Đề 7 - Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh
1. Mục tiêu chính của việc `giảm chiều dữ liệu` (dimensionality reduction) trong Khoa học dữ liệu là gì?
A. Tăng kích thước bộ dữ liệu.
B. Giảm độ phức tạp tính toán và loại bỏ thông tin nhiễu.
C. Tăng cường bảo mật dữ liệu.
D. Cải thiện chất lượng dữ liệu đầu vào.
2. Đâu không phải là một lợi ích của việc sử dụng Khoa học dữ liệu trong kinh doanh?
A. Tăng cường sự chủ quan trong quyết định quản lý.
B. Cá nhân hóa trải nghiệm khách hàng.
C. Tối ưu hóa hoạt động và giảm chi phí.
D. Phát hiện gian lận và giảm thiểu rủi ro.
3. Thuật ngữ `feature engineering` trong Khoa học dữ liệu dùng để chỉ điều gì?
A. Quá trình chọn lựa phần cứng máy tính phù hợp.
B. Quá trình tạo ra các biến (features) mới từ dữ liệu hiện có để cải thiện hiệu suất mô hình.
C. Quá trình kiểm thử và đánh giá mô hình.
D. Quá trình triển khai mô hình vào thực tế.
4. Thuật ngữ `data mining` (khai thác dữ liệu) trong Khoa học dữ liệu tập trung vào điều gì?
A. Thu thập dữ liệu từ nhiều nguồn khác nhau.
B. Tìm kiếm các mẫu, xu hướng và tri thức ẩn sâu trong dữ liệu lớn.
C. Trực quan hóa dữ liệu bằng biểu đồ và đồ thị.
D. Bảo mật và quản lý dữ liệu.
5. Đánh giá hiệu suất mô hình (model evaluation) là bước quan trọng trong quy trình Khoa học dữ liệu. Metric nào sau đây thường được sử dụng cho bài toán phân loại?
A. Mean Squared Error (MSE).
B. R-squared.
C. Accuracy, Precision, Recall, F1-score.
D. Root Mean Squared Error (RMSE).
6. Kỹ thuật `xử lý ngôn ngữ tự nhiên` (NLP) là một phần quan trọng của Khoa học dữ liệu. Ứng dụng nào sau đây KHÔNG thuộc về NLP trong kinh doanh?
A. Phân tích đánh giá sản phẩm từ bình luận của khách hàng.
B. Dịch tự động tài liệu kinh doanh đa ngôn ngữ.
C. Dự báo giá cổ phiếu dựa trên dữ liệu giao dịch.
D. Chatbot hỗ trợ khách hàng trực tuyến.
7. Phương pháp `ensemble learning` (học tập kết hợp) trong học máy nhằm mục đích gì?
A. Giảm kích thước dữ liệu huấn luyện.
B. Kết hợp nhiều mô hình học máy để cải thiện độ chính xác và độ ổn định.
C. Đơn giản hóa mô hình học máy.
D. Tăng tốc độ huấn luyện mô hình.
8. Đâu là thách thức lớn nhất khi áp dụng Khoa học dữ liệu vào kinh tế và kinh doanh?
A. Chi phí phần mềm phân tích dữ liệu quá cao.
B. Thiếu dữ liệu chất lượng cao và nhân lực có kỹ năng.
C. Sự phản đối từ phía người lao động.
D. Quy định pháp lý về bảo vệ dữ liệu còn lỏng lẻo.
9. Chỉ số `confusion matrix` (ma trận nhầm lẫn) được sử dụng để đánh giá hiệu suất của mô hình nào?
A. Mô hình hồi quy.
B. Mô hình phân cụm.
C. Mô hình phân loại.
D. Mô hình giảm chiều dữ liệu.
10. Công cụ nào sau đây thường được sử dụng để trực quan hóa dữ liệu trong Khoa học dữ liệu?
A. Microsoft Word.
B. Microsoft Excel.
C. Tableau hoặc Power BI.
D. Adobe Photoshop.
11. Mô hình học máy nào thường được sử dụng để phân tích văn bản (text analysis) và phân loại cảm xúc (sentiment analysis)?
A. K-Nearest Neighbors (KNN).
B. Naive Bayes.
C. Decision Trees.
D. Linear Regression.
12. Trong Khoa học dữ liệu, kỹ thuật `cross-validation` (kiểm định chéo) được sử dụng để làm gì?
A. Tăng tốc độ huấn luyện mô hình.
B. Đánh giá độ tin cậy và khả năng tổng quát hóa của mô hình.
C. Làm sạch dữ liệu đầu vào.
D. Triển khai mô hình vào môi trường thực tế.
13. Phương pháp `phân cụm` (clustering) trong Khoa học dữ liệu thường được dùng để làm gì trong kinh doanh?
A. Dự đoán giá cổ phiếu.
B. Phân nhóm khách hàng dựa trên đặc điểm chung.
C. Phân tích cảm xúc của khách hàng về sản phẩm.
D. Tối ưu hóa chuỗi cung ứng.
14. Trong lĩnh vực kinh tế, Khoa học dữ liệu có thể ứng dụng để phân tích điều gì?
A. Xu hướng thời trang hiện tại.
B. Hành vi tiêu dùng và dự báo kinh tế vĩ mô.
C. Cấu trúc gen của thực vật.
D. Vòng đời của các loài côn trùng.
15. Khái niệm `Big Data` trong Khoa học dữ liệu kinh doanh đề cập đến điều gì?
A. Dữ liệu có kích thước nhỏ nhưng phức tạp.
B. Dữ liệu có khối lượng lớn, tốc độ tạo ra nhanh, và đa dạng về loại hình.
C. Dữ liệu được lưu trữ trên các thiết bị lớn.
D. Dữ liệu chỉ liên quan đến các công ty lớn.
16. Trong quy trình Khoa học dữ liệu, giai đoạn nào tập trung vào việc làm sạch và chuyển đổi dữ liệu?
A. Thu thập dữ liệu.
B. Chuẩn bị dữ liệu.
C. Phân tích dữ liệu.
D. Triển khai mô hình.
17. Trong Khoa học dữ liệu, `model deployment` (triển khai mô hình) nghĩa là gì?
A. Giai đoạn thu thập dữ liệu.
B. Giai đoạn xây dựng và huấn luyện mô hình.
C. Giai đoạn đưa mô hình vào sử dụng thực tế để giải quyết vấn đề.
D. Giai đoạn đánh giá hiệu suất mô hình.
18. Đâu là một ví dụ về dữ liệu `phi cấu trúc` (unstructured data) trong kinh doanh?
A. Bảng dữ liệu doanh số bán hàng.
B. Cơ sở dữ liệu khách hàng với thông tin cá nhân.
C. Bài đăng trên mạng xã hội và bình luận trực tuyến.
D. Báo cáo tài chính định kỳ.
19. Khái niệm `overfitting` trong học máy (machine learning) mô tả tình huống nào?
A. Mô hình hoạt động quá chậm.
B. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới.
C. Mô hình không học được gì từ dữ liệu.
D. Mô hình bị thiếu dữ liệu huấn luyện.
20. Đâu là một ví dụ về ứng dụng Khoa học dữ liệu trong quản lý chuỗi cung ứng?
A. Phân tích hiệu quả chiến dịch quảng cáo.
B. Dự báo nhu cầu hàng hóa và tối ưu hóa tồn kho.
C. Phân tích cảm xúc khách hàng về sản phẩm.
D. Đánh giá rủi ro tín dụng của khách hàng.
21. Trong Khoa học dữ liệu, `data warehouse` (kho dữ liệu) có vai trò gì?
A. Nơi lưu trữ dữ liệu giao dịch trực tuyến.
B. Hệ thống lưu trữ dữ liệu lịch sử, tích hợp từ nhiều nguồn để phân tích và báo cáo.
C. Công cụ trực quan hóa dữ liệu.
D. Phần mềm quản lý cơ sở dữ liệu.
22. Kỹ thuật nào của Khoa học dữ liệu thường được sử dụng để dự báo doanh số bán hàng trong tương lai?
A. Phân tích hồi quy.
B. Phân cụm.
C. Phân tích thành phần chính (PCA).
D. Khai thác luật kết hợp.
23. Trong lĩnh vực tài chính, Khoa học dữ liệu được ứng dụng để phát hiện điều gì?
A. Xu hướng thời trang.
B. Gian lận giao dịch và rủi ro tín dụng.
C. Tình trạng giao thông đô thị.
D. Dự báo thời tiết.
24. Trong bài toán dự báo chuỗi thời gian (time series forecasting), mô hình nào sau đây thường được sử dụng?
A. K-means clustering.
B. Linear Regression.
C. ARIMA (Autoregressive Integrated Moving Average).
D. Support Vector Machines (SVM).
25. Trong bài toán phân loại khách hàng (customer classification), thuật toán nào sau đây thường được sử dụng?
A. K-means clustering.
B. Linear Regression.
C. Support Vector Machines (SVM).
D. Principal Component Analysis (PCA).
26. Kỹ thuật `gradient boosting` là một loại thuật toán học máy thuộc nhóm nào?
A. Thuật toán phân cụm.
B. Thuật toán giảm chiều dữ liệu.
C. Thuật toán ensemble learning (học tập kết hợp).
D. Thuật toán phân tích chuỗi thời gian.
27. Đâu là vai trò chính của Khoa học dữ liệu trong kinh doanh hiện đại?
A. Tăng cường chi tiêu marketing.
B. Cải thiện quy trình ra quyết định dựa trên bằng chứng.
C. Giảm sự phụ thuộc vào ý kiến chuyên gia.
D. Tự động hóa hoàn toàn hoạt động kinh doanh.
28. Đâu là một ví dụ về ứng dụng của Khoa học dữ liệu trong lĩnh vực Marketing?
A. Phân tích thành phần hóa học của sản phẩm.
B. Đo lường mức độ hài lòng của nhân viên.
C. Tối ưu hóa chiến dịch quảng cáo và cá nhân hóa nội dung.
D. Quản lý kho hàng.
29. Đâu là một thách thức về mặt đạo đức khi sử dụng Khoa học dữ liệu trong kinh doanh?
A. Tăng chi phí đầu tư vào công nghệ.
B. Sử dụng dữ liệu cá nhân một cách xâm phạm quyền riêng tư.
C. Khó khăn trong việc tuyển dụng nhân tài.
D. Tốc độ phát triển công nghệ quá nhanh.
30. Phân tích `churn rate` (tỷ lệ khách hàng rời bỏ) là ứng dụng của Khoa học dữ liệu trong lĩnh vực nào?
A. Quản lý chuỗi cung ứng.
B. Quản lý quan hệ khách hàng (CRM).
C. Quản lý rủi ro tài chính.
D. Nghiên cứu và phát triển sản phẩm.
