Đề 14 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

A A. Dự báo giá cổ phiếu. B B. Phân loại email spam. C C. Phân khúc thị trường khách hàng. D D. Phát hiện gian lận thẻ tín dụng.

A A. Mô tả dữ liệu lịch sử. B B. Dự đoán các sự kiện hoặc xu hướng trong tương lai. C C. Trực quan hóa dữ liệu hiện tại. D D. Xác định nguyên nhân của các sự kiện đã xảy ra.

A A. Tăng kích thước dữ liệu. B B. Giảm số lượng thuộc tính (features) trong dữ liệu để đơn giản hóa mô hình và giảm nhiễu. C C. Tăng độ chính xác của dữ liệu. D D. Trực quan hóa dữ liệu nhiều chiều.

A A. Thay thế hoàn toàn con người trong giao dịch chứng khoán. B B. Dự đoán chính xác 100% biến động thị trường. C C. Phát hiện gian lận, quản lý rủi ro, và cá nhân hóa dịch vụ khách hàng. D D. Loại bỏ hoàn toàn rủi ro đầu tư.

A A. Tăng tốc độ huấn luyện mô hình. B B. Đánh giá khả năng khái quát hóa của mô hình và tránh overfitting. C C. Trực quan hóa kết quả mô hình. D D. Làm sạch dữ liệu huấn luyện.

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 hiệu quả trên dữ liệu mới. C C. Dữ liệu huấn luyện chứa quá nhiều lỗi. D D. Mô hình học máy không đủ phức tạp.

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 cảm xúc (Sentiment analysis).

A A. Luôn cho kết quả dự đoán chính xác nhất. B B. Dễ dàng diễn giải và hiểu được logic đưa ra quyết định. C C. Xử lý tốt dữ liệu phi cấu trúc như văn bản và hình ảnh. D D. Hoạt động hiệu quả với dữ liệu kích thước rất lớn.

A A. Chiến lược marketing của một công ty cụ thể. B B. Tổng sản phẩm quốc nội (GDP), lạm phát, và tỷ lệ thất nghiệp. C C. Hành vi mua hàng của từng cá nhân. D D. Giá cổ phiếu của một công ty.

A A. Thiết kế logo sản phẩm. B B. Dự báo nhu cầu và tối ưu hóa tồn kho. C C. Quản lý quan hệ khách hàng (CRM). D D. Phân tích đối thủ cạnh tranh.

A A. Dữ liệu có kích thước nhỏ nhưng phức tạp. B B. Dữ liệu có cấu trúc rõ ràng và dễ dàng phân tích. C C. Dữ liệu có khối lượng lớn, tốc độ tạo ra nhanh, và đa dạng về loại hình (Volume, Velocity, Variety). D D. Dữ liệu được thu thập từ các nguồn chính phủ.

A A. Giảm chi phí hoạt động của doanh nghiệp. B B. Tăng cường bảo mật dữ liệu khách hàng. C C. Chia khách hàng thành các nhóm khác nhau để cá nhân hóa chiến lược marketing và dịch vụ. D D. Đơn giản hóa quy trình kế toán.

A A. Thu thập dữ liệu từ nhiều nguồn. B B. Tìm kiếm các mẫu, xu hướng, và kiến thức ẩn sâu trong dữ liệu lớn. C C. Bảo mật dữ liệu. D D. Trực quan hóa dữ liệu.

A A. Dự báo doanh số bán hàng. B B. Phát hiện gian lận tài chính và giao dịch bất thường. C C. Phân khúc khách hàng. D D. Tối ưu hóa quảng cáo trực tuyến.

A A. Sản xuất hàng loạt sản phẩm. B B. Dự đoán tỷ lệ nhân viên nghỉ việc, tối ưu hóa quy trình tuyển dụng, và phân tích mức độ hài lòng của nhân viên. C C. Quản lý kho hàng. D D. Phân tích đối thủ cạnh tranh.

A A. Độ chính xác của mô hình phân loại. B B. Sai số dự đoán của mô hình hồi quy. C C. Mức độ phức tạp của mô hình. D D. Thời gian huấn luyện mô hình.

A A. Data Lake chỉ lưu trữ dữ liệu có cấu trúc, còn Data Warehouse lưu trữ dữ liệu phi cấu trúc. B B. Data Lake lưu trữ dữ liệu thô ở định dạng gốc, còn Data Warehouse lưu trữ dữ liệu đã được xử lý và cấu trúc hóa. C C. Data Lake chỉ dành cho dữ liệu lịch sử, còn Data Warehouse dành cho dữ liệu hiện tại. D D. Data Lake dễ sử dụng hơn Data Warehouse.

A A. Tăng hiệu suất mô hình dự đoán. B B. Đưa ra quyết định không công bằng hoặc phân biệt đối xử. C C. Giảm chi phí phân tích dữ liệu. D D. Cải thiện độ tin cậy của dữ liệu.

A A. Đảm bảo dữ liệu được lưu trữ an toàn. B B. Giúp các bên liên quan không chuyên môn hiểu được thông tin phức tạp từ dữ liệu. C C. Tăng tốc độ xử lý dữ liệu. D D. Thay thế các phương pháp phân tích thống kê truyền thống.

A A. Microsoft Excel. B B. Microsoft Word. C C. Apache Hadoop và Apache Spark. D D. Adobe Photoshop.

A A. Phân tích dữ liệu số liệu tài chính. B B. Trích xuất thông tin và hiểu ý nghĩa từ dữ liệu văn bản (ví dụ: đánh giá sản phẩm, bình luận trên mạng xã hội). C C. Xử lý hình ảnh sản phẩm. D D. Dự báo thời tiết.

A A. K-means Clustering. B B. Linear Regression. C C. Logistic Regression. D D. Principal Component Analysis.

A A. Ngẫu nhiên hóa lựa chọn sản phẩm. B B. Dựa trên đánh giá chủ quan của nhân viên bán hàng. C C. Phân tích hành vi, lịch sử mua hàng, và sở thích của người dùng để dự đoán sản phẩm phù hợp. D D. Dựa trên giá thành sản phẩm.

A A. Chi phí đầu tư vào công nghệ dữ liệu quá cao. B B. Sự thiếu hụt nhân lực có kỹ năng về khoa học dữ liệu. C C. Sử dụng dữ liệu cá nhân một cách xâm phạm quyền riêng tư và tạo ra sự phân biệt đối xử. D D. Khó khăn trong việc tích hợp dữ liệu từ nhiều nguồn khác nhau.

A A. Dự báo doanh thu hàng năm. B B. Đánh giá hiệu quả của chiến dịch marketing theo thời gian đối với các nhóm khách hàng cụ thể. C C. Phân tích cấu trúc chi phí của doanh nghiệp. D D. Tối ưu hóa chuỗi cung ứng.

A A. Dự báo doanh số bán hàng trong tương lai. B B. So sánh hiệu quả của hai phiên bản khác nhau của một trang web, ứng dụng, hoặc chiến dịch marketing. C C. Phân tích dữ liệu khách hàng. D D. Tối ưu hóa chuỗi cung ứng.

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 kinh tế dựa trên bằng chứng. C C. Phát triển các thuật toán máy học phức tạp nhất. D D. Tự động hóa hoàn toàn các quy trình kinh doanh.

A A. Quá trình lựa chọn phần cứng máy tính tốt nhất để xử lý dữ liệu. B B. Quá trình tạo ra các thuộc tính (features) mới từ dữ liệu hiện có để cải thiện hiệu suất của mô hình học máy. C C. Quá trình mã hóa dữ liệu để bảo mật thông tin. D D. Quá trình trực quan hóa dữ liệu.

A A. Tuyển dụng nhân viên mới. B B. Tối ưu hóa chiến dịch quảng cáo trực tuyến để tăng tỷ lệ chuyển đổi. C C. Quản lý kho hàng. D D. Kiểm toán tài chính.

A A. Sử dụng công nghệ mới nhất. B B. Đảm bảo chất lượng, bảo mật, và tuân thủ quy định của dữ liệu trong toàn bộ vòng đời. C C. Giảm chi phí lưu trữ dữ liệu. D D. Tăng tốc độ truy cập dữ liệu.