Đề 2 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

A A. Sai lầm giả dương tính (False Positive) B B. Sai lầm giả âm tính (False Negative) C C. Sai lầm hệ thống (Systematic Error) D D. Sai lầm ngẫu nhiên (Random Error)

A A. Tối ưu hóa quy trình sản xuất B B. Dự đoán rủi ro tín dụng và gian lận C C. Nâng cao trải nghiệm mua sắm trực tuyến D D. Quản lý chuỗi cung ứng hiệu quả hơn

A A. Hồi quy tuyến tính B B. Phân cụm (Clustering) C C. Cây quyết định D D. Phân tích chuỗi thời gian

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

A A. Quá trình lựa chọn thuật toán máy học phù hợp nhất cho bài toán. B B. Quá trình trích xuất, biến đổi và tạo ra các thuộc tính (features) mới từ dữ liệu thô để cải thiện hiệu suất mô hình. C C. Quá trình đánh giá và so sánh hiệu suất của các mô hình khác nhau. D D. Quá trình triển khai mô hình máy học vào hệ thống sản xuất.

A A. Dự báo giá cổ phiếu trên thị trường chứng khoán. B B. Đánh giá rủi ro tín dụng của khách hàng vay vốn. C C. Hiểu được ý kiến và cảm xúc của khách hàng về sản phẩm, dịch vụ hoặc thương hiệu từ dữ liệu văn bản. D D. Tối ưu hóa quy trình sản xuất và quản lý chất lượng sản phẩm.

A A. Mô hình hoạt động kém trên dữ liệu huấn luyện nhưng tốt trên dữ liệu kiểm tra. B B. Mô hình học quá tốt trên dữ liệu huấn luyện, nhưng hoạt động kém trên dữ liệu mới hoặc dữ liệu kiểm tra. C C. Mô hình không đủ phức tạp để nắm bắt các mẫu trong dữ liệu huấn luyện. D D. Mô hình bị thiếu dữ liệu huấn luyện để học một cách hiệu quả.

A A. Bài toán hồi quy (Regression) B B. Bài toán phân loại (Classification) C C. Bài toán phân cụm (Clustering) D D. Bài toán giảm chiều dữ liệu (Dimensionality Reduction)

A A. Phân tích tương quan (Correlation analysis) B B. Phân tích hồi quy đa biến (Multiple regression analysis) C C. Phân tích thành phần chính (Principal Component Analysis - PCA) D D. Phân tích phương sai (Analysis of Variance - ANOVA)

A A. Dữ liệu được thu thập từ các nguồn bên ngoài doanh nghiệp và cần được xác thực. B B. Dữ liệu bị thiếu giá trị và cần được điền vào trước khi phân tích. C C. Dữ liệu có giá trị bất thường, khác biệt đáng kể so với phần lớn dữ liệu còn lại, và có thể ảnh hưởng đến kết quả phân tích. D D. Dữ liệu đã được làm sạch và chuẩn hóa, sẵn sàng cho mô hình hóa.

A A. Mức độ phức tạp của mô hình khoa học dữ liệu B B. Hiệu quả và lợi nhuận thu được từ việc ứng dụng khoa học dữ liệu C C. Thời gian cần thiết để triển khai một dự án khoa học dữ liệu D D. Số lượng nhà khoa học dữ liệu tham gia vào dự án

A A. Dữ liệu có kích thước nhỏ và dễ quản lý B B. Dữ liệu có cấu trúc rõ ràng và đồng nhất C C. Dữ liệu có khối lượng lớn, tốc độ tạo ra nhanh và đa dạng về loại hình D D. Dữ liệu được thu thập từ các nguồn nội bộ của doanh nghiệp

A A. Thu thập dữ liệu B B. Khám phá dữ liệu C C. Chuẩn bị dữ liệu D D. Mô hình hóa dữ liệu

A A. Tăng cường bảo mật dữ liệu B B. Giảm dung lượng lưu trữ dữ liệu C C. Truyền đạt thông tin và hiểu biết từ dữ liệu một cách hiệu quả D D. Tự động hóa quá trình thu thập dữ liệu

A A. Phân tích hồi quy B B. Phân tích phương sai (ANOVA) C C. Phân tích thành phần chính (PCA) D D. Thiết kế cơ sở dữ liệu quan hệ

A A. Xây dựng giao diện người dùng cho ứng dụng phân tích dữ liệu. B B. Lưu trữ, truy vấn và quản lý dữ liệu có cấu trúc. C C. Phát triển mô hình máy học phức tạp. D D. Thực hiện phân tích thống kê nâng cao.

A A. Dễ dàng giải thích và hiểu được logic đưa ra quyết định B B. Hoạt động dựa trên quy tắc logic rõ ràng do con người lập trình C C. Khó hoặc không thể giải thích được cách mô hình đưa ra dự đoán hoặc quyết định D D. Chỉ được sử dụng trong các ứng dụng đơn giản và ít phức tạp

A A. Thiết kế không gian văn phòng làm việc. B B. Dự đoán tỷ lệ nghỉ việc của nhân viên và tối ưu hóa quy trình tuyển dụng. C C. Quản lý tài sản và thiết bị văn phòng. D D. Tổ chức sự kiện và hoạt động team-building.

A A. Tăng dung lượng lưu trữ dữ liệu. B B. Đảm bảo dữ liệu được mã hóa an toàn. C C. Đưa các biến số về cùng một thang đo để tránh ảnh hưởng của sự khác biệt về đơn vị đo hoặc phạm vi giá trị. D D. Phân loại dữ liệu vào các nhóm khác nhau dựa trên thuộc tính.

A A. Thiết kế logo và bao bì sản phẩm. B B. Tối ưu hóa lộ trình vận chuyển và quản lý kho hàng. C C. Phát triển chiến lược truyền thông và quảng cáo. D D. Tuyển dụng và đào tạo nhân viên.

A A. Tăng tốc độ huấn luyện mô hình máy học. B B. Đánh giá khả năng khái quát hóa của mô hình máy học trên dữ liệu mới. C C. Giảm kích thước dữ liệu huấn luyện. D D. Chọn thuật toán máy học tốt nhất cho bài toán.

A A. Độ phức tạp tính toán của mô hình. B B. Thời gian huấn luyện mô hình. C C. Hiệu suất mô hình trong việc phân loại đúng và sai các lớp khác nhau. D D. Khả năng giải thích của mô hình.

A A. Dự báo nhu cầu sản phẩm để tối ưu hóa hàng tồn kho B B. Phân tích cảm xúc khách hàng từ bình luận trên mạng xã hội C C. Lập kế hoạch tài chính dựa trên kinh nghiệm cá nhân D D. Phát hiện gian lận trong giao dịch tài chính

A A. Phân tích thống kê và máy học B B. Thuyết trình và trực quan hóa dữ liệu C C. Thu thập và lưu trữ dữ liệu D D. Quản lý cơ sở dữ liệu

A A. Dữ liệu hình ảnh và video B B. Dữ liệu văn bản phi cấu trúc từ mạng xã hội và đánh giá sản phẩm C C. Dữ liệu âm thanh từ cuộc gọi dịch vụ khách hàng D D. Dữ liệu cảm biến từ thiết bị IoT

A A. Học tăng cường sử dụng dữ liệu đã được gắn nhãn, trong khi học có giám sát thì không. B B. Học tăng cường tập trung vào việc dự đoán giá trị số, còn học có giám sát tập trung vào phân loại. C C. Học tăng cường học thông qua tương tác với môi trường và nhận phần thưởng/hình phạt, trong khi học có giám sát học từ dữ liệu đầu vào-đầu ra đã được gán nhãn. D D. Học tăng cường chỉ áp dụng cho dữ liệu phi cấu trúc, còn học có giám sát chỉ áp dụng cho dữ liệu có cấu trúc.

A A. Độ tuổi, giới tính và vị trí địa lý của khách hàng B B. Sở thích sản phẩm, hành vi trực tuyến và tương tác mạng xã hội C C. Thời gian mua hàng gần nhất, tần suất mua hàng và giá trị tiền tệ của các giao dịch mua hàng D D. Mức độ hài lòng của khách hàng, phản hồi và đánh giá sản phẩm

A A. Chi phí đầu tư vào công nghệ và nhân lực khoa học dữ liệu B B. Sự thiếu hụt dữ liệu chất lượng cao C C. Sử dụng dữ liệu cá nhân một cách xâm phạm quyền riêng tư D D. Khó khăn trong việc tích hợp khoa học dữ liệu vào quy trình kinh doanh hiện tại

A A. Tự động hóa quy trình thanh toán trực tuyến B B. Phân tích hiệu quả chiến dịch quảng cáo C C. Đề xuất sản phẩm phù hợp cho từng khách hàng dựa trên lịch sử mua hàng và hành vi duyệt web D D. Quản lý kho hàng và vận chuyển sản phẩm

A A. Phân tích mối quan hệ giữa các biến số B B. Phân loại dữ liệu vào các nhóm khác nhau C C. Dự báo các giá trị tương lai dựa trên dữ liệu quá khứ theo thời gian D D. Giảm chiều dữ liệu để đơn giản hóa phân tích