Đề 6 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

1. Trong quá trình xây dựng mô hình học máy, `overfitting′ (quá khớp) xảy ra khi nào?

A. Mô hình quá phức tạp và học thuộc dữ liệu huấn luyện.

B. Mô hình quá đơn giản và không nắm bắt được mẫu hình dữ liệu.

C. Dữ liệu huấn luyện bị thiếu thông tin.

D. Thuật toán học máy không phù hợp.

2. Khi triển khai mô hình khoa học dữ liệu vào thực tế kinh doanh, giai đoạn `deployment′ (triển khai) bao gồm những hoạt động chính nào?

A. Thu thập và tiền xử lý dữ liệu.

B. Huấn luyện và đánh giá mô hình.

C. Tích hợp mô hình vào hệ thống và quy trình kinh doanh thực tế.

D. Phân tích kết quả và rút ra bài học.

3. Khi xây dựng một mô hình dự đoán rủi ro tín dụng, loại lỗi nào quan trọng hơn cần tránh: `false positive′ (dự đoán sai là có rủi ro) hay `false negative′ (dự đoán sai là không có rủi ro)?

A. False positive quan trọng hơn.

B. False negative quan trọng hơn.

C. Cả hai loại lỗi đều có tầm quan trọng như nhau.

D. Tùy thuộc vào thuật toán sử dụng.

4. Trong phân tích chuỗi thời gian (time series analysis), phương pháp ARIMA thường được sử dụng để làm gì?

A. Phân cụm dữ liệu chuỗi thời gian.

B. Dự báo các giá trị tương lai trong chuỗi thời gian.

C. Phân tích thành phần chính của chuỗi thời gian.

D. Phân tích cảm xúc từ dữ liệu chuỗi thời gian.

5. Trong lĩnh vực tài chính, khoa học dữ liệu có thể hỗ trợ phát hiện gian lận bằng cách nào?

A. Tăng cường kiểm soát nội bộ.

B. Phân tích các giao dịch bất thường và mẫu hình đáng ngờ.

C. Cải thiện hệ thống báo cáo tài chính.

D. Nâng cao nhận thức về rủi ro cho nhân viên.

6. Trong khoa học dữ liệu, `dữ liệu sạch′ (clean data) có vai trò quan trọng như thế nào?

A. Giảm chi phí lưu trữ dữ liệu.

B. Đảm bảo tính chính xác và tin cậy của kết quả phân tích.

C. Tăng tốc độ thu thập dữ liệu.

D. Đơn giản hóa quá trình trực quan hóa dữ liệu.

7. Kỹ thuật `phân cụm′ (clustering) thường được ứng dụng trong kinh doanh để làm gì?

A. Dự đoán rủi ro tín dụng cá nhân.

B. Phân nhóm khách hàng dựa trên hành vi mua sắm.

C. Tối ưu hóa chuỗi cung ứng.

D. Phát hiện gian lận tài chính.

8. Khi nào thì việc sử dụng `deep learning′ (học sâu) trở nên đặc biệt hữu ích trong kinh doanh?

A. Khi dữ liệu có kích thước nhỏ.

B. Khi vấn đề có cấu trúc đơn giản.

C. Khi có lượng lớn dữ liệu phức tạp và phi cấu trúc (ví dụ: hình ảnh, văn bản, âm thanh).

D. Khi cần giải thích kết quả mô hình một cách dễ dàng.

9. Trong việc đánh giá mô hình phân loại, `confusion matrix′ (ma trận nhầm lẫn) được sử dụng để làm gì?

A. Đo lường thời gian huấn luyện mô hình.

B. Đánh giá chi phí tính toán của mô hình.

C. Hiển thị chi tiết các dự đoán đúng và sai của mô hình.

D. Xác định độ phức tạp của mô hình.

10. Trong khoa học dữ liệu, `feature engineering′ (kỹ thuật tạo đặc trưng) là gì?

A. Quá trình chọn thuật toán học máy phù hợp.

B. Quá trình chuyển đổi dữ liệu thô thành các đặc trưng hữu ích cho mô hình.

C. Quá trình đánh giá hiệu suất của mô hình.

D. Quá trình thu thập dữ liệu từ nhiều nguồn khác nhau.

11. Đạo đức trong khoa học dữ liệu (data ethics) đặc biệt quan trọng trong kinh doanh vì lý do nào?

A. Để tuân thủ các quy định pháp luật về dữ liệu.

B. Để duy trì lòng tin của khách hàng và tránh gây tổn hại.

C. Để tối ưu hóa hiệu quả kinh doanh trong dài hạn.

D. Tất cả các đáp án trên.

12. Trong khoa học dữ liệu, `bias′ (độ lệch) có thể xuất hiện từ đâu và gây ra hậu quả gì trong kinh doanh?

A. Chỉ xuất hiện từ dữ liệu thu thập không chính xác và không ảnh hưởng đến kinh doanh.

B. Có thể xuất hiện từ dữ liệu huấn luyện, thuật toán, hoặc quá trình thu thập dữ liệu, dẫn đến quyết định không công bằng hoặc kém hiệu quả.

C. Chỉ xuất hiện từ thuật toán học máy và có thể dễ dàng loại bỏ.

D. Chỉ xuất hiện khi sử dụng dữ liệu lớn và không thể kiểm soát.

13. Công cụ lập trình nào phổ biến nhất trong khoa học dữ liệu, đặc biệt là trong kinh tế và kinh doanh?

A. Java.

B. C++.

C. Python.

D. JavaScript.

14. Khi phân tích dữ liệu lớn (Big Data) trong kinh doanh, yếu tố `Volume′ đề cập đến điều gì?

A. Độ chính xác của dữ liệu.

B. Tốc độ tạo ra dữ liệu.

C. Khối lượng dữ liệu khổng lồ.

D. Sự đa dạng của các loại dữ liệu.

15. Trong khoa học dữ liệu, `dimensionality reduction′ (giảm chiều dữ liệu) có mục đích chính là gì?

A. Tăng kích thước dữ liệu để chứa nhiều thông tin hơn.

B. Giảm số lượng biến đầu vào (features) để đơn giản hóa mô hình và tránh `lời nguyền chiều cao′.

C. Tăng độ chính xác của dữ liệu.

D. Cải thiện khả năng trực quan hóa dữ liệu nhiều chiều.

16. Đâu là một ví dụ về dữ liệu `phi cấu trúc′ (unstructured data) thường gặp trong kinh doanh?

A. Dữ liệu giao dịch bán hàng.

B. Bảng lương nhân viên.

C. Bài đăng trên mạng xã hội.

D. Thông tin sản phẩm trong cơ sở dữ liệu.

17. Ứng dụng khoa học dữ liệu trong quản lý nhân sự (HR analytics) có thể giúp doanh nghiệp làm gì?

A. Tự động hóa hoàn toàn quy trình tuyển dụng.

B. Dự đoán tỷ lệ nhân viên nghỉ việc và cải thiện giữ chân nhân tài.

C. Thay thế hoàn toàn vai trò của chuyên gia nhân sự.

D. Giảm chi phí đào tạo nhân viên mới.

18. Đâu là thách thức lớn nhất khi ứng dụng Khoa học Dữ liệu vào lĩnh vực kinh tế và kinh doanh?

A. Chi phí đầu tư phần mềm phân tích.

B. Sự thiếu hụt nhân lực có kỹ năng phân tích dữ liệu.

C. Khả năng bảo mật dữ liệu.

D. Tất cả các đáp án trên.

19. Trong khoa học dữ liệu, `ensemble methods′ (phương pháp kết hợp) như Random Forest và Gradient Boosting hoạt động dựa trên nguyên tắc nào?

A. Sử dụng một mô hình duy nhất mạnh mẽ.

B. Kết hợp dự đoán của nhiều mô hình yếu hơn để tạo ra một mô hình mạnh hơn.

C. Giảm chiều dữ liệu trước khi huấn luyện mô hình.

D. Tăng cường độ phức tạp của từng mô hình riêng lẻ.

20. Phương pháp `học tăng cường′ (reinforcement learning) có thể được ứng dụng trong kinh doanh để làm gì?

A. Phân tích rủi ro thị trường.

B. Xây dựng hệ thống khuyến nghị sản phẩm.

C. Tối ưu hóa chiến lược giá động.

D. Dự báo xu hướng tiêu dùng.

21. Ứng dụng nào sau đây KHÔNG phải là ứng dụng của khoa học dữ liệu trong quản lý chuỗi cung ứng?

A. Dự báo nhu cầu sản phẩm.

B. Tối ưu hóa lộ trình vận chuyển.

C. Tự động hóa quy trình sản xuất.

D. Quản lý tồn kho hiệu quả hơn.

22. Trong khoa học dữ liệu, `mô hình hộp đen′ (black box model) là gì và nhược điểm chính của nó là gì?

A. Mô hình dễ dàng giải thích và có độ chính xác cao.

B. Mô hình có khả năng xử lý dữ liệu lớn nhưng khó giải thích cơ chế hoạt động bên trong.

C. Mô hình chỉ hoạt động tốt với dữ liệu cấu trúc.

D. Mô hình không thể áp dụng trong kinh doanh.

23. Phương pháp `A∕B testing′ được sử dụng trong kinh doanh để làm gì, liên quan đến khoa học dữ liệu?

A. Dự báo doanh số bán hàng.

B. Phân tích phân khúc khách hàng.

C. So sánh hiệu quả của hai phiên bản khác nhau của một yếu tố kinh doanh (ví dụ: trang web, quảng cáo).

D. Tối ưu hóa chuỗi cung ứng.

24. Trong marketing, khoa học dữ liệu giúp cá nhân hóa trải nghiệm khách hàng bằng cách nào?

A. Tạo ra các quảng cáo đại trà hiệu quả hơn.

B. Phân tích dữ liệu hành vi để đề xuất sản phẩm phù hợp.

C. Giảm chi phí nghiên cứu thị trường.

D. Tăng cường sự tương tác trên mạng xã hội.

25. Phương pháp phân tích dữ liệu nào thường được sử dụng để dự báo doanh số bán hàng trong tương lai dựa trên dữ liệu lịch sử?

A. Phân tích hồi quy.

B. Phân tích phân cụm.

C. Phân tích thành phần chính.

D. Phân tích cảm xúc.

26. Trong phân tích dữ liệu văn bản (text mining) ứng dụng trong kinh doanh, `phân tích cảm xúc′ (sentiment analysis) nhằm mục đích gì?

A. Xác định chủ đề chính của văn bản.

B. Đánh giá thái độ và cảm xúc của người viết trong văn bản.

C. Phân loại văn bản theo thể loại.

D. Tóm tắt nội dung chính của văn bản.

27. Đâu là lợi ích chính của việc sử dụng trực quan hóa dữ liệu (data visualization) trong kinh doanh?

A. Tăng tốc độ xử lý dữ liệu.

B. Giúp nhận diện mẫu hình và xu hướng dữ liệu một cách trực quan.

C. Giảm dung lượng lưu trữ dữ liệu.

D. Tự động hóa quá trình phân tích dữ liệu.

28. Khái niệm `data governance′ (quản trị dữ liệu) trong doanh nghiệp bao gồm những hoạt động nào?

A. Chỉ tập trung vào bảo mật dữ liệu.

B. Chỉ tập trung vào chất lượng dữ liệu.

C. Các quy trình và chính sách quản lý toàn bộ vòng đời dữ liệu, từ thu thập đến sử dụng và hủy bỏ.

D. Chỉ tập trung vào trực quan hóa dữ liệu.

29. Trong bối cảnh kinh doanh hiện đại, vai trò chính của Khoa học Dữ liệu là gì?

A. Tối ưu hóa chi phí hoạt động.

B. Cải thiện quy trình sản xuất.

C. Hỗ trợ ra quyết định dựa trên dữ liệu.

D. Tăng cường quảng bá thương hiệu.

30. Mô hình `cây quyết định′ (decision tree) được sử dụng trong kinh doanh để làm gì?

A. Dự báo giá cổ phiếu.

B. Phân loại khách hàng tiềm năng.

C. Tối ưu hóa lịch trình sản xuất.

D. Phân tích độ hài lòng của nhân viên.