Đề 9 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

A A. Phân loại khách hàng B B. Dự báo giá trị tương lai dựa trên dữ liệu quá khứ theo thời gian C C. Phân tích mối quan hệ giữa các biến kinh tế khác nhau tại cùng một thời điểm D D. Phát hiện gian lận trong giao dịch tài chính

A A. Chọn thuật toán học máy phù hợp nhất B B. Tối ưu hóa hiệu suất phần cứng C C. Biến đổi và tạo ra các đặc trưng (features) phù hợp từ dữ liệu thô D D. Đánh giá độ chính xác của mô hình

A A. Thu thập dữ liệu B B. Phân tích dữ liệu C C. Triển khai mô hình D D. Sao chép dữ liệu thủ công

A A. Tăng tốc độ huấn luyện mô hình B B. Ước lượng hiệu suất của mô hình trên dữ liệu mới và tránh overfitting C C. Giảm kích thước dữ liệu huấn luyện D D. Trực quan hóa dữ liệu

A A. Trực giác và kinh nghiệm cá nhân B B. Phân tích dữ liệu và mô hình hóa C C. Theo dõi hành vi của đối thủ cạnh tranh D D. Tham khảo ý kiến chuyên gia

A A. Dịch văn bản sang ngôn ngữ khác B B. Tóm tắt nội dung văn bản C C. Xác định thái độ, cảm xúc (tích cực, tiêu cực, trung lập) thể hiện trong văn bản D D. Tìm kiếm thông tin cụ thể trong văn bản

A A. Mô hình quá đơn giản và không nắm bắt được mẫu trong dữ liệu B B. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới C C. Mô hình bị thiếu dữ liệu huấn luyện D D. Mô hình không thể hội tụ trong quá trình huấn luyện

A A. Dự báo tăng trưởng GDP B B. Phân tích hiệu quả quảng cáo C C. Gian lận giao dịch D D. Nghiên cứu thị hiếu người tiêu dùng

A A. Giảm chiều dữ liệu B B. Phân tích thành phần chính C C. Xây dựng mô hình dự đoán có độ chính xác cao, đặc biệt cho dữ liệu dạng bảng D D. Phân cụm dữ liệu

A A. Hiển thị ngẫu nhiên các sản phẩm cho khách hàng B B. Gợi ý sản phẩm/dịch vụ cho khách hàng dựa trên lịch sử tương tác, sở thích và hành vi của họ C C. Chỉ hiển thị các sản phẩm bán chạy nhất D D. Yêu cầu khách hàng tự chọn sản phẩm họ muốn mua

A A. Tăng số lượng biến trong dữ liệu B B. Đơn giản hóa dữ liệu và giảm nhiễu C C. Tăng độ phức tạp của mô hình D D. Chuyển đổi dữ liệu sang ngôn ngữ tự nhiên

A A. Tỷ lệ dự đoán đúng trên tổng số mẫu thực tế thuộc lớp dương tính B B. Tỷ lệ dự đoán đúng trên tổng số mẫu được dự đoán là lớp dương tính C C. Tỷ lệ dự đoán sai trên tổng số mẫu thực tế thuộc lớp âm tính D D. Tỷ lệ dự đoán sai trên tổng số mẫu được dự đoán là lớp âm tính

A A. Hồi quy tuyến tính (Linear Regression) B B. Phân cụm K-means (K-means Clustering) C C. Cây quyết định (Decision Tree) D D. Mạng nơ-ron (Neural Network) cho phân loại ảnh

A A. Thay thế hoàn toàn các phương pháp thống kê truyền thống B B. Xử lý lượng dữ liệu lớn và phức tạp hơn C C. Giảm sự phụ thuộc vào lý thuyết kinh tế D D. Loại bỏ nhu cầu về kiến thức chuyên môn kinh tế

A A. Accuracy (Độ chính xác) B B. Precision (Độ chuẩn xác) C C. R-squared (Hệ số xác định) D D. F1-score

A A. Dự đoán tương lai dựa trên quá khứ B B. So sánh hiệu quả giữa các nhóm ngẫu nhiên C C. Mô tả dữ liệu hiện tại D D. Phân loại dữ liệu theo chủ đề

A A. Gửi email hàng loạt cho tất cả khách hàng B B. Hiển thị quảng cáo chung cho mọi người C C. Đề xuất sản phẩm/dịch vụ dựa trên lịch sử mua hàng và hành vi trực tuyến của từng cá nhân D D. Giảm giá đồng loạt cho tất cả sản phẩm

A A. Phương pháp giảm chiều dữ liệu B B. Phương pháp kết hợp dự đoán từ nhiều mô hình học máy khác nhau để cải thiện độ chính xác C C. Phương pháp xử lý dữ liệu thiếu D D. Phương pháp trực quan hóa dữ liệu

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

A A. Bảng dữ liệu doanh số bán hàng B B. Cơ sở dữ liệu khách hàng quan hệ C C. Bài đăng trên mạng xã hội D D. Báo cáo tài chính dạng bảng biểu

A A. Tăng tốc độ xử lý dữ liệu B B. Giảm chi phí lưu trữ dữ liệu C C. Giúp nhận diện mẫu và xu hướng dễ dàng hơn D D. Thay thế hoàn toàn việc phân tích thống kê

A A. Tăng kích thước mẫu dữ liệu B B. Xóa bỏ hoàn toàn các dòng/cột chứa dữ liệu thiếu C C. Thay thế bằng giá trị trung bình hoặc giá trị phù hợp khác D D. Chuyển đổi dữ liệu sang dạng analog

A A. Sự dư thừa dữ liệu B B. Chi phí phần mềm phân tích quá thấp C C. Thiếu nhân lực có kỹ năng phân tích dữ liệu D D. Dễ dàng tiếp cận dữ liệu chất lượng cao

A A. Dự báo thời tiết hàng ngày B B. Phân tích và dự báo thị trường chứng khoán C C. Nghiên cứu về lịch sử văn hóa D D. Phát triển phần mềm trò chơi

A A. Dự báo nhu cầu B B. Tối ưu hóa tồn kho C C. Tuyển dụng nhân viên mới D D. Tối ưu hóa lộ trình vận chuyển

A A. Mô hình hoạt động kém hiệu quả trên mọi nhóm đối tượng B B. Quyết định không công bằng hoặc phân biệt đối xử với một số nhóm người nhất định C C. Tăng tính minh bạch và dễ hiểu của mô hình D D. Giảm chi phí thu thập dữ liệu

A A. Dễ dàng diễn giải và hiểu cơ chế hoạt động B B. Hoạt động dựa trên quy tắc logic rõ ràng C C. Khó hoặc không thể hiểu được cách mô hình đưa ra dự đoán D D. Chỉ áp dụng được cho dữ liệu văn bản

A A. Microsoft Excel B B. SPSS Statistics C C. Apache Spark D D. Microsoft Access

A A. Dữ liệu bị thiếu B B. Outliers (giá trị ngoại lệ) C C. Overfitting (quá khớp) D D. Dữ liệu không cân bằng (imbalanced data)

A A. Giảm chi phí hoạt động B B. Cải thiện độ chính xác của quyết định C C. Lộ lọt thông tin cá nhân của khách hàng do bảo mật dữ liệu kém D D. Tăng khả năng cạnh tranh