Đề thi, bài tập trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh – Đề 3

1. Đánh giá nào sau đây KHÔNG phải là một thước đo phổ biến để đánh giá mô hình phân loại (Classification) trong Machine Learning?

A. Độ chính xác (Accuracy).

B. Độ đo F1 (F1-Score).

C. Giá trị trung bình tuyệt đối (Mean Absolute Error - MAE).

D. Ma trận nhầm lẫn (Confusion Matrix).

2. Trong lĩnh vực nhân sự (HR), Khoa học dữ liệu có thể được sử dụng để làm gì?

A. Dự báo thời tiết cho văn phòng.

B. Phân tích hiệu suất nhân viên và dự đoán tỷ lệ nghỉ việc.

C. Pha chế đồ uống cho nhân viên.

D. Thiết kế nội thất văn phòng.

3. Điều gì KHÔNG phải là một giai đoạn điển hình trong quy trình Khoa học dữ liệu?

A. Thu thập và làm sạch dữ liệu.

B. Xây dựng và đánh giá mô hình.

C. Triển khai và giám sát mô hình.

D. In dữ liệu ra giấy và gửi qua đường bưu điện.

4. Kỹ thuật nào của Khoa học dữ liệu thường được sử dụng để phân nhóm khách hàng dựa trên hành vi mua sắm?

A. Phân tích hồi quy.

B. Phân tích chuỗi thời gian.

C. Phân cụm (Clustering).

D. Kiểm định giả thuyết.

5. Điều gì phân biệt 'Machine Learning' với 'Thống kê' truyền thống?

A. Machine Learning tập trung vào mô tả dữ liệu, trong khi Thống kê tập trung vào dự đoán.

B. Machine Learning thường xử lý dữ liệu nhỏ, trong khi Thống kê xử lý dữ liệu lớn.

C. Machine Learning nhấn mạnh vào dự đoán và tự động hóa, trong khi Thống kê truyền thống tập trung vào suy luận và giải thích.

D. Không có sự khác biệt đáng kể giữa Machine Learning và Thống kê truyền thống.

6. Lợi ích chính của việc sử dụng trực quan hóa dữ liệu (data visualization) trong kinh doanh là gì?

A. Tăng độ phức tạp của báo cáo dữ liệu.

B. Giảm sự cần thiết phải phân tích dữ liệu.

C. Giúp dễ dàng nhận diện xu hướng, mẫu hình và thông tin chi tiết từ dữ liệu.

D. Hạn chế khả năng chia sẻ thông tin dữ liệu.

7. Trong lĩnh vực tài chính, ứng dụng của Khoa học dữ liệu KHÔNG bao gồm:

A. Phát hiện gian lận giao dịch.

B. Đánh giá rủi ro tín dụng.

C. Tối ưu hóa danh mục đầu tư.

D. Dự báo thời tiết hàng ngày.

8. Đâu là một thách thức đạo đức quan trọng khi sử dụng Khoa học dữ liệu trong kinh doanh?

A. Tăng cường tính minh bạch trong quyết định kinh doanh.

B. Đảm bảo quyền riêng tư và bảo mật dữ liệu cá nhân của khách hàng.

C. Giảm chi phí lưu trữ và xử lý dữ liệu.

D. Tăng cường khả năng tùy biến sản phẩm và dịch vụ.

9. Trong Khoa học dữ liệu, 'cross-validation' (kiểm định chéo) được sử dụng để làm gì?

A. Tăng kích thước tập dữ liệu huấn luyện.

B. Ước lượng độ tin cậy của mô hình và tối ưu hóa siêu tham số.

C. Giảm độ phức tạp của mô hình.

D. Triển khai mô hình vào môi trường sản xuất nhanh hơn.

10. Khái niệm 'Data Warehouse' trong Khoa học dữ liệu dùng để chỉ:

A. Một loại cơ sở dữ liệu dùng để lưu trữ dữ liệu giao dịch trực tuyến.

B. Hệ thống lưu trữ dữ liệu tích hợp từ nhiều nguồn khác nhau, được tối ưu hóa cho phân tích và báo cáo.

C. Một công cụ trực quan hóa dữ liệu thời gian thực.

D. Một thuật toán học máy để xử lý dữ liệu phi cấu trúc.

11. Phương pháp giảm chiều dữ liệu (dimensionality reduction) nào thường được sử dụng để giữ lại các thành phần chính giải thích phương sai lớn nhất trong dữ liệu?

A. Phân tích hồi quy (Regression Analysis).

B. Phân tích thành phần chính (Principal Component Analysis - PCA).

C. Phân tích cụm (Clustering).

D. Phân tích chuỗi thời gian (Time Series Analysis).

12. Trong mô hình hóa dữ liệu, 'feature engineering' đề cập đến quá trình nào?

A. Chọn thuật toán học máy phù hợp nhất.

B. Chuẩn bị và biến đổi dữ liệu thô thành các đặc trưng (features) phù hợp cho mô hình.

C. Đánh giá hiệu suất của mô hình sau khi huấn luyện.

D. Triển khai mô hình vào môi trường sản xuất.

13. Ứng dụng nào sau đây KHÔNG phải là ứng dụng phổ biến của Khoa học dữ liệu trong Marketing?

A. Phân tích sentiment của khách hàng trên mạng xã hội.

B. Dự báo nhu cầu nhân lực cho bộ phận sản xuất.

C. Cá nhân hóa trải nghiệm khách hàng trên website.

D. Đề xuất sản phẩm cho khách hàng dựa trên lịch sử mua hàng.

14. Trong bối cảnh kinh tế, Khoa học dữ liệu có thể được ứng dụng để phân tích và dự báo điều gì?

A. Thời tiết trong tương lai.

B. Xu hướng thị trường chứng khoán và biến động kinh tế vĩ mô.

C. Cấu trúc gen của con người.

D. Vị trí các ngôi sao trên bầu trời.

15. Trong Khoa học dữ liệu, 'Overfitting' xảy ra khi nào?

A. Mô hình quá đơn giản và không nắm bắt được các mẫu trong dữ liệu.

B. Mô hình hoạt động tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới.

C. Mô hình hoạt động kém trên cả dữ liệu huấn luyện và dữ liệu mới.

D. Mô hình được huấn luyện quá nhanh và không hội tụ.

16. Mục tiêu chính của việc sử dụng mô hình dự báo chuỗi thời gian trong kinh tế là gì?

A. Phân tích dữ liệu hiện tại để hiểu rõ xu hướng quá khứ.

B. Dự đoán các giá trị tương lai dựa trên dữ liệu quá khứ theo thời gian.

C. Xác định mối quan hệ nhân quả giữa các biến kinh tế.

D. Tối ưu hóa hiệu quả hoạt động hiện tại của doanh nghiệp.

17. Trong quá trình tiền xử lý dữ liệu, 'missing values' (giá trị bị thiếu) thường được xử lý bằng cách nào?

A. Tăng số lượng dữ liệu.

B. Bỏ qua các dòng hoặc cột chứa giá trị bị thiếu, hoặc điền giá trị thay thế (imputation).

C. Chuyển đổi dữ liệu sang định dạng hình ảnh.

D. Sử dụng dữ liệu bị thiếu trực tiếp trong mô hình học máy.

18. Phương pháp nào sau đây KHÔNG thuộc về các kỹ thuật khai thác dữ liệu (Data Mining) trong kinh doanh?

A. Phân tích tương quan (Correlation Analysis).

B. Phân tích phương sai (ANOVA).

C. Phân tích hồi quy (Regression Analysis).

D. Phân tích thành phần chính (Principal Component Analysis).

19. Khái niệm 'Feature scaling' (tỷ lệ hóa đặc trưng) trong Machine Learning quan trọng vì sao?

A. Để tăng kích thước dữ liệu.

B. Để đảm bảo các đặc trưng có cùng phạm vi giá trị, giúp các thuật toán hoạt động hiệu quả hơn.

C. Để mã hóa dữ liệu văn bản thành số.

D. Để giảm số lượng đặc trưng trong dữ liệu.

20. Trong bối cảnh kinh doanh, 'Big Data' đề cập đến điều gì?

A. Dữ liệu có kích thước nhỏ và dễ quản lý.

B. Dữ liệu có cấu trúc rõ ràng và dễ dàng truy cập.

C. Dữ liệu có khối lượng lớn, tốc độ tạo ra nhanh, và đa dạng về loại hình.

D. Dữ liệu chỉ bao gồm thông tin số từ các giao dịch tài chính.

21. Trong mô hình hóa dữ liệu, 'Bias-Variance tradeoff' đề cập đến sự cân bằng giữa:

A. Độ chính xác và độ bao phủ của dữ liệu.

B. Sai số hệ thống (Bias) và phương sai (Variance) của mô hình.

C. Thời gian huấn luyện và độ phức tạp của mô hình.

D. Chi phí thu thập dữ liệu và lợi ích từ mô hình.

22. Trong bối cảnh kinh doanh trực tuyến (E-commerce), Khoa học dữ liệu giúp tối ưu hóa trải nghiệm người dùng thông qua ứng dụng nào?

A. Dự báo thời tiết cho khu vực giao hàng.

B. Hệ thống đề xuất sản phẩm cá nhân hóa.

C. Phân tích thành phần hóa học của sản phẩm.

D. Đo lường độ pH của nước uống.

23. Trong phân tích dữ liệu văn bản (text data), kỹ thuật 'Sentiment Analysis' (phân tích cảm xúc) nhằm mục đích gì?

A. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.

B. Xác định cảm xúc (tích cực, tiêu cực, trung lập) được thể hiện trong văn bản.

C. Tóm tắt nội dung chính của văn bản.

D. Phát hiện lỗi chính tả và ngữ pháp trong văn bản.

24. Công cụ lập trình nào được sử dụng rộng rãi nhất trong Khoa học dữ liệu, đặc biệt trong lĩnh vực kinh tế và kinh doanh?

A. Java.

B. C++.

C. Python.

D. Swift.

25. Kỹ thuật nào của Khoa học dữ liệu giúp xác định các quy luật kết hợp (association rules) giữa các sản phẩm mà khách hàng thường mua cùng nhau?

A. Phân tích hồi quy tuyến tính.

B. Phân tích luật kết hợp (Association Rule Mining).

C. Phân tích thành phần chính.

D. Phân tích chuỗi thời gian ARIMA.

26. Mô hình học máy nào thường được sử dụng để dự đoán khả năng khách hàng rời bỏ dịch vụ (churn prediction)?

A. K-Means Clustering.

B. Phân tích luật kết hợp.

C. Logistic Regression hoặc Decision Trees.

D. Phân tích thành phần chính.

27. Đâu là một ví dụ về dữ liệu 'phi cấu trúc' (unstructured data) trong kinh doanh?

A. Bảng dữ liệu bán hàng với các cột như 'Mã sản phẩm', 'Số lượng', 'Giá'.

B. Cơ sở dữ liệu quan hệ (Relational Database) chứa thông tin khách hàng.

C. Bài đăng trên mạng xã hội (Social Media posts) chứa văn bản và hình ảnh.

D. Bảng cân đối kế toán của doanh nghiệp.

28. Ứng dụng nào của Khoa học dữ liệu giúp doanh nghiệp hiểu rõ hơn về 'Customer Lifetime Value' (CLTV)?

A. Phân tích rủi ro tín dụng.

B. Dự báo doanh số bán hàng.

C. Phân tích hành vi khách hàng và dự đoán giá trị khách hàng trọn đời.

D. Tối ưu hóa chuỗi cung ứng.

29. Đâu là vai trò chính của Khoa học dữ liệu trong lĩnh vực kinh tế và kinh doanh?

A. Tăng cường chi phí hoạt động.

B. Cung cấp thông tin chi tiết và hỗ trợ quyết định dựa trên dữ liệu.

C. Giảm sự phụ thuộc vào dữ liệu.

D. Hạn chế khả năng mở rộng thị trường.

30. Khi xây dựng mô hình học máy, việc chia dữ liệu thành tập huấn luyện (training set) và tập kiểm tra (test set) nhằm mục đích gì?

A. Tăng kích thước dữ liệu huấn luyện.

B. Đánh giá khả năng tổng quát hóa (generalization) của mô hình trên dữ liệu mới.

C. Đảm bảo tính bảo mật của dữ liệu.

D. Giảm thời gian huấn luyện mô hình.