Đề Trắc nghiệm Tin học 12 – Bài F15: Khoa học dữ liệu (Chân Trời Sáng Tạo)

Câu 1: Khoa học dữ liệu (Data Science) được mô tả là một lĩnh vực liên ngành. Điều này có nghĩa là Khoa học dữ liệu tích hợp kiến thức và kỹ thuật từ những lĩnh vực nào để làm việc với dữ liệu?

• A. Chỉ Khoa học máy tính và Tin học văn phòng.
• B. Chỉ Thống kê và Kinh tế học.
• C. Chỉ Trí tuệ nhân tạo và Thiết kế đồ họa.
• D. Toán học (Thống kê), Khoa học máy tính và kiến thức chuyên môn về lĩnh vực ứng dụng.

Câu 2: Mục tiêu cốt lõi nhất của Khoa học dữ liệu là gì?

• A. Thu thập càng nhiều dữ liệu càng tốt.
• B. Xây dựng các phần mềm phức tạp.
• C. Khám phá tri thức và hỗ trợ ra quyết định từ dữ liệu.
• D. Tạo ra các báo cáo và biểu đồ đẹp mắt.

Câu 3: Giả sử một công ty bán lẻ muốn dự đoán xu hướng mua sắm của khách hàng trong dịp lễ sắp tới dựa trên dữ liệu lịch sử mua sắm và các yếu tố kinh tế hiện tại. Hoạt động này thuộc về mục tiêu nào của Khoa học dữ liệu?

• A. Chỉ thu thập dữ liệu.
• B. Hỗ trợ ra quyết định.
• C. Trực quan hóa dữ liệu đơn thuần.
• D. Giảm thiểu chi phí lưu trữ dữ liệu.

Câu 4: Bước đầu tiên và thường tốn nhiều thời gian nhất trong quy trình Khoa học dữ liệu là gì?

• A. Thu thập và tiền xử lý dữ liệu (Data Collection & Preprocessing).
• B. Xây dựng mô hình (Modeling).
• C. Trực quan hóa kết quả (Visualization).
• D. Triển khai mô hình (Deployment).

Câu 5: Một nhà Khoa học dữ liệu đang làm việc với một tập dữ liệu bán hàng khổng lồ chứa thông tin về các giao dịch, khách hàng, sản phẩm, thời gian, địa điểm. Để hiểu rõ hơn về dữ liệu này trước khi xây dựng mô hình, anh ấy nên thực hiện bước nào tiếp theo sau khi đã làm sạch dữ liệu?

• A. Triển khai mô hình ngay lập tức.
• B. Viết báo cáo cuối cùng.
• C. Thực hiện phân tích khám phá dữ liệu (Exploratory Data Analysis - EDA).
• D. Xóa bớt dữ liệu không cần thiết mà không phân tích.

Câu 6: Kỹ thuật gom cụm (Clustering) trong Khoa học dữ liệu được sử dụng với mục đích chính là gì?

• A. Dự đoán một giá trị số liên tục.
• B. Nhóm các điểm dữ liệu tương tự lại với nhau.
• C. Phân loại dữ liệu vào các nhãn đã biết trước.
• D. Tìm ra mối quan hệ nhân quả giữa các biến.

Câu 7: Một ngân hàng muốn xác định những giao dịch có khả năng cao là gian lận dựa trên các mẫu bất thường so với hành vi chi tiêu thông thường của khách hàng. Kỹ thuật Khoa học dữ liệu nào phù hợp nhất cho bài toán này?

• A. Gom cụm (Clustering).
• B. Phân loại (Classification).
• C. Hồi quy (Regression).
• D. Phát hiện ngoại lệ (Anomaly Detection).

Câu 8: Kỹ thuật phân loại (Classification) trong Khoa học dữ liệu được sử dụng khi nào?

• A. Khi cần gán dữ liệu vào các danh mục (lớp) đã biết trước.
• B. Khi cần dự đoán một giá trị số liên tục.
• C. Khi cần tìm mối quan hệ giữa các sản phẩm thường được mua cùng nhau.
• D. Khi cần giảm số lượng thuộc tính của dữ liệu.

Câu 9: Một công ty bất động sản muốn dự đoán giá bán của một ngôi nhà dựa trên các yếu tố như diện tích, số phòng ngủ, vị trí, tuổi đời nhà,... Kỹ thuật Khoa học dữ liệu nào phù hợp nhất để giải quyết bài toán này?

• A. Phân loại (Classification).
• B. Gom cụm (Clustering).
• C. Hồi quy (Regression).
• D. Phát hiện ngoại lệ (Anomaly Detection).

Câu 10: Kỹ thuật khai phá luật kết hợp (Association Rule Mining), ví dụ như thuật toán Apriori, thường được ứng dụng phổ biến nhất trong lĩnh vực nào?

• A. Dự đoán giá cổ phiếu.
• B. Phân tích giỏ hàng (Market Basket Analysis) trong bán lẻ.
• C. Nhận dạng giọng nói.
• D. Dịch máy tự động.

Câu 11: Để trình bày kết quả phân tích dữ liệu một cách dễ hiểu và trực quan cho người không chuyên về kỹ thuật, nhà Khoa học dữ liệu thường sử dụng công cụ hoặc kỹ thuật nào?

• A. Chỉ cung cấp bảng số liệu thô.
• B. Viết một báo cáo văn bản rất dài.
• C. Sử dụng các thuật ngữ kỹ thuật phức tạp.
• D. Trực quan hóa dữ liệu bằng biểu đồ, đồ thị, dashboard.

Câu 12: Một trong những ứng dụng quan trọng của Khoa học dữ liệu trong ngành y tế là gì?

• A. Hỗ trợ chẩn đoán bệnh và dự đoán nguy cơ.
• B. Thiết kế các dụng cụ phẫu thuật.
• C. Quản lý lịch làm việc của bác sĩ.
• D. Xây dựng bệnh viện mới.

Câu 13: Trong lĩnh vực tài chính, Khoa học dữ liệu có thể được ứng dụng để giải quyết bài toán nào sau đây?

• A. In tiền giấy mới.
• B. Thiết kế trụ sở ngân hàng.
• C. Đánh giá rủi ro tín dụng của khách hàng.
• D. Vận chuyển tiền mặt giữa các chi nhánh.

Câu 14: Hệ thống đề xuất sản phẩm (Recommendation System) trên các trang thương mại điện tử (như Shopee, Tiki) là một ứng dụng phổ biến của Khoa học dữ liệu. Hệ thống này hoạt động dựa trên nguyên tắc nào?

• A. Đề xuất ngẫu nhiên các sản phẩm.
• B. Chỉ hiển thị các sản phẩm mới nhất.
• C. Chỉ hiển thị các sản phẩm bán chạy nhất.
• D. Phân tích hành vi và sở thích của người dùng để gợi ý sản phẩm phù hợp.

Câu 15: Một công ty viễn thông muốn phân tích dữ liệu cuộc gọi và tin nhắn để xác định các nhóm khách hàng có hành vi sử dụng tương đồng nhằm mục đích đưa ra các gói cước khuyến mãi phù hợp. Kỹ thuật Khoa học dữ liệu nào nên được ưu tiên sử dụng trong trường hợp này?

• A. Gom cụm (Clustering).
• B. Phân loại (Classification).
• C. Hồi quy (Regression).
• D. Phát hiện ngoại lệ (Anomaly Detection).

Câu 16: Tại sao việc tiền xử lý dữ liệu (Data Preprocessing) là một bước cực kỳ quan trọng trong quy trình Khoa học dữ liệu?

• A. Vì nó giúp giảm bớt kích thước của tập dữ liệu một cách đáng kể.
• B. Vì nó là bước cuối cùng trước khi triển khai mô hình.
• C. Vì dữ liệu thực tế thường "bẩn" và không nhất quán, cần được làm sạch để đảm bảo chất lượng phân tích.
• D. Vì nó chỉ đơn giản là việc chuyển đổi định dạng dữ liệu.

Câu 17: Một nhà Khoa học dữ liệu vừa xây dựng xong một mô hình dự đoán khả năng khách hàng rời bỏ dịch vụ (churn prediction). Bước tiếp theo quan trọng nhất sau khi xây dựng và đánh giá mô hình là gì?

• A. Quay lại thu thập thêm dữ liệu.
• B. Triển khai mô hình vào hệ thống sản xuất để sử dụng.
• C. Báo cáo kết quả cho đồng nghiệp mà không cần triển khai.
• D. Tìm một tập dữ liệu khác để thử nghiệm.

Câu 18: Công cụ nào sau đây không phải là một công cụ phổ biến được sử dụng trong Khoa học dữ liệu để xử lý, phân tích hoặc trực quan hóa dữ liệu?

• A. Python (với các thư viện như Pandas, Scikit-learn).
• B. Ngôn ngữ truy vấn cơ sở dữ liệu SQL.
• C. Microsoft Word.
• D. Các công cụ trực quan hóa như Tableau hoặc Power BI.

Câu 19: Vai trò chính của một nhà Khoa học dữ liệu (Data Scientist) trong một tổ chức là gì?

• A. Chỉ đơn thuần là người nhập liệu vào cơ sở dữ liệu.
• B. Chỉ là người thiết kế giao diện người dùng cho phần mềm.
• C. Chỉ là người bán các sản phẩm công nghệ.
• D. Phân tích dữ liệu để khám phá thông tin, xây dựng mô hình và hỗ trợ ra quyết định chiến lược.

Câu 20: Khi một nhà Khoa học dữ liệu sử dụng dữ liệu lịch sử về thời tiết, lượng khách du lịch và giá phòng để dự đoán giá phòng khách sạn trong mùa cao điểm tiếp theo, anh ấy đang thực hiện loại phân tích nào?

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

Câu 21: Phân tích mô tả (Descriptive Analytics) trong Khoa học dữ liệu tập trung vào việc gì?

• A. Dự đoán tương lai.
• B. Đề xuất hành động tối ưu.
• C. Mô tả và tóm tắt những gì đã xảy ra với dữ liệu.
• D. Xác định nguyên nhân gốc rễ của vấn đề.

Câu 22: Một công ty gặp vấn đề về doanh số bán hàng sụt giảm đột ngột trong quý trước. Để tìm hiểu nguyên nhân tại sao điều này xảy ra (ví dụ: do chiến dịch marketing thất bại, do đối thủ cạnh tranh, do thay đổi hành vi khách hàng,...), công ty nên sử dụng loại phân tích nào của Khoa học dữ liệu?

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

Câu 23: Sau khi đã xác định được nguyên nhân sụt giảm doanh số (ví dụ: do chiến dịch marketing kém hiệu quả), công ty muốn biết "Chúng ta nên làm gì để khắc phục tình hình và tối ưu hóa doanh số trong tương lai?". Loại phân tích nào của Khoa học dữ liệu có thể giúp trả lời câu hỏi này bằng cách đề xuất các hành động cụ thể?

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

Câu 24: Tính "Big Data" (Dữ liệu lớn) thường được mô tả bởi các đặc trưng V. Đặc trưng nào sau đây không phải là một trong các đặc trưng V cơ bản của Big Data?

• A. Volume (Khối lượng).
• B. Variety (Đa dạng).
• C. Validity (Tính hợp lệ).
• D. Velocity (Vận tốc).

Câu 25: Đặc trưng "Variety" (Đa dạng) của Big Data đề cập đến điều gì?

• A. Tốc độ dữ liệu được tạo ra và xử lý.
• B. Sự đa dạng về định dạng và cấu trúc của dữ liệu (có cấu trúc, bán cấu trúc, phi cấu trúc).
• C. Khối lượng dữ liệu khổng lồ.
• D. Tính chính xác và đáng tin cậy của dữ liệu.

Câu 26: Giả sử bạn đang phân tích dữ liệu từ cảm biến IoT gửi về liên tục với tốc độ rất cao. Đặc trưng nào của Big Data được nhấn mạnh trong trường hợp này?

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

Câu 27: Khi làm việc với dữ liệu khách hàng, nhà Khoa học dữ liệu cần đặc biệt lưu ý đến vấn đề đạo đức nào?

• A. Bảo vệ quyền riêng tư và bảo mật thông tin cá nhân.
• B. Tốc độ xử lý dữ liệu.
• C. Số lượng thuật toán sử dụng.
• D. Màu sắc của biểu đồ trực quan hóa.

Câu 28: Một công ty sử dụng thuật toán Khoa học dữ liệu để tự động hóa quy trình tuyển dụng, nhưng kết quả cho thấy thuật toán có xu hướng loại bỏ các ứng viên nữ hoặc thuộc nhóm thiểu số một cách không công bằng. Vấn đề này liên quan đến khía cạnh nào của Khoa học dữ liệu?

• A. Tốc độ tính toán.
• B. Khả năng lưu trữ dữ liệu.
• C. Tính công bằng và thiên kiến trong mô hình.
• D. Độ phức tạp của thuật toán.

Câu 29: Trong quy trình Khoa học dữ liệu, bước "Xây dựng mô hình" (Modeling) thường liên quan đến việc sử dụng các kỹ thuật từ lĩnh vực nào là chủ yếu?

• A. Thiết kế đồ họa.
• B. Quản lý dự án.
• C. Kế toán tài chính.
• D. Học máy và Trí tuệ nhân tạo.

Câu 30: Giả sử bạn có một tập dữ liệu về các bài báo và muốn nhóm chúng lại theo chủ đề mà không biết trước các chủ đề đó là gì. Kỹ thuật Khoa học dữ liệu nào phù hợp nhất để thực hiện việc này?

• A. Phân loại (Classification).
• B. Gom cụm (Clustering).
• C. Hồi quy (Regression).
• D. Phát hiện ngoại lệ (Anomaly Detection).

Câu 1: Khoa học dữ liệu (Data Science) là lĩnh vực liên ngành tập trung vào việc trích xuất tri thức và hiểu biết từ dữ liệu dưới nhiều hình thức khác nhau. Lĩnh vực này kết hợp kiến thức và kỹ năng từ những mảng chính nào?

• A. Văn học, Nghệ thuật và Thể thao
• B. Kinh tế học, Luật học và Xã hội học
• C. Toán học, Thống kê, Khoa học máy tính và Kiến thức chuyên ngành
• D. Địa lý, Sinh học và Lịch sử

Câu 2: Một công ty thương mại điện tử muốn hiểu rõ hành vi mua sắm của khách hàng để cải thiện trải nghiệm người dùng và tăng doanh số. Họ thu thập dữ liệu từ lịch sử duyệt web, các giao dịch đã thực hiện, và thông tin nhân khẩu học. Hoạt động này phù hợp nhất với mục tiêu nào của Khoa học dữ liệu?

• A. Giảm thiểu chi phí lưu trữ dữ liệu
• B. Tăng tốc độ truy cập internet
• C. Chỉ để lưu trữ thông tin khách hàng
• D. Khám phá tri thức và hiểu biết sâu sắc về khách hàng

Câu 3: Một nhà khoa học dữ liệu đang phân tích một tập dữ liệu lớn về các giao dịch ngân hàng để tìm ra những mẫu bất thường có thể là dấu hiệu của hoạt động gian lận. Kỹ thuật nào sau đây trong Khoa học dữ liệu là phù hợp nhất cho mục đích này?

• A. Khai phá luật kết hợp (Association Rule Mining)
• B. Phát hiện ngoại lệ (Outlier Detection)
• C. Gom cụm (Clustering)
• D. Giảm chiều dữ liệu (Dimensionality Reduction)

Câu 4: Một bệnh viện muốn phân loại bệnh nhân thành các nhóm có nguy cơ mắc một bệnh cụ thể (ví dụ: nguy cơ cao, trung bình, thấp) dựa trên các yếu tố như tuổi tác, tiền sử bệnh, kết quả xét nghiệm. Kỹ thuật Khoa học dữ liệu nào thường được sử dụng để xây dựng mô hình phân loại như vậy?

• A. Phân lớp/Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Gom cụm (Clustering)
• D. Trực quan hóa dữ liệu (Data Visualization)

Câu 5: Khi một nhà khoa học dữ liệu sử dụng các biểu đồ, đồ thị (như biểu đồ cột, biểu đồ đường, biểu đồ phân tán) để trình bày các xu hướng, mẫu hình và mối quan hệ trong dữ liệu, họ đang thực hiện hoạt động nào trong quy trình Khoa học dữ liệu?

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

Câu 6: Dữ liệu thô thu thập được thường chứa nhiều lỗi, giá trị thiếu, hoặc định dạng không nhất quán. Bước nào trong quy trình Khoa học dữ liệu là cần thiết để xử lý những vấn đề này, đảm bảo dữ liệu sẵn sàng cho phân tích?

• A. Xây dựng mô hình (Model Building)
• B. Làm sạch và tiền xử lý dữ liệu (Data Cleaning and Preprocessing)
• C. Triển khai mô hình (Model Deployment)
• D. Trực quan hóa dữ liệu (Data Visualization)

Câu 7: Một nhà bán lẻ trực tuyến sử dụng dữ liệu về lịch sử mua sắm và các mặt hàng khách hàng đã xem để gợi ý các sản phẩm có thể họ quan tâm. Hệ thống gợi ý này là một ứng dụng điển hình của Khoa học dữ liệu trong lĩnh vực nào?

• A. Thương mại điện tử / Bán lẻ
• B. Y tế
• C. Giáo dục
• D. Nông nghiệp

Câu 8: Trong lĩnh vực y tế, Khoa học dữ liệu có thể được ứng dụng để phân tích hình ảnh y khoa (như X-quang, MRI) nhằm hỗ trợ bác sĩ trong việc chẩn đoán bệnh. Ứng dụng này thường sử dụng các kỹ thuật từ lĩnh vực con nào của Trí tuệ nhân tạo, vốn là một phần quan trọng của Khoa học dữ liệu?

• A. Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP)
• B. Robot học (Robotics)
• C. Thị giác máy tính (Computer Vision)
• D. Hệ chuyên gia (Expert Systems)

Câu 9: Một công ty sản xuất muốn dự báo lượng cầu cho sản phẩm của mình trong quý tới dựa trên dữ liệu bán hàng lịch sử, các chiến dịch marketing và các yếu tố kinh tế vĩ mô. Bài toán dự báo một giá trị liên tục (số lượng sản phẩm) dựa trên dữ liệu quá khứ thuộc loại kỹ thuật nào trong Khoa học dữ liệu?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Gom cụm (Clustering)
• D. Phát hiện ngoại lệ (Outlier Detection)

Câu 10: Một trong những thách thức lớn khi làm việc với "Big Data" trong Khoa học dữ liệu là gì?

• A. Dữ liệu Big Data luôn có chất lượng hoàn hảo và không cần làm sạch.
• B. Big Data chỉ có thể được phân tích bằng các công cụ truyền thống.
• C. Khối lượng, tốc độ và sự đa dạng của dữ liệu không gây ra khó khăn gì.
• D. Yêu cầu về hạ tầng lưu trữ và xử lý, cũng như kỹ thuật phân tích phù hợp với quy mô và tính chất dữ liệu.

Câu 11: Công cụ hoặc ngôn ngữ lập trình nào sau đây được sử dụng phổ biến trong Khoa học dữ liệu để phân tích, xử lý và trực quan hóa dữ liệu, đặc biệt là khi làm việc với các thư viện mạnh mẽ như Pandas, NumPy, Scikit-learn, Matplotlib?

• A. Python
• B. Microsoft Word
• C. Adobe Photoshop
• D. C++

Câu 12: Giả sử bạn có một tập dữ liệu về khách hàng và muốn chia họ thành các nhóm khác nhau dựa trên các đặc điểm tương đồng (mà không biết trước các nhóm này là gì, ví dụ: nhóm khách hàng chi tiêu cao, nhóm khách hàng mới...). Kỹ thuật Khoa học dữ liệu nào là phù hợp nhất để thực hiện việc phân nhóm này?

• A. Phân loại (Classification)
• B. Hồi quy (Regression)
• C. Gom cụm (Clustering)
• D. Phát hiện ngoại lệ (Outlier Detection)

Câu 13: Một trong những thành tựu quan trọng của Khoa học dữ liệu là khả năng cá nhân hóa trải nghiệm người dùng. Ví dụ nào sau đây thể hiện rõ nhất thành tựu này?

• A. Tất cả người dùng trên một trang web đều thấy cùng một quảng cáo.
• B. Một nền tảng xem phim gợi ý các bộ phim dựa trên lịch sử xem của từng người dùng.
• C. Một ứng dụng di động yêu cầu người dùng nhập lại thông tin cá nhân mỗi lần sử dụng.
• D. Các email khuyến mãi được gửi hàng loạt đến tất cả khách hàng mà không phân biệt.

Câu 14: Trong quy trình Khoa học dữ liệu, sau khi dữ liệu đã được thu thập, làm sạch và tiền xử lý, bước tiếp theo thường là khám phá và trực quan hóa dữ liệu. Mục đích chính của bước này là gì?

• A. Tìm hiểu cấu trúc dữ liệu, nhận diện mẫu hình, xu hướng, mối quan hệ và các điểm bất thường ban đầu.
• B. Xây dựng mô hình dự đoán cuối cùng.
• C. Triển khai mô hình vào hệ thống sản xuất.
• D. Chỉ để làm cho dữ liệu trông đẹp mắt hơn.

Câu 15: Một nhà khoa học dữ liệu đã xây dựng xong một mô hình dự đoán. Bước quan trọng tiếp theo trước khi đưa mô hình vào sử dụng thực tế là gì?

• A. Thu thập thêm dữ liệu mới mà không cần kiểm tra mô hình.
• B. Xóa bỏ tất cả dữ liệu gốc.
• C. Đánh giá hiệu suất của mô hình bằng các chỉ số phù hợp và trên dữ liệu độc lập.
• D. Thay đổi thuật toán mô hình một cách ngẫu nhiên.

Câu 16: Công cụ nào sau đây chủ yếu được thiết kế để tạo ra các báo cáo tương tác và bảng điều khiển (dashboard) giúp người dùng không chuyên về kỹ thuật cũng có thể khám phá và hiểu dữ liệu một cách trực quan?

• A. Trình biên dịch C++
• B. Hệ quản trị cơ sở dữ liệu (DBMS)
• C. Phần mềm xử lý văn bản
• D. Công cụ trực quan hóa dữ liệu và Business Intelligence (BI)

Câu 17: Khi phân tích dữ liệu, việc giảm số lượng các thuộc tính (biến) trong tập dữ liệu nhưng vẫn giữ lại phần lớn thông tin quan trọng được gọi là kỹ thuật gì? Kỹ thuật này giúp giảm thời gian xử lý và tránh hiện tượng "lời nguyền chiều dữ liệu".

• A. Giảm chiều dữ liệu (Dimensionality Reduction)
• B. Tăng chiều dữ liệu (Dimensionality Expansion)
• C. Chuẩn hóa dữ liệu (Data Normalization)
• D. Làm sạch dữ liệu (Data Cleaning)

Câu 18: Một công ty giao thông công cộng thu thập dữ liệu từ các cảm biến trên xe buýt về tốc độ, vị trí, số lượng hành khách theo thời gian. Họ muốn sử dụng dữ liệu này để tối ưu hóa lịch trình và các tuyến đường. Đây là một ví dụ về ứng dụng của Khoa học dữ liệu trong việc:

• A. Tăng số lượng xe buýt một cách ngẫu nhiên
• B. Chỉ để theo dõi vị trí xe buýt
• C. Tối ưu hóa hoạt động và ra quyết định dựa trên dữ liệu thời gian thực
• D. Giảm chất lượng dịch vụ cho hành khách

Câu 19: Sự khác biệt cốt lõi giữa Thống kê truyền thống và Khoa học dữ liệu hiện đại là gì?

• A. Thống kê chỉ làm việc với dữ liệu số, còn Khoa học dữ liệu thì không.
• B. Khoa học dữ liệu chỉ sử dụng các phương pháp từ Thống kê.
• C. Thống kê tập trung vào việc xây dựng các mô hình dự đoán phức tạp, còn KHDL thì không.
• D. Khoa học dữ liệu có phạm vi rộng hơn, kết hợp Thống kê với Khoa học máy tính, AI và kiến thức chuyên ngành để xử lý dữ liệu lớn, đa dạng và đưa ra các giải pháp thực tế.

Câu 20: Một nhà khoa học dữ liệu cần trình bày kết quả phân tích của mình cho một nhóm quản lý không có nền tảng kỹ thuật sâu. Hình thức nào sau đây là hiệu quả nhất để truyền đạt thông tin một cách dễ hiểu và thuyết phục?

• A. Sử dụng các biểu đồ, đồ thị trực quan và giải thích kết quả bằng ngôn ngữ đơn giản, tập trung vào ý nghĩa kinh doanh/thực tế.
• B. Trình bày tất cả các công thức toán học và thuật toán phức tạp đã sử dụng.
• C. Chỉ đưa ra bảng số liệu thô mà không có bất kỳ hình ảnh hay giải thích nào.
• D. Sử dụng biệt ngữ kỹ thuật chuyên sâu mà không giải thích.

Câu 21: Công ty X muốn tự động hóa quy trình phân loại email khách hàng thành các danh mục như "Hỗ trợ kỹ thuật", "Yêu cầu bán hàng", "Phản hồi". Họ có sẵn một lượng lớn email đã được gán nhãn trước đó. Kỹ thuật Khoa học dữ liệu nào là phù hợp nhất để xây dựng hệ thống tự động này?

• A. Gom cụm (Clustering)
• B. Phân loại (Classification)
• C. Phát hiện ngoại lệ (Outlier Detection)
• D. Giảm chiều dữ liệu (Dimensionality Reduction)

Câu 22: Khi xây dựng một mô hình dự đoán, việc chia tập dữ liệu ban đầu thành tập huấn luyện (training set) và tập kiểm tra (test set) là một bước quan trọng. Mục đích chính của việc này là gì?

• A. Giúp mô hình học thuộc lòng dữ liệu huấn luyện.
• B. Làm cho quá trình huấn luyện mô hình chậm hơn.
• C. Đánh giá khả năng tổng quát hóa của mô hình trên dữ liệu mới, chưa từng thấy.
• D. Loại bỏ các giá trị thiếu trong dữ liệu.

Câu 23: Một trong những ứng dụng tiềm năng của Khoa học dữ liệu trong lĩnh vực giáo dục là gì?

• A. Chỉ dùng để quản lý danh sách học sinh.
• B. Thay thế hoàn toàn giáo viên bằng máy tính.
• C. In ấn sách giáo khoa số lượng lớn.
• D. Phân tích dữ liệu học tập của học sinh để cá nhân hóa lộ trình học hoặc phát hiện sớm học sinh có nguy cơ gặp khó khăn.

Câu 24: Thuật ngữ "Học máy" (Machine Learning) có mối quan hệ như thế nào với Khoa học dữ liệu?

• A. Học máy là một tập hợp con quan trọng của Khoa học dữ liệu, cung cấp các thuật toán để xây dựng mô hình từ dữ liệu.
• B. Khoa học dữ liệu là một tập hợp con của Học máy.
• C. Học máy và Khoa học dữ liệu là hai lĩnh vực hoàn toàn tách biệt.
• D. Học máy chỉ liên quan đến dữ liệu phi cấu trúc, còn Khoa học dữ liệu thì không.

Câu 25: Khi sử dụng Khoa học dữ liệu để phân tích dữ liệu nhạy cảm (ví dụ: thông tin sức khỏe, tài chính cá nhân), vấn đề đạo đức nào sau đây cần được đặc biệt quan tâm?

• A. Tốc độ xử lý dữ liệu.
• B. Màu sắc của biểu đồ trực quan.
• C. Bảo vệ quyền riêng tư và bảo mật thông tin của cá nhân.
• D. Số lượng thuật toán được sử dụng.

Câu 26: Một nhà khoa học dữ liệu đang phân tích dữ liệu bán hàng theo thời gian để xác định xu hướng tăng trưởng và dự báo doanh số cho các tháng tiếp theo. Kỹ thuật phân tích nào sau đây là cốt lõi cho bài toán này?

• A. Phân tích hình ảnh.
• B. Xử lý ngôn ngữ tự nhiên.
• C. Phân tích mạng xã hội.
• D. Phân tích chuỗi thời gian và dự báo.

Câu 27: Việc thu thập dữ liệu từ nhiều nguồn khác nhau (cơ sở dữ liệu nội bộ, API công cộng, web scraping...) là bước đầu tiên và quan trọng trong quy trình Khoa học dữ liệu. Thách thức chính ở bước này thường là gì?

• A. Dữ liệu từ các nguồn khác nhau luôn có định dạng giống hệt nhau.
• B. Đảm bảo tính toàn vẹn, nhất quán và phù hợp của dữ liệu từ các nguồn phân tán, đa dạng.
• C. Dữ liệu thu thập được luôn sạch và không chứa lỗi.
• D. Việc thu thập dữ liệu luôn diễn ra tức thời và không tốn thời gian.

Câu 28: Một công ty sử dụng Khoa học dữ liệu để xây dựng một mô hình dự đoán nguy cơ khách hàng rời bỏ dịch vụ (churn prediction). Mô hình này sẽ phân loại khách hàng thành hai nhóm: "có nguy cơ rời bỏ" và "không có nguy cơ rời bỏ". Mục đích chính của việc này là gì?

• A. Xác định khách hàng có nguy cơ cao để có chiến lược giữ chân phù hợp.
• B. Tăng số lượng khách hàng rời bỏ.
• C. Giảm chất lượng dịch vụ cho khách hàng trung thành.
• D. Chỉ để biết số lượng khách hàng.

Câu 29: Khi một mô hình Khoa học dữ liệu được "triển khai" (deployed), điều đó có nghĩa là gì?

• A. Mô hình chỉ được lưu trữ trong máy tính của nhà khoa học dữ liệu.
• B. Mô hình được xóa đi sau khi hoàn thành.
• C. Mô hình được sử dụng để huấn luyện lại với dữ liệu cũ.
• D. Mô hình được tích hợp vào hệ thống hoặc ứng dụng thực tế để đưa ra dự đoán hoặc quyết định tự động dựa trên dữ liệu mới.

Câu 30: Một nhà khoa học dữ liệu cần phân tích mối quan hệ giữa thói quen ăn uống và nguy cơ mắc bệnh tim mạch từ một tập dữ liệu khảo sát sức khỏe. Để tìm ra các nhóm người có thói quen ăn uống tương tự nhau mà không cần biết trước các nhóm này là gì, kỹ thuật nào sẽ hữu ích nhất?

• A. Phân loại (Classification)
• B. Gom cụm (Clustering)
• C. Hồi quy (Regression)
• D. Phát hiện ngoại lệ (Outlier Detection)

Câu 1: Khoa học dữ liệu được mô tả là một lĩnh vực liên ngành. Điều này có nghĩa là Khoa học dữ liệu kết hợp kiến thức và kỹ thuật từ nhiều lĩnh vực khác nhau để làm gì?

• A. Chỉ tập trung vào việc thu thập dữ liệu từ các nguồn khác nhau.
• B. Chủ yếu sử dụng các thuật toán từ Khoa học máy tính để giải quyết mọi vấn đề.
• C. Giới hạn việc phân tích dữ liệu trong một ngành cụ thể như kinh tế hoặc y tế.
• D. Trích xuất tri thức và thông tin có giá trị từ dữ liệu để hỗ trợ ra quyết định.

Câu 2: Một công ty bán lẻ muốn hiểu rõ hơn về hành vi mua sắm của khách hàng để đưa ra các chương trình khuyến mãi phù hợp. Khoa học dữ liệu có thể hỗ trợ mục tiêu này như thế nào?

• A. Chỉ đơn giản là lưu trữ tất cả dữ liệu giao dịch của khách hàng.
• B. Thiết kế lại giao diện website bán hàng để thu hút hơn.
• C. Phân tích lịch sử mua sắm, sở thích để phân loại khách hàng hoặc dự đoán nhu cầu.
• D. Tăng giá sản phẩm để bù đắp chi phí phân tích dữ liệu.

Câu 3: Giả sử bạn có một tập dữ liệu về nhiệt độ và lượng mưa hàng ngày trong 10 năm của một khu vực. Bạn muốn tìm mối quan hệ giữa hai yếu tố này và xem liệu có xu hướng nào theo mùa hay không. Bước nào trong quy trình Khoa học dữ liệu là phù hợp nhất để bắt đầu khám phá dữ liệu này?

• A. Xây dựng mô hình dự báo nhiệt độ.
• B. Khám phá dữ liệu (Exploratory Data Analysis - EDA) bằng biểu đồ và thống kê mô tả.
• C. Triển khai kết quả phân tích thành ứng dụng.
• D. Thu thập thêm dữ liệu về độ ẩm không khí.

Câu 4: Khi làm việc với dữ liệu, các nhà Khoa học dữ liệu thường dành phần lớn thời gian cho việc làm sạch và chuẩn bị dữ liệu (Data Cleaning and Preparation). Tại sao bước này lại quan trọng và tốn nhiều công sức như vậy?

• A. Dữ liệu thô thường chứa lỗi, thiếu sót hoặc không nhất quán, ảnh hưởng đến độ chính xác của phân tích và mô hình.
• B. Đây là bước dễ dàng nhất nên cần hoàn thành trước.
• C. Làm sạch dữ liệu giúp tăng kích thước tập dữ liệu.
• D. Chỉ cần làm sạch dữ liệu khi sử dụng các thuật toán phức tạp.

Câu 5: Một trong những mục tiêu chính của Khoa học dữ liệu là "Dự đoán". Hãy chọn ví dụ ứng dụng thực tế thể hiện rõ nhất mục tiêu này.

• A. Phân loại email vào thư mục "Hộp thư đến" hoặc "Thư rác".
• B. Ước tính doanh số bán hàng của tháng tới dựa trên dữ liệu lịch sử.
• C. Tìm nhóm khách hàng có hành vi mua sắm tương đồng.
• D. Hiển thị tổng số lượt truy cập website trong ngày.

Câu 6: Bạn đang phân tích dữ liệu khảo sát ý kiến khách hàng về một sản phẩm mới. Dữ liệu bao gồm các bình luận dạng văn bản (không có cấu trúc rõ ràng). Loại dữ liệu này thuộc nhóm nào trong các loại dữ liệu phổ biến?

• A. Dữ liệu có cấu trúc (Structured Data)
• B. Dữ liệu bán cấu trúc (Semi-structured Data)
• C. Dữ liệu không có cấu trúc (Unstructured Data)
• D. Dữ liệu số (Numerical Data)

Câu 7: Một ngân hàng sử dụng Khoa học dữ liệu để phân tích các giao dịch thẻ tín dụng nhằm phát hiện hoạt động gian lận. Đây là một ứng dụng của Khoa học dữ liệu nhằm mục đích gì?

• A. Phát hiện bất thường (Anomaly Detection)
• B. Phân khúc khách hàng (Customer Segmentation)
• C. Dự báo doanh số (Sales Forecasting)
• D. Tối ưu hóa chuỗi cung ứng (Supply Chain Optimization)

Câu 8: Biểu đồ cột (Bar Chart) và biểu đồ đường (Line Chart) là các công cụ trực quan hóa dữ liệu phổ biến. Chúng thường được sử dụng trong bước nào của quy trình Khoa học dữ liệu?

• A. Thu thập dữ liệu (Data Collection)
• B. Xây dựng mô hình (Model Building)
• C. Triển khai mô hình (Model Deployment)
• D. Khám phá dữ liệu (Exploratory Data Analysis - EDA)

Câu 9: Khi xây dựng một mô hình Khoa học dữ liệu, việc đánh giá hiệu suất của mô hình là rất quan trọng. Mục đích chính của bước đánh giá là gì?

• A. Để làm cho mô hình phức tạp hơn.
• B. Để xác định mô hình có hoạt động tốt trên dữ liệu mới hay không và liệu có cần cải thiện.
• C. Để so sánh mô hình với các mô hình đã có sẵn trong thư viện.
• D. Để trực quan hóa dữ liệu đầu vào của mô hình.

Câu 10: Một công ty truyền thông muốn sử dụng Khoa học dữ liệu để cá nhân hóa nội dung tin tức hiển thị cho từng người dùng trên ứng dụng di động của họ. Kỹ thuật nào sau đây có khả năng được áp dụng để đạt được mục tiêu này?

• A. Hệ thống gợi ý (Recommendation System)
• B. Phát hiện ngoại lệ (Anomaly Detection)
• C. Phân tích cảm xúc (Sentiment Analysis) chỉ là một phần nhỏ.
• D. Phân tích chuỗi thời gian (Time Series Analysis)

Câu 11: Trong bối cảnh Khoa học dữ liệu, "dữ liệu lớn" (Big Data) không chỉ đề cập đến khối lượng dữ liệu khổng lồ mà còn bao gồm các đặc điểm khác. Đặc điểm nào sau đây KHÔNG phải là một trong các "V" đặc trưng của Big Data?

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

Câu 12: Khi phân tích dữ liệu để tìm ra các nhóm đối tượng có đặc điểm tương đồng (ví dụ: nhóm khách hàng có hành vi mua sắm giống nhau), kỹ thuật Khoa học dữ liệu nào thường được sử dụng?

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

Câu 13: Một nhà nghiên cứu muốn xây dựng mô hình dự đoán khả năng một sinh viên sẽ bỏ học dựa trên các yếu tố như điểm trung bình, số buổi vắng mặt, và hoạt động ngoại khóa. Đây là bài toán thuộc loại nào trong Khoa học dữ liệu?

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

Câu 14: Tối ưu hóa quyết định là một mục tiêu quan trọng của Khoa học dữ liệu. Điều này có nghĩa là gì?

• A. Chỉ đưa ra quyết định dựa trên trực giác mà không cần dữ liệu.
• B. Thu thập càng nhiều dữ liệu càng tốt mà không cần phân tích.
• C. Tự động hóa hoàn toàn quá trình ra quyết định mà con người không can thiệp.
• D. Sử dụng kết quả phân tích dữ liệu để lựa chọn phương án tốt nhất trong các tình huống phức tạp.

Câu 15: Một trong những thách thức lớn khi làm việc với dữ liệu lớn là gì?

• A. Thiếu công cụ để lưu trữ và xử lý.
• B. Chi phí thu thập dữ liệu rất thấp.
• C. Đảm bảo chất lượng, tính riêng tư và bảo mật của dữ liệu.
• D. Dữ liệu lớn luôn có cấu trúc rõ ràng và dễ dàng phân tích.

Câu 16: Khi một mô hình Khoa học dữ liệu đã được xây dựng và đánh giá là tốt, bước tiếp theo trong quy trình thường là gì để đưa nó vào sử dụng thực tế?

• A. Triển khai mô hình (Model Deployment) để ứng dụng vào thực tế.
• B. Thu thập thêm dữ liệu mới.
• C. Làm sạch lại dữ liệu ban đầu.
• D. Xây dựng một mô hình hoàn toàn mới.

Câu 17: Phân tích cảm xúc (Sentiment Analysis) là một ứng dụng của Khoa học dữ liệu thường được dùng để phân tích dữ liệu văn bản. Mục đích chính của Phân tích cảm xúc là gì?

• A. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.
• B. Tóm tắt nội dung chính của một đoạn văn bản dài.
• C. Xác định thái độ (tích cực, tiêu cực, trung lập) của người viết đối với một chủ đề.
• D. Tìm kiếm các từ khóa cụ thể trong văn bản.

Câu 18: Một trong những thành tựu nổi bật của Khoa học dữ liệu là khả năng tự động hóa các tác vụ lặp lại. Ví dụ nào sau đây thể hiện rõ nhất thành tựu này?

• A. Một nhà khoa học dành nhiều giờ để làm sạch dữ liệu thủ công.
• B. Một người bán hàng ghi chép lại đơn hàng bằng tay.
• C. Một nhà phát triển viết mã nguồn cho một thuật toán mới.
• D. Hệ thống phân loại email tự động vào các thư mục dựa trên nội dung.

Câu 19: Vấn đề "thiên vị dữ liệu" (data bias) là một thách thức đạo đức trong Khoa học dữ liệu. Điều này xảy ra khi nào?

• A. Dữ liệu được thu thập từ một nguồn duy nhất.
• B. Dữ liệu không phản ánh đúng sự phân bố của thế giới thực hoặc chứa đựng sự phân biệt đối xử từ quá khứ.
• C. Kích thước tập dữ liệu quá lớn để xử lý.
• D. Dữ liệu được lưu trữ trên nhiều máy chủ khác nhau.

Câu 20: Một công ty thương mại điện tử muốn đề xuất sản phẩm cho khách hàng dựa trên những gì họ đã mua hoặc xem trước đây. Loại hệ thống nào được xây dựng dựa trên Khoa học dữ liệu để thực hiện việc này?

• A. Hệ thống quản lý cơ sở dữ liệu (Database Management System)
• B. Hệ thống báo cáo tài chính (Financial Reporting System)
• C. Hệ thống gợi ý (Recommendation System)
• D. Hệ thống quản lý kho hàng (Warehouse Management System)

Câu 21: Giả sử bạn có một tập dữ liệu về giá nhà và các yếu tố ảnh hưởng như diện tích, số phòng ngủ, vị trí. Bạn muốn xây dựng mô hình để dự đoán giá của một căn nhà mới dựa trên các yếu tố này. Đây là bài toán thuộc loại nào trong Khoa học dữ liệu?

• A. Hồi quy (Regression)
• B. Phân loại (Classification)
• C. Gom cụm (Clustering)
• D. Phát hiện ngoại lệ (Anomaly Detection)

Câu 22: Khi trực quan hóa dữ liệu, việc lựa chọn loại biểu đồ phù hợp là rất quan trọng. Để so sánh giá trị của một biến (ví dụ: doanh thu) giữa các danh mục khác nhau (ví dụ: các loại sản phẩm), loại biểu đồ nào thường được ưu tiên sử dụng?

• A. Biểu đồ đường (Line Chart)
• B. Biểu đồ cột (Bar Chart)
• C. Biểu đồ phân tán (Scatter Plot)
• D. Biểu đồ tròn (Pie Chart)

Câu 23: Bước nào trong quy trình Khoa học dữ liệu tập trung vào việc hiểu rõ dữ liệu, tìm kiếm các mẫu hình, xu hướng, mối quan hệ và phát hiện các vấn đề về chất lượng dữ liệu thông qua các phương pháp thống kê và trực quan hóa?

• A. Thu thập dữ liệu (Data Collection)
• B. Làm sạch dữ liệu (Data Cleaning)
• C. Khám phá dữ liệu (Exploratory Data Analysis - EDA)
• D. Xây dựng mô hình (Model Building)

Câu 24: Một công ty vận tải muốn sử dụng Khoa học dữ liệu để tối ưu hóa lộ trình giao hàng nhằm giảm chi phí và thời gian. Đây là một ứng dụng của Khoa học dữ liệu hướng tới mục tiêu nào?

• A. Phân tích cảm xúc khách hàng.
• B. Phân loại loại hàng hóa.
• C. Dự báo thời tiết trên đường đi.
• D. Tối ưu hóa (Optimization).

Câu 25: Trong bối cảnh y tế, Khoa học dữ liệu có thể được sử dụng để phân tích dữ liệu bệnh án, hình ảnh y khoa nhằm hỗ trợ bác sĩ trong việc chẩn đoán bệnh. Điều này thể hiện ứng dụng của Khoa học dữ liệu trong việc gì?

• A. Nâng cao năng lực ra quyết định y khoa.
• B. Thay thế hoàn toàn vai trò của bác sĩ.
• C. Giảm số lượng bệnh nhân tại bệnh viện.
• D. Chỉ để quản lý hồ sơ bệnh án điện tử.

Câu 26: Khi một nhà khoa học dữ liệu phát hiện ra rằng dữ liệu lịch sử bán hàng của một sản phẩm có sự sụt giảm mạnh đột ngột vào một thời điểm nhất định, đây có thể là kết quả của việc sử dụng kỹ thuật nào trong Khám phá tri thức?

• A. Gom cụm (Clustering)
• B. Phân loại (Classification)
• C. Phát hiện luật kết hợp (Association Rule Mining)
• D. Phát hiện ngoại lệ (Anomaly Detection)

Câu 27: Để đảm bảo tính minh bạch và giải thích được của các mô hình Khoa học dữ liệu, đặc biệt là khi chúng ảnh hưởng đến quyết định quan trọng (ví dụ: cho vay ngân hàng, tuyển dụng), khía cạnh đạo đức nào cần được chú trọng?

• A. Khối lượng dữ liệu (Data Volume)
• B. Tính giải thích được của mô hình (Model Interpretability)
• C. Tốc độ xử lý dữ liệu (Data Processing Speed)
• D. Chi phí lưu trữ dữ liệu (Data Storage Cost)

Câu 28: Bạn đang làm việc với một tập dữ liệu rất lớn có hàng trăm thuộc tính (cột). Việc phân tích trực tiếp trên toàn bộ thuộc tính này có thể rất khó khăn và tốn kém. Kỹ thuật nào trong Khoa học dữ liệu có thể giúp giảm số lượng thuộc tính mà vẫn giữ lại phần lớn thông tin quan trọng?

• A. Tăng cường dữ liệu (Data Augmentation)
• B. Nhân rộng dữ liệu (Data Replication)
• C. Giảm chiều dữ liệu (Dimensionality Reduction)
• D. Trực quan hóa dữ liệu (Data Visualization)

Câu 29: Trong lĩnh vực giáo dục, Khoa học dữ liệu có thể được ứng dụng để phân tích dữ liệu học tập của học sinh (điểm số, thời gian làm bài, tương tác trên hệ thống...). Mục tiêu chính của việc phân tích này có thể là gì?

• A. Thay thế giáo viên bằng máy tính.
• B. Chỉ để lưu trữ điểm của học sinh.
• C. Thiết kế lại toàn bộ chương trình học mà không cần ý kiến chuyên gia.
• D. Xác định học sinh có nguy cơ gặp khó khăn, cá nhân hóa lộ trình học tập hoặc cải thiện phương pháp giảng dạy.

Câu 30: Sau khi mô hình dự đoán khách hàng tiềm năng đã được triển khai và hoạt động, điều gì cần được thực hiện định kỳ để đảm bảo mô hình vẫn hiệu quả theo thời gian?

• A. Giám sát hiệu suất của mô hình và cập nhật lại nếu cần thiết do sự thay đổi của dữ liệu thực tế.
• B. Ngừng sử dụng mô hình vì nó đã hoàn thành nhiệm vụ.
• C. Chỉ cần thu thập thêm dữ liệu mới mà không cần kiểm tra mô hình.
• D. Thay thế mô hình bằng một mô hình phức tạp hơn ngay lập tức.

Câu 1: Khoa học dữ liệu (Data Science) được định nghĩa là lĩnh vực liên ngành. Điều này có nghĩa là Khoa học dữ liệu kết hợp kiến thức và kỹ thuật từ những lĩnh vực chính nào để trích xuất tri thức và hiểu biết sâu sắc từ dữ liệu?

• A. Chỉ Khoa học máy tính và Thống kê
• B. Chỉ Toán học và Trí tuệ nhân tạo
• C. Chỉ Khoa học xã hội và Kinh tế
• D. Toán học, Thống kê, Khoa học máy tính (bao gồm Trí tuệ nhân tạo và Học máy)

Câu 2: Mục tiêu nào sau đây thể hiện rõ nhất khía cạnh "khám phá tri thức" trong Khoa học dữ liệu?

• A. Thu thập và làm sạch dữ liệu
• B. Trực quan hóa dữ liệu bằng biểu đồ
• C. Tìm kiếm các mẫu, xu hướng và mối quan hệ ẩn trong tập dữ liệu lớn
• D. Lưu trữ dữ liệu một cách an toàn

Câu 3: Một công ty thương mại điện tử muốn tăng doanh số bán hàng bằng cách gợi ý sản phẩm phù hợp cho từng khách hàng dựa trên lịch sử mua sắm và hành vi duyệt web của họ. Ứng dụng này là một ví dụ điển hình của thành tựu nào trong Khoa học dữ liệu?

• A. Cá nhân hóa nội dung và dịch vụ
• B. Tự động hóa quy trình làm việc
• C. Dự đoán xu hướng thị trường
• D. Quản lý cơ sở dữ liệu

Câu 4: Một nhà khoa học dữ liệu đang phân tích dữ liệu bán hàng của một chuỗi cửa hàng tạp hóa để tìm ra những mặt hàng thường được mua cùng nhau (ví dụ: sữa và bánh mì). Kỹ thuật được sử dụng ở đây có khả năng cao là gì?

• A. Phân tích hồi quy (Regression Analysis)
• B. Khai phá luật kết hợp (Association Rule Mining)
• C. Phân tích chuỗi thời gian (Time Series Analysis)
• D. Phân tích cảm xúc (Sentiment Analysis)

Câu 5: Khi làm việc với một tập dữ liệu khách hàng rất lớn chứa hàng trăm thuộc tính (tuổi, giới tính, thu nhập, lịch sử mua sắm, v.v.), nhà khoa học dữ liệu nhận thấy rằng nhiều thuộc tính có mối tương quan cao với nhau hoặc không đóng góp nhiều thông tin. Để đơn giản hóa mô hình và giảm thời gian xử lý, kỹ thuật nào trong Khoa học dữ liệu thường được áp dụng?

• A. Phát hiện ngoại lệ (Anomaly Detection)
• B. Gom cụm (Clustering)
• C. Giảm chiều dữ liệu (Dimensionality Reduction)
• D. Phân loại (Classification)

Câu 6: Một bệnh viện muốn dự đoán khả năng tái nhập viện của bệnh nhân sau khi xuất viện dựa trên hồ sơ bệnh án, lịch sử điều trị và các yếu tố nhân khẩu học. Đây là một ứng dụng của Khoa học dữ liệu thuộc loại nào?

• A. Phân tích giỏ hàng
• B. Phát hiện ngoại lệ
• C. Gom cụm
• D. Phân loại (Classification)

Câu 7: Giai đoạn nào trong quy trình Khoa học dữ liệu đóng vai trò quan trọng nhất trong việc đảm bảo chất lượng và độ tin cậy của kết quả phân tích, ngay cả khi đã có dữ liệu thô?

• A. Trực quan hóa kết quả
• B. Làm sạch và tiền xử lý dữ liệu
• C. Xây dựng mô hình
• D. Triển khai mô hình

Câu 8: Một công ty tài chính sử dụng Khoa học dữ liệu để phát hiện các giao dịch bất thường có dấu hiệu lừa đảo trong hàng triệu giao dịch hàng ngày. Đây là một ví dụ về ứng dụng kỹ thuật nào?

• A. Phát hiện ngoại lệ (Anomaly Detection)
• B. Phân tích chuỗi thời gian (Time Series Analysis)
• C. Phân tích cảm xúc (Sentiment Analysis)
• D. Phân tích hồi quy (Regression Analysis)

Câu 9: Để trình bày kết quả phân tích dữ liệu một cách dễ hiểu và trực quan cho người không chuyên về kỹ thuật, nhà khoa học dữ liệu thường sử dụng công cụ hoặc kỹ thuật nào?

• A. Code Python phức tạp
• B. Các công thức toán học trừu tượng
• C. Biểu đồ, đồ thị và bảng điều khiển (dashboard)
• D. Các tệp dữ liệu thô

Câu 10: Một trong những thách thức lớn nhất khi làm việc với dữ liệu lớn (Big Data) trong Khoa học dữ liệu là gì?

• A. Thiếu công cụ để trực quan hóa
• B. Khối lượng lớn, tốc độ nhanh và đa dạng về định dạng của dữ liệu
• C. Không có thuật toán phân tích phù hợp
• D. Dữ liệu luôn luôn sạch và sẵn sàng sử dụng

Câu 11: Một nhà bán lẻ muốn phân khúc khách hàng của mình thành các nhóm dựa trên hành vi mua sắm, nhân khẩu học và sở thích để triển khai các chiến dịch marketing mục tiêu. Kỹ thuật Khoa học dữ liệu nào phù hợp nhất cho mục đích này?

• A. Gom cụm (Clustering)
• B. Phân loại (Classification)
• D. Phát hiện ngoại lệ

Câu 12: Khả năng nào sau đây của Khoa học dữ liệu giúp các công ty dự báo nhu cầu sản phẩm trong tương lai, tối ưu hóa chuỗi cung ứng hoặc dự đoán giá cổ phiếu?

• A. Khám phá tri thức ẩn
• B. Tự động hóa tác vụ
• C. Trực quan hóa dữ liệu phức tạp
• D. Khả năng dự đoán và dự báo

Câu 13: Trong bối cảnh Khoa học dữ liệu, "Học máy" (Machine Learning) đóng vai trò gì?

• A. Là một công cụ trực quan hóa dữ liệu
• B. Cung cấp các thuật toán cho phép máy tính học từ dữ liệu để đưa ra dự đoán hoặc quyết định
• C. Chỉ liên quan đến việc thu thập dữ liệu
• D. Là một ngôn ngữ lập trình để xử lý dữ liệu

Câu 14: Giả sử bạn có một tập dữ liệu về các email và muốn phân loại chúng thành "thư rác" hoặc "không phải thư rác". Vấn đề này thuộc loại bài toán nào trong Học máy, và do đó là ứng dụng của Khoa học dữ liệu?

• A. Bài toán phân loại (Classification)
• B. Bài toán hồi quy (Regression)
• C. Bài toán gom cụm (Clustering)
• D. Bài toán phát hiện ngoại lệ (Anomaly Detection)

Câu 15: Một công ty muốn tối ưu hóa giá sản phẩm dựa trên các yếu tố như chi phí sản xuất, giá đối thủ, và dự báo nhu cầu thị trường. Việc sử dụng Khoa học dữ liệu để tìm ra mức giá mang lại lợi nhuận cao nhất thuộc mục tiêu chính nào?

• A. Trực quan hóa dữ liệu
• B. Khám phá tri thức ẩn
• C. Làm sạch dữ liệu
• D. Tối ưu hóa quyết định

Câu 16: Khi phân tích dữ liệu, việc xác định và loại bỏ các giá trị "ngoại lai" (outliers) - tức là các điểm dữ liệu khác biệt đáng kể so với phần còn lại - thường được thực hiện ở giai đoạn nào của quy trình Khoa học dữ liệu?

• A. Trực quan hóa kết quả
• B. Làm sạch và tiền xử lý dữ liệu
• C. Triển khai mô hình
• D. Thu thập dữ liệu

Câu 17: Một nhà khoa học dữ liệu tạo ra một biểu đồ thể hiện mối quan hệ giữa số giờ học và điểm thi của học sinh. Biểu đồ này giúp người xem dễ dàng nhận thấy liệu có mối tương quan giữa hai yếu tố này hay không. Đây là ứng dụng của khía cạnh nào trong Khoa học dữ liệu?

• A. Học máy
• B. Khai phá tri thức
• C. Trực quan hóa dữ liệu
• D. Kỹ thuật thu thập dữ liệu

Câu 18: Phân tích cảm xúc (Sentiment Analysis) trên các bài đăng mạng xã hội hoặc đánh giá sản phẩm là một ứng dụng của Khoa học dữ liệu nhằm mục đích gì?

• A. Dự đoán giá cổ phiếu
• B. Phát hiện gian lận tài chính
• C. Gom cụm các tài liệu theo chủ đề
• D. Hiểu được thái độ và ý kiến của công chúng về một chủ đề hoặc sản phẩm

Câu 19: Một chính phủ muốn sử dụng dữ liệu lớn để dự báo sự bùng phát dịch bệnh dựa trên dữ liệu di chuyển của người dân, dữ liệu thời tiết và dữ liệu y tế. Đây là một ví dụ về ứng dụng Khoa học dữ liệu trong lĩnh vực nào?

• A. Y tế và Sức khỏe
• B. Tài chính
• C. Bán lẻ
• D. Giáo dục

Câu 20: Đâu là sự khác biệt cơ bản giữa "Dữ liệu" (Data) và "Tri thức" (Knowledge) trong bối cảnh Khoa học dữ liệu?

• A. Dữ liệu luôn có cấu trúc, còn tri thức thì không.
• B. Dữ liệu là các sự kiện thô, còn tri thức là sự hiểu biết được trích xuất và diễn giải từ dữ liệu.
• C. Tri thức là tập hợp các dữ liệu chưa được xử lý.
• D. Không có sự khác biệt đáng kể giữa dữ liệu và tri thức.

Câu 21: Một nhà khoa học dữ liệu đang xây dựng mô hình để dự đoán giá nhà dựa trên các yếu tố như diện tích, số phòng ngủ, vị trí, năm xây dựng, v.v. Đây là một ví dụ về bài toán nào trong Học máy?

• A. Bài toán phân loại (Classification)
• B. Bài toán gom cụm (Clustering)
• C. Bài toán hồi quy (Regression)
• D. Bài toán phát hiện ngoại lệ (Anomaly Detection)

Câu 22: Khi một mô hình Khoa học dữ liệu được xây dựng và đánh giá là tốt, bước tiếp theo thường là gì để mô hình mang lại giá trị thực tế cho tổ chức?

• A. Thu thập thêm dữ liệu
• B. Thay đổi mục tiêu ban đầu
• C. Bỏ qua mô hình và bắt đầu lại
• D. Triển khai mô hình vào môi trường sản xuất/thực tế

Câu 23: Một công ty sản xuất muốn sử dụng Khoa học dữ liệu để phân tích dữ liệu từ cảm biến trên máy móc nhằm dự đoán khi nào máy có khả năng bị hỏng để thực hiện bảo trì phòng ngừa. Ứng dụng này giúp công ty đạt được mục tiêu nào?

• A. Cá nhân hóa trải nghiệm khách hàng
• B. Tối ưu hóa quy trình vận hành và bảo trì
• C. Phân khúc thị trường
• D. Phát hiện hành vi lừa đảo

Câu 24: Đâu là một ví dụ về dữ liệu "phi cấu trúc" (unstructured data) mà Khoa học dữ liệu có thể xử lý?

• A. Nội dung các email khách hàng
• B. Bảng tính Excel về doanh số
• C. Dữ liệu trong cơ sở dữ liệu quan hệ
• D. Danh sách tên và địa chỉ khách hàng

Câu 25: Tại sao trực quan hóa dữ liệu lại quan trọng trong Khoa học dữ liệu, đặc biệt ở giai đoạn khám phá và truyền đạt kết quả?

• A. Vì nó là công đoạn duy nhất cần kỹ năng lập trình.
• B. Vì nó tự động làm sạch dữ liệu.
• C. Vì nó chỉ dành cho các nhà khoa học dữ liệu chuyên sâu.
• D. Vì nó giúp nhận diện mẫu hình, xu hướng và truyền đạt insight một cách hiệu quả.

Câu 26: Một trong những thách thức về mặt đạo đức khi sử dụng Khoa học dữ liệu là gì?

• A. Dữ liệu quá sạch để phân tích.
• B. Vấn đề về quyền riêng tư và bảo mật dữ liệu cá nhân.
• C. Quá nhiều công cụ phân tích miễn phí.
• D. Dữ liệu luôn có cấu trúc rõ ràng.

Câu 27: Phân tích nào sau đây yêu cầu nhà khoa học dữ liệu không chỉ mô tả những gì đã xảy ra trong quá khứ mà còn cố gắng giải thích tại sao nó xảy ra?

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

Câu 28: Một công ty muốn biết điều gì sẽ xảy ra với doanh số bán hàng trong quý tới dựa trên dữ liệu lịch sử và các yếu tố kinh tế vĩ mô. Loại hình phân tích nào trong Khoa học dữ liệu sẽ được sử dụng?

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

Câu 29: Đâu là một ví dụ về "Phân tích đề xuất" (Prescriptive Analytics) trong Khoa học dữ liệu?

• A. Tạo báo cáo tổng kết doanh số tháng trước.
• B. Dự đoán số lượng khách hàng sẽ rời bỏ dịch vụ.
• C. Tìm hiểu tại sao doanh số giảm trong quý trước.
• D. Đề xuất tuyến đường giao hàng tối ưu nhất cho đội xe.

Câu 30: Khả năng nào sau đây là CẦN THIẾT đối với một nhà khoa học dữ liệu, bên cạnh kiến thức về toán, thống kê và lập trình?

• A. Khả năng hiểu biết sâu sắc về lĩnh vực (domain knowledge) mà dữ liệu thuộc về.
• B. Khả năng vẽ tranh hoặc thiết kế đồ họa chuyên nghiệp.
• C. Khả năng ghi nhớ hàng trăm số điện thoại.
• D. Khả năng sửa chữa phần cứng máy tính.