15+ Đề Trắc nghiệm Tin học 12 Kết nối tri thức Bài 26: Làm quen với Khoa học dữ liệu

Câu 1: Khoa học dữ liệu chủ yếu tập trung vào giai đoạn nào trong vòng đời của dữ liệu?

• A. Thu thập và lưu trữ dữ liệu
• B. Bảo mật và quản lý dữ liệu
• C. Phân tích, xử lý và khai thác giá trị từ dữ liệu
• D. Trình bày và báo cáo dữ liệu

Câu 2: Yếu tố nào sau đây KHÔNG phải là đặc trưng của dữ liệu lớn (Big Data) theo mô hình 5V?

• A. Volume (Khối lượng)
• B. Velocity (Tốc độ)
• C. Variety (Đa dạng)
• D. Security (Tính bảo mật)

Câu 3: Trong khoa học dữ liệu, kỹ thuật trực quan hóa dữ liệu (Data Visualization) đóng vai trò quan trọng nhất ở giai đoạn nào của quy trình phân tích?

• A. Thu thập và làm sạch dữ liệu
• B. Phân tích khám phá và truyền đạt kết quả
• C. Xây dựng mô hình dự đoán
• D. Đánh giá và triển khai mô hình

Câu 4: Ứng dụng nào sau đây thể hiện rõ nhất vai trò của khoa học dữ liệu trong việc cải thiện trải nghiệm người dùng?

• A. Hệ thống gợi ý sản phẩm cá nhân hóa trên các trang thương mại điện tử
• B. Phần mềm quản lý kho hàng tự động
• C. Mạng xã hội kết nối bạn bè trên toàn cầu
• D. Công cụ tìm kiếm thông tin trên Internet

Câu 5: Học máy (Machine Learning) được xem là một phần của khoa học dữ liệu, vậy mối quan hệ chính xác nhất giữa chúng là gì?

• A. Khoa học dữ liệu là một nhánh của học máy
• B. Học máy là một công cụ quan trọng trong khoa học dữ liệu
• C. Khoa học dữ liệu và học máy là hai lĩnh vực hoàn toàn độc lập
• D. Học máy bao gồm tất cả các lĩnh vực của khoa học dữ liệu

Câu 6: Phát biểu nào sau đây mô tả đúng nhất về "tính đa dạng" (Variety) trong đặc điểm 5V của dữ liệu lớn?

• A. Tốc độ dữ liệu được tạo ra và xử lý rất nhanh
• B. Kích thước dữ liệu cực kỳ lớn, vượt quá khả năng xử lý thông thường
• C. Dữ liệu đến từ nhiều nguồn khác nhau và có nhiều định dạng khác nhau
• D. Độ tin cậy và chính xác của dữ liệu có thể không được đảm bảo

Câu 7: Một nhà khoa học dữ liệu cần kỹ năng nào sau đây để làm việc hiệu quả với dữ liệu phi cấu trúc?

• A. Lập trình cơ sở dữ liệu quan hệ (SQL)
• B. Thống kê mô tả và suy luận
• C. Xây dựng mô hình hồi quy tuyến tính
• D. Xử lý ngôn ngữ tự nhiên (NLP) và phân tích hình ảnh

Câu 8: Trong quy trình khoa học dữ liệu, giai đoạn "làm sạch dữ liệu" (Data Cleaning) nhằm mục đích chính là gì?

• A. Tăng tốc độ truy cập dữ liệu
• B. Nâng cao chất lượng và độ tin cậy của dữ liệu
• C. Giảm dung lượng lưu trữ dữ liệu
• D. Trực quan hóa dữ liệu một cách hiệu quả hơn

Câu 9: Một công ty muốn dự đoán doanh số bán hàng trong quý tới dựa trên dữ liệu lịch sử bán hàng và các yếu tố thị trường. Loại bài toán nào trong khoa học dữ liệu phù hợp nhất để giải quyết vấn đề này?

• A. Phân cụm dữ liệu (Clustering)
• B. Phân loại dữ liệu (Classification)
• C. Bài toán dự đoán (Prediction/Regression)
• D. Bài toán phát hiện bất thường (Anomaly Detection)

Câu 10: Đâu là thách thức lớn nhất về mặt đạo đức khi ứng dụng khoa học dữ liệu trong việc phân tích dữ liệu cá nhân?

• A. Xâm phạm quyền riêng tư và lộ thông tin cá nhân
• B. Thiếu công cụ phân tích dữ liệu hiệu quả
• C. Chi phí lưu trữ dữ liệu quá lớn
• D. Khó khăn trong việc tuyển dụng nhân lực khoa học dữ liệu

Câu 11: Trong ngữ cảnh khoa học dữ liệu, "tính xác thực" (Veracity) của dữ liệu đề cập đến khía cạnh nào?

• A. Tốc độ thu thập và xử lý dữ liệu
• B. Độ tin cậy và chính xác của nguồn dữ liệu
• C. Sự đa dạng về loại hình dữ liệu
• D. Giá trị kinh tế mà dữ liệu mang lại

Câu 12: Công cụ nào sau đây thường được sử dụng để trực quan hóa dữ liệu trong khoa học dữ liệu?

• A. Microsoft Word
• B. Adobe Photoshop
• C. Python (với thư viện Matplotlib, Seaborn)
• D. Phần mềm diệt virus

Câu 13: Một nhà khoa học dữ liệu sử dụng thuật toán phân cụm (Clustering) để phân tích dữ liệu khách hàng. Mục tiêu chính của việc này là gì?

• A. Dự đoán hành vi mua hàng của từng khách hàng cụ thể
• B. Phân loại khách hàng vào các nhóm đã được định nghĩa trước
• C. Đánh giá mức độ hài lòng của khách hàng
• D. Nhóm khách hàng thành các phân khúc dựa trên đặc điểm chung

Câu 14: Để đánh giá hiệu quả của một mô hình dự đoán trong khoa học dữ liệu, người ta thường sử dụng các chỉ số đánh giá. Chỉ số nào sau đây thường dùng để đo lường độ chính xác của mô hình phân loại?

• A. Độ chính xác (Accuracy)
• B. Sai số bình phương trung bình (Mean Squared Error)
• C. Hệ số tương quan (Correlation Coefficient)
• D. Giá trị P (P-value)

Câu 15: Trong bối cảnh dữ liệu lớn, "tốc độ" (Velocity) đề cập đến khía cạnh nào quan trọng?

• A. Kích thước tổng thể của tập dữ liệu
• B. Sự đa dạng của các loại dữ liệu
• C. Tần suất và tốc độ tạo ra và xử lý dữ liệu
• D. Độ tin cậy của nguồn gốc dữ liệu

Câu 16: Ví dụ nào sau đây thể hiện ứng dụng của khoa học dữ liệu trong lĩnh vực y tế?

• A. Tự động hóa quy trình sản xuất thuốc
• B. Dự đoán nguy cơ mắc bệnh tim mạch dựa trên dữ liệu bệnh sử
• C. Quản lý hồ sơ bệnh án điện tử
• D. Nghiên cứu và phát triển thuốc mới

Câu 17: Để phân tích mối quan hệ giữa các biến số trong một tập dữ liệu, nhà khoa học dữ liệu thường sử dụng phương pháp thống kê nào?

• A. Thống kê mô tả (Descriptive statistics)
• B. Kiểm định giả thuyết (Hypothesis testing)
• C. Phân tích hồi quy (Regression analysis)
• D. Phân tích tương quan (Correlation analysis)

Câu 18: Trong khoa học dữ liệu, "giá trị" (Value) của dữ liệu được hiểu là gì?

• A. Kích thước của tập dữ liệu
• B. Tốc độ xử lý dữ liệu
• C. Khả năng tạo ra thông tin hữu ích và lợi ích từ dữ liệu
• D. Độ chính xác của dữ liệu

Câu 19: Quy trình khoa học dữ liệu thường bắt đầu bằng giai đoạn nào?

• A. Xác định vấn đề và mục tiêu
• B. Thu thập dữ liệu
• C. Phân tích dữ liệu
• D. Trình bày kết quả

Câu 20: Loại dữ liệu nào sau đây được xem là dữ liệu có cấu trúc?

• A. Văn bản bài báo
• B. Dữ liệu trong bảng tính Excel
• C. Hình ảnh kỹ thuật số
• D. Video trực tuyến

Câu 21: Để xử lý và phân tích dữ liệu hiệu quả, nhà khoa học dữ liệu cần có kiến thức nền tảng vững chắc về lĩnh vực nào?

• A. Chỉ khoa học máy tính
• B. Chỉ toán học và thống kê
• C. Khoa học máy tính, toán học và thống kê, và kiến thức chuyên ngành
• D. Chỉ kiến thức về lập trình

Câu 22: Ứng dụng nào sau đây KHÔNG phải là thành tựu trực tiếp của khoa học dữ liệu?

• A. Hệ thống phát hiện gian lận trong giao dịch ngân hàng
• B. Công cụ chẩn đoán bệnh dựa trên hình ảnh y tế
• C. Các thuật toán gợi ý nội dung trên mạng xã hội
• D. Chế tạo robot hình người có khả năng giao tiếp

Câu 23: Trong quá trình trực quan hóa dữ liệu, loại biểu đồ nào phù hợp nhất để so sánh giá trị của các danh mục khác nhau?

• A. Biểu đồ cột (Bar chart)
• B. Biểu đồ đường (Line chart)
• C. Biểu đồ tròn (Pie chart)
• D. Biểu đồ phân tán (Scatter plot)

Câu 24: Mục tiêu của việc "tối ưu hóa quyết định" trong khoa học dữ liệu là gì?

• A. Tăng cường khả năng lưu trữ dữ liệu
• B. Đưa ra quyết định tốt nhất dựa trên phân tích dữ liệu
• C. Giảm thiểu sai sót trong quá trình thu thập dữ liệu
• D. Cải thiện tốc độ xử lý dữ liệu

Câu 25: Phát biểu nào sau đây KHÔNG đúng về khoa học dữ liệu?

• A. Khoa học dữ liệu sử dụng các phương pháp khoa học để khai thác tri thức từ dữ liệu.
• B. Khoa học dữ liệu giúp cải thiện quá trình ra quyết định trong nhiều lĩnh vực.
• C. Khoa học dữ liệu chỉ ứng dụng hiệu quả trong lĩnh vực kinh doanh và marketing.
• D. Khoa học dữ liệu kết hợp kiến thức từ khoa học máy tính, toán học và thống kê.

Câu 26: Trong khoa học dữ liệu, thuật ngữ "feature" (đặc trưng) thường được dùng để chỉ điều gì?

• A. Một loại lỗi dữ liệu phổ biến
• B. Một thuộc tính hoặc biến số của dữ liệu
• C. Một phương pháp trực quan hóa dữ liệu
• D. Một giai đoạn trong quy trình làm sạch dữ liệu

Câu 27: Khi nói về "tính giá trị" (Value) của dữ liệu lớn, yếu tố nào sau đây quan trọng nhất?

• A. Dung lượng lưu trữ dữ liệu khổng lồ
• B. Tốc độ thu thập dữ liệu nhanh chóng
• C. Sự đa dạng về nguồn và loại dữ liệu
• D. Khả năng tạo ra thông tin và tri thức hữu ích

Câu 28: Để khám phá các mẫu và xu hướng ẩn trong dữ liệu, nhà khoa học dữ liệu thường sử dụng kỹ thuật phân tích nào?

• A. Phân tích mô tả (Descriptive analysis)
• B. Phân tích dự đoán (Predictive analysis)
• C. Phân tích khám phá dữ liệu (Exploratory Data Analysis)
• D. Phân tích quy chuẩn (Prescriptive analysis)

Câu 29: Trong khoa học dữ liệu, việc đảm bảo tính "minh bạch" của mô hình học máy có ý nghĩa gì về mặt đạo đức?

• A. Tăng tốc độ xử lý của mô hình
• B. Đảm bảo tính công bằng và trách nhiệm giải trình của mô hình
• C. Nâng cao độ chính xác của mô hình dự đoán
• D. Giảm thiểu dung lượng lưu trữ của mô hình

Câu 30: Khi một nhà khoa học dữ liệu trình bày kết quả phân tích cho người không chuyên môn, phương pháp truyền đạt hiệu quả nhất thường là gì?

• A. Sử dụng báo cáo kỹ thuật chi tiết với nhiều thuật ngữ chuyên ngành
• B. Chỉ trình bày kết quả dưới dạng bảng số liệu thống kê
• C. Sử dụng trực quan hóa dữ liệu và ngôn ngữ đơn giản, dễ hiểu
• D. Gửi mã nguồn chương trình phân tích dữ liệu

Câu 1: Khoa học dữ liệu (Data Science) được định nghĩa là một lĩnh vực liên ngành. Điều này có nghĩa là Khoa học dữ liệu kết hợp các phương pháp và công cụ từ nhiều ngành khác nhau để đạt được mục tiêu của mình. Theo kiến thức đã học, sự kết hợp nào sau đây thể hiện rõ nhất bản chất liên ngành cốt lõi của Khoa học dữ liệu?

• A. Vật lý, Hóa học, và Sinh học.
• B. Khoa học máy tính, Toán học, và Thống kê.
• C. Triết học, Lịch sử, và Văn học.
• D. Kinh tế học, Xã hội học, và Luật học.

Câu 2: Mục tiêu cuối cùng mà Khoa học dữ liệu hướng tới là gì, vượt qua việc chỉ đơn thuần thu thập và lưu trữ dữ liệu?

• A. Tăng tốc độ truyền dữ liệu qua mạng internet.
• B. Giảm dung lượng lưu trữ của các tập dữ liệu lớn.
• C. Khai thác tri thức, tạo ra hiểu biết sâu sắc và hỗ trợ ra quyết định hiệu quả từ dữ liệu.
• D. Thiết kế giao diện người dùng thân thiện cho các ứng dụng dữ liệu.

Câu 3: Một công ty thương mại điện tử ghi nhận hàng triệu giao dịch mua bán mỗi ngày, cùng với lịch sử duyệt web và tìm kiếm của hàng chục triệu người dùng. Lượng dữ liệu này tăng lên liên tục với tốc độ rất nhanh. Đặc điểm nào của Dữ liệu lớn (Big Data) được mô tả nổi bật nhất trong tình huống này?

• A. Velocity (Vận tốc)
• B. Variety (Đa dạng)
• C. Veracity (Tính xác thực)
• D. Value (Giá trị)

Câu 4: Một nhà khoa học dữ liệu đang làm việc với một tập dữ liệu bao gồm các bài đăng trên mạng xã hội (text), hình ảnh sản phẩm (image), và bản ghi âm cuộc gọi của khách hàng (audio). Đặc điểm nào của Dữ liệu lớn được thể hiện rõ ràng nhất qua các loại dữ liệu này?

• A. Volume (Khối lượng)
• B. Velocity (Vận tốc)
• C. Veracity (Tính xác thực)
• D. Variety (Đa dạng)

Câu 5: Giai đoạn nào trong quy trình Khoa học dữ liệu thường tập trung vào việc làm sạch dữ liệu bị thiếu, không nhất quán hoặc chứa lỗi, cũng như chuyển đổi dữ liệu sang định dạng phù hợp cho phân tích?

• A. Thu thập dữ liệu (Data Collection)
• B. Tiền xử lý dữ liệu (Data Preprocessing)
• C. Xây dựng mô hình (Modeling)
• D. Trực quan hóa dữ liệu (Data Visualization)

Câu 6: Một công ty muốn dự đoán xem một khách hàng tiềm năng có khả năng mua sản phẩm của họ hay không dựa trên lịch sử duyệt web và thông tin nhân khẩu học. Nhiệm vụ này trong Khoa học dữ liệu thuộc dạng bài toán nào?

• A. Phân cụm (Clustering)
• B. Hồi quy (Regression)
• C. Phân loại (Classification)
• D. Giảm chiều dữ liệu (Dimensionality Reduction)

Câu 7: Để hiểu rõ hơn về xu hướng bán hàng theo từng quý trong năm của một cửa hàng, nhà phân tích dữ liệu nên sử dụng kỹ thuật nào để biểu diễn dữ liệu một cách dễ hiểu và trực quan?

• A. Trực quan hóa dữ liệu (Data Visualization)
• B. Mã hóa dữ liệu (Data Encryption)
• C. Nén dữ liệu (Data Compression)
• D. Sao lưu dữ liệu (Data Backup)

Câu 8: Vai trò của Toán học và Thống kê trong Khoa học dữ liệu là gì?

• A. Thiết kế cơ sở dữ liệu hiệu quả.
• B. Phát triển phần cứng máy tính chuyên dụng cho dữ liệu lớn.
• C. Xây dựng giao diện người dùng tương tác.
• D. Cung cấp các phương pháp phân tích, mô hình hóa và suy luận từ dữ liệu.

Câu 9: Học máy (Machine Learning) là một lĩnh vực con quan trọng của Khoa học dữ liệu và Trí tuệ nhân tạo. Mối quan hệ giữa Khoa học dữ liệu và Học máy được thể hiện rõ nhất qua khía cạnh nào?

• A. Khoa học dữ liệu chỉ sử dụng kết quả của Học máy mà không đóng góp ngược lại.
• B. Học máy cung cấp các thuật toán và mô hình mạnh mẽ để Khoa học dữ liệu khai thác tri thức và đưa ra dự đoán từ dữ liệu.
• C. Học máy và Khoa học dữ liệu là hai lĩnh vực hoàn toàn độc lập và không liên quan đến nhau.
• D. Khoa học dữ liệu chỉ tập trung vào dữ liệu có cấu trúc, trong khi Học máy chỉ xử lý dữ liệu phi cấu trúc.

Câu 10: Một trong những ứng dụng thực tế phổ biến của Khoa học dữ liệu là phát hiện gian lận trong giao dịch tài chính. Khoa học dữ liệu giúp giải quyết vấn đề này bằng cách nào?

• A. Chỉ đơn giản là lưu trữ lịch sử giao dịch.
• B. Tăng cường bảo mật vật lý cho các trung tâm dữ liệu.
• C. Phân tích các mẫu giao dịch bất thường, xây dựng mô hình dự báo nguy cơ gian lận dựa trên hành vi người dùng.
• D. Giảm số lượng giao dịch hàng ngày để dễ kiểm soát hơn.

Câu 11: Tại sao tri thức chuyên ngành (Domain Expertise) lại quan trọng đối với một nhà khoa học dữ liệu, ngay cả khi họ có kỹ năng mạnh về toán học và lập trình?

• A. Giúp hiểu ý nghĩa của dữ liệu, xác định các câu hỏi cần trả lời và diễn giải kết quả phân tích trong bối cảnh thực tế.
• B. Chỉ cần thiết để thu thập dữ liệu ban đầu.
• C. Không ảnh hưởng đến quá trình xây dựng mô hình.
• D. Chỉ quan trọng khi làm việc với dữ liệu văn bản.

Câu 12: Khi làm việc với Dữ liệu lớn, khái niệm "Veracity" (Tính xác thực) đề cập đến khía cạnh nào của dữ liệu?

• A. Tốc độ dữ liệu được tạo ra.
• B. Độ chính xác, đáng tin cậy và trung thực của dữ liệu.
• C. Số lượng dữ liệu được thu thập.
• D. Sự đa dạng về định dạng của dữ liệu.

Câu 13: Một nhà khoa học dữ liệu được yêu cầu phân tích dữ liệu bán hàng của một siêu thị để tìm ra các nhóm sản phẩm thường được mua cùng nhau (ví dụ: sữa và bánh mì). Đây là ví dụ về bài toán nào trong Khoa học dữ liệu?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Phát hiện bất thường (Anomaly Detection)
• D. Phân tích luật kết hợp (Association Rule Mining)

Câu 14: Trong quy trình Khoa học dữ liệu, sau khi đã thu thập và tiền xử lý dữ liệu, bước tiếp theo thường là gì để bắt đầu khám phá các mẫu hình và hiểu biết ban đầu?

• A. Phân tích khám phá dữ liệu (Exploratory Data Analysis - EDA).
• B. Triển khai mô hình vào sản xuất (Deployment).
• C. Thu thập thêm dữ liệu mới.
• D. Viết báo cáo cuối cùng.

Câu 15: Khi xây dựng một mô hình học máy để dự đoán, việc lựa chọn và thiết kế các đặc trưng (features) từ dữ liệu gốc có ảnh hưởng lớn đến hiệu suất của mô hình. Công việc này thuộc giai đoạn nào của quy trình Khoa học dữ liệu?

• A. Thu thập dữ liệu.
• B. Trực quan hóa kết quả.
• C. Kỹ thuật đặc trưng (Feature Engineering).
• D. Triển khai mô hình.

Câu 16: Một công ty truyền thông xã hội muốn phân tích cảm xúc (tích cực, tiêu cực, trung lập) từ hàng triệu bình luận của người dùng về một sản phẩm mới. Đây là một bài toán ứng dụng Khoa học dữ liệu thuộc loại nào?

• A. Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP).
• B. Thị giác máy tính (Computer Vision).
• C. Phân tích chuỗi thời gian (Time Series Analysis).
• D. Hệ thống khuyến nghị (Recommender Systems).

Câu 17: Biểu đồ đường (Line chart) thường được sử dụng trong trực quan hóa dữ liệu để thể hiện điều gì?

• A. So sánh tỷ lệ phần trăm của các danh mục khác nhau.
• B. Phân bố tần suất của một biến duy nhất.
• C. Mối quan hệ giữa hai biến rời rạc.
• D. Xu hướng của dữ liệu theo thời gian hoặc một biến liên tục khác.

Câu 18: Một công ty vận tải sử dụng Khoa học dữ liệu để phân tích dữ liệu giao thông, thời tiết và lịch trình xe để tìm ra tuyến đường tối ưu nhất cho các xe tải của mình. Ứng dụng này minh họa cho thành tựu nào của Khoa học dữ liệu?

• A. Phát hiện gian lận.
• B. Tối ưu hóa quyết định và quy trình.
• C. Cải thiện trải nghiệm khách hàng.
• D. Tự động hóa công việc lặp đi lặp lại.

Câu 19: Trong bối cảnh Khoa học dữ liệu, cụm từ "pipeline dữ liệu" (data pipeline) thường dùng để chỉ điều gì?

• A. Một loại cáp mạng tốc độ cao để truyền dữ liệu lớn.
• B. Phần mềm dùng để trực quan hóa dữ liệu.
• C. Chuỗi các bước xử lý dữ liệu, từ thu thập, làm sạch, chuyển đổi, đến phân tích và lưu trữ.
• D. Một phương pháp mã hóa dữ liệu để bảo mật.

Câu 20: Việc thu thập dữ liệu từ nhiều nguồn khác nhau như cơ sở dữ liệu nội bộ, API công cộng, mạng xã hội, và cảm biến IoT là một phần của giai đoạn nào trong quy trình Khoa học dữ liệu?

• A. Thu thập dữ liệu (Data Collection).
• B. Phân tích khám phá dữ liệu (EDA).
• C. Đánh giá mô hình (Model Evaluation).
• D. Báo cáo kết quả (Reporting).

Câu 21: Khi một nhà khoa học dữ liệu sử dụng dữ liệu lịch sử về giá nhà, diện tích, số phòng ngủ và vị trí để xây dựng mô hình dự đoán giá của một ngôi nhà mới, họ đang giải quyết bài toán thuộc dạng nào?

• A. Phân loại (Classification).
• B. Hồi quy (Regression).
• C. Phân cụm (Clustering).
• D. Phát hiện bất thường (Anomaly Detection).

Câu 22: Tại sao việc hiểu rõ mục tiêu kinh doanh hoặc vấn đề cần giải quyết lại là bước quan trọng nhất trước khi bắt đầu thu thập và phân tích dữ liệu trong Khoa học dữ liệu?

• A. Để quyết định nên sử dụng ngôn ngữ lập trình nào.
• B. Để xác định số lượng dữ liệu cần thu thập.
• C. Để chọn phần mềm trực quan hóa phù hợp.
• D. Giúp xác định loại dữ liệu cần thiết, phương pháp phân tích phù hợp và đảm bảo kết quả mang lại giá trị thực tế.

Câu 23: Sự khác biệt cốt lõi giữa Khoa học dữ liệu và Trí tuệ nhân tạo (AI) là gì?

• A. Khoa học dữ liệu tập trung vào việc khai thác hiểu biết từ dữ liệu, trong khi AI tập trung vào việc tạo ra các hệ thống có thể thực hiện các nhiệm vụ đòi hỏi trí thông minh.
• B. Khoa học dữ liệu chỉ làm việc với dữ liệu có cấu trúc, còn AI chỉ làm việc với dữ liệu phi cấu trúc.
• C. Khoa học dữ liệu là một phần của AI.
• D. AI là một phần của Khoa học dữ liệu.

Câu 24: Một ngân hàng sử dụng Khoa học dữ liệu để phân tích hành vi chi tiêu của khách hàng nhằm đưa ra các gói dịch vụ tài chính hoặc ưu đãi phù hợp cho từng cá nhân. Đây là ví dụ về thành tựu nào của Khoa học dữ liệu?

• A. Tự động hóa quy trình sản xuất.
• B. Dự báo thời tiết chính xác hơn.
• C. Phát hiện hoạt động tội phạm công nghệ cao.
• D. Cải thiện trải nghiệm khách hàng thông qua cá nhân hóa dịch vụ.

Câu 25: Khi một nhà khoa học dữ liệu sử dụng biểu đồ cột (Bar chart) để so sánh doanh thu của các danh mục sản phẩm khác nhau trong một tháng, mục đích chính của việc trực quan hóa này là gì?

• A. Tìm mối tương quan giữa hai biến liên tục.
• B. So sánh giá trị giữa các nhóm hoặc danh mục rời rạc.
• C. Hiển thị phân bố của một biến liên tục.
• D. Theo dõi sự thay đổi của một biến theo thời gian.

Câu 26: Thử thách lớn nhất khi làm việc với Dữ liệu lớn liên quan đến "Veracity" (Tính xác thực) là gì?

• A. Tốc độ xử lý dữ liệu quá nhanh.
• B. Lượng dữ liệu quá lớn để lưu trữ.
• C. Đảm bảo độ tin cậy, chính xác và loại bỏ sai lệch, nhiễu trong dữ liệu từ nhiều nguồn khác nhau.
• D. Khó khăn trong việc kết hợp các loại dữ liệu khác nhau.

Câu 27: Việc xây dựng các hệ thống khuyến nghị (Recommender Systems) trên các nền tảng như Netflix (gợi ý phim) hoặc Spotify (gợi ý nhạc) là một ứng dụng nổi bật của Khoa học dữ liệu nhằm mục đích gì?

• A. Cải thiện trải nghiệm người dùng và tăng mức độ tương tác.
• B. Giảm chi phí lưu trữ dữ liệu.
• C. Tăng cường bảo mật tài khoản người dùng.
• D. Tự động dịch ngôn ngữ nội dung.

Câu 28: Trong quy trình Khoa học dữ liệu, giai đoạn "Đánh giá mô hình" (Model Evaluation) nhằm mục đích gì?

• A. Thu thập thêm dữ liệu để huấn luyện mô hình.
• B. Làm sạch dữ liệu đầu vào.
• C. Chọn loại biểu đồ phù hợp để trực quan hóa.
• D. Đo lường hiệu suất và độ chính xác của mô hình đã xây dựng, đảm bảo nó phù hợp với mục tiêu đề ra.

Câu 29: Một nhà khoa học dữ liệu sử dụng kỹ thuật phân cụm (Clustering) để phân tích dữ liệu khách hàng. Mục tiêu chính của việc này là gì?

• A. Dự đoán giá trị chính xác cho một biến liên tục (ví dụ: doanh thu).
• B. Phân loại khách hàng vào các nhóm định trước (ví dụ: nhóm mua hàng A, nhóm mua hàng B).
• C. Tìm và nhóm các khách hàng có hành vi hoặc đặc điểm tương tự nhau mà không có nhãn định trước.
• D. Xác định mối quan hệ nguyên nhân - kết quả giữa các yếu tố.

Câu 30: Tại sao việc trình bày kết quả (Reporting/Presentation) lại là một giai đoạn quan trọng trong quy trình Khoa học dữ liệu?

• A. Truyền đạt những phát hiện, hiểu biết và khuyến nghị từ dữ liệu cho những người ra quyết định một cách rõ ràng và thuyết phục.
• B. Để kiểm tra lại mã nguồn đã viết.
• C. Chỉ đơn giản là liệt kê các bước đã thực hiện.
• D. Để thu thập phản hồi từ khách hàng cuối cùng.

Câu 1: Khoa học dữ liệu là một lĩnh vực liên ngành. Sự kết hợp các phương pháp và công cụ từ những lĩnh vực nào giúp khoa học dữ liệu đạt được mục tiêu khai thác tri thức từ dữ liệu hiệu quả nhất?

• A. Khoa học máy tính, Toán học, Thống kê và Tri thức chuyên ngành.
• B. Vật lý học, Sinh học, Hóa học và Kỹ thuật.
• C. Lịch sử, Địa lý, Triết học và Ngôn ngữ học.
• D. Kinh tế học, Xã hội học, Tâm lý học và Luật học.

Câu 2: Mục tiêu cốt lõi của Khoa học dữ liệu, vượt ra ngoài việc chỉ lưu trữ hay hiển thị dữ liệu đơn thuần, là gì?

• A. Chỉ tập trung vào việc thu thập và làm sạch dữ liệu.
• B. Tạo ra các phần mềm và ứng dụng máy tính mới.
• C. Phân tích, khai phá dữ liệu để tạo ra tri thức mới và hỗ trợ ra quyết định thông minh.
• D. Xây dựng cơ sở dữ liệu lớn và phức tạp.

Câu 3: Khi phân tích dữ liệu bán hàng của một sàn thương mại điện tử, các nhà khoa học dữ liệu nhận thấy rằng khách hàng mua sản phẩm A thường có xu hướng mua thêm sản phẩm B trong cùng giao dịch. Việc phát hiện mối liên hệ này minh họa cho mục tiêu nào của khoa học dữ liệu?

• A. Lưu trữ dữ liệu an toàn.
• B. Tăng tốc độ truy cập dữ liệu.
• C. Trực quan hóa dữ liệu.
• D. Khai thác tri thức từ dữ liệu.

Câu 4: Một công ty muốn dự đoán lượng cầu về sản phẩm của mình trong quý tới dựa trên dữ liệu bán hàng lịch sử, các chiến dịch marketing đã triển khai và xu hướng thị trường. Quá trình này sử dụng các kỹ thuật của khoa học dữ liệu nhằm mục đích gì?

• A. Giảm thiểu chi phí lưu trữ dữ liệu.
• B. Hỗ trợ ra quyết định dựa trên dữ liệu (Data-driven decision making).
• C. Thiết kế giao diện người dùng thân thiện hơn.
• D. Bảo vệ dữ liệu khỏi các cuộc tấn công mạng.

Câu 5: Dữ liệu lớn (Big Data) được đặc trưng bởi nhiều yếu tố. Yếu tố nào đề cập đến tốc độ dữ liệu được tạo ra, thu thập và xử lý, thường là rất nhanh theo thời gian thực?

• A. Velocity (Vận tốc).
• B. Volume (Khối lượng).
• C. Variety (Sự đa dạng).
• D. Veracity (Tính xác thực).

Câu 6: Một tập dữ liệu bao gồm các loại thông tin khác nhau như văn bản từ mạng xã hội, hình ảnh từ camera giám sát, dữ liệu số từ cảm biến IoT và âm thanh từ cuộc gọi điện thoại. Đặc điểm này của tập dữ liệu lớn được gọi là gì?

• A. Volume (Khối lượng).
• B. Velocity (Vận tốc).
• C. Variety (Sự đa dạng).
• D. Value (Giá trị).

Câu 7: Yếu tố nào trong các đặc trưng của Dữ liệu lớn đề cập đến khả năng trích xuất thông tin hữu ích và có thể hành động được từ dữ liệu, biến nó thành lợi ích thực tế?

• A. Velocity (Vận tốc).
• B. Volume (Khối lượng).
• C. Variety (Sự đa dạng).
• D. Value (Giá trị).

Câu 8: Trong quy trình khoa học dữ liệu, sau khi thu thập dữ liệu thô, bước tiếp theo thường là làm sạch và chuẩn bị dữ liệu. Mục đích chính của bước này là gì?

• A. Trực quan hóa dữ liệu để trình bày cho người khác.
• B. Xử lý các giá trị thiếu, loại bỏ dữ liệu nhiễu hoặc không nhất quán để đảm bảo chất lượng dữ liệu cho phân tích.
• C. Xây dựng mô hình học máy ngay lập tức.
• D. Lưu trữ dữ liệu vào cơ sở dữ liệu đám mây.

Câu 9: Một nhà khoa học dữ liệu đang làm việc với một tập dữ liệu khách hàng. Anh ấy tạo ra biểu đồ phân tán (scatter plot) để xem mối quan hệ giữa tuổi và chi tiêu hàng tháng của khách hàng. Hoạt động này thuộc giai đoạn nào trong quy trình khoa học dữ liệu?

• A. Thu thập dữ liệu.
• B. Làm sạch dữ liệu.
• C. Khám phá và trực quan hóa dữ liệu.
• D. Triển khai mô hình.

Câu 10: Một công ty muốn xây dựng một hệ thống để tự động phát hiện các giao dịch thẻ tín dụng có dấu hiệu gian lận. Họ sử dụng dữ liệu lịch sử về các giao dịch đã được xác nhận là gian lận hoặc hợp lệ để huấn luyện một mô hình. Công việc này thuộc giai đoạn nào trong quy trình khoa học dữ liệu?

• A. Xây dựng mô hình (Modeling).
• B. Thu thập dữ liệu.
• C. Trực quan hóa dữ liệu.
• D. Triển khai mô hình.

Câu 11: Sau khi xây dựng và kiểm thử mô hình dự đoán gian lận giao dịch (ở Câu 10), công ty tích hợp mô hình này vào hệ thống xử lý giao dịch trực tuyến để nó tự động phân tích và gắn cờ các giao dịch đáng ngờ theo thời gian thực. Đây là giai đoạn nào của quy trình khoa học dữ liệu?

• A. Làm sạch dữ liệu.
• B. Khám phá dữ liệu.
• C. Xây dựng mô hình.
• D. Triển khai (Deployment).

Câu 12: Trực quan hóa dữ liệu đóng vai trò quan trọng trong khoa học dữ liệu vì nó giúp:

• A. Tăng kích thước của tập dữ liệu.
• B. Truyền đạt kết quả phân tích một cách rõ ràng, dễ hiểu cho cả những người không chuyên về dữ liệu.
• C. Tự động thu thập dữ liệu từ nhiều nguồn khác nhau.
• D. Giảm thời gian cần thiết để làm sạch dữ liệu.

Câu 13: Mối quan hệ giữa Trí tuệ nhân tạo (AI), Học máy (Machine Learning - ML) và Khoa học dữ liệu (Data Science) thường được mô tả như thế nào?

• A. Học máy là một tập con của AI, và Khoa học dữ liệu sử dụng các kỹ thuật từ cả AI và ML để phân tích dữ liệu và trích xuất tri thức.
• B. AI, ML và Khoa học dữ liệu là ba lĩnh vực hoàn toàn độc lập và không liên quan đến nhau.
• C. Khoa học dữ liệu là một tập con của Học máy, và Học máy là một tập con của AI.
• D. AI chỉ tập trung vào robot, ML chỉ tập trung vào thuật toán, còn Khoa học dữ liệu chỉ tập trung vào dữ liệu.

Câu 14: Học máy (Machine Learning) hỗ trợ khoa học dữ liệu chủ yếu bằng cách nào?

• A. Cung cấp khả năng lưu trữ dữ liệu không giới hạn.
• B. Tự động tạo ra các biểu đồ và đồ thị phức tạp.
• C. Cung cấp các thuật toán để xây dựng mô hình dự đoán hoặc phân loại từ dữ liệu, cho phép máy tính "học" từ dữ liệu mà không cần được lập trình tường minh.
• D. Đảm bảo tính bảo mật tuyệt đối cho dữ liệu.

Câu 15: Một công ty dịch vụ xem phim trực tuyến sử dụng dữ liệu về lịch sử xem của người dùng để đề xuất các bộ phim hoặc chương trình truyền hình mới mà họ có thể thích. Đây là một ứng dụng phổ biến của khoa học dữ liệu, cụ thể là sử dụng kỹ thuật nào?

• A. Phân tích cảm xúc (Sentiment Analysis).
• B. Hệ thống gợi ý (Recommendation Systems).
• C. Nhận dạng hình ảnh (Image Recognition).
• D. Xử lý ngôn ngữ tự nhiên (Natural Language Processing).

Câu 16: Trong lĩnh vực y tế, khoa học dữ liệu có thể được ứng dụng để phân tích dữ liệu bệnh án, hình ảnh y khoa và kết quả xét nghiệm nhằm mục đích gì?

• A. Hỗ trợ chẩn đoán bệnh sớm và chính xác hơn.
• B. Thay thế hoàn toàn vai trò của bác sĩ.
• C. Lưu trữ dữ liệu bệnh nhân giấy tờ.
• D. Giảm số lượng bệnh nhân đến khám.

Câu 17: Một trong những thách thức lớn nhất khi làm việc với dữ liệu lớn (Big Data) liên quan đến đặc điểm "Variety" (Sự đa dạng) là gì?

• A. Chi phí lưu trữ quá cao.
• B. Tốc độ dữ liệu chảy về quá nhanh.
• C. Khối lượng dữ liệu vượt quá khả năng xử lý của máy tính thông thường.
• D. Việc tích hợp, làm sạch và chuẩn hóa dữ liệu đến từ nhiều nguồn khác nhau với định dạng và cấu trúc không đồng nhất.

Câu 18: Yếu tố "Veracity" (Tính xác thực) trong Dữ liệu lớn đề cập đến khía cạnh nào của dữ liệu?

• A. Tốc độ thu thập dữ liệu.
• B. Kích thước của tập dữ liệu.
• C. Độ tin cậy, chính xác, nhất quán và đáng tin cậy của dữ liệu.
• D. Khả năng trích xuất giá trị từ dữ liệu.

Câu 19: Khi một nhà khoa học dữ liệu sử dụng các kỹ thuật thống kê để tìm ra mối tương quan giữa hai biến trong tập dữ liệu (ví dụ: mối liên quan giữa số giờ học và điểm thi), hoạt động này thuộc nhóm phương pháp nào được sử dụng trong khoa học dữ liệu?

• A. Thống kê và Phân tích dữ liệu.
• B. Phát triển phần cứng máy tính.
• C. Thiết kế giao diện người dùng.
• D. Quản lý mạng máy tính.

Câu 20: Vai trò của "Tri thức chuyên ngành" (Domain Knowledge) trong khoa học dữ liệu là gì?

• A. Giúp tăng tốc độ tính toán của mô hình.
• B. Cung cấp các thuật toán học máy mới.
• C. Tự động hóa toàn bộ quy trình phân tích.
• D. Giúp hiểu rõ ngữ cảnh của dữ liệu, đặt ra câu hỏi phân tích phù hợp, diễn giải kết quả một cách chính xác và đưa ra giải pháp thiết thực trong lĩnh vực cụ thể.

Câu 21: Một công ty bảo hiểm muốn phân tích dữ liệu khách hàng để xác định những yếu tố nào (tuổi, giới tính, nghề nghiệp, lịch sử bệnh án...) ảnh hưởng nhiều nhất đến khả năng yêu cầu bồi thường. Kết quả phân tích này giúp họ điều chỉnh mức phí bảo hiểm cho phù hợp. Đây là ví dụ về ứng dụng khoa học dữ liệu trong lĩnh vực nào?

• A. Giáo dục.
• B. Tài chính và Bảo hiểm.
• C. Nông nghiệp.
• D. Nghệ thuật.

Câu 22: Việc sử dụng khoa học dữ liệu để phân tích thói quen tiêu dùng của khách hàng và từ đó đưa ra các chiến lược marketing cá nhân hóa, hiển thị quảng cáo phù hợp với sở thích từng người dùng là một ứng dụng trong lĩnh vực nào?

• A. Marketing và Bán hàng.
• B. Kiểm soát không lưu.
• C. Dự báo động đất.
• D. Thiết kế chip máy tính.

Câu 23: Một trong những thách thức đạo đức (ethical challenges) phổ biến trong khoa học dữ liệu là gì?

• A. Làm thế nào để thu thập đủ dữ liệu.
• B. Làm thế nào để chọn thuật toán tốt nhất.
• C. Làm thế nào để trực quan hóa dữ liệu đẹp mắt.
• D. Bảo vệ quyền riêng tư của dữ liệu cá nhân và tránh thiên vị (bias) trong các mô hình phân tích/dự đoán.

Câu 24: Khi một mô hình khoa học dữ liệu được xây dựng dựa trên dữ liệu lịch sử có sự thiên vị về một nhóm người nhất định (ví dụ: dữ liệu cho vay ưu tiên nam giới), mô hình này có thể dẫn đến kết quả phân tích hoặc quyết định không công bằng cho các nhóm khác. Thách thức này liên quan trực tiếp đến khía cạnh đạo đức nào?

• A. Tốc độ xử lý.
• B. Tính công bằng và tránh thiên vị (Fairness and Bias).
• C. Chi phí lưu trữ.
• D. Khả năng mở rộng (Scalability).

Câu 25: Để giải quyết vấn đề "Variety" (Sự đa dạng) của dữ liệu lớn, các nhà khoa học dữ liệu thường cần sử dụng các công cụ và kỹ thuật nào?

• A. Các hệ thống quản lý dữ liệu NoSQL, công cụ ETL (Extract, Transform, Load) tiên tiến và kỹ thuật xử lý dữ liệu phi cấu trúc/bán cấu trúc.
• B. Chỉ cần sử dụng các công cụ bảng tính truyền thống như Excel.
• C. Tăng cường sức mạnh xử lý của CPU đơn lẻ.
• D. Giảm bớt số lượng loại dữ liệu cần phân tích.

Câu 26: Một trong những lợi ích chính của việc áp dụng khoa học dữ liệu trong doanh nghiệp là gì?

• A. Loại bỏ hoàn toàn nhu cầu về nhân viên.
• B. Chỉ áp dụng được cho các công ty công nghệ lớn.
• C. Cải thiện hiệu quả hoạt động, tối ưu hóa quy trình và đưa ra quyết định chiến lược dựa trên bằng chứng từ dữ liệu.
• D. Giảm giá thành sản phẩm xuống mức tối thiểu.

Câu 27: Khi phân tích dữ liệu từ các cảm biến trong một nhà máy để dự đoán khi nào một thiết bị có khả năng bị hỏng (bảo trì dự đoán - predictive maintenance), khoa học dữ liệu đang giúp giải quyết vấn đề nào?

• A. Marketing sản phẩm.
• B. Quản lý nhân sự.
• C. Kế toán và kiểm toán.
• D. Quản lý vận hành và sản xuất.

Câu 28: Yếu tố "Volume" (Khối lượng) của Dữ liệu lớn không chỉ đơn giản là nhiều dữ liệu, mà còn tạo ra thách thức lớn về mặt kỹ thuật nào?

• A. Yêu cầu hạ tầng lưu trữ và xử lý phân tán, mạnh mẽ vượt xa khả năng của các hệ thống truyền thống.
• B. Làm cho dữ liệu trở nên kém đa dạng hơn.
• C. Giảm tốc độ dữ liệu chảy về.
• D. Khiến dữ liệu trở nên hoàn toàn chính xác và không có sai sót.

Câu 29: Một dự án khoa học dữ liệu liên quan đến việc phân tích hàng triệu tweet trên Twitter để hiểu ý kiến công chúng về một sản phẩm mới. Loại dữ liệu này chủ yếu thuộc dạng nào?

• A. Dữ liệu có cấu trúc (Structured Data).
• B. Dữ liệu số (Numerical Data).
• C. Dữ liệu phi cấu trúc (Unstructured Data).
• D. Dữ liệu hình ảnh (Image Data).

Câu 30: Bước cuối cùng và quan trọng không kém trong quy trình khoa học dữ liệu là "Truyền thông kết quả" (Communication). Tại sao bước này lại cần thiết?

• A. Để thu thập thêm dữ liệu mới.
• B. Để chia sẻ những phát hiện, hiểu biết sâu sắc và đề xuất hành động dựa trên phân tích dữ liệu cho các bên liên quan (quản lý, khách hàng...), giúp họ đưa ra quyết định.
• C. Để làm sạch dữ liệu một lần nữa.
• D. Để xây dựng mô hình dự đoán phức tạp hơn.

Câu 1: Khoa học dữ liệu (Data Science) được mô tả là một lĩnh vực liên ngành. Điều này có nghĩa là Khoa học dữ liệu tích hợp các phương pháp và công cụ từ những lĩnh vực chính nào để làm việc với dữ liệu?

• A. Khoa học máy tính, Toán học và Thống kê.
• B. Vật lý, Hóa học và Sinh học.
• C. Lịch sử, Địa lý và Văn học.
• D. Kinh tế học, Xã hội học và Tâm lý học.

Câu 2: Mục tiêu cốt lõi nhất của Khoa học dữ liệu là gì?

• A. Chỉ đơn thuần thu thập và lưu trữ lượng dữ liệu khổng lồ.
• B. Tạo ra các phần mềm và ứng dụng mới cho máy tính.
• C. Khai thác tri thức, thông tin có giá trị từ dữ liệu để hỗ trợ ra quyết định.
• D. Thiết kế phần cứng máy tính hiệu suất cao.

Câu 3: Khái niệm

• A. Volume (Khối lượng)
• B. Velocity (Vận tốc)
• C. Variety (Đa dạng)
• D. Veracity (Tính xác thực)

Câu 4: Một công ty thương mại điện tử thu thập dữ liệu về hành vi mua sắm của khách hàng: lịch sử xem sản phẩm, sản phẩm đã thêm vào giỏ hàng, sản phẩm đã mua, đánh giá, v.v. Họ sử dụng Khoa học dữ liệu để dự đoán sản phẩm nào khách hàng có khả năng mua tiếp theo và hiển thị các gợi ý phù hợp. Đây là ví dụ về ứng dụng nào của Khoa học dữ liệu?

• A. Cá nhân hóa trải nghiệm người dùng.
• B. Phát hiện gian lận trong thanh toán.
• C. Tự động hóa quy trình sản xuất.
• D. Dự báo thời tiết chính xác hơn.

Câu 5: Trong quy trình Khoa học dữ liệu, bước nào thường tốn nhiều thời gian và công sức nhất, liên quan đến việc xử lý dữ liệu bị thiếu, không nhất quán hoặc sai định dạng?

• A. Thu thập dữ liệu.
• B. Xây dựng mô hình phân tích.
• C. Trực quan hóa kết quả.
• D. Làm sạch và tiền xử lý dữ liệu.

Câu 6: Một ngân hàng sử dụng Khoa học dữ liệu để phân tích các giao dịch tài chính bất thường, các mẫu chi tiêu không điển hình hoặc các hoạt động đáng ngờ nhằm ngăn chặn thất thoát. Đây là ứng dụng nào của Khoa học dữ liệu?

• A. Quản lý rủi ro đầu tư.
• B. Tối ưu hóa chiến dịch marketing.
• C. Phát hiện gian lận.
• D. Chăm sóc khách hàng tự động.

Câu 7: Khi làm việc với

• A. Dữ liệu đến từ nhiều nguồn khác nhau và có nhiều định dạng khác nhau (có cấu trúc, bán cấu trúc, không cấu trúc).
• B. Dữ liệu được tạo ra với tốc độ rất nhanh.
• C. Kích thước của tập dữ liệu là rất lớn.
• D. Độ tin cậy và chính xác của dữ liệu.

Câu 8: Tại sao trực quan hóa dữ liệu (Data Visualization) lại là một bước quan trọng trong quy trình Khoa học dữ liệu?

• A. Giúp giảm kích thước của tập dữ liệu để dễ lưu trữ.
• B. Giúp con người dễ dàng hiểu, khám phá các mẫu hình, xu hướng và thông tin từ dữ liệu phức tạp.
• C. Là cách duy nhất để làm sạch dữ liệu bị lỗi.
• D. Tự động hóa toàn bộ quá trình phân tích dữ liệu.

Câu 9: Học máy (Machine Learning) có mối quan hệ như thế nào với Khoa học dữ liệu?

• A. Học máy là một lĩnh vực hoàn toàn độc lập với Khoa học dữ liệu.
• B. Học máy chỉ là một công cụ cũ không còn được sử dụng trong Khoa học dữ liệu hiện đại.
• C. Khoa học dữ liệu là một nhánh nhỏ của Học máy.
• D. Học máy là một tập hợp các kỹ thuật và thuật toán quan trọng được sử dụng trong Khoa học dữ liệu để xây dựng mô hình dự đoán và phân tích dữ liệu.

Câu 10: Một nhà khoa học dữ liệu đang phân tích dữ liệu khảo sát ý kiến khách hàng về một sản phẩm mới. Sau khi thu thập và làm sạch dữ liệu, bước tiếp theo cô ấy nên làm gì để tìm ra các xu hướng và hiểu rõ hơn về phản hồi của khách hàng trước khi xây dựng mô hình dự đoán?

• A. Chuyển thẳng dữ liệu vào mô hình học máy phức tạp nhất.
• B. Xóa bỏ tất cả các dữ liệu không chứa số.
• C. Thực hiện phân tích khám phá dữ liệu (Exploratory Data Analysis - EDA) và trực quan hóa dữ liệu.
• D. Lưu trữ dữ liệu vào một cơ sở dữ liệu mới mà không cần xem xét nội dung.

Câu 11: Khía cạnh

• A. Tốc độ xử lý dữ liệu.
• B. Độ tin cậy, chính xác và nhất quán của dữ liệu.
• C. Kích thước khổng lồ của dữ liệu.
• D. Số lượng các định dạng dữ liệu khác nhau.

Câu 12: Một công ty sử dụng dữ liệu bán hàng lịch sử, dữ liệu về các chiến dịch khuyến mãi và dữ liệu về các ngày lễ để xây dựng mô hình dự báo doanh số cho quý tiếp theo. Đây là ví dụ về loại phân tích nào trong Khoa học dữ liệu?

• A. Phân tích dự đoán (Predictive Analytics).
• B. Phân tích mô tả (Descriptive Analytics).
• C. Phân tích chẩn đoán (Diagnostic Analytics).
• D. Phân tích đề xuất (Prescriptive Analytics).

Câu 13: Khía cạnh

• A. Dữ liệu phải được lưu trữ trên các máy chủ đắt tiền.
• B. Dữ liệu chỉ có giá trị khi được thu thập từ mạng xã hội.
• C. Dữ liệu phải được xử lý và phân tích để trích xuất thông tin có ý nghĩa và mang lại lợi ích.
• D. Giá trị của dữ liệu tỷ lệ nghịch với khối lượng của nó.

Câu 14: Một trong những thách thức lớn khi làm việc với dữ liệu không có cấu trúc (ví dụ: văn bản từ email, bài đăng mạng xã hội, hình ảnh) trong Khoa học dữ liệu là gì?

• A. Kích thước của dữ liệu luôn nhỏ.
• B. Dữ liệu không có cấu trúc luôn chính xác 100%.
• C. Rất dễ dàng để lưu trữ trong các cơ sở dữ liệu truyền thống.
• D. Khó khăn trong việc trích xuất thông tin có ý nghĩa và chuẩn hóa để phân tích bằng các phương pháp truyền thống.

Câu 15: Một công ty dược phẩm sử dụng Khoa học dữ liệu để phân tích dữ liệu từ các thử nghiệm lâm sàng, dữ liệu gen và dữ liệu bệnh nhân để xác định các ứng cử viên thuốc tiềm năng hoặc cá nhân hóa phương pháp điều trị. Đây là ứng dụng của Khoa học dữ liệu trong lĩnh vực nào?

• A. Giáo dục.
• B. Y tế/Chăm sóc sức khỏe.
• C. Năng lượng.
• D. Nghệ thuật.

Câu 16: Phân tích mô tả (Descriptive Analytics) trong Khoa học dữ liệu tập trung vào việc trả lời câu hỏi nào?

• A. Điều gì đã xảy ra trong quá khứ?
• B. Tại sao điều đó lại xảy ra?
• C. Điều gì có thể xảy ra trong tương lai?
• D. Chúng ta nên làm gì?

Câu 17: Phân tích đề xuất (Prescriptive Analytics) trong Khoa học dữ liệu nhằm mục đích gì?

• A. Chỉ tóm tắt dữ liệu quá khứ.
• B. Giải thích nguyên nhân của một sự kiện.
• C. Dự báo kết quả có thể xảy ra.
• D. Đưa ra các khuyến nghị về hành động tốt nhất cần thực hiện để đạt được mục tiêu cụ thể.

Câu 18: Tại sao kiến thức chuyên ngành (domain knowledge) lại quan trọng đối với một nhà khoa học dữ liệu?

• A. Chỉ để biết cách sử dụng các công cụ phần mềm.
• B. Giúp thu thập dữ liệu nhanh hơn.
• C. Giúp hiểu ngữ cảnh của dữ liệu, đặt câu hỏi phù hợp, giải thích kết quả phân tích và áp dụng chúng vào thực tế.
• D. Không có vai trò gì, chỉ cần kỹ năng lập trình và thống kê là đủ.

Câu 19: Một thách thức đạo đức tiềm ẩn trong Khoa học dữ liệu, đặc biệt khi sử dụng dữ liệu cá nhân, là gì?

• A. Bảo vệ quyền riêng tư và tránh phân biệt đối xử dựa trên dữ liệu.
• B. Tốc độ xử lý dữ liệu quá chậm.
• C. Không đủ công cụ trực quan hóa.
• D. Số lượng dữ liệu quá ít để phân tích.

Câu 20: Hệ thống gợi ý sản phẩm trên các trang thương mại điện tử (ví dụ:

• A. Dữ liệu thời tiết.
• B. Dữ liệu địa lý.
• C. Dữ liệu về giá cổ phiếu.
• D. Dữ liệu về hành vi và sở thích của người dùng.

Câu 21: Khi nói về Dữ liệu lớn,

• A. Tốc độ dữ liệu thay đổi.
• B. Độ đa dạng của dữ liệu.
• C. Kích thước khổng lồ của tập dữ liệu, thường tính bằng Petabyte hoặc Exabyte.
• D. Độ chính xác của dữ liệu.

Câu 22: Một công ty vận tải sử dụng dữ liệu từ cảm biến trên xe, dữ liệu giao thông và dữ liệu thời tiết để tối ưu hóa lộ trình giao hàng, giảm thời gian vận chuyển và tiết kiệm nhiên liệu. Đây là ví dụ về ứng dụng nào của Khoa học dữ liệu?

• A. Tối ưu hóa hoạt động.
• B. Phân tích cảm xúc khách hàng.
• C. Nhận dạng hình ảnh.
• D. Xử lý ngôn ngữ tự nhiên.

Câu 23: Đâu là sự khác biệt cơ bản giữa dữ liệu (data) và thông tin (information) trong bối cảnh Khoa học dữ liệu?

• A. Dữ liệu luôn có cấu trúc, còn thông tin thì không.
• B. Dữ liệu là các sự kiện, số liệu thô; thông tin là dữ liệu đã được xử lý, tổ chức và có ý nghĩa.
• C. Thông tin luôn là số, còn dữ liệu có thể là văn bản.
• D. Dữ liệu chỉ có giá trị trong quá khứ, thông tin có giá trị cho tương lai.

Câu 24: Khi một nhà khoa học dữ liệu sử dụng các kỹ thuật thống kê để tìm hiểu các đặc điểm chính của tập dữ liệu (ví dụ: giá trị trung bình, độ lệch chuẩn, phân phối dữ liệu), họ đang thực hiện loại phân tích nào?

• A. Phân tích mô tả (Descriptive Analytics).
• B. Phân tích dự đoán (Predictive Analytics).
• C. Phân tích đề xuất (Prescriptive Analytics).
• D. Phân tích nhân quả (Causal Analytics).

Câu 25: Mối quan hệ giữa Trí tuệ nhân tạo (AI) và Khoa học dữ liệu là gì?

• A. AI là một lĩnh vực hoàn toàn riêng biệt, không liên quan đến Khoa học dữ liệu.
• B. Khoa học dữ liệu là một tập hợp con của AI.
• C. AI chỉ là công cụ để thu thập dữ liệu cho Khoa học dữ liệu.
• D. Khoa học dữ liệu sử dụng các kỹ thuật của AI (bao gồm Học máy) để phân tích dữ liệu và trích xuất tri thức, trong khi AI thường cần dữ liệu lớn để "học".

Câu 26: Tại sao việc làm sạch dữ liệu (Data Cleaning) lại là bước quan trọng và thường tốn nhiều thời gian trong quy trình Khoa học dữ liệu?

• A. Chỉ để làm cho dữ liệu trông đẹp hơn trên biểu đồ.
• B. Dữ liệu thực tế thường chứa lỗi, giá trị thiếu, không nhất quán, gây ảnh hưởng nghiêm trọng đến kết quả phân tích nếu không được xử lý.
• C. Để giảm kích thước tập dữ liệu xuống mức nhỏ nhất có thể.
• D. Để chuyển đổi tất cả dữ liệu thành dạng văn bản.

Câu 27: Khi một mô hình Khoa học dữ liệu được xây dựng để tự động phân loại email thành

• A. Trực quan hóa dữ liệu.
• B. Quản trị cơ sở dữ liệu.
• C. Học máy (cụ thể là bài toán phân loại).
• D. Thu thập dữ liệu.

Câu 28: Khía cạnh nào của

• A. Volume (Khối lượng)
• B. Velocity (Vận tốc)
• C. Veracity (Tính xác thực)
• D. Variety (Đa dạng)

Câu 29: Một nhà khoa học dữ liệu phát hiện ra rằng một tập dữ liệu khách hàng chứa nhiều dòng bị trùng lặp hoặc thiếu thông tin quan trọng ở một số cột. Bước đầu tiên và cần thiết nhất để xử lý vấn đề này là gì?

• A. Thực hiện các kỹ thuật làm sạch dữ liệu (Data Cleaning).
• B. Xây dựng ngay một mô hình dự đoán.
• C. Trực quan hóa dữ liệu dưới dạng biểu đồ phức tạp.
• D. Lưu trữ dữ liệu vào một định dạng nén.

Câu 30: Ứng dụng nào sau đây thể hiện rõ nhất việc sử dụng Khoa học dữ liệu để đổi mới quá trình ra quyết định trong một tổ chức?

• A. Lưu trữ tất cả các tài liệu giấy thành dạng điện tử.
• B. Sử dụng phân tích dữ liệu để xác định chiến lược giá tối ưu cho sản phẩm dựa trên hành vi mua sắm và giá của đối thủ.
• C. Tự động hóa việc trả lời email khách hàng bằng các câu trả lời mẫu.
• D. Thiết kế lại logo của công ty dựa trên ý kiến chủ quan của ban lãnh đạo.

Câu 1: Một công ty bán lẻ muốn dự đoán sản phẩm nào có khả năng được khách hàng mua cùng nhau dựa trên lịch sử giao dịch. Lĩnh vực nào của khoa học dữ liệu có thể hỗ trợ công ty giải quyết bài toán này hiệu quả nhất?

• A. Trực quan hóa dữ liệu
• B. Kỹ thuật dữ liệu (Data Engineering)
• C. Quản trị cơ sở dữ liệu
• D. Học máy (Machine Learning)

Câu 2: Dữ liệu từ các cảm biến IoT trong nhà máy, dữ liệu giao dịch trực tuyến theo thời gian thực, và dữ liệu từ mạng xã hội là những ví dụ điển hình minh họa cho đặc điểm nào của Dữ liệu lớn (Big Data)?

• A. Volume (Khối lượng)
• B. Velocity (Vận tốc)
• C. Variety (Đa dạng)
• D. Veracity (Tính xác thực)

Câu 3: Một nhà khoa học dữ liệu đang làm việc với một tập dữ liệu khổng lồ chứa thông tin từ nhiều nguồn khác nhau như văn bản, hình ảnh, video và số liệu thống kê. Thử thách chính mà người này đang đối mặt liên quan đến đặc điểm nào của Dữ liệu lớn?

• A. Volume (Khối lượng)
• B. Velocity (Vận tốc)
• C. Variety (Đa dạng)
• D. Value (Giá trị)

Câu 4: Bước nào trong quy trình xử lý khoa học dữ liệu giúp chuyển đổi dữ liệu thô, không đồng nhất thành định dạng phù hợp cho việc phân tích và mô hình hóa?

• A. Làm sạch và tiền xử lý dữ liệu
• B. Trực quan hóa dữ liệu
• C. Xây dựng mô hình
• D. Triển khai và đánh giá

Câu 5: Một biểu đồ phân tán (scatter plot) được sử dụng để hiển thị mối quan hệ giữa hai biến số trong tập dữ liệu. Hoạt động này thuộc bước nào trong quy trình khoa học dữ liệu?

• A. Thu thập dữ liệu
• B. Làm sạch và tiền xử lý dữ liệu
• C. Phân tích khám phá và trực quan hóa dữ liệu
• D. Xây dựng mô hình

Câu 6: Mục tiêu cốt lõi nhất của Khoa học dữ liệu, vượt ra ngoài việc chỉ xử lý và lưu trữ dữ liệu, là gì?

• A. Thiết kế cơ sở dữ liệu hiệu quả
• B. Khai thác tri thức và hỗ trợ ra quyết định
• C. Tăng tốc độ tính toán cho máy tính
• D. Phát triển các ngôn ngữ lập trình mới

Câu 7: Để một mô hình học máy có thể đưa ra dự đoán chính xác, dữ liệu đầu vào cần đảm bảo đặc điểm nào của Dữ liệu lớn?

• A. Volume (Khối lượng)
• B. Velocity (Vận tốc)
• C. Variety (Đa dạng)
• D. Veracity (Tính xác thực)

Câu 8: Một hệ thống gợi ý sản phẩm trên trang thương mại điện tử sử dụng lịch sử mua hàng của người dùng để đề xuất các mặt hàng tiềm năng. Đây là ứng dụng thực tế của lĩnh vực nào?

• A. Học máy và khoa học dữ liệu
• B. Phát triển phần cứng máy tính
• C. Thiết kế giao diện người dùng
• D. Quản lý mạng máy tính