. Tỷ lệ dự đoán sai trên tổng số mẫu thực tế là âm. D D. Tỷ lệ dự đoán đúng là âm trên tổng số mẫu được dự đoán là âm.

A A. Sử dụng phần mềm phân tích dữ liệu có bản quyền. B B. Bảo vệ quyền riêng tư và dữ liệu cá nhân của khách hàng. C C. Đảm bảo tốc độ xử lý dữ liệu nhanh chóng. D D. Tối ưu hóa lợi nhuận cho doanh nghiệp.

A A. Chi phí mua phần mềm phân tích dữ liệu. B B. Thiếu hụt nhân lực có kỹ năng khoa học dữ liệu và văn hóa dữ liệu trong tổ chức. C C. Sự cạnh tranh từ các doanh nghiệp công nghệ lớn. D D. Khó khăn trong việc tiếp cận dữ liệu công khai.

A A. Tốc độ thực thi nhanh hơn so với các ngôn ngữ khác. B B. Thư viện phong phú và đa dạng cho phân tích dữ liệu và học máy. C C. Khả năng tương thích tốt với phần cứng cũ. D D. Giao diện người dùng đồ họa (GUI) mạnh mẽ.

A A. Hồi quy tuyến tính. B B. Phân tích chuỗi thời gian. C C. Khảo sát định tính quy mô nhỏ. D D. Khai phá dữ liệu (Data Mining).

A A. Tăng chiều dữ liệu. B B. Giảm chiều dữ liệu và giữ lại thông tin quan trọng nhất. C C. Phân cụm dữ liệu thành các nhóm. D D. Dự báo giá trị tương lai của dữ liệu.

A A. Giúp mô hình chạy nhanh hơn. B B. Đảm bảo rằng các thuộc tính thống kê của chuỗi thời gian không thay đổi theo thời gian, giúp mô hình dự báo ổn định và chính xác hơn. C C. Giảm thiểu nhiễu trong dữ liệu. D D. Làm cho dữ liệu dễ trực quan hóa hơn.

A A. Thu thập và lưu trữ dữ liệu kinh tế vĩ mô. B B. Áp dụng phương pháp khoa học để phân tích dữ liệu và rút ra quyết định kinh doanh. C C. Xây dựng các mô hình kinh tế lượng phức tạp để dự báo thị trường chứng khoán. D D. Tối ưu hóa quy trình sản xuất trong các ngành công nghiệp.

A A. Giảm chi phí lưu trữ dữ liệu. B B. Tăng cường bảo mật thông tin cá nhân của khách hàng. C C. Cung cấp thông tin chi tiết và sâu sắc hơn về hành vi khách hàng và xu hướng thị trường. D D. Đơn giản hóa quy trình phân tích dữ liệu.

A A. R-squared. B B. Mean Squared Error (MSE). C C. Accuracy (Độ chính xác). D D. P-value.

A A. Thực hiện phân tích dữ liệu thời gian thực. B B. Lưu trữ dữ liệu đã được làm sạch, tích hợp, và tối ưu hóa cho mục đích phân tích và báo cáo. C C. Thu thập dữ liệu từ các cảm biến IoT. D D. Quản lý giao dịch trực tuyến.

A A. K-Means Clustering. B B. Hồi quy tuyến tính (Linear Regression). C C. Phân tích thành phần chính (PCA). D D. Phân loại Naive Bayes.

A A. Đánh giá hiệu quả của hai phiên bản khác nhau của một sản phẩm hoặc dịch vụ. B B. Phát hiện gian lận trong dữ liệu. C C. Dự báo doanh số bán hàng trong tương lai. D D. Phân cụm khách hàng thành các nhóm.

A A. Sự đánh đổi giữa chi phí tính toán và độ chính xác của mô hình. B B. Sự đánh đổi giữa độ phức tạp của mô hình và khả năng khái quát hóa của nó. C C. Sự đánh đổi giữa tốc độ huấn luyện và tốc độ dự đoán của mô hình. D D. Sự đánh đổi giữa kích thước dữ liệu huấn luyện và hiệu suất mô hình.

A A. Thu thập dữ liệu từ nhiều nguồn khác nhau. B B. Xóa bỏ dữ liệu trùng lặp, xử lý dữ liệu thiếu, và sửa lỗi dữ liệu. C C. Trực quan hóa dữ liệu bằng biểu đồ. D D. Xây dựng mô hình học máy từ dữ liệu.

A A. Tối ưu hóa lịch trình làm việc của nhân viên. B B. Cá nhân hóa đề xuất sản phẩm và dịch vụ cho từng khách hàng. C C. Giảm chi phí thuê văn phòng. D D. Tự động hóa quy trình kế toán.

A A. Giảm chiều dữ liệu. B B. Xây dựng mô hình dự đoán mạnh mẽ bằng cách kết hợp nhiều mô hình yếu. C C. Phân cụm dữ liệu. D D. Phát hiện ngoại lệ trong dữ liệu.

A A. Mô hình tuyến tính. B B. Mô hình cây quyết định ensemble. C C. Mô hình mạng nơ-ron. D D. Mô hình phân cụm.