Đề 15 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

A A. Mô hình học máy hoạt động quá chậm B B. Mô hình học máy học quá tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới C C. Dữ liệu huấn luyện có quá nhiều lỗi D D. Mô hình học máy không đủ mạnh để học từ dữ liệu

A A. Dự đoán giá trị của một biến số mục tiêu B B. Phân loại dữ liệu vào các nhóm khác nhau dựa trên đặc điểm tương đồng C C. Đánh giá rủi ro tín dụng của khách hàng D D. Phân tích mối quan hệ nhân quả giữa các biến số

A A. Phân tích mạng xã hội để tìm hiểu xu hướng thị trường B B. Sử dụng thuật toán để tự động điều chỉnh giá sản phẩm dựa trên nhu cầu và đối thủ cạnh tranh C C. Thu thập dữ liệu khách hàng để cá nhân hóa trải nghiệm mua sắm D D. Trực quan hóa dữ liệu bán hàng để theo dõi hiệu suất

A A. Chia nhỏ dữ liệu thành các phần nhỏ hơn để xử lý nhanh hơn B B. Kết hợp kết quả dự đoán của nhiều mô hình học máy yếu hơn để tạo ra một mô hình mạnh hơn C C. Làm sạch và chuẩn hóa dữ liệu trước khi huấn luyện mô hình D D. Tự động lựa chọn các biến số quan trọng nhất

A A. Tăng cường bảo mật dữ liệu B B. Làm cho dữ liệu dễ hiểu và dễ truyền đạt thông tin, tri thức C C. Giảm chi phí lưu trữ dữ liệu D D. Tăng tốc độ xử lý dữ liệu

A A. Thiếu dữ liệu huấn luyện B B. Overfitting (quá khớp) C C. Dữ liệu bị nhiễu D D. Mô hình học máy quá phức tạp

A A. Xây dựng mô hình dự đoán B B. Thu thập và làm sạch dữ liệu C C. Trực quan hóa dữ liệu D D. Đánh giá và triển khai mô hình

A A. Tăng kích thước của dữ liệu B B. Giảm số lượng biến số đầu vào (features) trong dữ liệu C C. Tăng độ chính xác của dữ liệu D D. Tăng tốc độ thu thập dữ liệu

A A. Dự đoán xu hướng thị trường chứng khoán B B. Dự đoán khả năng khách hàng sẽ ngừng sử dụng sản phẩm/dịch vụ C C. Dự đoán nhu cầu tuyển dụng nhân sự D D. Dự đoán rủi ro vỡ nợ của doanh nghiệp

A A. Phân tích dữ liệu văn bản B B. Tìm giá trị tối ưu của các tham số trong mô hình học máy C C. Trực quan hóa dữ liệu không gian 3D D D. Phát hiện gian lận trong dữ liệu giao dịch

A A. Tăng chi phí đầu tư vào công nghệ B B. Bỏ qua yếu tố trực giác, kinh nghiệm và bối cảnh kinh doanh thực tế C C. Dữ liệu có thể bị lỗi thời nhanh chóng D D. Khó khăn trong việc giải thích kết quả phân tích dữ liệu

A A. Phát hiện gian lận giao dịch thẻ tín dụng B B. Dự báo giá cổ phiếu C C. Tối ưu hóa quy trình sản xuất trong nhà máy D D. Đánh giá rủi ro tín dụng

A A. Phân tích dữ liệu số liệu tài chính B B. Phân tích dữ liệu hình ảnh sản phẩm C C. Phân tích dữ liệu văn bản (ví dụ: đánh giá sản phẩm, bình luận khách hàng) D D. Phân tích dữ liệu vị trí địa lý

A A. Dữ liệu hình ảnh và video B B. Dữ liệu văn bản tự do (ví dụ: bình luận trên mạng xã hội) C C. Dữ liệu cấu trúc (ví dụ: dữ liệu giao dịch, dữ liệu bảng tính) D D. Dữ liệu âm thanh

A A. Chi phí đầu tư vào công nghệ và nhân lực khoa học dữ liệu B B. Sự khan hiếm dữ liệu chất lượng cao C C. Sử dụng dữ liệu cá nhân của khách hàng mà không có sự đồng ý hoặc minh bạch D D. Tích hợp khoa học dữ liệu với hệ thống kinh doanh hiện tại

A A. Tăng tốc độ xử lý dữ liệu B B. Đánh giá khả năng khái quát hóa của mô hình học máy trên dữ liệu mới C C. Làm sạch dữ liệu bị thiếu D D. Trực quan hóa dữ liệu đa chiều

A A. Bảo mật dữ liệu và ngăn chặn truy cập trái phép B B. Tìm kiếm các mẫu ẩn, xu hướng và tri thức hữu ích từ lượng lớn dữ liệu C C. Thu thập dữ liệu từ các nguồn khác nhau và lưu trữ tập trung D D. Trực quan hóa dữ liệu bằng biểu đồ và đồ thị

A A. Phân loại khách hàng thành các nhóm rủi ro khác nhau B B. Dự đoán giá nhà dựa trên các đặc điểm như diện tích, vị trí C C. Tìm kiếm các mặt hàng bán chạy nhất trong một siêu thị D D. Phát hiện các giao dịch gian lận thẻ tín dụng

A A. Bảo mật dữ liệu giao dịch B B. Gợi ý sản phẩm/dịch vụ phù hợp cho từng khách hàng cá nhân C C. Dự báo tình hình kinh tế vĩ mô D D. Phân tích đối thủ cạnh tranh

A A. Lựa chọn thuật toán học máy phù hợp nhất B B. Tối ưu hóa hiệu suất của mô hình học máy C C. Tạo ra các biến số mới từ dữ liệu hiện có để cải thiện hiệu suất mô hình D D. Đánh giá độ chính xác của mô hình học máy

A A. Giảm chi phí marketing B B. Phân chia khách hàng thành các nhóm có đặc điểm chung để triển khai các chiến lược marketing và sản phẩm phù hợp C C. Tăng cường bảo mật thông tin khách hàng D D. Tối ưu hóa quy trình chăm sóc khách hàng

A A. Phân tích thống kê và mô hình hóa dữ liệu B B. Quan sát trực giác và kinh nghiệm cá nhân C C. Tham khảo ý kiến chuyên gia và hội đồng D D. Đọc báo cáo tài chính và tin tức kinh tế

A A. RMSE (Root Mean Squared Error) B B. R-squared C C. Accuracy (Độ chính xác) D D. MAE (Mean Absolute Error)

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

A A. Tìm đường thẳng phân chia dữ liệu tốt nhất B B. Chia dữ liệu thành các nhánh dựa trên các điều kiện/quy tắc C C. Tính toán khoảng cách giữa các điểm dữ liệu D D. Tìm kiếm các mẫu lặp lại trong dữ liệu

A A. Phân tích dữ liệu không gian địa lý B B. Phân tích dữ liệu văn bản C C. Phân tích dữ liệu theo thời gian và dự báo các giá trị tương lai D D. Phân tích dữ liệu hình ảnh

A A. Phân tích hiệu quả hoạt động marketing B B. Dự báo nhu cầu, tối ưu hóa tồn kho và vận chuyển C C. Phân tích rủi ro tín dụng D D. Phân tích sentiment (cảm xúc) khách hàng trên mạng xã hội

A A. Đo lường độ tin cậy của dữ liệu B B. So sánh hiệu quả của hai phiên bản khác nhau của một yếu tố kinh doanh (ví dụ: trang web, quảng cáo) C C. Phân tích xu hướng thị trường D D. Dự báo doanh số bán hàng

A A. Dự báo doanh số bán hàng và quản lý hàng tồn kho B B. Tối ưu hóa chiến dịch marketing và phân khúc khách hàng C C. Tuyển dụng nhân sự và đánh giá hiệu suất làm việc D D. Soạn thảo báo cáo tài chính theo chuẩn mực kế toán

A A. Dữ liệu có kích thước lớn, tốc độ tạo ra nhanh và đa dạng về loại hình B B. Dữ liệu được thu thập từ các công ty lớn trên thị trường C C. Dữ liệu có giá trị kinh tế cao và được bảo mật nghiêm ngặt D D. Dữ liệu được phân tích bởi các chuyên gia hàng đầu trong ngành