15+ Đề Trắc nghiệm Tin học 12 Cánh diều Bài 3: Giới thiệu về Khoa học dữ liệu ( Tiếp theo)

Câu 1: Trong khoa học dữ liệu, đặc điểm "khối lượng" (Volume) của dữ liệu lớn thường được thể hiện rõ nhất qua yếu tố nào?

• A. Tốc độ truyền tải dữ liệu nhanh chóng.
• B. Sự đa dạng về định dạng dữ liệu (văn bản, hình ảnh, video...).
• C. Độ tin cậy và chính xác của nguồn dữ liệu.
• D. Dung lượng lưu trữ dữ liệu khổng lồ, vượt xa khả năng xử lý truyền thống.

Câu 2: "Velocity" là một trong 5V đặc trưng của dữ liệu lớn, yếu tố này nhấn mạnh đến khía cạnh nào trong khoa học dữ liệu?

• A. Giá trị thông tin hữu ích có thể khai thác từ dữ liệu.
• B. Tốc độ phát sinh và cần xử lý dữ liệu cực kỳ nhanh.
• C. Sự khác biệt về nguồn gốc và ngữ cảnh của dữ liệu.
• D. Khả năng kiểm chứng và đảm bảo chất lượng dữ liệu.

Câu 3: Tính "đa dạng" (Variety) của dữ liệu lớn gây ra thách thức chủ yếu nào cho các hệ thống xử lý dữ liệu truyền thống?

• A. Yêu cầu dung lượng lưu trữ lớn hơn.
• B. Tăng chi phí đầu tư vào phần cứng máy tính.
• C. Khó khăn trong việc tích hợp và phân tích dữ liệu từ nhiều nguồn khác nhau.
• D. Giảm độ chính xác của các thuật toán phân tích dữ liệu.

Câu 4: Trong quy trình khai phá dữ liệu, bước nào tập trung vào việc chuyển đổi dữ liệu thô sang định dạng phù hợp cho phân tích?

• A. Đánh giá và lựa chọn mô hình khai phá.
• B. Làm sạch và chuyển đổi dữ liệu.
• C. Trích xuất tri thức và mô hình hóa.
• D. Thu thập và tích hợp dữ liệu.

Câu 5: Phân tích dữ liệu mô tả (Descriptive Analytics) chủ yếu được sử dụng để trả lời câu hỏi nào về dữ liệu?

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

Câu 6: Để dự đoán doanh số bán hàng trong quý tới dựa trên dữ liệu lịch sử và các yếu tố thị trường hiện tại, loại phân tích dữ liệu nào sẽ phù hợp nhất?

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

Câu 7: Công nghệ điện toán đám mây (Cloud Computing) mang lại lợi ích gì quan trọng trong việc xử lý và lưu trữ dữ liệu lớn?

• A. Tăng cường khả năng bảo mật tuyệt đối cho dữ liệu.
• B. Giảm thiểu sự phụ thuộc vào kết nối internet.
• C. Đơn giản hóa việc quản lý cơ sở dữ liệu quan hệ.
• D. Khả năng mở rộng linh hoạt và tiết kiệm chi phí đầu tư cơ sở hạ tầng.

Câu 8: Cơ sở dữ liệu NoSQL được thiết kế đặc biệt để giải quyết vấn đề nào mà các cơ sở dữ liệu quan hệ (SQL) truyền thống gặp khó khăn?

• A. Quản lý dữ liệu có cấu trúc chặt chẽ, tuân thủ lược đồ cố định.
• B. Xử lý dữ liệu phi cấu trúc hoặc bán cấu trúc với khối lượng lớn.
• C. Đảm bảo tính toàn vẹn dữ liệu ACID (Atomicity, Consistency, Isolation, Durability).
• D. Thực hiện các truy vấn phức tạp và phép kết nối (JOIN) giữa nhiều bảng.

Câu 9: Máy tính cụm (Computer Cluster) được sử dụng phổ biến trong khoa học dữ liệu để làm gì?

• A. Thay thế cho máy tính cá nhân để làm việc văn phòng.
• B. Cải thiện hiệu suất đồ họa cho các ứng dụng thiết kế.
• C. Tăng cường năng lực tính toán song song để xử lý dữ liệu lớn.
• D. Giảm thiểu điện năng tiêu thụ của các trung tâm dữ liệu.

Câu 10: Thuật toán song song (Parallel Algorithm) đóng vai trò như thế nào trong việc phân tích dữ liệu lớn?

• A. Chia nhỏ bài toán thành nhiều phần nhỏ để thực hiện đồng thời, tăng tốc độ xử lý.
• B. Tự động phát hiện và sửa lỗi dữ liệu trong quá trình phân tích.
• C. Giảm độ phức tạp của thuật toán phân tích dữ liệu.
• D. Tăng cường khả năng trực quan hóa kết quả phân tích dữ liệu.

Câu 11: Để phân tích cảm xúc (Sentiment Analysis) từ hàng triệu bình luận trên mạng xã hội về một sản phẩm mới, công cụ nào sau đây sẽ hữu ích nhất?

• A. Bảng tính điện tử (Spreadsheet).
• B. Công cụ xử lý ngôn ngữ tự nhiên (NLP).
• C. Phần mềm quản lý cơ sở dữ liệu quan hệ (RDBMS).
• D. Trình duyệt web (Web browser).

Câu 12: Trong lĩnh vực y tế, khoa học dữ liệu có thể được ứng dụng để làm gì?

• A. Thiết kế giao diện người dùng cho thiết bị y tế.
• B. Quản lý hồ sơ bệnh án trên giấy.
• C. Tự động hóa quy trình nhập liệu thông tin bệnh nhân.
• D. Phân tích dữ liệu bệnh sử để dự đoán nguy cơ mắc bệnh và hỗ trợ chẩn đoán.

Câu 13: Một nhà bán lẻ trực tuyến muốn cá nhân hóa trải nghiệm mua sắm cho từng khách hàng. Khoa học dữ liệu có thể giúp họ thực hiện điều này bằng cách nào?

• A. Phân tích lịch sử mua hàng và hành vi duyệt web để đưa ra gợi ý sản phẩm phù hợp.
• B. Tăng cường số lượng quảng cáo hiển thị trên trang web.
• C. Giảm giá tất cả các sản phẩm để thu hút khách hàng.
• D. Thu thập thông tin cá nhân của khách hàng mà không có sự đồng ý.

Câu 14: "Veracity" trong 5V của dữ liệu lớn đề cập đến vấn đề gì quan trọng khi làm việc với dữ liệu?

• A. Tốc độ tạo ra dữ liệu.
• B. Sự đa dạng của các loại dữ liệu.
• C. Độ tin cậy và chất lượng của dữ liệu.
• D. Dung lượng lưu trữ dữ liệu.

Câu 15: Để phát hiện gian lận trong giao dịch thẻ tín dụng, kỹ thuật khai phá dữ liệu nào thường được sử dụng?

• A. Phân tích hồi quy (Regression analysis).
• B. Phát hiện bất thường (Anomaly detection).
• C. Phân cụm (Clustering).
• D. Phân tích tương quan (Correlation analysis).

Câu 16: Trong phân tích dữ liệu, "trực quan hóa dữ liệu" (Data Visualization) có vai trò chính là gì?

• A. Tăng tốc độ xử lý dữ liệu.
• B. Làm sạch và chuẩn hóa dữ liệu.
• C. Thay thế các phương pháp phân tích thống kê truyền thống.
• D. Giúp con người dễ dàng hiểu và nhận diện các mẫu, xu hướng trong dữ liệu.

Câu 17: "Value" là yếu tố cuối cùng trong 5V của dữ liệu lớn. Yếu tố này nhấn mạnh đến điều gì?

• A. Số lượng nguồn dữ liệu khác nhau.
• B. Tốc độ thu thập dữ liệu.
• C. Giá trị và lợi ích kinh doanh mà dữ liệu mang lại.
• D. Độ tin cậy của dữ liệu.

Câu 18: Để xây dựng một hệ thống tự động phân loại email vào hộp thư "spam" và "không spam", kỹ thuật học máy nào sau đây thường được sử dụng?

• A. Học có giám sát (Supervised learning).
• B. Học không giám sát (Unsupervised learning).
• C. Học tăng cường (Reinforcement learning).
• D. Học sâu (Deep learning).

Câu 19: Sự khác biệt chính giữa phân tích dữ liệu dự đoán (Predictive Analytics) và phân tích dữ liệu quy chuẩn (Prescriptive Analytics) là gì?

• A. Phân tích dự đoán tập trung vào dữ liệu hiện tại, còn phân tích quy chuẩn tập trung vào dữ liệu quá khứ.
• B. Phân tích dự đoán đưa ra dự báo về tương lai, còn phân tích quy chuẩn đề xuất hành động nên thực hiện.
• C. Phân tích dự đoán sử dụng thuật toán thống kê, còn phân tích quy chuẩn sử dụng học máy.
• D. Phân tích dự đoán dễ thực hiện hơn phân tích quy chuẩn.

Câu 20: Trong khoa học dữ liệu, thuật ngữ "kỹ sư dữ liệu" (Data Engineer) thường dùng để chỉ người có vai trò chính là gì?

• A. Phân tích và diễn giải kết quả dữ liệu.
• B. Xây dựng mô hình học máy.
• C. Thiết kế, xây dựng và duy trì hệ thống lưu trữ và xử lý dữ liệu.
• D. Giao tiếp với khách hàng để xác định yêu cầu về dữ liệu.

Câu 21: Giả sử bạn có một tập dữ liệu lớn về thông tin khách hàng và hành vi mua sắm. Bạn muốn phân nhóm khách hàng thành các phân khúc khác nhau dựa trên đặc điểm chung. Kỹ thuật khai phá dữ liệu nào phù hợp?

• A. Phân tích hồi quy (Regression).
• B. Phân tích chuỗi thời gian (Time series analysis).
• C. Phân tích phân loại (Classification).
• D. Phân cụm (Clustering).

Câu 22: Ưu điểm nổi bật của cơ sở dữ liệu NoSQL so với cơ sở dữ liệu quan hệ SQL trong việc quản lý dữ liệu lớn là gì?

• A. Khả năng đảm bảo tính toàn vẹn dữ liệu cao hơn.
• B. Khả năng mở rộng quy mô linh hoạt và dễ dàng hơn.
• C. Hỗ trợ tốt hơn cho các truy vấn phức tạp.
• D. Chi phí triển khai và vận hành thấp hơn.

Câu 23: Để xử lý dữ liệu lớn có tốc độ phát sinh liên tục từ các cảm biến IoT, kiến trúc hệ thống nào sẽ hiệu quả hơn?

• A. Hệ thống cơ sở dữ liệu quan hệ truyền thống.
• B. Hệ thống lưu trữ dữ liệu tập trung trên một máy chủ duy nhất.
• C. Hệ thống xử lý dữ liệu phân tán và song song.
• D. Hệ thống lưu trữ dữ liệu trên băng từ.

Câu 24: Trong một dự án khoa học dữ liệu, bước nào thường tốn nhiều thời gian và công sức nhất?

• A. Thu thập, làm sạch và chuẩn bị dữ liệu.
• B. Xây dựng và huấn luyện mô hình học máy.
• C. Trực quan hóa và báo cáo kết quả.
• D. Triển khai mô hình vào thực tế.

Câu 25: Vấn đề "thiên vị" (bias) trong dữ liệu có thể gây ra hậu quả gì trong các ứng dụng khoa học dữ liệu?

• A. Tăng tốc độ xử lý dữ liệu.
• B. Đưa ra các quyết định không công bằng hoặc phân biệt đối xử.
• C. Giảm chi phí lưu trữ dữ liệu.
• D. Cải thiện độ chính xác của mô hình học máy.

Câu 26: Để đánh giá hiệu quả của một mô hình phân loại trong khoa học dữ liệu, chỉ số nào thường được sử dụng?

• A. Thời gian chạy của thuật toán.
• B. Dung lượng bộ nhớ sử dụng.
• C. Độ chính xác (Accuracy) hoặc F1-score.
• D. Số lượng dòng dữ liệu đầu vào.

Câu 27: Trong lĩnh vực tài chính, khoa học dữ liệu có thể được sử dụng để làm gì?

• A. Quản lý hệ thống mạng máy tính.
• B. Phát triển phần mềm kế toán.
• C. Thiết kế giao diện website ngân hàng.
• D. Dự báo rủi ro tín dụng và phát hiện giao dịch đáng ngờ.

Câu 28: Khi dữ liệu lớn không thể lưu trữ trên một máy tính duy nhất, giải pháp lưu trữ phân tán nào thường được sử dụng?

• A. Ổ cứng thể rắn (SSD) dung lượng lớn.
• B. Hệ thống tệp phân tán (Distributed File System) như Hadoop HDFS.
• C. Cơ sở dữ liệu quan hệ SQL.
• D. Bộ nhớ RAM mở rộng.

Câu 29: Để đảm bảo tính "xác thực" (Veracity) của dữ liệu lớn, biện pháp nào sau đây quan trọng nhất?

• A. Tăng tốc độ thu thập dữ liệu.
• B. Mở rộng dung lượng lưu trữ dữ liệu.
• C. Kiểm tra và làm sạch dữ liệu để loại bỏ sai sót và nhiễu.
• D. Sử dụng nhiều nguồn dữ liệu khác nhau.

Câu 30: Trong bối cảnh khoa học dữ liệu ngày càng phát triển, kỹ năng nào trở nên quan trọng hơn bao giờ hết đối với người làm việc với dữ liệu?

• A. Kỹ năng lập trình chuyên sâu.
• B. Kiến thức toán học thống kê nâng cao.
• C. Khả năng sử dụng các công cụ trực quan hóa dữ liệu.
• D. Tư duy phản biện và khả năng giải quyết vấn đề phức tạp.

Câu 1: Một công ty thương mại điện tử thu thập hàng terabyte dữ liệu mỗi ngày từ hành vi duyệt web, lịch sử mua hàng và tương tác trên ứng dụng của hàng triệu khách hàng. Đặc trưng nào của Dữ liệu lớn (Big Data) được thể hiện rõ nhất trong tình huống này?

• A. Variety (Tính đa dạng)
• B. Volume (Khối lượng)
• C. Velocity (Tốc độ)
• D. Veracity (Tính xác thực)

Câu 2: Hệ thống giám sát giao thông đô thị xử lý dữ liệu từ hàng nghìn camera và cảm biến theo thời gian thực để điều khiển đèn tín hiệu và cảnh báo ùn tắc ngay lập tức. Đặc trưng nào của Dữ liệu lớn (Big Data) đặt ra thách thức lớn nhất trong việc thiết kế hệ thống này?

• A. Volume (Khối lượng)
• B. Variety (Tính đa dạng)
• C. Velocity (Tốc độ)
• D. Value (Giá trị)

Câu 3: Một chiến dịch phân tích dữ liệu khách hàng của ngân hàng bao gồm thông tin giao dịch (số), lịch sử tín dụng (có cấu trúc), email hỗ trợ khách hàng (văn bản phi cấu trúc), và ghi âm cuộc gọi (âm thanh). Đặc trưng nào của Dữ liệu lớn (Big Data) mô tả sự kết hợp các loại dữ liệu này?

• A. Variety (Tính đa dạng)
• B. Volume (Khối lượng)
• C. Velocity (Tốc độ)
• D. Veracity (Tính xác thực)

Câu 4: Dữ liệu thu thập từ các cảm biến IoT trong nông nghiệp có thể bị sai lệch do điều kiện thời tiết khắc nghiệt hoặc lỗi thiết bị. Việc đảm bảo dữ liệu này đủ tin cậy để đưa ra quyết định về tưới tiêu và bón phân liên quan trực tiếp đến đặc trưng nào của Dữ liệu lớn (Big Data)?

• A. Volume (Khối lượng)
• B. Variety (Tính đa dạng)
• C. Velocity (Tốc độ)
• D. Veracity (Tính xác thực)

Câu 5: Mục tiêu cuối cùng của việc phân tích Dữ liệu lớn là trích xuất những thông tin hữu ích, tìm ra các mẫu ẩn và đưa ra quyết định dựa trên dữ liệu để tạo ra lợi ích cụ thể (ví dụ: tăng doanh thu, giảm chi phí). Điều này thể hiện đặc trưng nào của Dữ liệu lớn?

• A. Velocity (Tốc độ)
• B. Value (Giá trị)
• C. Veracity (Tính xác thực)
• D. Volume (Khối lượng)

Câu 6: Một nhà khoa học dữ liệu đang sử dụng các thuật toán để tìm ra các nhóm khách hàng có hành vi mua sắm tương tự nhau trong một tập dữ liệu khổng lồ. Quá trình này được gọi là gì?

• A. Thu thập dữ liệu
• B. Trực quan hóa dữ liệu
• C. Khai phá dữ liệu (Data Mining)
• D. Lưu trữ dữ liệu

Câu 7: Phân tích dữ liệu nào nhằm mục đích tóm tắt các đặc điểm chính của dữ liệu quá khứ, thường sử dụng các biểu đồ, thống kê mô tả để trả lời câu hỏi "Điều gì đã xảy ra?"

• A. Phân tích mô tả (Descriptive Analysis)
• B. Phân tích dự đoán (Predictive Analysis)
• C. Phân tích đề xuất (Prescriptive Analysis)
• D. Khai phá dữ liệu (Data Mining)

Câu 8: Một công ty muốn dự đoán doanh số bán hàng cho quý tới dựa trên dữ liệu bán hàng của nhiều năm trước, các yếu tố mùa vụ và xu hướng thị trường. Loại hình phân tích dữ liệu nào phù hợp nhất để thực hiện mục tiêu này?

• A. Phân tích mô tả (Descriptive Analysis)
• B. Phân tích dự đoán (Predictive Analysis)
• C. Phân tích đề xuất (Prescriptive Analysis)
• D. Trực quan hóa dữ liệu

Câu 9: Sau khi phân tích dữ liệu khách hàng và dự đoán được những người có nguy cơ rời bỏ dịch vụ cao, một công ty muốn biết nên đưa ra những ưu đãi cụ thể nào cho từng nhóm khách hàng đó để giữ chân họ hiệu quả nhất. Loại hình phân tích dữ liệu nào cung cấp các khuyến nghị hành động tối ưu?

• A. Phân tích mô tả (Descriptive Analysis)
• B. Phân tích dự đoán (Predictive Analysis)
• C. Phân tích đề xuất (Prescriptive Analysis)
• D. Khai phá dữ liệu (Data Mining)

Câu 10: Học máy (Machine Learning) đóng vai trò quan trọng trong Khoa học dữ liệu chủ yếu ở khâu nào?

• A. Chỉ thu thập dữ liệu
• B. Chỉ lưu trữ dữ liệu
• C. Chỉ hiển thị dữ liệu
• D. Xây dựng mô hình từ dữ liệu để đưa ra dự đoán hoặc quyết định

Câu 11: Khi làm việc với Dữ liệu lớn, việc sử dụng Điện toán đám mây (Cloud Computing) mang lại lợi ích đáng kể nào?

• A. Cung cấp tài nguyên tính toán và lưu trữ linh hoạt, theo nhu cầu
• B. Giảm tính đa dạng của dữ liệu
• C. Loại bỏ hoàn toàn nhu cầu về thuật toán phân tích
• D. Chỉ phù hợp với dữ liệu có cấu trúc

Câu 12: Một dự án Khoa học dữ liệu cần xử lý một lượng lớn dữ liệu phi cấu trúc và bán cấu trúc từ mạng xã hội (bài đăng, bình luận, hình ảnh). Loại cơ sở dữ liệu nào thường được ưu tiên sử dụng trong trường hợp này so với cơ sở dữ liệu quan hệ truyền thống?

• A. Cơ sở dữ liệu SQL (Quan hệ)
• B. Cơ sở dữ liệu NoSQL
• C. Cơ sở dữ liệu phân cấp
• D. Bảng tính Excel

Câu 13: Để tăng tốc độ xử lý các tác vụ phân tích dữ liệu lớn đòi hỏi nhiều phép tính phức tạp, các nhà khoa học dữ liệu thường sử dụng các hệ thống gồm nhiều máy tính hoạt động song song như một đơn vị xử lý duy nhất. Hệ thống này được gọi là gì?

• A. Máy tính cá nhân hiệu năng cao
• B. Máy chủ đơn lẻ
• C. Máy tính cụm (Cluster Computing)
• D. Thiết bị lưu trữ ngoại vi

Câu 14: Thuật toán song song (Parallel Algorithms) mang lại lợi ích chính nào khi xử lý Dữ liệu lớn?

• A. Giảm khối lượng dữ liệu cần xử lý
• B. Tăng tính xác thực của dữ liệu đầu vào
• C. Chỉ hoạt động với dữ liệu văn bản
• D. Thực hiện nhiều phép tính đồng thời, rút ngắn thời gian xử lý

Câu 15: Khi trực quan hóa dữ liệu, mục đích chính là gì?

• A. Biến dữ liệu phức tạp thành dạng biểu đồ, đồ thị dễ hiểu để phát hiện xu hướng, mẫu
• B. Lưu trữ dữ liệu một cách hiệu quả
• C. Thực hiện các phép tính thống kê phức tạp
• D. Tự động thu thập dữ liệu từ các nguồn khác nhau

Câu 16: Một công ty viễn thông muốn phân tích dữ liệu cuộc gọi và tin nhắn để phát hiện các hoạt động bất thường, có thể là dấu hiệu của gian lận. Đây là một ứng dụng điển hình của Khoa học dữ liệu trong lĩnh vực nào?

• A. Chăm sóc sức khỏe
• B. Phát hiện gian lận (Fraud Detection)
• C. Dự báo thời tiết
• D. Phân tích hình ảnh y tế

Câu 17: Trong quy trình Khoa học dữ liệu, bước nào thường diễn ra sau khi dữ liệu đã được thu thập và làm sạch?

• A. Triển khai mô hình
• B. Thu thập dữ liệu
• C. Phân tích và mô hình hóa dữ liệu
• D. Đưa ra quyết định kinh doanh

Câu 18: Một nhà khoa học dữ liệu nhận thấy rằng dữ liệu tuổi của khách hàng trong tập dữ liệu có nhiều giá trị không hợp lệ (ví dụ: tuổi âm, tuổi quá lớn). Bước nào trong quy trình Khoa học dữ liệu sẽ xử lý vấn đề này?

• A. Làm sạch dữ liệu (Data Cleaning)
• B. Trực quan hóa dữ liệu
• C. Xây dựng mô hình
• D. Thu thập dữ liệu

Câu 19: Một trong những thách thức lớn nhất khi làm việc với đặc trưng Veracity (Tính xác thực) của Dữ liệu lớn là gì?

• A. Khó khăn trong việc lưu trữ dữ liệu quá lớn
• B. Tốc độ dữ liệu thay đổi quá nhanh
• C. Dữ liệu đến từ quá nhiều nguồn khác nhau
• D. Đảm bảo độ tin cậy, chính xác và không bị sai lệch của dữ liệu

Câu 20: Công ty A đang sử dụng một hệ thống cơ sở dữ liệu quan hệ truyền thống. Tuy nhiên, khi lượng dữ liệu tăng lên đột biến (đạt petabyte) và bao gồm cả video, âm thanh từ mạng xã hội, hệ thống trở nên chậm chạp và khó mở rộng. Vấn đề này liên quan chủ yếu đến đặc trưng nào của Dữ liệu lớn?

• A. Volume (Khối lượng) và Variety (Tính đa dạng)
• B. Velocity (Tốc độ) và Veracity (Tính xác thực)
• C. Value (Giá trị) và Volume (Khối lượng)
• D. Variety (Tính đa dạng) và Velocity (Tốc độ)

Câu 21: Một nhà bán lẻ trực tuyến muốn phân tích lịch sử duyệt web và mua hàng của khách hàng để đề xuất sản phẩm phù hợp. Họ sử dụng thuật toán học máy để xây dựng mô hình dự đoán sở thích khách hàng. Đây là ví dụ về việc áp dụng Khoa học dữ liệu trong lĩnh vực nào?

• A. Y tế
• B. Giáo dục
• C. Thương mại điện tử (E-commerce)
• D. Nông nghiệp

Câu 22: Phân tích dữ liệu nào thường trả lời câu hỏi "Điều gì có thể xảy ra?" dựa trên các mẫu và xu hướng trong dữ liệu quá khứ và hiện tại?

• A. Phân tích mô tả
• B. Phân tích dự đoán
• C. Phân tích đề xuất
• D. Làm sạch dữ liệu

Câu 23: Một trong những mục tiêu của Khai phá dữ liệu (Data Mining) là khám phá ra các mối quan hệ hoặc mẫu ẩn mà con người khó có thể nhận biết được chỉ bằng cách quan sát dữ liệu thô. Phát biểu này Đúng hay Sai?

• A. Đúng
• B. Sai
• C. Chỉ đúng với dữ liệu số
• D. Chỉ đúng với dữ liệu văn bản

Câu 24: Khi sử dụng các thuật toán học máy để phân tích dữ liệu, nếu dữ liệu huấn luyện (training data) chứa đựng sự thiên vị (bias) về một nhóm người nhất định, điều gì có khả năng xảy ra với kết quả phân tích hoặc mô hình được xây dựng?

• A. Mô hình sẽ trở nên chính xác hơn với tất cả các nhóm.
• B. Mô hình sẽ không thể hoạt động được.
• C. Mô hình sẽ đưa ra kết quả ngẫu nhiên.
• D. Mô hình có thể đưa ra dự đoán hoặc quyết định thiên vị, không công bằng cho nhóm bị thiên vị trong dữ liệu.

Câu 25: Giả sử bạn có một tập dữ liệu chứa thông tin về việc sử dụng năng lượng của các hộ gia đình trong 5 năm qua. Bạn muốn sử dụng dữ liệu này để xây dựng một mô hình dự báo mức tiêu thụ năng lượng của một hộ gia đình mới trong năm tới. Kỹ năng nào của nhà khoa học dữ liệu là quan trọng nhất ở đây?

• A. Thiết kế giao diện người dùng
• B. Xây dựng và đánh giá mô hình dự báo (sử dụng kỹ thuật thống kê/học máy)
• C. Quản lý cơ sở hạ tầng mạng
• D. Biên soạn tài liệu hướng dẫn sử dụng phần mềm

Câu 26: Một công ty Logistics thu thập dữ liệu vị trí từ hàng nghìn xe tải mỗi phút. Việc phân tích dữ liệu này để tối ưu hóa lộ trình giao hàng và dự báo thời gian đến nơi (ETA) liên quan chủ yếu đến sự kết hợp của những đặc trưng nào của Dữ liệu lớn?

• A. Volume (Khối lượng) và Velocity (Tốc độ)
• B. Variety (Tính đa dạng) và Veracity (Tính xác thực)
• C. Value (Giá trị) và Variety (Tính đa dạng)
• D. Veracity (Tính xác thực) và Velocity (Tốc độ)

Câu 27: Trực quan hóa dữ liệu hiệu quả có thể giúp phát hiện các ngoại lệ (outliers) hoặc các điểm dữ liệu bất thường mà khó nhận ra chỉ qua bảng số. Phát biểu này Đúng hay Sai?

• A. Đúng
• B. Sai
• C. Chỉ đúng với dữ liệu nhỏ
• D. Chỉ đúng với dữ liệu có cấu trúc

Câu 28: So với các phương pháp xử lý dữ liệu truyền thống, việc áp dụng Khoa học dữ liệu và Dữ liệu lớn thường đòi hỏi những yếu tố nào?

• A. Chỉ cần phần mềm xử lý dữ liệu thông thường.
• B. Ít yêu cầu về năng lực tính toán và lưu trữ.
• C. Chỉ làm việc với dữ liệu có cấu trúc.
• D. Cần các công nghệ và thuật toán chuyên biệt để xử lý khối lượng, tốc độ và sự đa dạng của dữ liệu.

Câu 29: Một công ty bảo hiểm muốn phân tích dữ liệu về các yêu cầu bồi thường (claims) để xác định những yêu cầu có dấu hiệu gian lận, nhằm giảm thiểu tổn thất. Họ sử dụng các kỹ thuật phân tích dữ liệu để tìm kiếm các mẫu hành vi bất thường trong lịch sử yêu cầu bồi thường. Đây là ứng dụng của Khoa học dữ liệu trong việc gì?

• A. Tối ưu hóa chuỗi cung ứng
• B. Cá nhân hóa trải nghiệm người dùng
• C. Phát hiện bất thường (Anomaly Detection)
• D. Phân tích cảm xúc khách hàng

Câu 30: Phân tích dữ liệu nào trả lời câu hỏi "Chúng ta nên làm gì?" bằng cách đề xuất hành động tốt nhất dựa trên kết quả dự đoán và các ràng buộc?

• A. Phân tích dự đoán
• B. Phân tích đề xuất
• C. Phân tích mô tả
• D. Trực quan hóa dữ liệu

Câu 1: Một công ty thương mại điện tử thu thập dữ liệu về hành vi duyệt web của hàng triệu khách hàng mỗi ngày, bao gồm lượt xem sản phẩm, thêm vào giỏ hàng, và thời gian trên trang. Lượng dữ liệu này tăng lên theo cấp số nhân. Đặc điểm nào của Dữ liệu lớn (Big Data) được thể hiện rõ nhất trong tình huống này?

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

Câu 2: Hệ thống cảm biến thời tiết trên khắp thế giới liên tục gửi về dữ liệu về nhiệt độ, độ ẩm, áp suất, tốc độ gió theo từng giây. Việc xử lý và phân tích thông tin này cần được thực hiện gần như ngay lập tức để đưa ra dự báo chính xác. Đặc điểm nào của Dữ liệu lớn (Big Data) đặt ra thách thức lớn nhất trong trường hợp này?

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

Câu 3: Một nền tảng mạng xã hội thu thập dữ liệu từ bài đăng văn bản, hình ảnh, video, âm thanh, dữ liệu vị trí, và thông tin từ các thiết bị kết nối khác. Sự đa dạng về định dạng và nguồn gốc của dữ liệu này được mô tả bằng đặc điểm nào của Dữ liệu lớn (Big Data)?

• A. Volume (Khối lượng)
• B. Velocity (Tốc độ)
• C. Variety (Đa dạng)
• D. Viscosity (Độ nhớt)

Câu 4: Dữ liệu thu thập từ các bài đăng trên diễn đàn trực tuyến hoặc đánh giá sản phẩm có thể chứa thông tin sai lệch, ý kiến chủ quan, hoặc thậm chí là spam. Đặc điểm nào của Dữ liệu lớn (Big Data) liên quan trực tiếp đến độ tin cậy và chính xác của thông tin này?

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

Câu 5: Quá trình khám phá các mẫu, xu hướng, và tri thức tiềm ẩn trong các tập dữ liệu lớn bằng cách sử dụng các kỹ thuật từ thống kê, học máy và hệ cơ sở dữ liệu được gọi là gì?

• A. Trực quan hóa dữ liệu
• B. Khai phá dữ liệu (Data Mining)
• C. Thu thập dữ liệu
• D. Làm sạch dữ liệu

Câu 6: Một nhà bán lẻ muốn hiểu rõ hành vi mua sắm của khách hàng trong quá khứ để đưa ra các chiến lược marketing hiệu quả. Họ cần biết những sản phẩm nào thường được mua cùng nhau hoặc vào những thời điểm nào trong năm doanh số tăng cao. Kỹ thuật khai phá dữ liệu nào phù hợp nhất để tìm ra các mối quan hệ "mua cùng nhau" này?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Phân tích luật kết hợp (Association Rule Mining)
• D. Phân cụm (Clustering)

Câu 7: Một công ty muốn tạo báo cáo tổng kết về doanh số bán hàng trong quý vừa qua, bao gồm tổng doanh thu, sản phẩm bán chạy nhất, và phân bổ doanh thu theo khu vực. Loại hình phân tích dữ liệu nào đang được áp dụng?

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

Câu 8: Một ngân hàng sử dụng dữ liệu lịch sử giao dịch của khách hàng để xây dựng mô hình dự báo khả năng vỡ nợ của các khoản vay mới. Loại hình phân tích dữ liệu nào đang được thực hiện?

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

Câu 9: Một công ty logistics muốn tối ưu hóa lộ trình giao hàng cho đội xe của mình để giảm thiểu thời gian và chi phí vận chuyển, dựa trên dữ liệu về địa điểm khách hàng, tình hình giao thông thời gian thực và khả năng của từng xe. Loại hình phân tích dữ liệu nào phù hợp nhất để giải quyết bài toán này?

• A. Phân tích mô tả (Descriptive Analytics)
• B. Phân tích dự đoán (Predictive Analytics)
• C. Phân tích đề xuất (Prescriptive Analytics)
• D. Trực quan hóa dữ liệu (Data Visualization)

Câu 10: Trong Khoa học dữ liệu, việc sử dụng các hệ thống máy tính mạnh mẽ và các thuật toán hiệu quả là cần thiết chủ yếu vì lý do nào?

• A. Để làm cho dữ liệu trông đẹp mắt hơn.
• B. Để giảm khối lượng dữ liệu cần xử lý.
• C. Để loại bỏ hoàn toàn dữ liệu không chính xác.
• D. Để xử lý, phân tích và trích xuất thông tin từ các tập dữ liệu có khối lượng và độ phức tạp lớn.

Câu 11: Để xử lý một tập dữ liệu khổng lồ mà không thể chứa vừa trong bộ nhớ của một máy tính duy nhất hoặc cần thời gian xử lý quá lâu, người ta thường sử dụng giải pháp nào liên quan đến hạ tầng máy tính?

• A. Sử dụng máy tính cá nhân cấu hình cao nhất.
• B. Sử dụng máy tính cụm (Cluster) hoặc điện toán đám mây (Cloud Computing).
• C. Chỉ phân tích một phần nhỏ của dữ liệu.
• D. Lưu trữ dữ liệu trên ổ cứng ngoài.

Câu 12: Thuật toán song song (Parallel Algorithms) đóng vai trò quan trọng trong xử lý Dữ liệu lớn vì nó cho phép:

• A. Giảm số lượng biến trong dữ liệu.
• B. Chuyển đổi tất cả dữ liệu sang định dạng văn bản.
• C. Chia nhỏ bài toán lớn thành các phần nhỏ hơn và xử lý đồng thời trên nhiều bộ xử lý/máy tính.
• D. Tự động làm sạch dữ liệu mà không cần sự can thiệp của con người.

Câu 13: Một công ty khởi nghiệp về phân tích dữ liệu muốn triển khai một dự án KDL nhưng không có đủ ngân sách để đầu tư vào cơ sở hạ tầng máy chủ, lưu trữ và mạng ban đầu. Giải pháp nào về hạ tầng là phù hợp nhất cho họ?

• A. Sử dụng các dịch vụ điện toán đám mây (Cloud Computing).
• B. Xây dựng trung tâm dữ liệu riêng.
• C. Mua các siêu máy tính.
• D. Chỉ sử dụng phần mềm mã nguồn mở miễn phí.

Câu 14: Hệ cơ sở dữ liệu quan hệ (SQL) gặp khó khăn gì chủ yếu khi xử lý Dữ liệu lớn, đặc biệt là dữ liệu phi cấu trúc và bán cấu trúc?

• A. Chi phí lưu trữ quá cao.
• B. Không thể thực hiện các truy vấn cơ bản.
• C. Tốc độ xử lý quá nhanh.
• D. Yêu cầu cấu trúc dữ liệu cố định (schema) và khó mở rộng linh hoạt theo chiều ngang.

Câu 15: Cơ sở dữ liệu NoSQL được thiết kế để giải quyết một số hạn chế của cơ sở dữ liệu quan hệ khi làm việc với Dữ liệu lớn. Đặc điểm nổi bật nhất của NoSQL là gì?

• A. Tuân thủ chặt chẽ mô hình bảng với khóa chính/khóa ngoại.
• B. Lưu trữ dữ liệu linh hoạt, không yêu cầu cấu trúc cố định (schema-less) và khả năng mở rộng theo chiều ngang tốt.
• C. Chỉ hỗ trợ lưu trữ dữ liệu số.
• D. Tốc độ truy vấn chậm hơn nhiều so với SQL.

Câu 16: Một nhà khoa học dữ liệu đang làm việc với tập dữ liệu bao gồm các bài đăng trên mạng xã hội, hình ảnh, video và dữ liệu định vị GPS. Loại cơ sở dữ liệu nào sau đây thường được coi là phù hợp hơn để lưu trữ và xử lý loại dữ liệu đa dạng và phi cấu trúc này?

• A. NoSQL database (e.g., MongoDB, Cassandra)
• B. Relational database (e.g., MySQL, PostgreSQL)
• C. Spreadsheet file (e.g., Excel)
• D. Text file (.txt)

Câu 17: Trong quy trình Khoa học dữ liệu, giai đoạn nào thường bao gồm các công việc như xử lý dữ liệu bị thiếu, làm sạch dữ liệu không nhất quán, và biến đổi dữ liệu sang định dạng phù hợp cho phân tích?

• A. Thu thập dữ liệu
• B. Phân tích dữ liệu
• C. Tiền xử lý dữ liệu (Data Preprocessing)
• D. Trực quan hóa dữ liệu

Câu 18: Một nhà khoa học dữ liệu xây dựng một mô hình học máy để phân loại email là "spam" hay "không spam" dựa trên nội dung và người gửi. Hoạt động này thuộc giai đoạn nào trong quy trình Khoa học dữ liệu?

• A. Thu thập dữ liệu
• B. Mô hình hóa dữ liệu (Data Modeling)
• C. Tiền xử lý dữ liệu
• D. Triển khai kết quả

Câu 19: Sau khi hoàn thành việc phân tích và xây dựng mô hình, nhà khoa học dữ liệu cần trình bày kết quả và những phát hiện quan trọng cho các bên liên quan không chuyên về kỹ thuật (ví dụ: quản lý, đội marketing). Công cụ hoặc kỹ thuật nào sau đây là hiệu quả nhất cho mục đích này?

• A. Chia sẻ mã nguồn của mô hình.
• B. Gửi bảng tính dữ liệu thô.
• C. Trình bày các công thức toán học phức tạp.
• D. Sử dụng trực quan hóa dữ liệu (Data Visualization) thông qua biểu đồ, đồ thị, dashboard.

Câu 20: Vai trò của một nhà khoa học dữ liệu thường đòi hỏi sự kết hợp của nhiều kỹ năng từ các lĩnh vực khác nhau. Ba lĩnh vực chính nào thường được coi là nền tảng cốt lõi của Khoa học dữ liệu?

• A. Lịch sử, Văn học, Nghệ thuật.
• B. Vật lý, Hóa học, Sinh học.
• C. Toán học/Thống kê, Khoa học Máy tính, Kiến thức chuyên ngành (Domain Knowledge).
• D. Kinh tế, Luật, Xã hội học.

Câu 21: Khi đối mặt với một tập dữ liệu rất lớn, việc tải toàn bộ dữ liệu vào bộ nhớ RAM của một máy tính thông thường để xử lý là không khả thi. Thách thức này liên quan trực tiếp đến đặc điểm nào của Dữ liệu lớn?

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

Câu 22: Dữ liệu từ các cảm biến IoT (Internet of Things) trên các thiết bị công nghiệp thường được tạo ra với tốc độ rất cao và cần được phân tích theo thời gian thực để phát hiện sớm các dấu hiệu lỗi hoặc cần bảo trì. Điều này nhấn mạnh tầm quan trọng của việc xử lý Dữ liệu lớn liên quan đến đặc điểm nào?

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

Câu 23: Một công ty bảo hiểm muốn phân tích dữ liệu từ các đơn yêu cầu bồi thường của khách hàng. Dữ liệu này bao gồm văn bản mô tả sự cố, hình ảnh thiệt hại, báo cáo của cảnh sát (PDF), và dữ liệu định vị GPS. Việc kết hợp và phân tích các loại dữ liệu khác nhau này đòi hỏi giải pháp xử lý dữ liệu lớn có khả năng xử lý tốt đặc điểm nào?

• A. Volume (Khối lượng)
• B. Velocity (Tốc độ)
• C. Variety (Đa dạng)
• D. Visibility (Tính hiển thị)

Câu 24: Dữ liệu khảo sát ý kiến khách hàng trên mạng xã hội có thể chứa nhiều thông tin không chính xác do tài khoản giả mạo hoặc ý kiến chủ quan. Để sử dụng dữ liệu này một cách hiệu quả, nhà khoa học dữ liệu cần đặc biệt chú ý đến việc quản lý và cải thiện đặc điểm nào của dữ liệu?

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

Câu 25: Trong quy trình Khoa học dữ liệu, sau khi đã hiểu rõ bài toán kinh doanh và thu thập dữ liệu, bước tiếp theo quan trọng thường là gì trước khi tiến hành phân tích hoặc mô hình hóa?

• A. Khám phá và tiền xử lý dữ liệu (Exploration and Preprocessing).
• B. Trực quan hóa kết quả cuối cùng.
• C. Triển khai mô hình vào thực tế.
• D. Báo cáo kết quả cho quản lý.

Câu 26: Phân tích mô tả (Descriptive Analytics) chủ yếu giúp trả lời câu hỏi nào về dữ liệu?

• A. Điều gì sẽ xảy ra trong tương lai?
• B. Điều gì đã xảy ra?
• C. Tại sao điều đó xảy ra?
• D. Chúng ta nên làm gì?

Câu 27: Phân tích dự đoán (Predictive Analytics) chủ yếu giúp trả lời câu hỏi nào về dữ liệu?

• A. Điều gì có thể xảy ra trong tương lai?
• B. Điều gì đã xảy ra?
• C. Chúng ta nên làm gì?
• D. Làm thế nào để trực quan hóa dữ liệu?

Câu 28: Phân tích đề xuất (Prescriptive Analytics) chủ yếu giúp trả lời câu hỏi nào về dữ liệu?

• A. Điều gì đã xảy ra?
• B. Điều gì có thể xảy ra?
• C. Tại sao điều đó xảy ra?
• D. Chúng ta nên làm gì để đạt được kết quả tốt nhất?

Câu 29: Việc sử dụng máy tính cụm (Cluster) thay vì một máy tính đơn lẻ có hiệu năng cao mang lại lợi thế chính nào trong xử lý dữ liệu lớn?

• A. Giảm chi phí phần cứng ban đầu.
• B. Đảm bảo tất cả dữ liệu đều có cấu trúc.
• C. Khả năng mở rộng tài nguyên xử lý và lưu trữ dễ dàng hơn khi khối lượng dữ liệu tăng lên.
• D. Chỉ phù hợp với các bài toán phân tích mô tả.

Câu 30: Điều nào sau đây mô tả đúng nhất về vai trò của thuật toán trong Khoa học dữ liệu?

• A. Thuật toán chỉ dùng để thu thập dữ liệu từ các nguồn khác nhau.
• B. Thuật toán cung cấp các phương pháp và mô hình để xử lý, phân tích và tìm ra tri thức từ dữ liệu.
• C. Thuật toán giúp làm sạch dữ liệu một cách tự động mà không cần con người kiểm tra.
• D. Thuật toán chỉ cần thiết cho việc trực quan hóa dữ liệu cuối cùng.

Câu 1: Một công ty thu thập dữ liệu từ nhiều nguồn khác nhau như mạng xã hội, cảm biến IoT từ nhà máy và dữ liệu bán hàng từ cửa hàng truyền thống. Đặc trưng nào của Dữ liệu lớn được thể hiện rõ nhất trong tình huống này?

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

Câu 2: Dữ liệu giao dịch chứng khoán được tạo ra và cập nhật liên tục theo từng mili giây, đòi hỏi hệ thống phải xử lý và phân tích gần như ngay lập tức. Đặc trưng nào của Dữ liệu lớn được mô tả ở đây?

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

Câu 3: Một nền tảng video trực tuyến lưu trữ hàng petabyte dữ liệu video, âm thanh và thông tin người dùng. Đặc trưng nào của Dữ liệu lớn được nhấn mạnh?

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

Câu 4: Khi phân tích dữ liệu khảo sát khách hàng, các nhà khoa học dữ liệu phát hiện ra nhiều câu trả lời mâu thuẫn hoặc thiếu thông tin. Vấn đề này liên quan đến đặc trưng nào của Dữ liệu lớn?

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

Câu 5: Mục tiêu chính của quá trình Khai phá dữ liệu (Data Mining) là gì?

• A. Chỉ đơn thuần lưu trữ dữ liệu
• B. Trình bày dữ liệu dưới dạng bảng biểu
• C. Tìm kiếm và khám phá các mẫu, xu hướng hoặc thông tin ẩn có giá trị từ tập dữ liệu lớn.
• D. Xóa bỏ các dữ liệu không cần thiết

Câu 6: Khai phá dữ liệu chủ yếu dựa trên các kỹ thuật và phương pháp từ những lĩnh vực nào?

• A. Ngữ văn và Lịch sử
• B. Toán học, Thống kê và Học máy (Machine Learning)
• C. Hội họa và Âm nhạc
• D. Sinh học và Y học

Câu 7: Một cửa hàng phân tích báo cáo bán hàng của năm trước để biết mặt hàng nào bán chạy nhất và doanh thu theo từng tháng. Loại phân tích dữ liệu nào đang được thực hiện?

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

Câu 8: Một công ty thương mại điện tử sử dụng dữ liệu lịch sử mua sắm của khách hàng để xây dựng mô hình gợi ý sản phẩm mà khách hàng có thể quan tâm trong tương lai. Loại phân tích dữ liệu nào đang được áp dụng?

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

Câu 9: Một hệ thống quản lý năng lượng thông minh phân tích dữ liệu tiêu thụ điện theo thời gian thực và dự báo nhu cầu trong vài giờ tới, sau đó tự động điều chỉnh nguồn cung cấp để tối ưu hóa chi phí. Loại phân tích dữ liệu nào được thể hiện ở bước

• A. Phân tích mô tả (Descriptive Analysis)
• B. Phân tích dự đoán (Predictive Analysis)
• C. Phân tích đề xuất (Prescriptive Analysis)
• D. Phân tích khám phá (Exploratory Analysis)

Câu 10: Đối với việc xử lý các tập dữ liệu lớn, việc sử dụng thuật toán song song (Parallel Algorithms) mang lại lợi ích chính nào?

• A. Giảm dung lượng lưu trữ dữ liệu
• B. Tăng tính đa dạng của dữ liệu
• C. Cho phép thực hiện nhiều phép tính cùng lúc, tăng tốc độ xử lý.
• D. Cải thiện tính xác thực của dữ liệu đầu vào

Câu 11: Một startup công nghệ cần một giải pháp lưu trữ và xử lý dữ liệu linh hoạt, có khả năng mở rộng nhanh chóng mà không cần đầu tư lớn vào hạ tầng vật lý ban đầu. Công nghệ nào là lựa chọn phù hợp?

• A. Máy tính cá nhân hiệu năng cao
• B. Máy tính cụm (Computer Cluster)
• C. Điện toán đám mây (Cloud Computing)
• D. Cơ sở dữ liệu quan hệ truyền thống

Câu 12: Cơ sở dữ liệu NoSQL (Not only SQL) đặc biệt phù hợp để lưu trữ và quản lý loại dữ liệu nào so với cơ sở dữ liệu quan hệ truyền thống?

• A. Dữ liệu có cấu trúc chặt chẽ (ví dụ: bảng với các cột cố định)
• B. Dữ liệu chỉ bao gồm các số liệu thống kê
• C. Dữ liệu phi cấu trúc hoặc bán cấu trúc (ví dụ: văn bản tự do, hình ảnh, dữ liệu cảm biến)
• D. Dữ liệu có kích thước rất nhỏ

Câu 13: Nhược điểm chính của việc sử dụng cơ sở dữ liệu quan hệ truyền thống (SQL) khi xử lý dữ liệu lớn có đặc trưng

• A. Tốc độ truy vấn chậm
• B. Khó khăn trong việc lưu trữ các loại dữ liệu phi cấu trúc hoặc có cấu trúc thay đổi linh hoạt.
• C. Chi phí lưu trữ quá cao
• D. Không hỗ trợ truy vấn dữ liệu

Câu 14: Khái niệm

• A. Một máy tính đơn lẻ với cấu hình rất mạnh
• B. Một tập hợp nhiều máy tính được kết nối và hoạt động cùng nhau như một hệ thống duy nhất để xử lý công việc lớn.
• C. Một loại bộ xử lý (CPU) đặc biệt dành cho tính toán khoa học
• D. Thiết bị ngoại vi dùng để lưu trữ dữ liệu

Câu 15: Tại sao các phương pháp xử lý dữ liệu truyền thống (ví dụ: sử dụng bảng tính Excel trên một máy tính cá nhân) thường gặp khó khăn lớn khi xử lý Dữ liệu lớn (Big Data)?

• A. Dữ liệu lớn thường chỉ tồn tại trên internet
• B. Dữ liệu lớn không có cấu trúc
• C. Dữ liệu lớn vượt quá khả năng lưu trữ, xử lý và phân tích của các công cụ và hạ tầng truyền thống về mặt Volume, Velocity và Variety.
• D. Dữ liệu lớn luôn chứa đựng thông tin sai lệch

Câu 16: Một nhà nghiên cứu muốn phân tích nội dung của hàng triệu bài đăng trên mạng xã hội để hiểu xu hướng dư luận về một sự kiện. Đặc trưng nào của Dữ liệu lớn là thách thức lớn nhất trong nhiệm vụ này, đặc biệt liên quan đến định dạng dữ liệu?

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

Câu 17: Ngoài 4 đặc trưng Volume, Velocity, Variety, Veracity, đặc trưng thứ năm thường được nhắc đến trong bối cảnh Dữ liệu lớn là Value.

• A. Chi phí để thu thập dữ liệu
• B. Tốc độ tạo ra dữ liệu
• C. Khả năng trích xuất thông tin hữu ích và tạo ra giá trị kinh doanh hoặc xã hội từ dữ liệu.
• D. Số lượng nguồn dữ liệu khác nhau

Câu 18: Khoa học dữ liệu là một lĩnh vực đa ngành. Lĩnh vực nào sau đây ít đóng góp các kỹ thuật cốt lõi trực tiếp cho Khoa học dữ liệu so với các lĩnh vực còn lại?

• A. Khoa học máy tính
• B. Thống kê
• C. Học máy (Machine Learning)
• D. Triết học cổ điển

Câu 19: Một công ty bảo hiểm sử dụng dữ liệu về tuổi tác, lịch sử bệnh án, và lối sống của khách hàng để ước tính khả năng mắc một căn bệnh cụ thể và đưa ra mức phí bảo hiểm phù hợp. Loại phân tích dữ liệu nào được sử dụng trong việc ước tính khả năng mắc bệnh?

• A. Phân tích mô tả
• B. Phân tích dự đoán
• C. Phân tích đề xuất
• D. Phân tích khám phá

Câu 20: Một ứng dụng bản đồ giao thông phân tích dữ liệu vị trí từ hàng triệu điện thoại di động theo thời gian thực để xác định các điểm ùn tắc và đề xuất tuyến đường thay thế tốt nhất cho người dùng. Loại phân tích dữ liệu nào được áp dụng để đề xuất tuyến đường thay thế?

• A. Phân tích mô tả
• B. Phân tích dự đoán
• C. Phân tích đề xuất
• D. Phân tích thống kê

Câu 21: Bước đầu tiên quan trọng trong quy trình Khoa học dữ liệu, sau khi đã xác định được bài toán cần giải quyết, thường là gì?

• A. Xây dựng mô hình học máy phức tạp
• B. Thu thập và làm sạch dữ liệu
• C. Trực quan hóa dữ liệu bằng biểu đồ
• D. Báo cáo kết quả cuối cùng

Câu 22: Tại sao công đoạn

• A. Để giảm dung lượng lưu trữ dữ liệu
• B. Để tăng tốc độ xử lý dữ liệu
• C. Để đảm bảo dữ liệu đầu vào chính xác, đầy đủ và nhất quán, từ đó cho ra kết quả phân tích đáng tin cậy.
• D. Để biến dữ liệu phi cấu trúc thành có cấu trúc

Câu 23: Một dự án nghiên cứu khí hậu thu thập dữ liệu từ hàng ngàn trạm thời tiết, vệ tinh, phao nổi trên biển và các mô hình mô phỏng. Sự đa dạng về nguồn và định dạng dữ liệu này liên quan chủ yếu đến đặc trưng nào của Dữ liệu lớn?

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

Câu 24: Đặc trưng

• A. Kích thước tổng thể của tập dữ liệu.
• B. Sự đa dạng về định dạng và nguồn của dữ liệu.
• C. Tốc độ dữ liệu được tạo ra, thu thập và cần được xử lý/phân tích.
• D. Độ tin cậy và chính xác của dữ liệu.

Câu 25: Việc sử dụng Dữ liệu lớn để phân tích hành vi cá nhân và đưa ra các quảng cáo nhắm mục tiêu hoặc dự đoán xu hướng tiêu dùng có thể đặt ra những vấn đề đáng quan ngại nào?

• A. Tốn kém chi phí lưu trữ
• B. Yêu cầu thuật toán xử lý phức tạp
• C. Các vấn đề về quyền riêng tư, bảo mật dữ liệu và đạo đức trong sử dụng thông tin cá nhân.
• D. Dữ liệu có thể không chính xác

Câu 26: Hệ thống gợi ý phim trên một nền tảng xem phim trực tuyến, dựa trên lịch sử xem và đánh giá của người dùng, là một ví dụ điển hình của ứng dụng Khoa học dữ liệu thuộc nhóm nào?

• A. Phân tích mô tả
• B. Phân tích dự đoán/Học máy
• C. Phân tích đề xuất
• D. Trực quan hóa dữ liệu

Câu 27: Trong giai đoạn phân tích mô tả của Khoa học dữ liệu, tại sao việc trực quan hóa dữ liệu (sử dụng biểu đồ, đồ thị) lại rất quan trọng?

• A. Để làm cho báo cáo trông đẹp mắt hơn
• B. Để giảm kích thước tập dữ liệu
• C. Giúp con người dễ dàng nhìn thấy các mẫu, xu hướng, ngoại lệ và hiểu rõ hơn về dữ liệu.
• D. Để tự động làm sạch dữ liệu

Câu 28: Khoa học dữ liệu đòi hỏi sự kết hợp của nhiều kỹ năng khác nhau. Những kỹ năng cốt lõi nào thường được xem là nền tảng?

• A. Chỉ cần kỹ năng lập trình
• B. Chỉ cần kiến thức về kinh doanh
• C. Kỹ năng lập trình, kiến thức về toán học và thống kê, và hiểu biết về lĩnh vực ứng dụng.
• D. Chỉ cần khả năng sử dụng các công cụ trực quan hóa

Câu 29: Một cơ quan dự báo thời tiết sử dụng dữ liệu lịch sử về nhiệt độ, lượng mưa, áp suất khí quyển và các yếu tố khác trong nhiều thập kỷ để xây dựng mô hình dự báo thời tiết cho tuần tới. Loại phân tích dữ liệu nào được thực hiện?

• A. Phân tích mô tả
• B. Phân tích dự đoán
• C. Phân tích đề xuất
• D. Phân tích nhân quả

Câu 30: Đặc trưng

• A. Dữ liệu càng lớn thì giá trị càng cao.
• B. Giá trị của dữ liệu được đo bằng chi phí lưu trữ.
• C. Khả năng chuyển đổi dữ liệu thô thành thông tin có ý nghĩa và hành động cụ thể mang lại lợi ích.
• D. Dữ liệu chỉ có giá trị khi nó hoàn toàn chính xác.

Câu 1: Một công ty thương mại điện tử thu thập dữ liệu về hành vi lướt web, lịch sử mua hàng và tương tác mạng xã hội của hàng triệu khách hàng mỗi ngày. Lượng dữ liệu này tăng lên rất nhanh. Đặc trưng nào của dữ liệu lớn (Big Data) được thể hiện rõ nhất trong tình huống này?

• A. Variety (Tính đa dạng)
• B. Velocity (Tốc độ)
• C. Veracity (Tính xác thực)
• D. Value (Giá trị)

Câu 2: Một nhà khoa học dữ liệu đang làm việc với tập dữ liệu chứa các báo cáo y tế (văn bản), ảnh chụp X-quang (hình ảnh), kết quả xét nghiệm máu (số liệu) và ghi âm lời khai bệnh nhân (âm thanh). Đặc trưng nào của dữ liệu lớn mô tả tốt nhất tính chất của tập dữ liệu này?

• A. Variety (Tính đa dạng)
• B. Volume (Khối lượng)
• C. Velocity (Tốc độ)
• D. Veracity (Tính xác thực)

Câu 3: Một ngân hàng cần phân tích hàng petabyte dữ liệu giao dịch lịch sử để phát hiện các mẫu gian lận tiềm ẩn. Quá trình này đòi hỏi khả năng lưu trữ và xử lý dữ liệu khổng lồ. Đặc trưng nào của dữ liệu lớn được nhấn mạnh trong yêu cầu này?

• A. Velocity (Tốc độ)
• B. Variety (Tính đa dạng)
• C. Volume (Khối lượng)
• D. Veracity (Tính xác thực)

Câu 4: Trong bối cảnh dữ liệu lớn, "Veracity" (Tính xác thực) đề cập đến khía cạnh nào của dữ liệu?

• A. Tốc độ tạo ra dữ liệu
• B. Số lượng các loại dữ liệu khác nhau
• C. Khối lượng dữ liệu
• D. Độ tin cậy và chính xác của dữ liệu

Câu 5: Giá trị (Value) của dữ liệu lớn trong Khoa học dữ liệu được hiểu là gì?

• A. Khả năng trích xuất thông tin hữu ích và tạo ra lợi ích từ dữ liệu
• B. Chi phí lưu trữ và xử lý dữ liệu
• C. Tốc độ xử lý dữ liệu theo thời gian thực
• D. Số lượng các nguồn dữ liệu khác nhau

Câu 6: Quá trình nào trong Khoa học dữ liệu tập trung vào việc tóm tắt, tổ chức và trình bày dữ liệu lịch sử để hiểu rõ hơn về những gì đã xảy ra?

• A. Phân tích dự đoán (Predictive Analytics)
• B. Phân tích đề xuất (Prescriptive Analytics)
• C. Phân tích mô tả (Descriptive Analytics)
• D. Khai phá dữ liệu (Data Mining)

Câu 7: Một công ty muốn sử dụng dữ liệu bán hàng và xu hướng thị trường để dự báo doanh số bán hàng cho quý tiếp theo. Đây là ứng dụng của loại hình 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 đề xuất (Prescriptive Analytics)
• D. Trực quan hóa dữ liệu (Data Visualization)

Câu 8: Một hệ thống đề xuất sản phẩm của trang thương mại điện tử phân tích hành vi của bạn và đề xuất những sản phẩm bạn có thể quan tâm. Đây là ví dụ về loại hình phân tích nào?

• A. Phân tích mô tả
• B. Phân tích dự đoán
• C. Phân tích đề xuất
• D. Trích xuất dữ liệu