Đề 6 – 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 thu hồi (Recall) C C. Độ chuẩn xác (Precision) D D. F1-score

A A. Quá trình chọn lựa thuật toán học máy phù hợp nhất. B B. Quá trình làm sạch dữ liệu bị thiếu hoặc nhiễu. C C. Quá trình tạo ra các biến mới hoặc biến đổi các biến hiện có để cải thiện hiệu suất mô hình. D D. Quá trình trực quan hóa dữ liệu để trình bày kết quả phân tích.

A A. Phân loại Logistic B B. Cây quyết định phân loại C C. Hồi quy tuyến tính D D. K-Means Clustering

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

A A. Tăng tốc độ quá trình tuyển dụng. B B. Giảm chi phí tuyển dụng. C C. Thuật toán có thể vô tình duy trì hoặc khuếch đại sự thiên vị giới tính hoặc chủng tộc. D D. Cải thiện tính khách quan tuyệt đối trong quá trình đánh giá ứng viên.

A A. Giảm chi phí nhân công B B. Tăng cường khả năng ra quyết định dựa trên dữ liệu C C. Loại bỏ hoàn toàn sự cần thiết của kinh nghiệm và trực giác D D. Đơn giản hóa mọi quy trình kinh doanh

A A. Phân tích hồi quy B B. Phân loại (Classification) C C. Phân tích chuỗi thời gian D D. Giảm chiều dữ liệu

A A. Tăng kích thước mẫu dữ liệu. B B. Loại bỏ một trong các biến độc lập có tương quan cao. C C. Sử dụng mô hình cây quyết định. D D. Chuẩn hóa dữ liệu (data normalization).

A A. Thu thập dữ liệu B B. Chuẩn bị dữ liệu C C. Phân tích dữ liệu D D. Triển khai mô hình

A A. Pandas B B. NumPy C C. Matplotlib và Seaborn D D. Scikit-learn

A A. Tăng cường sự công bằng và minh bạch trong quyết định kinh doanh. B B. Cải thiện hiệu suất mô hình và độ chính xác dự đoán. C C. Đưa ra các quyết định phân biệt đối xử hoặc không công bằng đối với một số nhóm người. D D. Giảm chi phí vận hành hệ thống Khoa học dữ liệu.

A A. Huấn luyện mô hình học máy. B B. Đánh giá hiệu suất cuối cùng của mô hình sau khi huấn luyện. C C. Tinh chỉnh siêu tham số (hyperparameters) của mô hình. D D. Thu thập dữ liệu mới.

A A. Phân tích mô tả (Descriptive Analytics) B B. Phân tích dự đoán (Predictive Analytics) C C. Phân tích quy định (Prescriptive Analytics) D D. Phân tích chẩn đoán (Diagnostic Analytics)

A A. Tăng giá sản phẩm cho tất cả khách hàng. B B. Gửi email marketing hàng loạt giống nhau cho tất cả khách hàng. C C. Phân tích hành vi và sở thích của khách hàng để cung cấp sản phẩm và thông điệp phù hợp. D D. Giảm ngân sách marketing tổng thể.

A A. Phát hiện gian lận giao dịch B B. Định giá tài sản và quản lý rủi ro C C. Tối ưu hóa chuỗi cung ứng sản xuất D D. Phân tích danh mục đầu tư

A A. Dữ liệu giao dịch bán hàng trong cơ sở dữ liệu quan hệ. B B. Bảng thống kê kinh tế vĩ mô. C C. Bài đăng trên mạng xã hội và đánh giá sản phẩm trực tuyến. D D. Dữ liệu nhân khẩu học khách hàng trong file CSV.

A A. Tăng chi phí vận chuyển hàng hóa. B B. Dự đoán nhu cầu và tối ưu hóa tồn kho. C C. Làm chậm quá trình sản xuất. D D. Giảm chất lượng sản phẩm.

A A. Phân tích phương sai (ANOVA) B B. Phân tích hồi quy (Regression Analysis) C C. Kiểm định t-test D D. Phân tích thành phần chính (PCA)

A A. Sử dụng một mô hình học máy duy nhất rất mạnh. B B. Kết hợp dự đoán của nhiều mô hình học máy yếu hơn để tạo ra mô hình mạnh hơn. C C. Giảm chiều dữ liệu trước khi huấn luyện mô hình. D D. Tăng cường tính giải thích của mô hình học máy.

A A. Hồi quy tuyến tính B B. Cây quyết định phân loại C C. Phân cụm K-Means D D. Mạng nơ-ron (Neural Networks) cho phân loại

A A. Sự thiếu hụt các công cụ phần mềm phân tích dữ liệu. B B. Đảm bảo chất lượng dữ liệu và xử lý độ phức tạp của dữ liệu. C C. Chi phí thu thập dữ liệu quá thấp. D D. Khó khăn trong việc tìm kiếm nhân sự có kỹ năng thống kê cơ bản.

A A. Xu hướng (Trend) B B. Tính mùa vụ (Seasonality) C C. Tính ngẫu nhiên (Randomness) D D. Tính chủ quan (Subjectivity)

A A. Phân tích thành phần chính (PCA) B B. Phát hiện dị thường (Anomaly Detection) C C. Phân tích hồi quy tuyến tính D D. Phân cụm K-Means

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

A A. Dự báo xu hướng thị trường tổng thể. B B. Đánh giá hiệu quả của hai phiên bản khác nhau của một yếu tố kinh doanh (ví dụ: trang web, quảng cáo). C C. Phân tích cấu trúc chi phí của doanh nghiệp. D D. Xác định rủi ro tín dụng của khách hàng.

A A. Phân tích tương quan B B. Điền giá trị trung bình (Mean Imputation) C C. Phân tích hồi quy D D. Phân tích thành phần chính

A A. Dự đoán giá cổ phiếu. B B. Phân tích cảm xúc từ phản hồi của khách hàng. C C. Phân cụm khách hàng theo nhân khẩu học. D D. Phát hiện gian lận thẻ tín dụng.

A A. Tăng số lượng biến trong tập dữ liệu. B B. Giảm số lượng biến trong tập dữ liệu trong khi vẫn giữ được thông tin quan trọng. C C. Tăng tốc độ thu thập dữ liệu. D D. Cải thiện độ chính xác của dữ liệu đầu vào.

A A. Một lĩnh vực chỉ tập trung vào việc thu thập và lưu trữ dữ liệu lớn. B B. Một ngành khoa học nghiên cứu về lập trình máy tính và phát triển phần mềm. C C. Một lĩnh vực liên ngành sử dụng các phương pháp khoa học để trích xuất kiến thức và insights giá trị từ dữ liệu nhằm hỗ trợ quyết định kinh tế và kinh doanh. D D. Một tập hợp các công cụ phần mềm để tạo báo cáo và trực quan hóa dữ liệu.

A A. Mô hình học máy hoạt động kém trên cả dữ liệu huấn luyện và dữ liệu kiểm tra. B B. Mô hình học máy hoạt động rất tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu kiểm tra mới. C C. Mô hình học máy hoạt động tốt trên cả dữ liệu huấn luyện và dữ liệu kiểm tra. D D. Mô hình học máy không thể học được từ dữ liệu huấn luyện.