Bài Tập, Đề Thi Trắc Nghiệm Online – Môn Khoa Học Dữ Liệu Trong Kinh Tế Và Kinh Doanh – Đề 04

Câu 1: Trong bối cảnh kinh doanh, một công ty bán lẻ muốn dự đoán nhu cầu sản phẩm trong quý tới để tối ưu hóa lượng hàng tồn kho. Phương pháp khoa học dữ liệu nào sau đây là phù hợp nhất để giải quyết vấn đề này?

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

Câu 2: Một ngân hàng muốn phân loại khách hàng thành các nhóm rủi ro tín dụng khác nhau (ví dụ: rủi ro thấp, trung bình, cao) dựa trên lịch sử giao dịch và thông tin nhân khẩu học. Thuật toán học máy nào sau đây thích hợp nhất cho nhiệm vụ này?

• A. K-Means Clustering
• B. Phân tích thành phần chính (PCA)
• C. Cây quyết định (Decision Tree)
• D. Hồi quy tuyến tính (Linear Regression)

Câu 3: Để đánh giá hiệu quả của một mô hình phân loại khách hàng tiềm năng (khách hàng có khả năng mua sản phẩm mới), chỉ số nào sau đây phản ánh đúng nhất tỷ lệ khách hàng tiềm năng được mô hình dự đoán chính xác trong số tất cả khách hàng được dự đoán là tiềm năng?

• A. Độ chính xác tổng thể (Accuracy)
• B. Độ chính xác (Precision)
• C. Độ phủ (Recall)
• D. F1-score

Câu 4: Một công ty thương mại điện tử muốn cá nhân hóa trải nghiệm mua sắm cho khách hàng bằng cách gợi ý sản phẩm dựa trên lịch sử mua hàng và hành vi duyệt web của họ. Kỹ thuật nào sau đây của khoa học dữ liệu được sử dụng phổ biến nhất cho mục đích này?

• A. Phân tích chuỗi thời gian (Time Series Analysis)
• B. Phân tích hồi quy (Regression Analysis)
• C. Phân tích phân cụm (Cluster Analysis)
• D. Hệ thống gợi ý (Recommendation Systems)

Câu 5: Trong quá trình tiền xử lý dữ liệu cho bài toán phân tích cảm xúc khách hàng từ đánh giá sản phẩm trực tuyến, bước nào sau đây là quan trọng nhất để xử lý văn bản không cấu trúc?

• A. Tách từ (Tokenization)
• B. Chuẩn hóa dữ liệu (Data Normalization)
• C. Xử lý giá trị thiếu (Missing Value Imputation)
• D. Mã hóa biến giả (One-Hot Encoding)

Câu 6: Một nhà quản lý rủi ro muốn xác định các yếu tố kinh tế vĩ mô (ví dụ: lãi suất, tỷ lệ thất nghiệp, GDP) ảnh hưởng đến tỷ lệ vỡ nợ của các khoản vay tiêu dùng. Phương pháp thống kê nào sau đây phù hợp để mô hình hóa mối quan hệ này?

• A. Kiểm định giả thuyết (Hypothesis Testing)
• B. Hồi quy đa biến (Multiple Regression)
• C. Phân tích phương sai (ANOVA)
• D. Phân tích tương quan (Correlation Analysis)

Câu 7: Trong khai thác dữ liệu, kỹ thuật "association rule mining" (khai thác luật kết hợp) thường được sử dụng để khám phá điều gì trong dữ liệu giao dịch bán lẻ?

• A. Xu hướng bán hàng theo thời gian
• B. Phân khúc khách hàng dựa trên hành vi mua sắm
• C. Các nhóm sản phẩm thường được mua cùng nhau
• D. Dự đoán nhu cầu sản phẩm trong tương lai

Câu 8: Khi xây dựng mô hình dự đoán giá nhà, việc sử dụng "mean absolute error" (MAE) thay vì "root mean squared error" (RMSE) có ưu điểm gì?

• A. RMSE dễ tính toán hơn MAE
• B. RMSE luôn cho giá trị nhỏ hơn MAE
• C. MAE nhạy cảm hơn với các giá trị ngoại lệ
• D. MAE ít bị ảnh hưởng bởi các giá trị ngoại lệ hơn RMSE

Câu 9: Một công ty viễn thông muốn phân tích dữ liệu nhật ký cuộc gọi để xác định các nhóm khách hàng có hành vi sử dụng dịch vụ tương tự nhau. Phương pháp phân tích nào sau đây là phù hợp?

• A. Phân tích hồi quy tuyến tính
• B. Phân cụm (Clustering)
• C. Phân tích chuỗi thời gian
• D. Phân tích phân biệt (Discriminant Analysis)

Câu 10: Để giảm số lượng chiều (số lượng biến) của một tập dữ liệu lớn trong kinh doanh mà vẫn giữ lại phần lớn thông tin quan trọng, kỹ thuật nào sau đây thường được sử dụng?

• A. Chuẩn hóa dữ liệu (Data Normalization)
• B. Rời rạc hóa dữ liệu (Data Discretization)
• C. Phân tích thành phần chính (PCA)
• D. Mã hóa biến giả (One-Hot Encoding)

Câu 11: Trong mô hình hóa dữ liệu kinh doanh, hiện tượng "overfitting" (quá khớp) xảy ra khi nào?

• A. Mô hình quá đơn giản và không nắm bắt được cấu trúc dữ liệu
• B. Mô hình học quá chi tiết dữ liệu huấn luyện và kém khái quát hóa
• C. Dữ liệu huấn luyện chứa quá nhiều giá trị thiếu
• D. Mô hình được đánh giá trên chính dữ liệu huấn luyện

Câu 12: Một công ty muốn dự báo doanh số bán hàng hàng tháng dựa trên dữ liệu doanh số trong 5 năm gần nhất. Phương pháp nào sau đây phù hợp nhất cho bài toán dự báo chuỗi thời gian?

• A. ARIMA
• B. Hồi quy tuyến tính đa biến
• C. Cây quyết định
• D. K-Means Clustering

Câu 13: Trong phân tích dữ liệu lớn (Big Data) cho kinh doanh, đặc điểm "Velocity" (tốc độ) đề cập đến khía cạnh nào của dữ liệu?

• A. Độ đa dạng của các loại dữ liệu khác nhau
• B. Dung lượng lưu trữ dữ liệu khổng lồ
• C. Tốc độ tạo ra và xử lý dữ liệu
• D. Độ tin cậy và chính xác của dữ liệu

Câu 14: Để trực quan hóa mối quan hệ giữa doanh thu, chi phí marketing và lợi nhuận của các dòng sản phẩm khác nhau, loại biểu đồ nào sau đây là hiệu quả nhất?

• A. Biểu đồ đường (Line Chart)
• B. Biểu đồ cột (Bar Chart)
• C. Biểu đồ tròn (Pie Chart)
• D. Biểu đồ bong bóng (Bubble Chart)

Câu 15: Một nhà phân tích dữ liệu phát hiện ra rằng tỷ lệ vỡ nợ thẻ tín dụng tăng lên đáng kể trong thời kỳ suy thoái kinh tế. Đây là một ví dụ về loại phân tích kinh doanh nào?

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

Câu 16: Trong quá trình kiểm thử mô hình phân loại, ma trận nhầm lẫn (confusion matrix) cung cấp thông tin gì quan trọng để đánh giá hiệu suất mô hình?

• A. Độ chính xác tổng thể của mô hình
• B. Độ phức tạp tính toán của mô hình
• C. Số lượng dự đoán đúng và sai cho từng lớp
• D. Thời gian huấn luyện mô hình

Câu 17: Một công ty muốn xây dựng mô hình dự đoán khả năng khách hàng hủy đăng ký dịch vụ (churn). Loại biến mục tiêu (target variable) trong bài toán này là gì?

• A. Doanh thu trung bình trên mỗi khách hàng (ARPU)
• B. Thời gian sử dụng dịch vụ trung bình
• C. Mức độ hài lòng của khách hàng (thang điểm)
• D. Khả năng khách hàng hủy dịch vụ (Churn/No Churn)

Câu 18: Phương pháp "k-fold cross-validation" (kiểm định chéo k-lần) được sử dụng để làm gì trong quá trình xây dựng mô hình học máy?

• A. Tăng tốc độ huấn luyện mô hình
• B. Đánh giá hiệu suất mô hình trên dữ liệu unseen
• C. Lựa chọn thuật toán học máy tốt nhất
• D. Tối ưu hóa siêu tham số của mô hình

Câu 19: Trong phân tích dữ liệu văn bản đánh giá sản phẩm, "TF-IDF" (Term Frequency-Inverse Document Frequency) được sử dụng để làm gì?

• A. Loại bỏ các từ dừng (stop words) trong văn bản
• B. Phân tích ngữ pháp của câu
• C. Đánh giá tầm quan trọng của từ trong văn bản
• D. Phân loại cảm xúc của văn bản

Câu 20: Một công ty bảo hiểm muốn phát hiện các yêu cầu bồi thường gian lận. Phương pháp học máy nào sau đây phù hợp nhất cho bài toán phát hiện bất thường (anomaly detection)?

• A. Hồi quy Logistic
• B. Cây quyết định
• C. K-Means Clustering
• D. Isolation Forest

Câu 21: Khi trình bày kết quả phân tích dữ liệu cho lãnh đạo doanh nghiệp, điều quan trọng nhất cần tập trung vào là gì?

• A. Ý nghĩa kinh doanh và các hành động đề xuất
• B. Chi tiết kỹ thuật của thuật toán và mô hình
• C. Độ chính xác và các chỉ số đánh giá mô hình
• D. Lượng dữ liệu đã sử dụng và thời gian phân tích

Câu 22: Trong quá trình xây dựng mô hình dự đoán, "feature engineering" (kỹ thuật tạo đặc trưng) đóng vai trò gì?

• A. Giảm số lượng biến đầu vào của mô hình
• B. Cải thiện hiệu suất và độ chính xác của mô hình
• C. Đơn giản hóa quá trình huấn luyện mô hình
• D. Chuẩn hóa dữ liệu đầu vào

Câu 23: Một siêu thị muốn tối ưu hóa bố trí kệ hàng để tăng doanh số bán hàng. Phân tích nào sau đây có thể cung cấp thông tin hữu ích?

• A. Phân tích chuỗi thời gian doanh số
• B. Phân tích phân cụm khách hàng
• C. Phân tích không gian (Spatial Analysis) bố trí cửa hàng
• D. Phân tích cảm xúc khách hàng về sản phẩm

Câu 24: Trong lĩnh vực tài chính, "algorithmic trading" (giao dịch thuật toán) sử dụng khoa học dữ liệu để làm gì?

• A. Dự báo rủi ro tín dụng
• B. Tự động hóa việc ra quyết định giao dịch
• C. Phân tích danh mục đầu tư
• D. Phát hiện gian lận tài chính

Câu 25: Đâu là thách thức đạo đức lớn nhất khi sử dụng thuật toán AI để tuyển dụng nhân sự?

• A. Chi phí triển khai hệ thống AI cao
• B. Khả năng bị hack và lộ dữ liệu ứng viên
• C. Nguy cơ thuật toán AI tạo ra sự thiên vị và phân biệt đối xử
• D. Sự thiếu hụt nhân lực có kỹ năng vận hành AI

Câu 26: Trong phân tích dữ liệu web, "session" (phiên truy cập) thường được định nghĩa là gì?

• A. Một trang web cụ thể mà người dùng truy cập
• B. Khoảng thời gian liên tục người dùng tương tác với website
• C. Tổng số trang người dùng xem trong một lần truy cập
• D. Hành động mua hàng hoàn thành trên website

Câu 27: Để xử lý dữ liệu định tính (qualitative data) như phản hồi từ khảo sát mở, phương pháp phân tích nào sau đây thường được sử dụng?

• A. Phân tích hồi quy đa biến
• B. Phân tích phương sai (ANOVA)
• C. Phân tích tương quan
• D. Phân tích nội dung (Content Analysis)

Câu 28: Trong mô hình cây quyết định (decision tree), "Gini impurity" được sử dụng để làm gì?

• A. Đo lường độ chính xác của mô hình
• B. Chọn thuộc tính phân chia nút trong cây
• C. Kiểm soát độ sâu của cây
• D. Xử lý dữ liệu bị thiếu

Câu 29: Một công ty logistics muốn tối ưu hóa lộ trình giao hàng để giảm chi phí vận chuyển. Bài toán này thuộc loại bài toán tối ưu hóa nào?

• A. Tối ưu hóa tuyến tính
• B. Tối ưu hóa phi tuyến
• C. Tối ưu hóa tổ hợp (Combinatorial Optimization)
• D. Tối ưu hóa đa mục tiêu

Câu 30: Để đảm bảo tính minh bạch và giải thích được của mô hình AI trong các ứng dụng kinh doanh quan trọng (ví dụ: xét duyệt vay vốn), loại mô hình học máy nào thường được ưu tiên sử dụng hơn?

• A. Mô hình tuyến tính và cây quyết định
• B. Mạng nơ-ron sâu
• C. Máy học tăng cường (Reinforcement Learning)
• D. Mô hình học không giám sát (Unsupervised Learning Models)