Đề 12 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

A A. Tăng cường quảng cáo để giữ chân khách hàng. B B. Phân tích hành vi và đặc điểm của khách hàng có khả năng rời bỏ. C C. Giảm giá sản phẩm để tăng tính cạnh tranh. D D. Cải thiện dịch vụ chăm sóc khách hàng sau bán hàng.

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. Thay thế hoàn toàn vai trò của kiểm toán viên con người.

A A. Dự đoán một giá trị số liên tục. B B. Phân nhóm dữ liệu thành các cụm dựa trên sự tương đồng. C C. Phân loại dữ liệu vào các lớp định trước. D D. Xây dựng mô hình hồi quy tuyến tính.

A A. Một thuật toán học máy cụ thể. B B. Một thuộc tính hoặc cột dữ liệu được sử dụng để phân tích. C C. Một loại cơ sở dữ liệu quan hệ. D D. Một phương pháp trực quan hóa dữ liệu.

A A. Thu thập dữ liệu từ các nguồn khác nhau. B B. Tìm kiếm các mẫu hình và tri thức hữu ích từ lượng lớn dữ liệu. C C. Bảo mật và mã hóa dữ liệu. D D. Trực quan hóa dữ liệu để báo cáo.

A A. Phân tích cụm (Clustering). B B. Phân tích hồi quy (Regression analysis). C C. Phân tích thành phần chính (Principal Component Analysis). D D. Phân tích phân loại (Classification).

A A. Mô hình quá đơn giản và không nắm bắt được các mẫu trong dữ liệu. B B. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém hiệu quả trên dữ liệu mới. C C. Mô hình cần quá nhiều thời gian để huấn luyện. D D. Dữ liệu huấn luyện chứa quá nhiều giá trị ngoại lệ.

A A. Thu thập và lưu trữ dữ liệu lớn một cách hiệu quả. B B. Phân tích dữ liệu để đưa ra quyết định kinh doanh và dự báo kinh tế. C C. Phát triển các thuật toán máy tính phức tạp. D D. Tối ưu hóa cơ sở hạ tầng công nghệ thông tin cho doanh nghiệp.

A A. Python. B B. R. C C. Java. D D. SQL.

A A. Tự động hóa quy trình sản xuất. B B. Cải thiện quản lý chuỗi cung ứng. C C. Phân khúc thị trường và cá nhân hóa trải nghiệm khách hàng. D D. Giảm chi phí vận hành doanh nghiệp.

A A. Mô hình có độ chính xác cao hơn. B B. Mô hình hoạt động tốt trên mọi loại dữ liệu. C C. Mô hình đưa ra dự đoán không công bằng hoặc phân biệt đối xử. D D. Mô hình dễ dàng diễn giải hơn.

A A. Velocity, Variety, Veracity. B B. Volume, Value, Velocity. C C. Volume, Variety, Visualization. D D. Value, Veracity, Visualization.

A A. Dữ liệu được tổ chức trong các bảng với hàng và cột rõ ràng. B B. Dữ liệu không có định dạng hoặc cấu trúc xác định trước, như văn bản, hình ảnh, video. C C. Dữ liệu số được thu thập từ cảm biến. D D. Dữ liệu giao dịch từ hệ thống ERP.

A A. Accuracy (Độ chính xác). B B. Precision (Độ chuẩn xác). C C. R-squared (Hệ số xác định). D D. Recall (Độ phủ).

A A. Phân tích tương quan. B B. Suy luận nhân quả và kiểm định giả thuyết. C C. Phân tích cụm. D D. Trực quan hóa dữ liệu.

A A. Chọn thuật toán học máy phù hợp nhất. B B. Làm sạch và tiền xử lý dữ liệu đầu vào. C C. Tạo ra các tính năng mới hoặc biến đổi các tính năng hiện có để cải thiện hiệu suất mô hình. D D. Trực quan hóa kết quả phân tích dữ liệu.

A A. Học máy không giám sát (Unsupervised learning). B B. Học máy tăng cường (Reinforcement learning). C C. Học máy có giám sát (Supervised learning). D D. Học sâu (Deep learning).

A A. Dự báo tỷ giá hối đoái. B B. Đo lường mức độ hài lòng của khách hàng từ phản hồi trực tuyến. C C. Phân tích hiệu quả của chính sách tiền tệ. D D. Xác định rủi ro hệ thống trong thị trường tài chính.

A A. Độ phức tạp của mô hình. B B. Thời gian huấn luyện mô hình. C C. Số lượng dự đoán đúng và sai cho từng lớp (class). D D. Tầm quan trọng của các tính năng đầu vào.

A A. Sự thiếu hụt nhân lực có kỹ năng về khoa học dữ liệu. B B. Chi phí đầu tư ban đầu cho công nghệ và phần mềm. C C. Sử dụng dữ liệu cá nhân của khách hàng mà không có sự đồng ý hoặc minh bạch. D D. Khả năng tích hợp dữ liệu từ nhiều nguồn khác nhau.

A A. Tăng cường bảo mật dữ liệu. B B. Làm cho dữ liệu dễ hiểu và dễ diễn giải hơn cho người dùng. C C. Giảm dung lượng lưu trữ dữ liệu. D D. Tăng tốc độ xử lý dữ liệu.

A A. Dự báo giá cổ phiếu. B B. Đánh giá hiệu quả của chiến dịch marketing theo thời gian. C C. Phân tích rủi ro tín dụng cá nhân. D D. Tối ưu hóa quy trình sản xuất.

A A. Tăng tốc độ huấn luyện mô hình. B B. Đánh giá khả năng tổng quát hóa của mô hình trên dữ liệu mới. C C. Giảm dung lượng lưu trữ dữ liệu. D D. Đơn giản hóa quá trình tiền xử lý dữ liệu.

A A. Tăng cường hoạt động marketing trực tuyến. B B. Dự báo nhu cầu và tối ưu hóa tồn kho. C C. Phát triển sản phẩm mới. D D. Tuyển dụng và quản lý nhân sự.

A A. Xử lý giao dịch trực tuyến (OLTP). B B. Lưu trữ dữ liệu giao dịch hiện tại. C C. Lưu trữ dữ liệu lịch sử từ nhiều nguồn để phân tích và báo cáo. D D. Quản lý dữ liệu phi cấu trúc trong thời gian thực.

A A. Tối ưu hóa chiến lược marketing của doanh nghiệp. B B. Dự báo các chỉ số kinh tế và hỗ trợ hoạch định chính sách. C C. Nâng cao hiệu quả quản lý chuỗi cung ứng. D D. Phân tích hành vi khách hàng cá nhân.

A A. Phân tích thời chuỗi (Time series analysis). B B. Phát hiện bất thường (Anomaly detection). C C. Phân tích đường dẫn (Path analysis). D D. Phân tích phương sai (ANOVA).

A A. Tốc độ xử lý dữ liệu. B B. Yêu cầu về phần cứng máy tính. C C. Sự hiện diện của dữ liệu đã được gán nhãn (labeled data). D D. Khả năng xử lý dữ liệu phi cấu trúc.

A A. Dự đoán tỷ lệ nhân viên nghỉ việc. B B. Tối ưu hóa quy trình tuyển dụng. C C. Tăng cường kiểm soát hành chính nhân sự. D D. Cá nhân hóa chương trình đào tạo và phát triển nhân viên.

A A. Tối ưu hóa giá sản phẩm. B B. Gợi ý sản phẩm phù hợp cho từng khách hàng dựa trên hành vi và sở thích. C C. Phát hiện gian lận thanh toán trực tuyến. D D. Cải thiện tốc độ tải trang web.