Bài Tập, Đề Thi Trắc Nghiệm Online – Môn Trí Tuệ Nhân Tạo Trong Kinh Doanh – Đề 10

Câu 1: Trong bối cảnh kinh doanh hiện đại, thuật ngữ

• A. Các hệ thống máy tính có khả năng tự nhận thức và cảm xúc như con người.
• B. Phần mềm máy tính có thể thực hiện mọi công việc mà con người có thể làm, bao gồm cả sáng tạo nghệ thuật.
• C. Các hệ thống máy tính được thiết kế để mô phỏng các quá trình trí tuệ của con người, đặc biệt trong việc giải quyết các vấn đề phức tạp và ra quyết định.
• D. Robot hình người có khả năng thay thế hoàn toàn lao động chân tay và trí óc của con người trong mọi ngành nghề.

Câu 2: Học máy (Machine Learning) là một nhánh quan trọng của AI. Đâu là phát biểu đúng nhất về bản chất của Học máy?

• A. Học máy là việc lập trình rõ ràng các quy tắc và logic để máy tính tuân theo.
• B. Học máy là quá trình cho phép máy tính học hỏi từ dữ liệu mà không cần được lập trình một cách rõ ràng cho từng tác vụ cụ thể.
• C. Học máy là việc xây dựng các thuật toán để máy tính có thể tự sửa lỗi phần mềm.
• D. Học máy là việc tạo ra các chương trình máy tính có khả năng tự viết mã nguồn.

Câu 3: Doanh nghiệp X muốn sử dụng AI để dự đoán nhu cầu khách hàng trong quý tới. Phương pháp Học máy nào sau đây có vẻ phù hợp nhất để giải quyết bài toán này?

• A. Phân cụm (Clustering) để phân nhóm khách hàng dựa trên hành vi mua sắm.
• B. Phân loại (Classification) để xác định khách hàng nào có khả năng rời bỏ (churn).
• C. Hồi quy (Regression) để dự đoán giá trị số lượng hàng hóa hoặc dịch vụ mà khách hàng sẽ mua.
• D. Giảm chiều dữ liệu (Dimensionality Reduction) để đơn giản hóa dữ liệu khách hàng.

Câu 4: Trong quá trình xây dựng mô hình Học máy, tập dữ liệu Kiểm định (Validation set) được sử dụng với mục đích chính là gì?

• A. Đánh giá hiệu suất cuối cùng của mô hình sau khi đã hoàn thành huấn luyện.
• B. Tinh chỉnh các siêu tham số (hyperparameters) của mô hình để tối ưu hóa hiệu suất trên dữ liệu chưa từng thấy.
• C. Huấn luyện mô hình Học máy trên toàn bộ dữ liệu có sẵn.
• D. Phát hiện và loại bỏ các ngoại lệ (outliers) trong dữ liệu huấn luyện.

Câu 5: Chỉ số "Độ chính xác" (Accuracy) thường được sử dụng để đánh giá hiệu suất của mô hình phân loại. Tuy nhiên, trong trường hợp nào thì chỉ số Độ chính xác không phải là thước đo phù hợp?

• A. Khi mô hình phân loại được sử dụng để dự đoán giá trị số.
• B. Khi tập dữ liệu kiểm thử quá nhỏ.
• C. Khi mô hình phân loại quá phức tạp và dễ bị "quá khớp" (overfitting).
• D. Khi dữ liệu phân loại bị mất cân bằng, tức là số lượng mẫu ở các lớp khác nhau rất chênh lệch.

Câu 6: Một công ty bán lẻ muốn triển khai hệ thống gợi ý sản phẩm cá nhân hóa cho khách hàng trên website. Ứng dụng AI này thuộc vào lĩnh vực nào?

• A. Hệ thống gợi ý (Recommender Systems)
• B. Xử lý ngôn ngữ tự nhiên (Natural Language Processing)
• C. Thị giác máy tính (Computer Vision)
• D. Robot học (Robotics)

Câu 7: Trong lĩnh vực Xử lý Ngôn ngữ Tự nhiên (NLP), "Intent" (Ý định) của người dùng trong một đoạn văn bản hoặc câu nói được hiểu là gì?

• A. Cảm xúc hoặc thái độ của người dùng thể hiện qua ngôn ngữ.
• B. Cấu trúc ngữ pháp và cú pháp của câu nói.
• C. Mục đích hoặc mong muốn mà người dùng muốn đạt được khi giao tiếp.
• D. Thông tin chi tiết về danh tính và nhân khẩu học của người dùng.

Câu 8: Chatbot AI được sử dụng rộng rãi trong dịch vụ khách hàng. Lợi ích chính mà Chatbot mang lại cho doanh nghiệp là gì?

• A. Thay thế hoàn toàn nhân viên chăm sóc khách hàng bằng máy móc.
• B. Cung cấp dịch vụ hỗ trợ khách hàng 24/7, giảm thời gian chờ đợi và giải đáp các câu hỏi thường gặp một cách nhanh chóng.
• C. Tạo ra trải nghiệm trò chuyện giống hệt như con người, không thể phân biệt được với nhân viên thật.
• D. Tự động thu thập và phân tích thông tin cá nhân của khách hàng để bán cho bên thứ ba.

Câu 9: Công nghệ "Thị giác máy tính" (Computer Vision) giúp máy tính có khả năng "nhìn" và "hiểu" hình ảnh. Ứng dụng nào sau đây không phải là ví dụ của Thị giác máy tính trong kinh doanh?

• A. Nhận diện khuôn mặt khách hàng để cá nhân hóa trải nghiệm mua sắm tại cửa hàng.
• B. Kiểm tra chất lượng sản phẩm trên dây chuyền sản xuất bằng cách phân tích hình ảnh.
• C. Phân tích cảm xúc của khách hàng dựa trên giọng nói trong cuộc gọi hỗ trợ.
• D. Đọc biển số xe tự động để quản lý bãi đỗ xe thông minh.

Câu 10: Trong lĩnh vực tài chính, AI được ứng dụng để phát hiện gian lận giao dịch. Kỹ thuật Học máy nào thường được sử dụng cho mục đích này?

• A. Phân tích hồi quy tuyến tính (Linear Regression)
• B. Phân cụm K-Means (K-Means Clustering)
• C. Phân tích thành phần chính (Principal Component Analysis - PCA)
• D. Phát hiện bất thường (Anomaly Detection)

Câu 11: Đạo đức AI là một vấn đề ngày càng được quan tâm. Điều gì sau đây được xem là một trong những thách thức đạo đức lớn nhất khi ứng dụng AI trong kinh doanh?

• A. Sự thiên vị (bias) trong dữ liệu huấn luyện có thể dẫn đến các quyết định AI phân biệt đối xử hoặc không công bằng.
• B. Chi phí đầu tư ban đầu cho hệ thống AI quá cao.
• C. Khả năng AI thay thế công việc của con người, gây ra tình trạng thất nghiệp.
• D. Sự phức tạp của thuật toán AI khiến người dùng khó hiểu và tin tưởng.

Câu 12: Để triển khai thành công một dự án AI trong doanh nghiệp, yếu tố nào sau đây là quan trọng nhất ngoài công nghệ và dữ liệu?

• A. Lựa chọn ngôn ngữ lập trình hiện đại nhất.
• B. Sử dụng phần cứng máy tính mạnh nhất.
• C. Sự phối hợp chặt chẽ giữa các chuyên gia AI, chuyên gia nghiệp vụ và lãnh đạo doanh nghiệp, cùng với sự thay đổi về văn hóa tổ chức.
• D. Bảo mật tuyệt đối mã nguồn và thuật toán AI.

Câu 13: Trong Python, thư viện nào sau đây được sử dụng chủ yếu cho việc phân tích và thao tác dữ liệu dạng bảng (tabular data)?

• A. Scikit-learn
• B. Pandas
• C. TensorFlow
• D. Matplotlib

Câu 14: Đoạn mã Python sau thực hiện công việc gì?
```python
import pandas as pd
df = pd.read_csv("customer_data.csv")
print(df.head())
```

• A. Đọc dữ liệu từ file "customer_data.csv" và hiển thị 5 hàng đầu tiên của dữ liệu.
• B. Tính toán các thống kê mô tả cho dữ liệu trong file "customer_data.csv".
• C. Xóa file "customer_data.csv".
• D. Tạo một DataFrame Pandas trống có tên "df".

Câu 15: Trong ngữ cảnh của mô hình Học máy, "feature" (đặc trưng) được hiểu là gì?

• A. Thuật toán Học máy được sử dụng.
• B. Kết quả dự đoán của mô hình.
• C. Siêu tham số (hyperparameter) của mô hình.
• D. Một thuộc tính hoặc cột dữ liệu đầu vào được sử dụng để huấn luyện mô hình.

Câu 16: Để đánh giá mô hình phân loại nhị phân (binary classification), chỉ số nào sau đây đo lường tỷ lệ dự đoán dương tính đúng trên tổng số mẫu thực tế là dương tính?

• A. Độ chính xác (Accuracy)
• B. Độ chuẩn xác (Precision)
• C. ĐộRecall (Recall)
• D. F1-score

Câu 17: Một doanh nghiệp muốn tự động hóa quy trình phân loại email khách hàng thành "spam" hoặc "không spam". Loại hình ứng dụng AI này được gọi là gì?

• A. Phân tích cảm xúc (Sentiment Analysis)
• B. Phân loại văn bản (Text Classification)
• C. Tóm tắt văn bản (Text Summarization)
• D. Dịch máy (Machine Translation)

Câu 18: Trong kiến trúc mạng nơ-ron (Neural Network), "activation function" (hàm kích hoạt) có vai trò gì?

• A. Tối ưu hóa tốc độ huấn luyện mạng nơ-ron.
• B. Giảm số lượng tham số cần học trong mạng nơ-ron.
• C. Chuẩn hóa dữ liệu đầu vào cho mạng nơ-ron.
• D. Giới thiệu tính phi tuyến vào mạng nơ-ron, cho phép mô hình học các mối quan hệ phức tạp trong dữ liệu.

Câu 19: Phương pháp Học máy "Cây quyết định" (Decision Tree) hoạt động dựa trên nguyên tắc nào?

• A. Phân chia dữ liệu thành các nhánh dựa trên các thuộc tính đầu vào, tạo ra cấu trúc cây để đưa ra quyết định hoặc dự đoán.
• B. Tìm kiếm đường đi ngắn nhất giữa các điểm dữ liệu trong không gian đặc trưng.
• C. Nhóm các điểm dữ liệu tương tự lại với nhau thành các cụm.
• D. Xây dựng một siêu phẳng để phân tách các lớp dữ liệu khác nhau.

Câu 20: "Ensemble learning" (Học tập kết hợp) là gì?

• A. Một thuật toán Học máy duy nhất có khả năng tự học và cải thiện theo thời gian.
• B. Phương pháp kết hợp dự đoán của nhiều mô hình Học máy khác nhau để cải thiện độ chính xác và độ ổn định.
• C. Quá trình chia nhỏ dữ liệu huấn luyện thành nhiều phần nhỏ để huấn luyện mô hình nhanh hơn.
• D. Kỹ thuật giảm chiều dữ liệu để đơn giản hóa mô hình Học máy.

Câu 21: Trong lĩnh vực Marketing, AI có thể được sử dụng để phân khúc thị trường (market segmentation). Mục đích chính của việc phân khúc thị trường dựa trên AI là gì?

• A. Giảm chi phí quảng cáo bằng cách tiếp cận ít khách hàng hơn.
• B. Tăng độ phức tạp của các chiến dịch marketing.
• C. Cá nhân hóa thông điệp và ưu đãi marketing cho từng nhóm khách hàng cụ thể, từ đó tăng hiệu quả chiến dịch.
• D. Loại bỏ hoàn toàn sự can thiệp của con người trong quá trình marketing.

Câu 22: Để triển khai mô hình Học máy vào thực tế kinh doanh, bước nào sau đây thường được thực hiện sau cùng?

• A. Thu thập và tiền xử lý dữ liệu.
• B. Huấn luyện và đánh giá mô hình.
• C. Lựa chọn thuật toán Học máy phù hợp.
• D. Giám sát và duy trì hiệu suất mô hình trong môi trường vận hành thực tế.

Câu 23: Trong quá trình tiền xử lý dữ liệu, kỹ thuật "scaling" (tỷ lệ hóa) dữ liệu được sử dụng để làm gì?

• A. Loại bỏ dữ liệu trùng lặp.
• B. Đưa các thuộc tính số về cùng một thang đo, giúp các thuật toán Học máy hoạt động hiệu quả hơn và tránh bị ảnh hưởng bởi sự khác biệt về đơn vị đo lường.
• C. Chuyển đổi dữ liệu văn bản thành dạng số.
• D. Điền các giá trị còn thiếu trong dữ liệu.

Câu 24: "Reinforcement Learning" (Học tăng cường) là một loại Học máy đặc biệt. Ứng dụng nào sau đây là ví dụ điển hình của Học tăng cường trong kinh doanh?

• A. Phân loại hình ảnh sản phẩm.
• B. Dự đoán doanh số bán hàng.
• C. Tối ưu hóa chiến lược giá động (dynamic pricing) trong thương mại điện tử.
• D. Phân tích cảm xúc khách hàng từ bình luận trên mạng xã hội.

Câu 25: Công nghệ AI có thể hỗ trợ doanh nghiệp trong việc ra quyết định dựa trên dữ liệu. Tuy nhiên, hạn chế chính của việc chỉ dựa vào AI để ra quyết định là gì?

• A. AI có thể bỏ qua các yếu tố định tính, trực giác, hoặc bối cảnh phức tạp mà con người có thể nhận biết và đánh giá.
• B. AI ra quyết định quá nhanh, không đủ thời gian để cân nhắc kỹ lưỡng.
• C. Chi phí vận hành hệ thống AI ra quyết định quá cao.
• D. AI không thể xử lý dữ liệu lớn và phức tạp.

Câu 26: Trong lĩnh vực quản lý chuỗi cung ứng, AI có thể được sử dụng để dự báo nhu cầu. Lợi ích chính của việc dự báo nhu cầu chính xác bằng AI là gì?

• A. Tăng sự phụ thuộc vào nhà cung cấp.
• B. Tối ưu hóa lượng tồn kho, giảm chi phí lưu kho và tránh tình trạng thiếu hụt hàng hóa.
• C. Làm phức tạp thêm quy trình quản lý chuỗi cung ứng.
• D. Giảm khả năng thích ứng với biến động thị trường.

Câu 27: "Explainable AI" (XAI - AI có thể giải thích được) đang trở nên quan trọng. Tại sao tính "giải thích được" lại quan trọng trong các ứng dụng AI kinh doanh, đặc biệt là trong các lĩnh vực nhạy cảm như tài chính hoặc y tế?

• A. Để giảm chi phí phát triển hệ thống AI.
• B. Để tăng tốc độ xử lý của hệ thống AI.
• C. Để đảm bảo tính minh bạch, trách nhiệm giải trình và sự tin tưởng vào các quyết định của AI, đặc biệt khi các quyết định này có ảnh hưởng lớn đến con người.
• D. Để hệ thống AI dễ dàng tích hợp với các hệ thống công nghệ thông tin hiện có.

Câu 28: Trong quá trình phát triển mô hình Học máy, hiện tượng "overfitting" (quá khớp) xảy ra khi nào?

• A. Khi mô hình không đủ phức tạp để học được các mẫu trong dữ liệu huấn luyện.
• B. Khi mô hình đạt độ chính xác quá thấp trên dữ liệu huấn luyện.
• C. Khi dữ liệu huấn luyện có quá nhiều nhiễu.
• D. Khi mô hình học quá tốt trên dữ liệu huấn luyện nhưng lại hoạt động kém trên dữ liệu mới hoặc dữ liệu kiểm thử.

Câu 29: "Transfer Learning" (Học chuyển giao) là một kỹ thuật trong Học sâu (Deep Learning). Lợi ích chính của Học chuyển giao là gì?

• A. Tăng độ phức tạp của mô hình Học sâu.
• B. Cho phép mô hình Học sâu được huấn luyện hiệu quả hơn với ít dữ liệu hơn và trong thời gian ngắn hơn bằng cách tái sử dụng kiến thức từ các mô hình đã được huấn luyện trước đó.
• C. Giảm kích thước mô hình Học sâu.
• D. Tự động lựa chọn kiến trúc mạng nơ-ron tốt nhất.

Câu 30: Doanh nghiệp nên bắt đầu ứng dụng AI từ đâu để đạt hiệu quả và giảm thiểu rủi ro?

• A. Đầu tư mạnh vào cơ sở hạ tầng công nghệ và dữ liệu lớn trước khi xác định bài toán cụ thể.
• B. Thuê một đội ngũ chuyên gia AI lớn và triển khai đồng loạt nhiều dự án AI.
• C. Bắt đầu với một bài toán kinh doanh cụ thể, có giá trị và khả thi, sau đó từng bước mở rộng ứng dụng AI.
• D. Sao chép mô hình ứng dụng AI của các đối thủ cạnh tranh thành công.