Đề 5 – Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh

1. Trong ngữ cảnh khoa học dữ liệu và đạo đức kinh doanh, vấn đề `thiên vị dữ liệu′ (Data Bias) có thể dẫn đến hậu quả gì?

A. Tăng tốc độ xử lý dữ liệu

B. Mô hình đưa ra quyết định không công bằng hoặc phân biệt đối xử

C. Giảm chi phí thu thập dữ liệu

D. Cải thiện độ chính xác của mô hình

2. Kỹ thuật nào trong khoa học dữ liệu giúp khám phá các mối quan hệ ẩn giữa các biến số trong một tập dữ liệu lớn, ví dụ như tìm ra các sản phẩm thường được mua cùng nhau?

A. Phân tích hồi quy

B. Phân tích kết hợp (Association Rule Mining)

C. Phân tích chuỗi thời gian

D. Phân tích phương sai

3. Trong mô hình hóa dữ liệu, hiện tượng `quá khớp′ (Overfitting) xảy ra khi nào?

A. Mô hình quá đơn giản so với dữ liệu

B. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới

C. Dữ liệu huấn luyện quá ít

D. Dữ liệu có nhiều giá trị ngoại lệ

4. Thuật ngữ `feature engineering′ trong khoa học dữ liệu dùng để chỉ công đoạn nào?

A. Thu thập dữ liệu từ các nguồn khác nhau

B. Làm sạch và tiền xử lý dữ liệu

C. Lựa chọn và biến đổi các thuộc tính (biến số) đầu vào để cải thiện hiệu suất mô hình

D. Đánh giá và lựa chọn mô hình phù hợp

5. Trong lĩnh vực bán lẻ, khoa học dữ liệu giúp các nhà quản lý đưa ra quyết định về giá sản phẩm như thế nào?

A. Dựa trên cảm tính và kinh nghiệm cá nhân

B. Phân tích dữ liệu lịch sử bán hàng, đối thủ cạnh tranh và yếu tố thị trường để định giá tối ưu

C. Sao chép giá của đối thủ cạnh tranh trực tiếp

D. Áp dụng mức giá cố định cho tất cả sản phẩm

6. Đâu là ví dụ về ứng dụng khoa học dữ liệu trong lĩnh vực nông nghiệp?

A. Dự báo thời tiết

B. Tối ưu hóa lịch trình vận chuyển hàng hóa

C. Phân tích chất lượng đất và dự đoán năng suất cây trồng

D. Quản lý kho hàng tự động

7. Khoa học dữ liệu đóng vai trò quan trọng nhất trong giai đoạn nào của quy trình ra quyết định kinh doanh dựa trên dữ liệu?

A. Thu thập dữ liệu

B. Phân tích dữ liệu và rút trích thông tin

C. Trình bày dữ liệu

D. Triển khai quyết định

8. Khái niệm `Big Data′ đề cập đến đặc điểm nào của dữ liệu?

A. Dữ liệu có cấu trúc phức tạp

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

C. Dữ liệu được thu thập từ nhiều nguồn khác nhau

D. Dữ liệu được lưu trữ trên đám mây

9. Trong khoa học dữ liệu, `dữ liệu đào tạo′ (Training Data) được sử dụng cho mục đích chính nào?

A. Kiểm tra hiệu suất của mô hình

B. Huấn luyện mô hình học máy

C. Trực quan hóa dữ liệu

D. Thu thập dữ liệu mới

10. Trong phân tích rủi ro tín dụng, mô hình nào của khoa học dữ liệu thường được sử dụng để dự đoán khả năng vỡ nợ của khách hàng?

A. Mô hình phân cụm (Clustering Model)

B. Mô hình phân loại (Classification Model)

C. Mô hình hồi quy (Regression Model)

D. Mô hình giảm chiều dữ liệu (Dimensionality Reduction Model)

11. Trong kinh doanh, `trực quan hóa dữ liệu′ (Data Visualization) mang lại lợi ích chính nào?

A. Tăng tốc độ xử lý dữ liệu

B. Giúp con người dễ dàng hiểu và nhận diện thông tin, xu hướng từ dữ liệu

C. Tự động hóa quá trình thu thập dữ liệu

D. Nâng cao độ chính xác của dữ liệu

12. Trong quá trình tiền xử lý dữ liệu, `chuẩn hóa dữ liệu′ (Data Normalization) nhằm mục đích gì?

A. Loại bỏ dữ liệu trùng lặp

B. Chuyển đổi dữ liệu về cùng một thang đo

C. Xử lý dữ liệu bị thiếu

D. Mã hóa dữ liệu dạng văn bản thành số

13. Kỹ thuật `giảm chiều dữ liệu′ (Dimensionality Reduction) trong khoa học dữ liệu giúp giải quyết vấn đề gì?

A. Dữ liệu bị nhiễu

B. Dữ liệu thiếu giá trị

C. Dữ liệu có quá nhiều thuộc tính (biến số)

D. Dữ liệu không cân bằng

14. Trong khoa học dữ liệu, `đạo đức dữ liệu′ (Data Ethics) tập trung vào vấn đề gì?

A. Tối ưu hóa hiệu suất thuật toán

B. Đảm bảo tính bảo mật, công bằng và trách nhiệm trong việc thu thập và sử dụng dữ liệu

C. Lựa chọn công cụ và công nghệ phù hợp

D. Trực quan hóa dữ liệu hiệu quả

15. Khi một mô hình học máy được triển khai vào thực tế, việc `giám sát mô hình′ (Model Monitoring) là quan trọng vì lý do gì?

A. Để giảm chi phí vận hành mô hình

B. Để đảm bảo mô hình tiếp tục hoạt động chính xác và hiệu quả theo thời gian

C. Để tăng tốc độ huấn luyện lại mô hình

D. Để thu thập thêm dữ liệu huấn luyện

16. Trong lĩnh vực Marketing, phân tích RFM (Recency, Frequency, Monetary) được sử dụng để làm gì?

A. Đo lường hiệu quả chiến dịch quảng cáo

B. Phân khúc khách hàng dựa trên hành vi mua hàng

C. Dự đoán xu hướng thị trường

D. Tối ưu hóa giá sản phẩm

17. Đâu là thách thức lớn nhất đối với việc ứng dụng khoa học dữ liệu trong các doanh nghiệp vừa và nhỏ (SMEs) so với các doanh nghiệp lớn?

A. Sự phức tạp của thuật toán

B. Chi phí đầu tư ban đầu và nguồn lực hạn chế

C. Thiếu dữ liệu để phân tích

D. Khả năng tiếp cận công nghệ

18. Trong bối cảnh kinh doanh hiện đại, kỹ năng nào sau đây KHÔNG thuộc về một chuyên gia khoa học dữ liệu?

A. Khả năng lập trình (Python, R)

B. Kiến thức về thống kê và học máy

C. Kỹ năng giao tiếp và trực quan hóa dữ liệu

D. Khả năng thiết kế logo và nhận diện thương hiệu

19. Trong lĩnh vực y tế, ứng dụng khoa học dữ liệu nào có thể giúp cải thiện hiệu quả quản lý bệnh viện?

A. Dự báo doanh số bán hàng

B. Tối ưu hóa lịch trình làm việc của nhân viên y tế và sử dụng giường bệnh

C. Phân tích đối thủ cạnh tranh

D. Quản lý chuỗi cung ứng nguyên vật liệu

20. Phương pháp học máy nào cho phép máy tính học hỏi từ dữ liệu mà không cần được lập trình một cách rõ ràng cho từng tác vụ cụ thể?

A. Lập trình tuyến tính

B. Học máy (Machine Learning)

C. Thống kê mô tả

D. Cơ sở dữ liệu quan hệ

21. Phương pháp phân tích dữ liệu nào thường được sử dụng để dự đoán xu hướng tiêu dùng trong tương lai, hỗ trợ các doanh nghiệp lập kế hoạch sản xuất và marketing?

A. Phân tích mô tả (Descriptive Analytics)

B. Phân tích chẩn đoán (Diagnostic Analytics)

C. Phân tích dự đoán (Predictive Analytics)

D. Phân tích chỉ định (Prescriptive Analytics)

22. Công cụ lập trình nào phổ biến nhất trong khoa học dữ liệu, đặc biệt là trong kinh tế và kinh doanh, nhờ vào thư viện phong phú cho phân tích và trực quan hóa dữ liệu?

A. Java

B. C++

C. Python

D. JavaScript

23. Mục tiêu chính của việc sử dụng khoa học dữ liệu trong quản lý chuỗi cung ứng là gì?

A. Tăng cường tính bảo mật dữ liệu

B. Tối ưu hóa hiệu quả và giảm chi phí hoạt động

C. Nâng cao trải nghiệm khách hàng

D. Mở rộng thị trường quốc tế

24. Đâu là một ví dụ về ứng dụng khoa học dữ liệu trong lĩnh vực du lịch và khách sạn?

A. Dự báo giá cổ phiếu

B. Tối ưu hóa lịch trình bảo trì máy móc

C. Cá nhân hóa trải nghiệm khách hàng và gợi ý điểm đến

D. Quản lý rủi ro thiên tai

25. Ứng dụng nào sau đây KHÔNG phải là ứng dụng phổ biến của khoa học dữ liệu trong lĩnh vực Nhân sự (HR)?

A. Dự đoán tỷ lệ nghỉ việc của nhân viên

B. Tối ưu hóa quy trình tuyển dụng

C. Phân tích hiệu quả chiến dịch marketing

D. Cá nhân hóa lộ trình phát triển nhân viên

26. Trong phân tích dữ liệu văn bản (Text Analytics) ứng dụng trong kinh doanh, kỹ thuật `Sentiment Analysis′ được sử dụng để làm gì?

A. Xác định chủ đề chính của văn bản

B. Phân loại văn bản theo thể loại

C. Đánh giá cảm xúc, thái độ thể hiện trong văn bản

D. Tóm tắt nội dung văn bản

27. Trong bối cảnh kinh doanh trực tuyến, kỹ thuật nào của khoa học dữ liệu giúp các sàn thương mại điện tử cá nhân hóa trải nghiệm người dùng, ví dụ như gợi ý sản phẩm phù hợp?

A. Phân cụm dữ liệu (Clustering)

B. Phân tích hồi quy (Regression Analysis)

C. Hệ thống khuyến nghị (Recommender Systems)

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

28. Trong lĩnh vực tài chính ngân hàng, khoa học dữ liệu được ứng dụng để phát hiện gian lận giao dịch. Kỹ thuật nào thường được sử dụng để xác định các giao dịch bất thường, có dấu hiệu gian lận?

A. Phân tích tương quan (Correlation Analysis)

B. Phát hiện dị thường (Anomaly Detection)

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

D. Phân tích phương sai (ANOVA)

29. Đâu là một ví dụ về dữ liệu `phi cấu trúc′ thường được sử dụng trong khoa học dữ liệu kinh doanh?

A. Dữ liệu giao dịch bán hàng

B. Dữ liệu nhân khẩu học khách hàng

C. Bình luận và đánh giá sản phẩm trực tuyến

D. Thông tin tồn kho

30. Phương pháp đánh giá mô hình phân loại (Classification Model) nào đo lường tỷ lệ dự đoán đúng trên tổng số dự đoán?

A. Độ chính xác (Accuracy)

B. Độ thu hồi (Recall)

C. Độ đo F1 (F1-score)

D. Độ chính xác (Precision)