Đề 10 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

1. Kỹ thuật `feature engineering′ trong khoa học dữ liệu nhằm mục đích gì?

A. Giảm kích thước tập dữ liệu

B. Chọn lọc và biến đổi các thuộc tính (features) dữ liệu để cải thiện hiệu suất mô hình

C. Xử lý dữ liệu bị thiếu

D. Trực quan hóa dữ liệu

2. Mục tiêu chính của việc trực quan hóa dữ liệu (data visualization) trong khoa học dữ liệu là gì?

A. Tăng tốc độ xử lý dữ liệu

B. Giúp con người dễ dàng hiểu và diễn giải dữ liệu

C. Tối ưu hóa lưu trữ dữ liệu

D. Tự động hóa quá trình thu thập dữ liệu

3. Đâu là thách thức lớn nhất khi triển khai khoa học dữ liệu trong các doanh nghiệp nhỏ và vừa (SMEs)?

A. Sự thiếu hụt dữ liệu

B. Chi phí đầu tư ban đầu cao và thiếu nhân lực có kỹ năng

C. Kháng cự thay đổi từ nhân viên

D. Quy định pháp lý phức tạp

4. Trong lĩnh vực kinh tế vĩ mô, khoa học dữ liệu có thể được ứng dụng để làm gì?

A. Dự báo tăng trưởng GDP và lạm phát

B. Quản lý chuỗi cung ứng toàn cầu

C. Phân tích hành vi người tiêu dùng cá nhân

D. Tối ưu hóa chiến lược marketing số

5. Mô hình `Decision Tree′ (Cây quyết định) hoạt động dựa trên nguyên tắc nào?

A. Tìm kiếm hyperplane tối ưu để phân tách dữ liệu

B. Chia dữ liệu thành các nhánh dựa trên các quy tắc quyết định

C. Tính toán khoảng cách giữa các điểm dữ liệu

D. Phân tích tần suất xuất hiện của các từ khóa trong văn bản

6. Trong khoa học dữ liệu, `bias′ (thiên vị) trong dữ liệu huấn luyện có thể dẫn đến hậu quả gì?

A. Mô hình hoạt động nhanh hơn

B. Kết quả phân tích không công bằng hoặc không chính xác

C. Giảm thiểu overfitting

D. Tăng độ chính xác của mô hình trên dữ liệu huấn luyện

7. Đâu KHÔNG phải là một công cụ hoặc ngôn ngữ lập trình phổ biến trong khoa học dữ liệu?

A. Python

B. R

C. SQL

D. Microsoft Word

8. Đạo đức trong khoa học dữ liệu kinh doanh đề cập đến vấn đề gì?

A. Sử dụng dữ liệu một cách có trách nhiệm và bảo vệ quyền riêng tư của người dùng

B. Tối ưu hóa lợi nhuận doanh nghiệp bằng mọi giá

C. Sử dụng dữ liệu cạnh tranh để vượt mặt đối thủ

D. Tự động hóa hoàn toàn quy trình ra quyết định kinh doanh

9. Thuật toán `Random Forest′ thuộc loại mô hình học máy nào?

A. Mô hình hồi quy tuyến tính

B. Mô hình phân loại và hồi quy dựa trên cây quyết định

C. Mô hình phân cụm

D. Mô hình mạng nơ-ron

10. Kỹ thuật nào sau đây KHÔNG phải là một phần cốt lõi của khoa học dữ liệu?

A. Học máy (Machine Learning)

B. Thống kê suy diễn

C. Khai thác dữ liệu (Data Mining)

D. Kế toán tài chính

11. Phương pháp nào sau đây thường được sử dụng để xử lý dữ liệu bị thiếu (missing data) trong khoa học dữ liệu?

A. Chuẩn hóa dữ liệu

B. Imputation (ước lượng giá trị)

C. Giảm chiều dữ liệu

D. Phân tích hồi quy

12. Trong quá trình xây dựng mô hình học máy, `overfitting′ đề cập đến vấn đề gì?

A. Mô hình quá phức tạp và hoạt động kém trên dữ liệu mới

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

C. Dữ liệu huấn luyện chứa quá nhiều lỗi

D. Thiếu dữ liệu huấn luyện

13. Trong lĩnh vực marketing, khoa học dữ liệu có thể giúp doanh nghiệp cải thiện chiến dịch quảng cáo như thế nào?

A. Giảm chi phí sản xuất sản phẩm

B. Nhắm mục tiêu quảng cáo chính xác hơn đến đối tượng khách hàng tiềm năng

C. Tăng cường bảo mật dữ liệu khách hàng

D. Tối ưu hóa quy trình bán hàng trực tuyến

14. Kỹ thuật `dimensionality reduction′ (giảm chiều dữ liệu) được sử dụng khi nào?

A. Khi dữ liệu có quá nhiều thuộc tính (features) và gây khó khăn cho việc phân tích

B. Khi dữ liệu bị thiếu giá trị

C. Khi cần tăng độ chính xác của mô hình

D. Khi cần trực quan hóa dữ liệu

15. Điều gì KHÔNG phải là một ứng dụng phổ biến của xử lý ngôn ngữ tự nhiên (NLP) trong kinh doanh?

A. Phân tích cảm xúc khách hàng từ bình luận trực tuyến

B. Dịch văn bản tự động

C. Dự báo giá cổ phiếu

D. Chatbot hỗ trợ khách hàng

16. Đâu là một ví dụ về ứng dụng của khoa học dữ liệu trong quản lý chuỗi cung ứng?

A. Phân tích SWOT

B. Dự báo nhu cầu và tối ưu hóa tồn kho

C. Kế toán quản trị

D. Quản lý quan hệ khách hàng (CRM)

17. Phương pháp `cross-validation′ (kiểm định chéo) được sử dụng để làm gì trong học máy?

A. Tăng kích thước tập dữ liệu huấn luyện

B. Đánh giá độ tin cậy của mô hình và giảm thiểu overfitting

C. Chuẩn hóa dữ liệu

D. Chọn lọc thuộc tính quan trọng nhất

18. Mục đích của việc chia dữ liệu thành tập huấn luyện (training set) và tập kiểm thử (testing set) là gì?

A. Tăng tốc độ huấn luyện mô hình

B. Đánh giá hiệu suất của mô hình trên dữ liệu mới, chưa từng thấy

C. Giảm dung lượng lưu trữ dữ liệu

D. Cải thiện khả năng trực quan hóa dữ liệu

19. Trong khoa học dữ liệu, `confusion matrix′ (ma trận nhầm lẫn) được sử dụng để làm gì?

A. Trực quan hóa dữ liệu đa chiều

B. Đánh giá chi tiết hiệu suất của mô hình phân loại

C. Phân tích mối tương quan giữa các thuộc tính

D. Xử lý dữ liệu ngoại lai (outliers)

20. Trong phân khúc khách hàng, thuật toán K-means clustering được sử dụng để làm gì?

A. Dự đoán hành vi mua hàng của khách hàng

B. Phân nhóm khách hàng thành các nhóm dựa trên đặc điểm tương đồng

C. Đánh giá mức độ hài lòng của khách hàng

D. Xác định khách hàng tiềm năng

21. Trong kinh doanh, ứng dụng nào của khoa học dữ liệu giúp doanh nghiệp dự đoán nhu cầu sản phẩm trong tương lai?

A. Phân tích rủi ro tín dụng

B. Dự báo chuỗi thời gian

C. Phân khúc khách hàng

D. Tối ưu hóa chuỗi cung ứng

22. Trong phân tích dữ liệu lớn (Big Data Analytics), `Volume′, `Velocity′, và `Variety′ là gì?

A. Các loại thuật toán học máy phổ biến

B. Ba yếu tố đặc trưng của dữ liệu lớn (3Vs)

C. Các bước trong quy trình phân tích dữ liệu

D. Các chỉ số đánh giá hiệu suất mô hình

23. Khoa học dữ liệu trong kinh tế và kinh doanh chủ yếu tập trung vào điều gì?

A. Thu thập và phân tích dữ liệu để đưa ra quyết định kinh doanh và kinh tế.

B. Phát triển phần mềm quản lý cơ sở dữ liệu cho doanh nghiệp.

C. Nghiên cứu các mô hình kinh tế vĩ mô truyền thống.

D. Xây dựng chiến lược marketing và quảng bá sản phẩm.

24. Lợi ích chính của việc sử dụng khoa học dữ liệu trong quản lý rủi ro tài chính là gì?

A. Tăng cường sự hài lòng của khách hàng

B. Cải thiện độ chính xác và tốc độ đánh giá rủi ro

C. Giảm chi phí marketing

D. Nâng cao năng suất lao động

25. Vai trò của một `Data Scientist′ trong doanh nghiệp là gì?

A. Quản lý hệ thống mạng và cơ sở hạ tầng IT

B. Thu thập, phân tích dữ liệu và đưa ra các insight hỗ trợ quyết định kinh doanh

C. Phát triển chiến lược marketing và bán hàng

D. Quản lý tài chính và kế toán của doanh nghiệp

26. Trong bối cảnh kinh doanh trực tuyến (online business), khoa học dữ liệu được sử dụng để cá nhân hóa trải nghiệm người dùng như thế nào?

A. Cải thiện tốc độ tải trang web

B. Đề xuất sản phẩm và nội dung phù hợp với từng người dùng

C. Tăng cường bảo mật thông tin cá nhân

D. Tối ưu hóa chi phí quảng cáo trực tuyến

27. Đâu là một ứng dụng của khoa học dữ liệu trong lĩnh vực tài chính ngân hàng?

A. Quản lý kho hàng

B. Phát hiện gian lận giao dịch

C. Tối ưu hóa lịch trình sản xuất

D. Phân tích đối thủ cạnh tranh trong ngành bán lẻ

28. Trong khoa học dữ liệu, `accuracy′ (độ chính xác) là gì?

A. Tốc độ xử lý dữ liệu của mô hình

B. Tỷ lệ dự đoán đúng trên tổng số dự đoán

C. Lượng dữ liệu mà mô hình có thể xử lý

D. Khả năng trực quan hóa dữ liệu của mô hình

29. Ứng dụng nào sau đây KHÔNG thuộc về lĩnh vực khoa học dữ liệu trong kinh doanh?

A. Phân tích và dự báo thị trường chứng khoán

B. Thiết kế cầu đường

C. Phân tích hành vi khách hàng trên website thương mại điện tử

D. Tối ưu hóa giá sản phẩm

30. Đâu là một ví dụ về dữ liệu phi cấu trúc (unstructured data) thường được sử dụng trong khoa học dữ liệu kinh doanh?

A. Dữ liệu giao dịch bán hàng

B. Bảng lương nhân viên

C. Bài đăng trên mạng xã hội

D. Hồ sơ khách hàng trong CRM