Đề 11 – Bài tập, đề thi trắc nghiệm online Dữ liệu lớn (BigData)

A A. Giảm chi phí quản lý bệnh viện. B B. Cải thiện chất lượng chẩn đoán và điều trị bệnh, phát triển thuốc mới, và cá nhân hóa chăm sóc sức khỏe. C C. Tăng số lượng bệnh nhân có thể được điều trị. D D. Đơn giản hóa quy trình hành chính trong bệnh viện.

A A. Cơ sở dữ liệu quan hệ (RDBMS) B B. Cơ sở dữ liệu NoSQL C C. Microsoft SQL Server D D. Oracle Database

A A. Hadoop MapReduce B B. Apache Spark Streaming C C. Hive D D. Pig

A A. Khối lượng dữ liệu quá lớn để lưu trữ. B B. Tốc độ dữ liệu được tạo ra và cần được xử lý quá nhanh. C C. Sự đa dạng của các loại dữ liệu khiến việc tích hợp khó khăn. D D. Độ tin cậy của nguồn dữ liệu không đảm bảo.

A A. Phân tích cảm xúc khách hàng (Sentiment Analysis) B B. Định giá động (Dynamic Pricing) C C. Phân tích rủi ro (Risk Analysis) D D. Dự báo chuỗi cung ứng (Supply Chain Forecasting)

A A. Kappa Architecture có lớp xử lý lô (Batch Layer), còn Lambda thì không. B B. Kappa Architecture đơn giản hóa kiến trúc bằng cách loại bỏ lớp xử lý lô (Batch Layer) và chỉ dựa vào lớp xử lý stream (Stream Layer). C C. Lambda Architecture tập trung vào xử lý dữ liệu thời gian thực, còn Kappa thì không. D D. Kappa Architecture chỉ sử dụng cơ sở dữ liệu NoSQL, còn Lambda thì không.

A A. Không quan trọng, vì dữ liệu lớn chủ yếu dựa vào số liệu thống kê. B B. Quan trọng để giúp con người dễ dàng hiểu, nhận biết các mẫu và xu hướng trong dữ liệu lớn. C C. Chỉ quan trọng đối với dữ liệu nhỏ, không cần thiết cho dữ liệu lớn. D D. Chủ yếu dùng để tạo báo cáo đẹp mắt, ít giá trị phân tích.

A A. Tốc độ tạo ra dữ liệu. B B. Sự đa dạng của các loại dữ liệu. C C. Độ tin cậy và chất lượng của dữ liệu. D D. Khối lượng dữ liệu được tạo ra.

A A. Công nghệ để lưu trữ dữ liệu lớn. B B. Tập hợp các chính sách, quy trình và tiêu chuẩn để quản lý tính toàn vẹn, bảo mật, chất lượng và khả năng sử dụng của dữ liệu. C C. Phương pháp trực quan hóa dữ liệu lớn. D D. Thuật toán để phân tích dữ liệu lớn.

A A. Không có vai trò gì, vì IoT chỉ liên quan đến thiết bị phần cứng. B B. IoT tạo ra lượng lớn dữ liệu từ các thiết bị cảm biến, và Dữ liệu lớn được sử dụng để lưu trữ, xử lý và phân tích dữ liệu này để trích xuất thông tin hữu ích. C C. Dữ liệu lớn chỉ được sử dụng trong các ứng dụng web, không liên quan đến IoT. D D. IoT chỉ sử dụng dữ liệu nhỏ, không cần đến Dữ liệu lớn.

A A. Cá nhân hóa quảng cáo trực tuyến B B. Dự báo thời tiết C C. Quản lý kho hàng cho một cửa hàng tạp hóa nhỏ D D. Phát hiện gian lận thẻ tín dụng

A A. Phân tích dự báo nhu cầu thị trường. B B. Phát hiện gian lận (Fraud Detection) bằng cách phân tích các mẫu giao dịch bất thường. C C. Cá nhân hóa trải nghiệm khách hàng. D D. Tối ưu hóa chuỗi cung ứng.

A A. Microsoft Excel B B. Hadoop C C. MySQL D D. Microsoft Access

A A. Lưu trữ dữ liệu lớn một cách hiệu quả. B B. Tìm kiếm các mẫu, xu hướng và kiến thức hữu ích từ lượng lớn dữ liệu. C C. Đảm bảo tính bảo mật của dữ liệu lớn. D D. Tăng tốc độ truyền dữ liệu lớn.

A A. Giảm chi phí lưu trữ dữ liệu. B B. Tăng tốc độ truy cập và xử lý dữ liệu bằng cách lưu trữ dữ liệu trong bộ nhớ RAM thay vì ổ cứng. C C. Cải thiện bảo mật dữ liệu. D D. Đơn giản hóa việc quản lý cơ sở dữ liệu.

A A. Xử lý dữ liệu theo thời gian thực (real-time). B B. Xử lý toàn bộ tập dữ liệu lịch sử một cách định kỳ để tạo ra 'batch views'. C C. Phục vụ các truy vấn ad-hoc nhanh chóng. D D. Lưu trữ dữ liệu thô.

A A. Một loại cơ sở dữ liệu mới. B B. Một lĩnh vực liên ngành sử dụng các phương pháp khoa học, thuật toán và quy trình để trích xuất kiến thức và insights từ dữ liệu. C C. Công nghệ lưu trữ dữ liệu lớn. D D. Phương pháp bảo mật dữ liệu.

A A. Mã hóa dữ liệu để bảo vệ khỏi truy cập trái phép. B B. Ẩn hoặc thay thế dữ liệu nhạy cảm bằng dữ liệu giả mạo, nhưng vẫn giữ nguyên định dạng và chức năng sử dụng. C C. Phát hiện và ngăn chặn các cuộc tấn công mạng vào hệ thống dữ liệu lớn. D D. Sao lưu và phục hồi dữ liệu lớn trong trường hợp sự cố.

A A. Data Warehouse (Kho dữ liệu) B B. Data Lake (Hồ dữ liệu) C C. Cơ sở dữ liệu quan hệ (RDBMS) D D. Cơ sở dữ liệu đồ thị (Graph Database)

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

A A. Lưu trữ dữ liệu lớn một cách tiết kiệm không gian. B B. Làm sạch, biến đổi và chuẩn bị dữ liệu thô để sẵn sàng cho phân tích. C C. Bảo mật dữ liệu lớn khỏi truy cập trái phép. D D. Trực quan hóa dữ liệu lớn.

A A. Một loại cơ sở dữ liệu quan hệ đặc biệt. B B. Một kho lưu trữ dữ liệu tập trung, cho phép lưu trữ dữ liệu thô ở nhiều định dạng khác nhau cho đến khi cần dùng. C C. Một phương pháp trực quan hóa dữ liệu lớn. D D. Một công cụ để làm sạch dữ liệu.

A A. HDFS (Hadoop Distributed File System) B B. MapReduce C C. YARN (Yet Another Resource Negotiator) D D. Hive

A A. Spark B B. Hive C C. Pig D D. SQL Server Integration Services (SSIS)

A A. Apache Kafka B B. Apache Cassandra C C. Apache Hive D D. Apache Flink

A A. Khối lượng dữ liệu cần xử lý. B B. Tốc độ tạo ra dữ liệu. C C. Khả năng tạo ra giá trị kinh doanh và thông tin hữu ích từ dữ liệu. D D. Độ tin cậy của dữ liệu.

A A. Volume (Khối lượng) B B. Velocity (Tốc độ) C C. Veracity (Độ xác thực) D D. Volatility (Tính biến động)

A A. Khối lượng dữ liệu lớn. B B. Tốc độ dữ liệu được tạo ra. C C. Sự đa dạng của các loại và nguồn dữ liệu (ví dụ: văn bản, hình ảnh, video, dữ liệu cảm biến). D D. Độ tin cậy của dữ liệu.

A A. Khả năng lưu trữ khối lượng dữ liệu khổng lồ. B B. Tốc độ xử lý dữ liệu để kịp thời gian thực. C C. Sự đa dạng của nguồn và loại dữ liệu. D D. Chi phí thuê văn phòng làm việc cho nhân viên phân tích dữ liệu.

A A. Giảm chi phí phần cứng và cơ sở hạ tầng, khả năng mở rộng linh hoạt, và truy cập tài nguyên dễ dàng. B B. Tăng cường bảo mật dữ liệu tuyệt đối. C C. Đảm bảo tốc độ xử lý dữ liệu nhanh nhất trong mọi trường hợp. D D. Loại bỏ hoàn toàn nhu cầu về nhân sự IT.