Trang chủ
Trắc nghiệm
Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh
Bộ 10 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Quay lại danh mục Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Bộ 10 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Thời gian còn lại: --:--

Kết quả của bạn:

Bạn đã đúng:

Bạn đã sai:

Tổng số câu:

Câu 1: Trong mô hình 4Vs của Big Data, đặc trưng 'Variety' (Sự đa dạng) phản ánh điều gì trong bối cảnh kinh doanh?

A. Sự kết hợp giữa dữ liệu có cấu trúc, bán cấu trúc và phi cấu trúc từ nhiều nguồn khác nhau
B. Tốc độ dữ liệu được tạo ra và luân chuyển trong quy trình vận hành doanh nghiệp
C. Tổng dung lượng dữ liệu mà doanh nghiệp cần lưu trữ trong các trung tâm dữ liệu
D. Tính trung thực và độ tin cậy của dữ liệu dùng cho việc ra quyết định chiến lược

💡 Lời giải chi tiết:

Theo định nghĩa phổ biến về Big Data, Variety đề cập đến sự phong phú về định dạng dữ liệu như văn bản, hình ảnh, video và dữ liệu bảng. Kết luận Lý giải Sự kết hợp giữa dữ liệu có cấu trúc, bán cấu trúc và phi cấu trúc từ nhiều nguồn khác nhau

Câu 2: Thuật toán nào sau đây thuộc nhóm 'Học có giám sát' (Supervised Learning) thường được dùng để dự báo giá bất động sản?

A. K-means Clustering
B. Phân tích thành phần chính (PCA)
C. Hồi quy tuyến tính (Linear Regression)
D. Luật kết hợp (Association Rules)

💡 Lời giải chi tiết:

Hồi quy tuyến tính là phương pháp học có giám sát phổ biến để dự báo một giá trị liên tục dựa trên các biến đầu vào đã biết nhãn. Kết luận Lý giải Hồi quy tuyến tính (Linear Regression)

Câu 3: Trong phân tích dữ liệu khách hàng, 'Customer Churn' đề cập đến khái niệm nào?

A. Tỷ lệ khách hàng ngừng sử dụng dịch vụ hoặc sản phẩm của doanh nghiệp
B. Tổng giá trị lợi nhuận mà một khách hàng mang lại trong suốt vòng đời
C. Quá trình phân loại khách hàng thành các nhóm có đặc điểm tương đồng
D. Mức độ hài lòng của khách hàng sau khi trải nghiệm dịch vụ chăm sóc

💡 Lời giải chi tiết:

Theo phân tích hành vi khách hàng, Churn rate là chỉ số đo lường tỷ lệ khách hàng rời bỏ doanh nghiệp trong một khoảng thời gian nhất định. Kết luận Lý giải Tỷ lệ khách hàng ngừng sử dụng dịch vụ hoặc sản phẩm của doanh nghiệp

Câu 4: Mục đích chính của phương pháp A/B Testing trong thương mại điện tử là gì?

A. So sánh hai phiên bản của một thành phần để xác định phiên bản nào mang lại hiệu quả chuyển đổi cao hơn
B. Xây dựng hệ thống khuyến nghị sản phẩm tự động dựa trên lịch sử mua hàng
C. Phân tích các yếu tố gây ra sự cố hạ tầng máy chủ trong các đợt khuyến mãi lớn
D. Lọc các đánh giá giả mạo của đối thủ cạnh tranh trên trang chi tiết sản phẩm

💡 Lời giải chi tiết:

A/B Testing là một thử nghiệm ngẫu nhiên có kiểm soát giúp doanh nghiệp tối ưu hóa giao diện hoặc chiến dịch marketing dựa trên dữ liệu thực tế. Kết luận Lý giải So sánh hai phiên bản của một thành phần để xác định phiên bản nào mang lại hiệu quả chuyển đổi cao hơn

Câu 5: Hệ thống khuyến nghị (Recommender Systems) sử dụng kỹ thuật 'Collaborative Filtering' dựa trên cơ sở nào?

A. Phân tích sở thích của những người dùng có hành vi tương tự để đưa ra gợi ý
B. Dựa vào các thuộc tính mô tả chi tiết của từng sản phẩm cụ thể
C. Chỉ dựa vào danh mục sản phẩm bán chạy nhất toàn hệ thống tại thời điểm hiện tại
D. Phân tích các từ khóa tìm kiếm gần đây nhất của chính người dùng đó

💡 Lời giải chi tiết:

Lọc cộng tác (Collaborative Filtering) hoạt động dựa trên giả định rằng những người dùng có cùng sở thích trong quá khứ sẽ có xu hướng thích các sản phẩm giống nhau trong tương lai. Kết luận Lý giải Phân tích sở thích của những người dùng có hành vi tương tự để đưa ra gợi ý

Câu 6: Trong kinh tế lượng và khoa học dữ liệu, hiện tượng 'Overfitting' (Quá khớp) xảy ra khi nào?

A. Mô hình hoạt động rất tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu thực tế chưa từng thấy
B. Mô hình quá đơn giản nên không học được các quy luật cơ bản của dữ liệu
C. Dữ liệu đầu vào có quá nhiều giá trị bị khuyết dẫn đến sai lệch kết quả
D. Tốc độ xử lý của mô hình quá chậm so với yêu cầu về thời gian thực của doanh nghiệp

💡 Lời giải chi tiết:

Overfitting xảy ra khi mô hình học cả những nhiễu trong dữ liệu huấn luyện, làm mất đi khả năng tổng quát hóa cho dữ liệu mới. Kết luận Lý giải Mô hình hoạt động rất tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu thực tế chưa từng thấy

Câu 7: Phân tích đề xuất (Prescriptive Analytics) khác với phân tích dự báo (Predictive Analytics) ở điểm cốt lõi nào?

A. Nó không chỉ dự báo tương lai mà còn đưa ra các hành động cụ thể để đạt được kết quả mong muốn
B. Nó tập trung vào việc tóm tắt các sự kiện đã xảy ra trong quá khứ của doanh nghiệp
C. Nó sử dụng các biểu đồ trực quan để trình bày dữ liệu cho ban lãnh đạo
D. Nó đòi hỏi ít dữ liệu đầu vào hơn so với các mô hình phân tích dự báo thông thường

💡 Lời giải chi tiết:

Theo khung phân tích của Gartner, phân tích đề xuất trả lời câu hỏi 'Chúng ta nên làm gì?' bằng cách đề xuất các phương án tối ưu. Kết luận Lý giải Nó không chỉ dự báo tương lai mà còn đưa ra các hành động cụ thể để đạt được kết quả mong muốn

Câu 8: Trong quản trị chuỗi cung ứng, kỹ thuật 'Market Basket Analysis' thường sử dụng thuật toán nào để tìm ra các sản phẩm hay được mua cùng nhau?

A. Thuật toán Apriori
B. Hệ thống nơ-ron nhân tạo (Neural Networks)
C. Phân loại Bayes ngây thơ (Naive Bayes)
D. Máy vectơ hỗ trợ (SVM)

💡 Lời giải chi tiết:

Thuật toán Apriori là phương pháp kinh điển trong khai thác luật kết hợp để xác định các tập mục thường xuyên xuất hiện cùng nhau trong giao dịch. Kết luận Lý giải Thuật toán Apriori

Câu 9: Quy định bảo vệ dữ liệu chung (GDPR) của Liên minh Châu Âu ảnh hưởng thế nào đến các doanh nghiệp làm khoa học dữ liệu?

A. Yêu cầu doanh nghiệp phải có sự đồng ý của người dùng và minh bạch trong việc thu thập, xử lý dữ liệu cá nhân
B. Cấm hoàn toàn việc sử dụng trí tuệ nhân tạo trong các quyết định liên quan đến tài chính khách hàng
C. Bắt buộc mọi dữ liệu kinh doanh phải được lưu trữ trên các máy chủ đặt tại trụ sở chính của EU
D. Yêu cầu tất cả các thuật toán khoa học dữ liệu phải được công khai mã nguồn cho công chúng

💡 Lời giải chi tiết:

GDPR đặt ra các tiêu chuẩn nghiêm ngặt về quyền riêng tư, đòi hỏi tính minh bạch và quyền được giải thích đối với các quyết định tự động. Kết luận Lý giải Yêu cầu doanh nghiệp phải có sự đồng ý của người dùng và minh bạch trong việc thu thập, xử lý dữ liệu cá nhân

Câu 10: Chỉ số p-value trong kiểm định giả thuyết thống kê giúp nhà quản lý kinh doanh xác định điều gì?

A. Xác suất để kết quả quan sát được xảy ra ngẫu nhiên nếu giả thuyết không (null hypothesis) là đúng
B. Mức độ lợi nhuận tối đa mà một dự án đầu tư có thể mang lại cho doanh nghiệp
C. Tỷ lệ phần trăm sai số của toàn bộ tập dữ liệu được thu thập từ thị trường
D. Số lượng mẫu tối thiểu cần thiết để thực hiện một cuộc khảo sát khách hàng có ý nghĩa

💡 Lời giải chi tiết:

Trong thống kê, p-value cung cấp bằng chứng để bác bỏ giả thuyết không; giá trị p nhỏ (thường < 0.05) cho thấy kết quả có ý nghĩa thống kê. Kết luận Lý giải Xác suất để kết quả quan sát được xảy ra ngẫu nhiên nếu giả thuyết không (null hypothesis) là đúng

Câu 11: Khác biệt chính giữa Data Warehouse (Kho dữ liệu) và Data Lake (Hồ dữ liệu) là gì?

A. Data Warehouse lưu trữ dữ liệu đã được xử lý và có cấu trúc, trong khi Data Lake lưu trữ dữ liệu thô ở mọi định dạng
B. Data Warehouse chỉ dùng cho dữ liệu lớn còn Data Lake chỉ dùng cho dữ liệu nhỏ
C. Data Lake yêu cầu chi phí bảo trì và vận hành cao hơn nhiều so với Data Warehouse
D. Data Warehouse không cho phép truy vấn bằng ngôn ngữ SQL còn Data Lake thì có

💡 Lời giải chi tiết:

Data Warehouse tuân theo kiến trúc 'Schema-on-write' (cấu trúc khi ghi), còn Data Lake tuân theo 'Schema-on-read' (cấu trúc khi đọc). Kết luận Lý giải Data Warehouse lưu trữ dữ liệu đã được xử lý và có cấu trúc, trong khi Data Lake lưu trữ dữ liệu thô ở mọi định dạng

Câu 12: Trong lĩnh vực tài chính, 'Anomaly Detection' (Phát hiện bất thường) thường được ứng dụng chủ yếu cho mục đích nào?

A. Phát hiện các giao dịch gian lận thẻ tín dụng hoặc rửa tiền
B. Dự báo tỷ giá hối đoái dựa trên các tin tức chính trị quốc tế
C. Tính toán lãi suất cho vay tối ưu cho từng nhóm khách hàng cá nhân
D. Tự động hóa việc gửi thông báo nhắc nợ cho khách hàng đến hạn

💡 Lời giải chi tiết:

Các thuật toán phát hiện bất thường xác định các mẫu dữ liệu không tuân theo hành vi thông thường, vốn là dấu hiệu của sự gian lận. Kết luận Lý giải Phát hiện các giao dịch gian lận thẻ tín dụng hoặc rửa tiền

Câu 13: Mục tiêu của việc thực hiện 'Exploratory Data Analysis' (EDA - Phân tích dữ liệu khám phá) là gì?

A. Hiểu cấu trúc, đặc điểm và các mối quan hệ ẩn bên trong dữ liệu trước khi xây dựng mô hình
B. Triển khai mô hình máy học vào môi trường vận hành thực tế của doanh nghiệp
C. Làm sạch hoàn toàn các dữ liệu nhiễu để đảm bảo mô hình đạt độ chính xác 100%
D. Viết báo cáo tổng kết kết quả kinh doanh cuối năm cho hội đồng quản trị

💡 Lời giải chi tiết:

EDA sử dụng các phương pháp thống kê mô tả và trực quan hóa để khám phá các mẫu, phát hiện các điểm dị biệt và kiểm tra giả định. Kết luận Lý giải Hiểu cấu trúc, đặc điểm và các mối quan hệ ẩn bên trong dữ liệu trước khi xây dựng mô hình

Câu 14: Trong đánh giá mô hình phân loại (Classification), chỉ số 'Precision' (Độ chính xác) được hiểu như thế nào?

A. Tỷ lệ giữa số trường hợp dự báo đúng là tích cực trên tổng số trường hợp được dự báo là tích cực
B. Tỷ lệ giữa số trường hợp dự báo đúng trên tổng số tất cả các trường hợp trong tập dữ liệu
C. Khả năng của mô hình trong việc tìm ra tất cả các trường hợp tích cực thực tế
D. Mức độ ổn định của mô hình khi thay đổi các tham số đầu vào khác nhau

💡 Lời giải chi tiết:

Precision đo lường chất lượng của các dự báo tích cực, cho biết có bao nhiêu dự báo 'đúng' là thực sự đúng. Kết luận Lý giải Tỷ lệ giữa số trường hợp dự báo đúng là tích cực trên tổng số trường hợp được dự báo là tích cực

Câu 15: Thuật toán 'Random Forest' hoạt động dựa trên nguyên lý nào?

A. Kết hợp dự báo của nhiều cây quyết định (Decision Trees) để đưa ra kết quả cuối cùng
B. Tìm kiếm một đường ranh giới tối ưu để phân chia hai nhóm dữ liệu trong không gian đa chiều
C. Tính toán xác suất có điều kiện dựa trên định lý Bayes để phân loại dữ liệu
D. Sử dụng các vòng lặp để cập nhật trọng số của các điểm dữ liệu bị phân loại sai

💡 Lời giải chi tiết:

Random Forest là một phương pháp học máy thuộc nhóm Ensemble Learning, sử dụng kỹ thuật Bagging để tăng tính ổn định và độ chính xác. Kết luận Lý giải Kết hợp dự báo của nhiều cây quyết định (Decision Trees) để đưa ra kết quả cuối cùng

Câu 16: Kỹ thuật 'Feature Engineering' (Kỹ nghệ đặc trưng) đóng vai trò gì trong quy trình khoa học dữ liệu?

A. Tạo ra các biến mới hoặc biến đổi các biến hiện có để cải thiện hiệu suất của mô hình máy học
B. Thiết kế các linh kiện phần cứng chuyên dụng để tăng tốc độ tính toán dữ liệu
C. Viết các câu lệnh SQL để truy xuất dữ liệu từ các hệ quản trị cơ sở dữ liệu quan hệ
D. Xây dựng các giao diện biểu đồ trực quan để người dùng cuối tương tác với dữ liệu

💡 Lời giải chi tiết:

Kỹ nghệ đặc trưng giúp chuyển hóa dữ liệu thô thành các thuộc tính giúp mô hình máy học hiểu rõ hơn về các quy luật tiềm ẩn. Kết luận Lý giải Tạo ra các biến mới hoặc biến đổi các biến hiện có để cải thiện hiệu suất của mô hình máy học

Câu 17: Trong phân tích văn bản (Text Mining), mục đích của kỹ thuật 'Sentiment Analysis' là gì?

A. Xác định thái độ hoặc cảm xúc (tích cực, tiêu cực, trung tính) của người viết trong văn bản
B. Tự động sửa các lỗi chính tả và ngữ pháp trong các đánh giá của khách hàng
C. Đếm tần suất xuất hiện của các từ khóa quan trọng trong một tập hợp tài liệu lớn
D. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác để mở rộng thị trường quốc tế

💡 Lời giải chi tiết:

Phân tích cảm xúc sử dụng xử lý ngôn ngữ tự nhiên để trích xuất các thông tin chủ quan từ nguồn dữ liệu văn bản. Kết luận Lý giải Xác định thái độ hoặc cảm xúc (tích cực, tiêu cực, trung tính) của người viết trong văn bản

Câu 18: Khái niệm 'Data Silos' thường gây ra trở ngại gì cho các doanh nghiệp khi triển khai khoa học dữ liệu?

A. Dữ liệu bị chia cắt và cô lập giữa các phòng ban, gây khó khăn cho việc phân tích toàn diện
B. Hệ thống lưu trữ dữ liệu bị quá tải do lượng thông tin thu thập quá lớn trong thời gian ngắn
C. Việc sử dụng quá nhiều các công cụ phân tích khác nhau làm tăng chi phí bản quyền phần mềm
D. Các quy định pháp lý ngăn cản việc chia sẻ dữ liệu giữa các chi nhánh trong cùng một tập đoàn

💡 Lời giải chi tiết:

Data Silos xảy ra khi dữ liệu của một bộ phận không thể truy cập được bởi các bộ phận khác, làm giảm hiệu quả cộng tác và ra quyết định. Kết luận Lý giải Dữ liệu bị chia cắt và cô lập giữa các phòng ban, gây khó khăn cho việc phân tích toàn diện

Câu 19: Chỉ số 'Customer Lifetime Value' (CLV) giúp doanh nghiệp đánh giá điều gì?

A. Tổng giá trị kinh tế mà một khách hàng mang lại trong toàn bộ thời gian họ gắn bó với doanh nghiệp
B. Mức độ trung thành của khách hàng dựa trên số lượng đánh giá tích cực trên mạng xã hội
C. Khoảng thời gian trung bình mà một nhân viên kinh doanh cần để chốt được một đơn hàng mới
D. Chi phí bỏ ra để thu hút một khách hàng mới thông qua các kênh quảng cáo trực tuyến

💡 Lời giải chi tiết:

CLV là một số liệu quan trọng giúp doanh nghiệp xác định mức ngân sách hợp lý cho việc thu hút và giữ chân khách hàng. Kết luận Lý giải Tổng giá trị kinh tế mà một khách hàng mang lại trong toàn bộ thời gian họ gắn bó với doanh nghiệp

Câu 20: Trong các mô hình dự báo tài chính, chuỗi thời gian (Time Series) có đặc điểm quan trọng nào?

A. Dữ liệu được thu thập và sắp xếp theo trình tự thời gian liên tiếp
B. Các quan sát trong dữ liệu hoàn toàn độc lập và không phụ thuộc vào nhau
C. Dữ liệu chỉ bao gồm các biến định tính mô tả trạng thái của nền kinh tế
D. Thứ tự của các điểm dữ liệu không ảnh hưởng đến kết quả của mô hình dự báo

💡 Lời giải chi tiết:

Phân tích chuỗi thời gian tập trung vào việc tìm ra các yếu tố như xu hướng, tính chu kỳ và tính thời vụ trong dữ liệu có thứ tự thời gian. Kết luận Lý giải Dữ liệu được thu thập và sắp xếp theo trình tự thời gian liên tiếp

Câu 21: Thuật toán K-means Clustering được sử dụng phổ biến nhất cho nhiệm vụ nào trong marketing?

A. Phân đoạn khách hàng thành các nhóm dựa trên các đặc điểm hành vi hoặc nhân khẩu học tương đồng
B. Dự báo chính xác doanh thu bán hàng của từng cửa hàng trong quý tiếp theo
C. Xác định các yếu tố nguyên nhân dẫn đến sự sụt giảm uy tín thương hiệu trên thị trường
D. Tự động phân loại các email gửi đến là thư rác hoặc thư công việc quan trọng

💡 Lời giải chi tiết:

K-means là thuật toán học không giám sát giúp chia tập dữ liệu thành các cụm sao cho các đối tượng trong cùng một cụm có sự tương đồng cao nhất. Kết luận Lý giải Phân đoạn khách hàng thành các nhóm dựa trên các đặc điểm hành vi hoặc nhân khẩu học tương đồng

Câu 22: Tại sao việc xử lý 'Missing Values' (Giá trị bị khuyết) lại cực kỳ quan trọng trước khi xây dựng mô hình?

A. Vì hầu hết các thuật toán máy học không thể hoạt động hoặc sẽ đưa ra kết quả sai lệch nếu dữ liệu đầu vào không đầy đủ
B. Để giảm dung lượng lưu trữ của tập dữ liệu trên ổ đĩa cứng của máy tính
C. Vì đây là yêu cầu bắt buộc của các cơ quan quản lý nhà nước về an toàn thông tin
D. Để đảm bảo rằng mọi biểu đồ trực quan hóa dữ liệu đều có màu sắc hài hòa và bắt mắt

💡 Lời giải chi tiết:

Việc thiếu hụt dữ liệu có thể dẫn đến các mô hình bị sai lệch (bias) và mất đi các thông tin quan trọng cho việc ra quyết định. Kết luận Lý giải Vì hầu hết các thuật toán máy học không thể hoạt động hoặc sẽ đưa ra kết quả sai lệch nếu dữ liệu đầu vào không đầy đủ

Câu 23: Vai trò của 'Data Scientist' (Nhà khoa học dữ liệu) khác với 'Business Analyst' (Chuyên viên phân tích kinh doanh) ở điểm nào?

A. Nhà khoa học dữ liệu tập trung nhiều hơn vào lập trình, mô hình toán học nâng cao và học máy
B. Chuyên viên phân tích kinh doanh thường có kỹ năng lập trình Python và R giỏi hơn nhà khoa học dữ liệu
C. Nhà khoa học dữ liệu chỉ làm việc với dữ liệu quá khứ còn chuyên viên kinh doanh chỉ làm với dữ liệu tương lai
D. Chuyên viên phân tích kinh doanh không cần sử dụng bất kỳ công cụ phần mềm nào để làm việc

💡 Lời giải chi tiết:

Mặc dù có sự giao thoa, nhà khoa học dữ liệu thường đi sâu vào kỹ thuật xây dựng thuật toán còn chuyên viên kinh doanh tập trung vào giải thích ý nghĩa kinh doanh. Kết luận Lý giải Nhà khoa học dữ liệu tập trung nhiều hơn vào lập trình, mô hình toán học nâng cao và học máy

Câu 24: Mối quan hệ 'Correlation' (Tương quan) giữa hai biến kinh tế khác với 'Causation' (Nhân quả) như thế nào?

A. Sự tương quan chỉ cho biết hai biến cùng biến thiên theo một quy luật, nhưng không khẳng định biến này gây ra biến kia
B. Tương quan và nhân quả là hai thuật ngữ hoàn toàn giống nhau và có thể dùng thay thế cho nhau
C. Sự nhân quả dễ xác định hơn nhiều so với sự tương quan khi phân tích dữ liệu kinh doanh
D. Chỉ có sự nhân quả mới có thể được biểu diễn thông qua các biểu đồ phân tán (Scatter Plot)

💡 Lời giải chi tiết:

Một sai lầm phổ biến là đánh đồng tương quan với nhân quả; nhân quả đòi hỏi các điều kiện chứng minh chặt chẽ hơn về logic và thời gian. Kết luận Lý giải Sự tương quan chỉ cho biết hai biến cùng biến thiên theo một quy luật, nhưng không khẳng định biến này gây ra biến kia

Câu 25: Kỹ thuật 'Dimensionality Reduction' (Giảm chiều dữ liệu) thường được sử dụng khi nào?

A. Khi tập dữ liệu có quá nhiều biến (đặc trưng) có thể gây ra hiện tượng nhiễu hoặc làm chậm mô hình
B. Khi số lượng quan sát trong tập dữ liệu quá ít không đủ để xây dựng các mô hình máy học
C. Khi doanh nghiệp muốn tăng độ phức tạp của các thuật toán để đạt được kết quả chính xác hơn
D. Khi cần chuyển đổi dữ liệu từ dạng số sang dạng văn bản để dễ dàng đọc hiểu

💡 Lời giải chi tiết:

Các phương pháp như PCA giúp giữ lại các thông tin quan trọng nhất trong khi giảm bớt số lượng biến đầu vào, giúp mô hình hiệu quả hơn. Kết luận Lý giải Khi tập dữ liệu có quá nhiều biến (đặc trưng) có thể gây ra hiện tượng nhiễu hoặc làm chậm mô hình

Danh sách trắc nghiệm Làm bài tiếp theo

Danh sách các bộ trắc nghiệm:

Các bài trắc nghiệm liên quan

Bộ 11 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Đề thi 165 lượt làm

Làm ngay

Bộ 12 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Đề thi 182 lượt làm

Làm ngay

Bộ 13 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Đề thi 199 lượt làm

Làm ngay

Bộ 14 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Đề thi 216 lượt làm

Làm ngay

Bộ 15 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Đề thi 233 lượt làm

Làm ngay

Bộ 1 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Đề thi 195 lượt làm

Làm ngay

Bộ 10 - Trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh

Kết quả của bạn:

Câu 1: Trong mô hình 4Vs của Big Data, đặc trưng 'Variety' (Sự đa dạng) phản ánh điều gì trong bối cảnh kinh doanh?

Câu 2: Thuật toán nào sau đây thuộc nhóm 'Học có giám sát' (Supervised Learning) thường được dùng để dự báo giá bất động sản?

Câu 3: Trong phân tích dữ liệu khách hàng, 'Customer Churn' đề cập đến khái niệm nào?

Câu 4: Mục đích chính của phương pháp A/B Testing trong thương mại điện tử là gì?

Câu 5: Hệ thống khuyến nghị (Recommender Systems) sử dụng kỹ thuật 'Collaborative Filtering' dựa trên cơ sở nào?

Câu 6: Trong kinh tế lượng và khoa học dữ liệu, hiện tượng 'Overfitting' (Quá khớp) xảy ra khi nào?

Câu 7: Phân tích đề xuất (Prescriptive Analytics) khác với phân tích dự báo (Predictive Analytics) ở điểm cốt lõi nào?

Câu 8: Trong quản trị chuỗi cung ứng, kỹ thuật 'Market Basket Analysis' thường sử dụng thuật toán nào để tìm ra các sản phẩm hay được mua cùng nhau?

Câu 9: Quy định bảo vệ dữ liệu chung (GDPR) của Liên minh Châu Âu ảnh hưởng thế nào đến các doanh nghiệp làm khoa học dữ liệu?

Câu 10: Chỉ số p-value trong kiểm định giả thuyết thống kê giúp nhà quản lý kinh doanh xác định điều gì?

Câu 11: Khác biệt chính giữa Data Warehouse (Kho dữ liệu) và Data Lake (Hồ dữ liệu) là gì?

Câu 12: Trong lĩnh vực tài chính, 'Anomaly Detection' (Phát hiện bất thường) thường được ứng dụng chủ yếu cho mục đích nào?

Câu 13: Mục tiêu của việc thực hiện 'Exploratory Data Analysis' (EDA - Phân tích dữ liệu khám phá) là gì?

Câu 14: Trong đánh giá mô hình phân loại (Classification), chỉ số 'Precision' (Độ chính xác) được hiểu như thế nào?

Câu 15: Thuật toán 'Random Forest' hoạt động dựa trên nguyên lý nào?

Câu 16: Kỹ thuật 'Feature Engineering' (Kỹ nghệ đặc trưng) đóng vai trò gì trong quy trình khoa học dữ liệu?

Câu 17: Trong phân tích văn bản (Text Mining), mục đích của kỹ thuật 'Sentiment Analysis' là gì?

Câu 18: Khái niệm 'Data Silos' thường gây ra trở ngại gì cho các doanh nghiệp khi triển khai khoa học dữ liệu?

Câu 19: Chỉ số 'Customer Lifetime Value' (CLV) giúp doanh nghiệp đánh giá điều gì?

Câu 20: Trong các mô hình dự báo tài chính, chuỗi thời gian (Time Series) có đặc điểm quan trọng nào?

Câu 21: Thuật toán K-means Clustering được sử dụng phổ biến nhất cho nhiệm vụ nào trong marketing?

Câu 22: Tại sao việc xử lý 'Missing Values' (Giá trị bị khuyết) lại cực kỳ quan trọng trước khi xây dựng mô hình?

Câu 23: Vai trò của 'Data Scientist' (Nhà khoa học dữ liệu) khác với 'Business Analyst' (Chuyên viên phân tích kinh doanh) ở điểm nào?

Câu 24: Mối quan hệ 'Correlation' (Tương quan) giữa hai biến kinh tế khác với 'Causation' (Nhân quả) như thế nào?

Câu 25: Kỹ thuật 'Dimensionality Reduction' (Giảm chiều dữ liệu) thường được sử dụng khi nào?

Danh sách các bộ trắc nghiệm:

Voviethoang.top

Voviethoangseo.com

Seogenz.top