Bài Tập, Đề Thi Trắc Nghiệm Online – Môn Trí Tuệ Nhân Tạo Trong Kinh Doanh – Đề 04

Câu 1: Trong bối cảnh kinh doanh hiện đại, yếu tố nào sau đây KHÔNG phải là động lực chính thúc đẩy doanh nghiệp ứng dụng Trí tuệ Nhân tạo (AI)?

• A. Tăng cường trải nghiệm và sự hài lòng của khách hàng.
• B. Nâng cao hiệu quả hoạt động và giảm chi phí.
• C. Đưa ra quyết định dựa trên dữ liệu và phân tích sâu sắc hơn.
• D. Giảm sự phụ thuộc vào công nghệ và tăng cường yếu tố con người.

Câu 2: Xét bài toán phân loại email rác (spam) và email không rác (non-spam). Mô hình Học máy (Machine Learning) nào sau đây phù hợp NHẤT để giải quyết bài toán này?

• A. K-Means Clustering
• B. Linear Regression
• C. Support Vector Machine (SVM)
• D. Principal Component Analysis (PCA)

Câu 3: Trong quy trình xây dựng mô hình Học máy, tập dữ liệu nào được sử dụng để tinh chỉnh các siêu tham số (hyperparameters) của mô hình, nhằm tối ưu hóa hiệu suất trên dữ liệu mới?

• A. Tập huấn luyện (Training set)
• B. Tập kiểm định (Validation set)
• C. Tập kiểm tra (Testing set)
• D. Tập dữ liệu thực tế (Production data)

Câu 4: Một công ty thương mại điện tử muốn dự đoán nhu cầu sản phẩm trong mùa lễ hội cuối năm để tối ưu lượng hàng tồn kho. Phương pháp phân tích dữ liệu nào sau đây sẽ HỮU ÍCH NHẤT?

• A. Phân tích thống kê mô tả (Descriptive statistics)
• B. Phân tích phân cụm khách hàng (Customer segmentation)
• C. Phân tích chuỗi thời gian (Time series analysis)
• D. Phân tích mạng xã hội (Social network analysis)

Câu 5: Chỉ số Precision (Độ chính xác) trong đánh giá mô hình phân loại đo lường điều gì?

• A. Tỷ lệ các trường hợp dương tính được dự đoán đúng trên tổng số trường hợp được dự đoán là dương tính.
• B. Tỷ lệ các trường hợp dương tính được dự đoán đúng trên tổng số trường hợp thực tế là dương tính.
• C. Tỷ lệ các trường hợp âm tính được dự đoán đúng trên tổng số trường hợp thực tế là âm tính.
• D. Tỷ lệ các trường hợp được dự đoán đúng (cả dương tính và âm tính) trên tổng số trường hợp.

Câu 6: Trong lĩnh vực xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật Word Embedding (ví dụ: Word2Vec, GloVe) có vai trò chính là gì?

• A. Phân tích cú pháp câu văn để xác định cấu trúc ngữ pháp.
• B. Biểu diễn từ ngữ dưới dạng vector số học, thể hiện ngữ nghĩa và quan hệ giữa các từ.
• C. Loại bỏ các từ dừng (stop words) không quan trọng trong văn bản.
• D. Chuyển đổi văn bản thành giọng nói hoặc ngược lại.

Câu 7: Ứng dụng nào sau đây của AI KHÔNG thuộc lĩnh vực Thị giác máy tính (Computer Vision)?

• A. Xe tự lái (Autonomous vehicles) có khả năng nhận diện biển báo giao thông.
• B. Hệ thống nhận diện khuôn mặt (Facial recognition) trong an ninh.
• C. Chatbot hỗ trợ khách hàng trực tuyến.
• D. Kiểm tra chất lượng sản phẩm tự động trên dây chuyền sản xuất bằng hình ảnh.

Câu 8: Trong kiến trúc mạng nơ-ron (Neural Network), hàm kích hoạt (activation function) có vai trò gì?

• A. Tính toán tổng trọng số đầu vào của một nơ-ron.
• B. Đưa tính phi tuyến vào mạng nơ-ron, giúp mô hình học các quan hệ phức tạp.
• C. Chuẩn hóa dữ liệu đầu vào trước khi đưa vào mạng nơ-ron.
• D. Tối ưu hóa các trọng số của mạng nơ-ron trong quá trình huấn luyện.

Câu 9: Thuật toán Gradient Descent (Độ dốc xuống) được sử dụng để làm gì trong quá trình huấn luyện mô hình Học máy?

• A. Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra.
• B. Lựa chọn các đặc trưng (features) quan trọng nhất cho mô hình.
• C. Tối ưu hóa các tham số của mô hình để giảm thiểu sai số dự đoán.
• D. Chia tập dữ liệu thành tập huấn luyện và tập kiểm tra.

Câu 10: Trong ngữ cảnh ứng dụng AI trong kinh doanh, thuật ngữ "Feature Engineering" (Kỹ thuật đặc trưng) đề cập đến công việc gì?

• A. Lựa chọn thuật toán học máy phù hợp nhất cho bài toán.
• B. Đánh giá và so sánh hiệu suất của các mô hình khác nhau.
• C. Thu thập và làm sạch dữ liệu thô ban đầu.
• D. Chọn lọc, biến đổi và tạo ra các đặc trưng phù hợp từ dữ liệu thô.

Câu 11: Một doanh nghiệp muốn triển khai chatbot hỗ trợ khách hàng trên website. Lựa chọn nền tảng phát triển chatbot nào sau đây KHÔNG yêu cầu kỹ năng lập trình chuyên sâu?

• A. TensorFlow
• B. PyTorch
• C. Dialogflow
• D. Keras

Câu 12: Trong mô hình Random Forest (Rừng ngẫu nhiên), kỹ thuật "Bagging" (Bootstrap Aggregating) được sử dụng để làm gì?

• A. Lựa chọn các đặc trưng ngẫu nhiên để xây dựng cây quyết định.
• B. Tạo ra nhiều mẫu dữ liệu con ngẫu nhiên để huấn luyện nhiều cây quyết định.
• C. Tối ưu hóa các siêu tham số của cây quyết định.
• D. Cắt tỉa (prune) các cây quyết định để tránh overfitting.

Câu 13: Đâu là thách thức CHÍNH khi ứng dụng AI trong quản lý chuỗi cung ứng?

• A. Tích hợp và chuẩn hóa dữ liệu từ nhiều nguồn khác nhau.
• B. Thiếu nhân lực có kỹ năng AI chuyên sâu.
• C. Chi phí đầu tư ban đầu cho hạ tầng AI cao.
• D. Khó khăn trong việc đo lường ROI (Return on Investment) của dự án AI.

Câu 14: Trong lĩnh vực Marketing, AI được ứng dụng để cá nhân hóa trải nghiệm khách hàng. Ứng dụng nào sau đây KHÔNG thuộc cá nhân hóa trải nghiệm?

• A. Gợi ý sản phẩm phù hợp dựa trên lịch sử mua hàng và hành vi duyệt web.
• B. Hiển thị quảng cáo mục tiêu dựa trên sở thích và nhân khẩu học.
• C. Sử dụng chatbot để tư vấn và hỗ trợ khách hàng theo ngữ cảnh cá nhân.
• D. Gửi email marketing hàng loạt cho tất cả khách hàng trong danh sách.

Câu 15: Mô hình AI nào sau đây thường được sử dụng để phát hiện gian lận trong giao dịch thẻ tín dụng?

• A. K-Means Clustering
• B. Mạng nơ-ron (Neural Networks)
• C. Phân tích hồi quy tuyến tính (Linear Regression)
• D. Phân tích thành phần chính (Principal Component Analysis)

Câu 16: Đâu là lợi ích CHÍNH của việc sử dụng AI trong tuyển dụng nhân sự?

• A. Đảm bảo tuyển dụng được ứng viên có kinh nghiệm làm việc lâu năm nhất.
• B. Loại bỏ hoàn toàn sự can thiệp của con người trong quy trình tuyển dụng.
• C. Tăng tốc độ sàng lọc hồ sơ và giảm thời gian tuyển dụng.
• D. Tuyển dụng được ứng viên có mức lương kỳ vọng thấp nhất.

Câu 17: Khái niệm "AI Ethics" (Đạo đức AI) tập trung vào vấn đề gì?

• A. Tối ưu hóa hiệu suất và độ chính xác của mô hình AI.
• B. Giảm chi phí phát triển và triển khai hệ thống AI.
• C. Đảm bảo tính bảo mật và an toàn dữ liệu cho hệ thống AI.
• D. Các vấn đề đạo đức và xã hội liên quan đến việc phát triển và ứng dụng AI.

Câu 18: Trong lĩnh vực Chăm sóc sức khỏe, AI có thể được ứng dụng để làm gì?

• A. Quản lý hồ sơ bệnh án điện tử.
• B. Đặt lịch hẹn khám bệnh trực tuyến.
• C. Thanh toán chi phí khám chữa bệnh tự động.
• D. Phân tích hình ảnh y tế và hỗ trợ chẩn đoán bệnh.

Câu 19: Đâu là rủi ro tiềm ẩn khi quá phụ thuộc vào AI trong ra quyết định kinh doanh?

• A. Tăng chi phí vận hành hệ thống AI.
• B. Giảm sự linh hoạt và khả năng thích ứng với các tình huống thay đổi.
• C. Khó khăn trong việc giải thích quyết định của AI cho người quản lý.
• D. Dữ liệu đầu vào cho AI có thể bị sai lệch hoặc không đầy đủ.

Câu 20: Để đảm bảo tính minh bạch và giải thích được của mô hình AI (Explainable AI - XAI), phương pháp nào sau đây thường được sử dụng?

• A. Sử dụng SHAP values để phân tích đóng góp của từng đặc trưng.
• B. Áp dụng kỹ thuật giảm chiều dữ liệu Principal Component Analysis (PCA).
• C. Sử dụng thuật toán tối ưu hóa Gradient Descent.
• D. Đánh giá mô hình bằng Confusion Matrix và các chỉ số liên quan.

Câu 21: Trong lĩnh vực Tài chính - Ngân hàng, ứng dụng AI nào sau đây giúp tự động hóa quy trình xác minh danh tính khách hàng trực tuyến (eKYC)?

• A. Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP)
• B. Học tăng cường (Reinforcement Learning)
• C. Thị giác máy tính (Computer Vision)
• D. Phân tích chuỗi thời gian (Time Series Analysis)

Câu 22: Để đánh giá hiệu quả của một mô hình dự đoán rủi ro tín dụng, chỉ số AUC (Area Under the ROC Curve) đo lường điều gì?

• A. Độ chính xác tổng thể của mô hình.
• B. Khả năng phân biệt giữa các trường hợp rủi ro cao và rủi ro thấp.
• C. Tỷ lệ dự đoán đúng các trường hợp rủi ro cao (Precision).
• D. Trung bình hài hòa giữa Precision và Recall (F1-score).

Câu 23: Trong mô hình học máy giám sát (Supervised Learning), dữ liệu huấn luyện cần phải được gán nhãn (labeled). Nhãn (label) trong trường hợp này đại diện cho điều gì?

• A. Các đặc trưng (features) của dữ liệu đầu vào.
• B. Thuật toán học máy được sử dụng.
• C. Kết quả hoặc mục tiêu cần dự đoán cho mỗi mẫu dữ liệu.
• D. Nguồn gốc hoặc định dạng của dữ liệu.

Câu 24: Phương pháp học máy nào sau đây KHÔNG thuộc nhóm học máy không giám sát (Unsupervised Learning)?

• A. K-Means Clustering
• B. Principal Component Analysis (PCA)
• C. Random Forest
• D. Học tăng cường (Reinforcement Learning)

Câu 25: Trong quá trình triển khai dự án AI, giai đoạn nào thường tốn nhiều thời gian và nguồn lực nhất?

• A. Thu thập, chuẩn bị và làm sạch dữ liệu (Data Preparation).
• B. Lựa chọn thuật toán và xây dựng mô hình.
• C. Đánh giá và tinh chỉnh mô hình.
• D. Triển khai và giám sát mô hình trong thực tế.

Câu 26: Một công ty muốn xây dựng hệ thống khuyến nghị sản phẩm cho khách hàng. Dữ liệu nào sau đây HỮU ÍCH NHẤT để xây dựng mô hình khuyến nghị?

• A. Lịch sử giao dịch mua hàng của khách hàng.
• B. Thông tin nhân khẩu học của khách hàng (tuổi, giới tính, địa chỉ).
• C. Đánh giá và nhận xét về sản phẩm từ khách hàng khác.
• D. Hành vi duyệt web và tương tác trên website.

Câu 27: Trong mô hình Decision Tree (Cây quyết định), tiêu chí "Gini Impurity" được sử dụng để làm gì?

• A. Đánh giá độ chính xác của cây quyết định sau khi huấn luyện.
• B. Chọn đặc trưng và điểm chia tốt nhất để phân chia dữ liệu tại mỗi nút.
• C. Cắt tỉa (prune) cây quyết định để tránh overfitting.
• D. Xác định độ sâu tối ưu của cây quyết định.

Câu 28: Khi mô hình Học máy hoạt động kém trên tập dữ liệu huấn luyện (Training set) và cả tập dữ liệu kiểm tra (Testing set), hiện tượng này được gọi là gì?

• A. Underfitting (Thiếu khớp)
• B. Overfitting (Quá khớp)
• C. Data leakage (Rò rỉ dữ liệu)
• D. Concept drift (Trôi dạt khái niệm)

Câu 29: Trong lĩnh vực Logistics, AI có thể được ứng dụng để tối ưu hóa điều gì?

• A. Thiết kế bao bì sản phẩm.
• B. Quản lý kho hàng.
• C. Lộ trình vận chuyển và giao hàng.
• D. Dự báo nhu cầu thị trường.

Câu 30: Để triển khai mô hình AI vào thực tế kinh doanh, yếu tố nào sau đây là QUAN TRỌNG NHẤT để đảm bảo thành công?

• A. Sử dụng công nghệ AI tiên tiến nhất.
• B. Có đủ dữ liệu lớn và chất lượng cao.
• C. Tuyển dụng đội ngũ chuyên gia AI giỏi.
• D. Hiểu rõ bài toán kinh doanh và mục tiêu ứng dụng AI cụ thể.