Bài Tập, Đề Thi Trắc Nghiệm Online – Môn Trí Tuệ Nhân Tạo Trong Kinh Doanh – Đề 05

Câu 1: Điều gì phân biệt trí tuệ nhân tạo (AI) với các hệ thống phần mềm truyền thống trong kinh doanh?

• A. AI được lập trình sẵn để thực hiện các tác vụ cụ thể, trong khi phần mềm truyền thống thì không.
• B. AI luôn nhanh hơn và hiệu quả hơn phần mềm truyền thống trong mọi tác vụ.
• C. AI có khả năng học hỏi từ dữ liệu và điều chỉnh hành vi mà không cần lập trình lại rõ ràng, trong khi phần mềm truyền thống hoạt động dựa trên các quy tắc cố định.
• D. AI chỉ được sử dụng trong các ngành công nghệ cao, còn phần mềm truyền thống thì phổ biến hơn trong kinh doanh.

Câu 2: Trong bối cảnh kinh doanh, ứng dụng nào sau đây thể hiện rõ nhất việc sử dụng "Học máy" (Machine Learning)?

• A. Sử dụng phần mềm kế toán để quản lý thu chi.
• B. Hệ thống đề xuất sản phẩm cá nhân hóa cho khách hàng dựa trên lịch sử mua sắm và hành vi duyệt web.
• C. Tự động gửi email marketing theo lịch trình định sẵn.
• D. Sử dụng chatbot được lập trình sẵn để trả lời các câu hỏi thường gặp của khách hàng.

Câu 3: Khi xây dựng một mô hình dự đoán rủi ro tín dụng cho ngân hàng, dữ liệu nào sau đây được xem là "dữ liệu đầu vào" (features) quan trọng nhất?

• A. Sở thích cá nhân và thói quen giải trí của khách hàng.
• B. Màu sắc yêu thích và loại xe khách hàng đang sử dụng.
• C. Địa điểm khách hàng thường xuyên truy cập trên mạng xã hội.
• D. Lịch sử tín dụng, thu nhập hàng tháng, và tỷ lệ nợ trên thu nhập của khách hàng.

Câu 4: Trong quá trình phát triển một hệ thống AI, giai đoạn "xác thực mô hình" (model validation) có vai trò chính là gì?

• A. Đánh giá hiệu suất của mô hình trên dữ liệu kiểm thử để đảm bảo khả năng khái quát hóa tốt.
• B. Thu thập và tiền xử lý dữ liệu để chuẩn bị cho quá trình huấn luyện mô hình.
• C. Lựa chọn thuật toán học máy phù hợp nhất với bài toán kinh doanh.
• D. Triển khai mô hình đã huấn luyện vào môi trường sản xuất thực tế.

Câu 5: Một công ty thương mại điện tử muốn sử dụng AI để phân loại đánh giá sản phẩm của khách hàng thành "tích cực", "tiêu cực" hoặc "trung lập". Bài toán này thuộc loại nào trong Học máy?

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

Câu 6: Chỉ số "Precision" trong đánh giá mô hình phân loại cho biết điều gì?

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

Câu 7: Trong ngữ cảnh chatbot AI cho dịch vụ khách hàng, "Intent" (ý định) được hiểu là gì?

• A. Mục đích hoặc mong muốn của người dùng khi gửi tin nhắn cho chatbot.
• B. Phản hồi mặc định của chatbot khi không hiểu ý người dùng.
• C. Các câu hỏi chatbot dùng để thu thập thông tin từ người dùng.
• D. Giao diện người dùng đồ họa của chatbot.

Câu 8: "Thực thể" (Entity) trong chatbot AI được sử dụng để làm gì?

• A. Xác định ý định (Intent) chính của người dùng.
• B. Trích xuất thông tin cụ thể, chi tiết (ví dụ: ngày, giờ, địa điểm) từ tin nhắn của người dùng.
• C. Điều hướng cuộc hội thoại giữa chatbot và người dùng.
• D. Tạo ra phản hồi văn bản tự nhiên cho người dùng.

Câu 9: Doanh nghiệp sử dụng AI để tự động hóa quy trình tuyển dụng có thể gặp phải rủi ro đạo đức nào?

• A. Tăng chi phí tuyển dụng do đầu tư vào công nghệ AI.
• B. Giảm hiệu quả tuyển dụng do AI không thể đánh giá được các yếu tố phi kỹ năng.
• C. Thuật toán AI có thể vô tình duy trì hoặc khuếch đại sự thiên vị giới tính hoặc chủng tộc trong quá trình lựa chọn ứng viên.
• D. Ứng viên có thể không tin tưởng vào quyết định tuyển dụng của AI.

Câu 10: Để giảm thiểu rủi ro thiên vị trong các hệ thống AI, biện pháp nào sau đây là quan trọng nhất?

• A. Sử dụng các thuật toán AI phức tạp hơn.
• B. Đảm bảo dữ liệu huấn luyện AI đa dạng và đại diện cho nhiều nhóm khác nhau, đồng thời thường xuyên kiểm tra và đánh giá tính công bằng của hệ thống.
• C. Giấu kín thuật toán AI để tránh bị can thiệp.
• D. Chỉ sử dụng dữ liệu từ các nguồn chính thống.

Câu 11: Trong phân tích dữ liệu lớn (Big Data) cho kinh doanh, "3Vs" thường được nhắc đến để mô tả đặc điểm của Big Data là gì?

• A. Tính bảo mật (Veracity), Tính xác thực (Validity), Tính biến đổi (Variability).
• B. Tính giá trị (Value), Tính trực quan (Visualization), Tính đa dạng (Variety).
• C. Tính tốc độ (Velocity), Tính tin cậy (Veracity), Tính khả dụng (Validity).
• D. Khối lượng (Volume), Tốc độ (Velocity), Tính đa dạng (Variety).

Câu 12: Ứng dụng AI trong "bảo trì dự đoán" (predictive maintenance) trong ngành sản xuất giúp doanh nghiệp đạt được lợi ích chính nào?

• A. Giảm thiểu thời gian ngừng hoạt động của máy móc và chi phí bảo trì.
• B. Tăng tốc độ sản xuất và năng suất lao động.
• C. Cải thiện chất lượng sản phẩm và giảm tỷ lệ lỗi.
• D. Tối ưu hóa quy trình quản lý kho và chuỗi cung ứng.

Câu 13: Kỹ thuật "học tăng cường" (Reinforcement Learning) thường được ứng dụng trong lĩnh vực nào?

• A. Phân loại email spam.
• B. Phát triển robot tự lái và hệ thống chơi game AI.
• C. Dự đoán giá cổ phiếu.
• D. Phân tích cảm xúc khách hàng từ đánh giá sản phẩm.

Câu 14: Trong quy trình "khai phá dữ liệu" (data mining), bước nào sau đây thường được thực hiện đầu tiên?

• A. Xây dựng mô hình khai phá dữ liệu.
• B. Đánh giá và diễn giải kết quả.
• C. Xác định bài toán kinh doanh và mục tiêu khai phá dữ liệu.
• D. Chuẩn bị và tiền xử lý dữ liệu.

Câu 15: "Mạng nơ-ron" (Neural Networks) hoạt động dựa trên nguyên lý nào?

• A. Dựa trên các quy tắc logic và suy diễn.
• B. Dựa trên việc tìm kiếm mẫu số chung trong dữ liệu.
• C. Dựa trên thống kê tần suất xuất hiện của các sự kiện.
• D. Mô phỏng cách thức hoạt động của mạng lưới nơ-ron sinh học trong não bộ con người.

Câu 16: Doanh nghiệp muốn triển khai AI nhưng gặp khó khăn về dữ liệu chất lượng. Giải pháp nào sau đây nên được ưu tiên?

• A. Thuê chuyên gia AI để xây dựng mô hình bất kể chất lượng dữ liệu.
• B. Ưu tiên cải thiện chất lượng dữ liệu hiện có và xây dựng chiến lược thu thập dữ liệu chất lượng cao trong tương lai.
• C. Giảm bớt kỳ vọng về hiệu quả của AI do dữ liệu không tốt.
• D. Chuyển sang sử dụng các công nghệ khác thay vì AI.

Câu 17: Trong mô hình "cây quyết định" (Decision Tree), yếu tố nào được sử dụng để phân chia dữ liệu tại mỗi nút?

• A. Giá trị trung bình của các thuộc tính.
• B. Số lượng mẫu dữ liệu.
• C. Thuộc tính có khả năng phân tách dữ liệu tốt nhất dựa trên một tiêu chí nhất định (ví dụ: độ lợi thông tin).
• D. Thuộc tính được chọn ngẫu nhiên.

Câu 18: "Hồi quy tuyến tính" (Linear Regression) được sử dụng để giải quyết loại bài toán nào?

• A. Dự đoán giá trị số liên tục (ví dụ: dự đoán doanh số, giá nhà).
• B. Phân loại dữ liệu vào các nhóm khác nhau (ví dụ: phân loại khách hàng thành nhóm A, B, C).
• C. Tìm kiếm các mẫu ẩn trong dữ liệu (ví dụ: phân tích thị trường).
• D. Giảm chiều dữ liệu để đơn giản hóa bài toán.

Câu 19: "Phân cụm" (Clustering) khác với "phân loại" (Classification) ở điểm nào?

• A. Phân cụm chỉ áp dụng cho dữ liệu số, còn phân loại áp dụng cho mọi loại dữ liệu.
• B. Phân loại luôn cho kết quả chính xác hơn phân cụm.
• C. Phân cụm cần dữ liệu đã được gán nhãn, còn phân loại thì không.
• D. Phân cụm là học không giám sát (unsupervised learning) - tự tìm cấu trúc trong dữ liệu, còn phân loại là học có giám sát (supervised learning) - học từ dữ liệu đã gán nhãn.

Câu 20: Trong quá trình xây dựng mô hình AI, "overfitting" (quá khớp) xảy ra khi nào?

• A. Mô hình hoạt động kém hiệu quả trên cả dữ liệu huấn luyện và dữ liệu kiểm thử.
• B. Mô hình hoạt động tốt trên dữ liệu kiểm thử nhưng kém trên dữ liệu huấn luyện.
• C. Mô hình hoạt động rất tốt trên dữ liệu huấn luyện nhưng kém hiệu quả trên dữ liệu kiểm thử.
• D. Mô hình không thể học được từ dữ liệu huấn luyện.

Câu 21: Biện pháp nào sau đây giúp giảm thiểu nguy cơ "overfitting" trong mô hình học máy?

• A. Sử dụng nhiều dữ liệu huấn luyện hơn (nếu dữ liệu đó tương tự dữ liệu hiện có).
• B. Áp dụng kỹ thuật "chính quy hóa" (regularization) và "kiểm định chéo" (cross-validation).
• C. Tăng độ phức tạp của mô hình.
• D. Loại bỏ bớt dữ liệu huấn luyện.

Câu 22: "Xử lý ngôn ngữ tự nhiên" (NLP) tập trung vào việc giúp máy tính có khả năng gì?

• A. Phân tích hình ảnh và video.
• B. Điều khiển robot và thiết bị tự động.
• C. Dự đoán thị trường chứng khoán.
• D. Hiểu, xử lý và tạo ra ngôn ngữ tự nhiên của con người (văn bản và giọng nói).

Câu 23: Ứng dụng nào sau đây KHÔNG phải là ứng dụng của NLP trong kinh doanh?

• A. Phân tích cảm xúc khách hàng từ bình luận trên mạng xã hội.
• B. Dịch văn bản và giọng nói tự động.
• C. Dự đoán thời tiết.
• D. Chatbot dịch vụ khách hàng.

Câu 24: Công cụ "Anaconda" thường được sử dụng trong lĩnh vực khoa học dữ liệu và AI để làm gì?

• A. Quản lý môi trường phát triển Python, cài đặt và quản lý các thư viện khoa học dữ liệu.
• B. Thiết kế giao diện người dùng cho ứng dụng AI.
• C. Lưu trữ và quản lý dữ liệu lớn trên đám mây.
• D. Bảo mật hệ thống AI khỏi các cuộc tấn công mạng.

Câu 25: Thư viện "Pandas" trong Python chủ yếu được sử dụng để làm gì?

• A. Xây dựng mô hình học máy.
• B. Phân tích và thao tác dữ liệu dạng bảng (tabular data).
• C. Trực quan hóa dữ liệu bằng đồ thị.
• D. Xử lý ảnh và video.

Câu 26: Để trực quan hóa dữ liệu trong Python, thư viện phổ biến nào thường được sử dụng?

• A. Numpy.
• B. Scikit-learn.
• C. Matplotlib và Seaborn.
• D. TensorFlow.

Câu 27: "eKYC" (Electronic Know Your Customer) ứng dụng AI trong lĩnh vực ngân hàng để làm gì?

• A. Dự đoán gian lận giao dịch ngân hàng.
• B. Cá nhân hóa dịch vụ khách hàng.
• C. Quản lý rủi ro tín dụng.
• D. Xác minh danh tính khách hàng trực tuyến để mở tài khoản và sử dụng dịch vụ ngân hàng số.

Câu 28: "Computer Vision" (thị giác máy tính) giúp máy tính có khả năng gì trong kinh doanh?

• A. Hiểu và tạo ra ngôn ngữ tự nhiên.
• B. Phân tích và hiểu nội dung hình ảnh, video (ví dụ: nhận diện khuôn mặt, phát hiện đối tượng).
• C. Dự đoán xu hướng thị trường.
• D. Tự động hóa quy trình ra quyết định.

Câu 29: Trong mô hình "Random Forest", kết quả dự đoán cuối cùng thường được xác định như thế nào?

• A. Dựa trên kết quả "biểu quyết đa số" (majority voting) từ các cây quyết định thành phần.
• B. Chỉ dựa vào kết quả của một cây quyết định duy nhất được chọn ngẫu nhiên.
• C. Tính trung bình kết quả dự đoán của tất cả các cây quyết định.
• D. Chọn cây quyết định có độ chính xác cao nhất để đưa ra kết quả cuối cùng.

Câu 30: Khi đánh giá hiệu quả của một mô hình phân loại nhị phân (binary classification), chỉ số "F1-score" là gì?

• A. Tỷ lệ dự đoán đúng trên tổng số mẫu dữ liệu.
• B. Tỷ lệ dự đoán dương tính đúng trên tổng số các trường hợp được dự đoán là dương tính.
• C. Trung bình điều hòa của Precision và Recall, đánh giá sự cân bằng giữa độ chính xác và độ phủ.
• D. Tỷ lệ dự đoán dương tính đúng trên tổng số các trường hợp thực tế là dương tính.