Đề Trắc nghiệm Tin học 12 – Bài F16: Máy tính, thuật toán và Khoa học dữ liệu (Chân Trời Sáng Tạo)

Câu 1: Một công ty thương mại điện tử đang xử lý hàng triệu giao dịch mua bán mỗi ngày. Để phân tích hành vi khách hàng theo thời gian thực và đưa ra gợi ý sản phẩm tức thì, họ cần một hệ thống máy tính có năng lực xử lý mạnh mẽ. Vai trò cốt lõi nào của máy tính được nhấn mạnh trong tình huống này liên quan đến đặc điểm "Velocity" của Dữ liệu lớn?

• A. Khả năng lưu trữ dữ liệu lịch sử.
• B. Khả năng tạo ra dữ liệu mới.
• C. Khả năng xử lý dữ liệu theo thời gian thực.
• D. Khả năng trực quan hóa dữ liệu đơn giản.

Câu 2: Một nhà khoa học dữ liệu đang làm việc với một tập dữ liệu khách hàng thu thập từ nhiều nguồn khác nhau bao gồm: phiếu khảo sát giấy (đã scan thành ảnh), bản ghi âm cuộc gọi hỗ trợ khách hàng, lịch sử duyệt web và dữ liệu đơn hàng trong cơ sở dữ liệu. Sự đa dạng về định dạng và cấu trúc của dữ liệu này thể hiện đặc điểm nào của Dữ liệu lớn?

• A. Volume (Khối lượng).
• B. Variety (Đa dạng).
• C. Velocity (Tốc độ).
• D. Veracity (Độ tin cậy).

Câu 3: Trong quy trình Khoa học dữ liệu, giai đoạn nào tập trung vào việc xử lý các giá trị thiếu, loại bỏ dữ liệu trùng lặp, sửa lỗi định dạng và chuyển đổi dữ liệu sang một cấu trúc phù hợp cho việc phân tích tiếp theo?

• A. Xác định vấn đề.
• B. Thu thập dữ liệu.
• C. Xây dựng mô hình.
• D. Chuẩn bị dữ liệu.

Câu 4: Một thuật toán xử lý ảnh được thiết kế để chia nhỏ bức ảnh thành hàng nghìn pixel và xử lý màu sắc, độ sáng của từng pixel đó một cách đồng thời trên nhiều lõi xử lý của máy tính. Kỹ thuật xử lý này minh họa cho loại thuật toán nào giúp tăng hiệu quả xử lý dữ liệu lớn?

• A. Thuật toán xử lý song song.
• B. Thuật toán sắp xếp.
• C. Thuật toán tìm kiếm.
• D. Thuật toán mã hóa.

Câu 5: Một công ty muốn xây dựng một hệ thống dự đoán khả năng một khách hàng sẽ rời bỏ dịch vụ trong 3 tháng tới dựa trên lịch sử sử dụng và thông tin cá nhân của họ. Đây là một bài toán điển hình của Khoa học dữ liệu. Bước đầu tiên quan trọng nhất mà nhóm Khoa học dữ liệu cần thực hiện là gì?

• A. Thu thập tất cả dữ liệu khách hàng có sẵn.
• B. Xác định rõ vấn đề cần giải quyết: dự đoán khách hàng rời bỏ.
• C. Bắt đầu làm sạch dữ liệu ngay lập tức.
• D. Chọn mô hình học máy phù hợp nhất.

Câu 6: Dữ liệu lớn đôi khi chứa thông tin không chính xác, không đầy đủ hoặc có sai lệch do lỗi thu thập, nhập liệu, hoặc các yếu tố bên ngoài. Đặc điểm nào của Dữ liệu lớn phản ánh sự không chắc chắn và cần được kiểm tra cẩn thận này?

• A. Volume.
• B. Variety.
• C. Velocity.
• D. Veracity.

Câu 7: Sau khi xây dựng một mô hình dự đoán doanh số bán hàng cho tháng tới, nhà khoa học dữ liệu cần biết mô hình này hoạt động hiệu quả đến mức nào trên dữ liệu thực tế hoặc dữ liệu mới. Giai đoạn nào trong quy trình Khoa học dữ liệu thực hiện công việc này?

• A. Chuẩn bị dữ liệu.
• B. Xây dựng mô hình.
• C. Đánh giá.
• D. Triển khai.

Câu 8: Máy tính hiện đại có khả năng kết nối với nhau thành các mạng lưới lớn (ví dụ: cụm máy tính, điện toán đám mây) để cùng nhau xử lý các tác vụ phức tạp trên dữ liệu khổng lồ. Khả năng này của máy tính hỗ trợ trực tiếp cho yêu cầu nào khi làm việc với Dữ liệu lớn?

• A. Khả năng mở rộng (Scalability) để xử lý khối lượng dữ liệu khổng lồ.
• B. Khả năng tự động hóa các tác vụ đơn giản.
• C. Khả năng tạo ra dữ liệu tổng hợp.
• D. Khả năng trực quan hóa dữ liệu 3D.

Câu 9: Một thuật toán được lập trình để tự động thực hiện chuỗi các bước: đọc dữ liệu từ nguồn A, làm sạch dữ liệu theo quy tắc B, và lưu kết quả vào cơ sở dữ liệu C mà không cần sự can thiệp thủ công. Loại thuật toán này đóng vai trò chính trong việc gì trong xử lý dữ liệu?

• A. Phát hiện mẫu ẩn trong dữ liệu.
• B. Tự động hóa các quy trình xử lý dữ liệu.
• C. Trực quan hóa dữ liệu phức tạp.
• D. Tạo ra dữ liệu giả lập.

Câu 10: Một công ty bảo hiểm muốn sử dụng Khoa học dữ liệu để phân tích hồ sơ yêu cầu bồi thường nhằm phát hiện các trường hợp có dấu hiệu gian lận. Họ đã xác định được vấn đề và thu thập dữ liệu cần thiết. Bước tiếp theo trong quy trình KHDL mà họ nên tập trung là gì?

• A. Chuẩn bị dữ liệu (làm sạch, biến đổi).
• B. Trực quan hóa dữ liệu cuối cùng.
• C. Triển khai mô hình vào hệ thống.
• D. Đánh giá hiệu suất của giải pháp tổng thể.

Câu 11: Đặc điểm "Value" (Giá trị) trong 5V của Dữ liệu lớn đề cập đến điều gì?

• A. Dữ liệu phải có định dạng duy nhất.
• B. Dữ liệu phải được thu thập liên tục.
• C. Dữ liệu phải mang lại giá trị hoặc hiểu biết sâu sắc khi được phân tích.
• D. Dữ liệu phải có kích thước nhỏ để dễ xử lý.

Câu 12: Trong giai đoạn "Xây dựng mô hình" của quy trình Khoa học dữ liệu, máy tính đóng vai trò cực kỳ quan trọng. Vai trò đó chủ yếu là gì?

• A. Lưu trữ các mô hình đã được xây dựng.
• B. Tạo ra các thuật toán học máy mới.
• C. Trực quan hóa cấu trúc của mô hình.
• D. Cung cấp năng lực tính toán để huấn luyện mô hình.

Câu 13: Một nhà khoa học dữ liệu đang phân tích dữ liệu từ các cảm biến IoT trong một nhà máy. Dữ liệu này đến với tốc độ rất nhanh và cần được xử lý ngay lập tức để phát hiện sớm các dấu hiệu lỗi máy móc. Loại thuật toán nào là cần thiết để xử lý hiệu quả dòng dữ liệu tốc độ cao này?

• A. Thuật toán xử lý theo thời gian thực hoặc xử lý luồng.
• B. Thuật toán nén dữ liệu.
• C. Thuật toán mã hóa dữ liệu.
• D. Thuật toán phân loại văn bản.

Câu 14: Quy trình Khoa học dữ liệu không phải lúc nào cũng là một đường thẳng. Sau khi đánh giá một mô hình dự đoán và nhận thấy hiệu suất chưa đạt yêu cầu, nhà khoa học dữ liệu có thể cần quay lại các bước trước đó. Bước nào có khả năng cao nhất cần xem xét lại nếu mô hình hoạt động kém trên dữ liệu mới?

• A. Triển khai mô hình.
• B. Chuẩn bị dữ liệu.
• C. Xác định vấn đề (trừ khi vấn đề ban đầu không rõ ràng).
• D. Chỉ cần thu thập thêm dữ liệu mới.

Câu 15: Một công ty muốn phân tích dữ liệu từ các bài đăng và bình luận của khách hàng trên mạng xã hội để hiểu cảm nhận chung của họ về sản phẩm mới ra mắt. Loại dữ liệu này chủ yếu là văn bản phi cấu trúc. Để xử lý hiệu quả, Khoa học dữ liệu cần tích hợp các kỹ thuật từ lĩnh vực nào?

• A. Kỹ thuật đồ họa máy tính.
• B. Quản trị cơ sở dữ liệu quan hệ.
• C. Xử lý ngôn ngữ tự nhiên (NLP).
• D. Thiết kế giao diện người dùng.

Câu 16: Biểu đồ phân tán (scatter plot) hoặc biểu đồ cột (bar chart) thường được sử dụng trong giai đoạn chuẩn bị dữ liệu hoặc khám phá dữ liệu. Mục đích chính của việc tạo ra các biểu đồ này là gì?

• A. Huấn luyện mô hình học máy.
• B. Lưu trữ dữ liệu hiệu quả hơn.
• C. Tự động hóa quy trình thu thập dữ liệu.
• D. Khám phá xu hướng, mối quan hệ và các vấn đề trong dữ liệu.

Câu 17: Khi dữ liệu cần xử lý có kích thước vượt quá dung lượng bộ nhớ RAM của một máy tính đơn lẻ và đòi hỏi thời gian tính toán quá lâu, giải pháp kỹ thuật nào dưới đây, liên quan đến khả năng của máy tính và thuật toán, thường được áp dụng trong Khoa học dữ liệu?

• A. Sử dụng hệ thống máy tính phân tán và thuật toán xử lý song song.
• B. Nén dữ liệu xuống kích thước nhỏ hơn.
• C. Chỉ phân tích một phần nhỏ của dữ liệu.
• D. Chuyển đổi dữ liệu sang định dạng văn bản thuần túy.

Câu 18: Một mô hình học máy được huấn luyện để phân loại email là "thư rác" hay "không phải thư rác". Sau khi triển khai, người dùng phàn nàn rằng nhiều email quan trọng bị đánh dấu nhầm là thư rác. Vấn đề này liên quan đến giai đoạn nào của quy trình Khoa học dữ liệu và đòi hỏi hành động gì?

• A. Xác định vấn đề - cần xác định lại mục tiêu.
• B. Thu thập dữ liệu - cần thu thập thêm dữ liệu.
• C. Đánh giá/Sau triển khai - cần đánh giá lại hiệu suất mô hình và điều chỉnh.
• D. Chuẩn bị dữ liệu - dữ liệu ban đầu chắc chắn bị lỗi.

Câu 19: Thuật toán gom cụm (clustering) trong học máy được sử dụng để nhóm các đối tượng dữ liệu lại với nhau dựa trên sự tương đồng về đặc điểm của chúng. Ứng dụng nào sau đây minh họa rõ nhất vai trò của thuật toán gom cụm trong Khoa học dữ liệu?

• A. Dự đoán giá nhà dựa trên diện tích và vị trí.
• B. Phân khúc khách hàng thành các nhóm dựa trên lịch sử mua sắm.
• C. Nhận diện khuôn mặt trong ảnh.
• D. Dịch văn bản từ tiếng Anh sang tiếng Việt.

Câu 20: So với phân tích dữ liệu truyền thống thường làm việc trên các tập dữ liệu có cấu trúc, sạch sẽ và quy mô tương đối nhỏ, Khoa học dữ liệu có khả năng xử lý tốt hơn những thách thức nào liên quan đến đặc điểm của dữ liệu?

• A. Chỉ xử lý dữ liệu có cấu trúc.
• B. Chỉ làm việc với dữ liệu tĩnh, không thay đổi.
• C. Chỉ yêu cầu năng lực tính toán thấp.
• D. Làm việc với dữ liệu có khối lượng lớn, tốc độ cao, đa dạng và không chắc chắn.

Câu 21: Khi một mô hình học máy đã được xây dựng và đánh giá là đạt hiệu suất mong muốn, bước cuối cùng trong quy trình Khoa học dữ liệu là đưa mô hình đó vào ứng dụng thực tế, nơi người dùng cuối hoặc hệ thống khác có thể sử dụng kết quả dự đoán hoặc phân tích của nó. Giai đoạn này được gọi là gì?

• A. Triển khai.
• B. Thu thập dữ liệu.
• C. Đánh giá.
• D. Chuẩn bị dữ liệu.

Câu 22: Để xử lý các tập dữ liệu lớn hiệu quả, máy tính cần có khả năng lưu trữ dữ liệu lâu dài và đảm bảo an toàn thông tin. Vai trò nào của máy tính liên quan trực tiếp đến yêu cầu này trong Khoa học dữ liệu?

• A. Khả năng tạo ra thuật toán mới.
• B. Khả năng trực quan hóa dữ liệu.
• C. Khả năng lưu trữ và bảo mật dữ liệu.
• D. Khả năng giao tiếp với người dùng cuối.

Câu 23: Một thuật toán hồi quy tuyến tính được sử dụng để xây dựng mô hình dự đoán giá nhà. Trong quá trình huấn luyện, thuật toán này điều chỉnh các trọng số của mô hình để giảm thiểu sai số giữa giá dự đoán và giá thực tế. Loại thuật toán này thuộc nhóm nào?

• A. Thuật toán phân loại.
• B. Thuật toán dự đoán/Hồi quy.
• C. Thuật toán gom cụm.
• D. Thuật toán tìm kiếm.

Câu 24: Để đảm bảo tính công bằng và tránh thiên vị trong các quyết định được đưa ra dựa trên kết quả phân tích dữ liệu (ví dụ: quyết định cho vay, tuyển dụng), nhà khoa học dữ liệu cần đặc biệt lưu ý đến vấn đề nào liên quan đến dữ liệu và mô hình?

• A. Chỉ sử dụng dữ liệu từ một nguồn duy nhất.
• B. Bỏ qua các bước làm sạch dữ liệu phức tạp.
• C. Sử dụng mô hình đơn giản nhất có thể.
• D. Kiểm tra và xử lý thiên vị (bias) trong dữ liệu và mô hình.

Câu 25: Một trong những lợi ích kinh doanh quan trọng nhất mà Khoa học dữ liệu mang lại cho các tổ chức là gì, dựa trên khả năng phân tích dữ liệu lớn và phức tạp?

• A. Đưa ra các quyết định kinh doanh dựa trên dữ liệu và hiểu biết sâu sắc.
• B. Giảm chi phí lưu trữ dữ liệu.
• C. Tạo ra dữ liệu mới hoàn toàn.
• D. Thay thế hoàn toàn vai trò của con người trong phân tích.

Câu 26: Trong quá trình xây dựng mô hình học máy, việc lựa chọn thuật toán phù hợp (ví dụ: mạng nơ-ron, cây quyết định, máy vector hỗ trợ) phụ thuộc vào nhiều yếu tố như loại bài toán (phân loại, hồi quy, gom cụm), đặc điểm của dữ liệu, và tài nguyên tính toán. Điều này nhấn mạnh mối liên hệ nào giữa thuật toán và Khoa học dữ liệu?

• A. Thuật toán chỉ dùng để thu thập dữ liệu.
• B. Thuật toán chỉ liên quan đến trực quan hóa dữ liệu.
• C. Thuật toán hoàn toàn độc lập với dữ liệu.
• D. Thuật toán là công cụ nền tảng để phân tích và xây dựng mô hình từ dữ liệu.

Câu 27: Một nhà khoa học dữ liệu đang sử dụng một tập dữ liệu nhỏ để thử nghiệm nhanh các ý tưởng và thuật toán trước khi áp dụng chúng trên tập dữ liệu lớn. Việc sử dụng máy tính cá nhân cấu hình mạnh trong giai đoạn này chủ yếu hỗ trợ mục tiêu nào?

• A. Lưu trữ toàn bộ dữ liệu lớn.
• B. Tăng tốc độ thử nghiệm và khám phá trên dữ liệu mẫu.
• C. Triển khai mô hình ra môi trường sản phẩm.
• D. Đảm bảo an ninh mạng cho hệ thống dữ liệu.

Câu 28: Tại sao việc làm sạch dữ liệu (Data Cleaning) lại là một trong những công việc tốn thời gian nhất nhưng lại cực kỳ quan trọng trong quy trình Khoa học dữ liệu?

• A. Chất lượng dữ liệu đầu vào ảnh hưởng trực tiếp đến độ chính xác của kết quả phân tích và mô hình.
• B. Làm sạch dữ liệu giúp tăng khối lượng dữ liệu.
• C. Làm sạch dữ liệu chỉ là một bước tùy chọn.
• D. Làm sạch dữ liệu giúp giảm tốc độ xử lý.

Câu 29: Máy tính và thuật toán cho phép thực hiện các phân tích phức tạp mà con người không thể làm thủ công, ví dụ như tìm kiếm các mối tương quan phức tạp giữa hàng trăm biến trong tập dữ liệu lớn. Khả năng này của máy tính và thuật toán hỗ trợ chủ yếu cho mục tiêu nào của Khoa học dữ liệu?

• A. Chỉ để lưu trữ dữ liệu một cách có tổ chức.
• B. Chỉ để tự động hóa các tác vụ nhập liệu.
• C. Khám phá tri thức và hiểu biết sâu sắc từ dữ liệu phức tạp.
• D. Chỉ để hiển thị dữ liệu dưới dạng bảng biểu đơn giản.

Câu 30: Trong một dự án Khoa học dữ liệu, nhóm nghiên cứu nhận thấy rằng việc thu thập dữ liệu từ một số nguồn gặp khó khăn do hạn chế về kỹ thuật và quyền riêng tư. Thách thức này chủ yếu liên quan đến giai đoạn nào của quy trình Khoa học dữ liệu?

• A. Xây dựng mô hình.
• B. Thu thập dữ liệu.
• C. Đánh giá mô hình.
• D. Triển khai mô hình.

Câu 1: Vai trò cốt lõi nào của máy tính khiến nó trở thành công cụ không thể thiếu trong việc xử lý dữ liệu quy mô lớn (Big Data) trong Khoa học dữ liệu?

• A. Tạo ra các loại dữ liệu mới
• B. Thiết kế các mô hình thống kê
• C. Cung cấp năng lực tính toán và lưu trữ quy mô lớn
• D. Xác định mục tiêu kinh doanh

Câu 2: Trong quy trình Khoa học dữ liệu, trước khi bắt đầu thu thập bất kỳ dữ liệu nào, bước quan trọng đầu tiên cần thực hiện là gì để đảm bảo dự án có hướng đi rõ ràng và giải quyết được vấn đề thực tế?

• A. Xác định vấn đề và mục tiêu
• B. Chuẩn bị và làm sạch dữ liệu
• C. Xây dựng mô hình dự đoán
• D. Trực quan hóa kết quả

Câu 3: Một trong những đặc điểm nổi bật của Dữ liệu lớn (Big Data) là "Velocity" (Tốc độ). "Velocity" trong bối cảnh này đề cập đến khía cạnh nào của dữ liệu?

• A. Sự đa dạng về định dạng và nguồn gốc của dữ liệu
• B. Độ tin cậy và chính xác của dữ liệu
• C. Khối lượng dữ liệu ngày càng tăng theo thời gian
• D. Tốc độ dữ liệu được tạo ra và cần được xử lý

Câu 4: Một công ty thương mại điện tử thu thập dữ liệu từ nhiều nguồn khác nhau như lịch sử mua hàng trên website, tương tác trên mạng xã hội, đánh giá sản phẩm, và dữ liệu từ ứng dụng di động. Đặc điểm nào của Big Data được thể hiện rõ nhất qua ví dụ này?

• A. Volume (Khối lượng)
• B. Variety (Đa dạng)
• C. Velocity (Tốc độ)
• D. Veracity (Độ tin cậy)

Câu 5: Trong giai đoạn "Chuẩn bị dữ liệu" của quy trình Khoa học dữ liệu, những công việc nào thường được thực hiện để làm cho dữ liệu sẵn sàng cho việc phân tích và xây dựng mô hình?

• A. Thu thập dữ liệu từ các nguồn khác nhau
• B. Đánh giá hiệu suất của mô hình dự đoán
• C. Triển khai mô hình vào môi trường sản xuất
• D. Làm sạch, biến đổi và trực quan hóa dữ liệu ban đầu

Câu 6: Máy tính và thuật toán đóng vai trò quan trọng trong việc tự động hóa các tác vụ lặp đi lặp lại trong xử lý dữ liệu. Lợi ích chính của việc tự động hóa này trong Khoa học dữ liệu là gì?

• A. Giảm thời gian xử lý và sai sót, tăng hiệu quả
• B. Tăng khối lượng dữ liệu cần xử lý
• C. Giới hạn khả năng mở rộng của hệ thống
• D. Chỉ áp dụng cho dữ liệu có cấu trúc

Câu 7: Khi làm việc với Big Data, thách thức lớn nhất mà máy tính giúp giải quyết hiệu quả là gì?

• A. Thiếu các thuật toán phân tích
• B. Khả năng xử lý và lưu trữ khối lượng dữ liệu khổng lồ
• C. Sự thiếu đa dạng của dữ liệu
• D. Khó khăn trong việc thu thập dữ liệu

Câu 8: Thuật toán xử lý song song (Parallel Processing) có ý nghĩa đặc biệt trong Khoa học dữ liệu liên quan đến Big Data vì nó giúp:

• A. Giảm thiểu khối lượng dữ liệu cần xử lý
• B. Tăng độ chính xác của dữ liệu đầu vào
• C. Tăng tốc độ xử lý dữ liệu bằng cách thực hiện đồng thời nhiều tác vụ
• D. Chỉ áp dụng cho giai đoạn thu thập dữ liệu

Câu 9: Trong quy trình Khoa học dữ liệu, giai đoạn "Xây dựng mô hình" (Modeling) bao gồm những hoạt động chính nào?

• A. Thu thập dữ liệu mới và làm sạch chúng
• B. Chọn lựa thuật toán/mô hình và huấn luyện chúng trên dữ liệu
• C. Trực quan hóa kết quả và báo cáo
• D. Triển khai mô hình vào ứng dụng thực tế

Câu 10: Đặc điểm "Veracity" (Độ tin cậy) của Big Data đề cập đến thách thức nào?

• A. Sự không chắc chắn, không đầy đủ hoặc không chính xác của dữ liệu
• B. Giá trị kinh tế hoặc xã hội có thể trích xuất từ dữ liệu
• C. Tốc độ thay đổi của dữ liệu theo thời gian
• D. Khối lượng dữ liệu ngày càng tăng

Câu 11: Một nhà khoa học dữ liệu đang phân tích dữ liệu bán hàng để dự đoán doanh số quý tiếp theo. Sau khi xây dựng mô hình, anh ấy sử dụng một tập dữ liệu riêng biệt để kiểm tra xem mô hình dự đoán chính xác đến mức nào. Hoạt động này thuộc giai đoạn nào trong quy trình Khoa học dữ liệu?

• A. Chuẩn bị dữ liệu
• B. Xây dựng mô hình
• C. Đánh giá
• D. Triển khai

Câu 12: Để xử lý "Volume" (Khối lượng) dữ liệu khổng lồ, máy tính thường sử dụng các giải pháp nào?

• A. Chỉ sử dụng bộ nhớ RAM của một máy tính
• B. Nén dữ liệu đến mức tối thiểu
• C. Loại bỏ phần lớn dữ liệu không cần thiết
• D. Sử dụng hệ thống lưu trữ phân tán và điện toán đám mây

Câu 13: Thuật toán tối ưu hóa (Optimization Algorithms) có thể được ứng dụng trong Khoa học dữ liệu để làm gì?

• A. Tìm các tham số tốt nhất cho mô hình học máy
• B. Thu thập dữ liệu từ internet
• C. Trực quan hóa dữ liệu dưới dạng biểu đồ
• D. Làm sạch các giá trị thiếu

Câu 14: Điểm khác biệt cơ bản giữa giai đoạn "Chuẩn bị dữ liệu" và "Thu thập dữ liệu" trong quy trình Khoa học dữ liệu là gì?

• A. Chuẩn bị dữ liệu chỉ dùng cho dữ liệu có cấu trúc, còn thu thập dữ liệu thì không.
• B. Thu thập dữ liệu chỉ dùng cho dữ liệu lớn, còn chuẩn bị dữ liệu thì không.
• C. Thu thập dữ liệu là tập hợp dữ liệu, còn chuẩn bị dữ liệu là làm sạch và biến đổi dữ liệu đã thu thập.
• D. Chuẩn bị dữ liệu được thực hiện trước khi xác định vấn đề.

Câu 15: Thuật toán đóng vai trò như thế nào trong việc trích xuất thông tin có giá trị từ Dữ liệu lớn?

• A. Chỉ giúp lưu trữ dữ liệu hiệu quả hơn
• B. Chỉ giúp trực quan hóa dữ liệu
• C. Chỉ giúp thu thập dữ liệu nhanh hơn
• D. Cung cấp các phương pháp xử lý, phân tích và nhận dạng mẫu trong dữ liệu

Câu 16: Khi một mô hình dự đoán đã được xây dựng và đánh giá là tốt, bước tiếp theo trong quy trình Khoa học dữ liệu thường là gì?

• A. Triển khai mô hình vào ứng dụng hoặc hệ thống thực tế
• B. Quay lại bước thu thập dữ liệu
• C. Báo cáo kết quả cho các nhà khoa học dữ liệu khác
• D. Xác định lại vấn đề ban đầu

Câu 17: Đặc điểm nào của Big Data liên quan trực tiếp đến khả năng sử dụng dữ liệu để đưa ra quyết định hoặc tạo ra giá trị kinh tế/xã hội?

• A. Variety (Đa dạng)
• B. Velocity (Tốc độ)
• C. Veracity (Độ tin cậy)
• D. Value (Giá trị)

Câu 18: Việc sử dụng các thư viện và framework phát triển sẵn (như TensorFlow, PyTorch cho học máy) trên máy tính hỗ trợ giai đoạn nào nhiều nhất trong quy trình Khoa học dữ liệu?

• A. Thu thập dữ liệu
• B. Xây dựng mô hình
• C. Làm sạch dữ liệu
• D. Trực quan hóa kết quả

Câu 19: Thuật toán phân loại (Classification Algorithms) trong Khoa học dữ liệu được sử dụng để giải quyết loại vấn đề nào?

• A. Dự đoán một giá trị số liên tục (ví dụ: giá nhà)
• B. Giảm số chiều của dữ liệu
• C. Gán các điểm dữ liệu vào các danh mục/lớp cụ thể
• D. Tìm ra các mối quan hệ nhân quả giữa các biến

Câu 20: Khả năng mở rộng (Scalability) của hệ thống máy tính là yếu tố then chốt để xử lý Big Data vì nó cho phép:

• A. Tăng cường năng lực xử lý và lưu trữ khi khối lượng dữ liệu tăng lên
• B. Giảm thiểu sự đa dạng của dữ liệu
• C. Chỉ xử lý dữ liệu theo lô (batch processing)
• D. Tự động làm sạch dữ liệu

Câu 21: Trong giai đoạn "Đánh giá" (Evaluation) của quy trình Khoa học dữ liệu, mục tiêu chính là gì?

• A. Thu thập thêm dữ liệu để làm phong phú tập dữ liệu
• B. Đo lường hiệu suất và độ chính xác của mô hình
• C. Xác định lại vấn đề nếu mô hình không hoạt động
• D. Tích hợp mô hình vào hệ thống sản xuất

Câu 22: Thuật toán hồi quy (Regression Algorithms) trong Khoa học dữ liệu được sử dụng để giải quyết loại vấn đề nào?

• A. Dự đoán một giá trị số liên tục
• B. Phân nhóm các điểm dữ liệu thành các cụm
• C. Xác định quy tắc kết hợp giữa các mặt hàng (ví dụ: giỏ hàng)
• D. Nhận dạng đối tượng trong hình ảnh

Câu 23: Máy tính và thuật toán giúp Khoa học dữ liệu khám phá các mẫu (patterns) ẩn trong dữ liệu lớn. Tại sao việc phát hiện các mẫu này lại quan trọng?

• A. Chỉ để làm cho dữ liệu trông đẹp hơn trên biểu đồ
• B. Để tăng tốc độ thu thập dữ liệu
• C. Để hiểu rõ hơn về dữ liệu, đưa ra dự đoán hoặc hỗ trợ ra quyết định
• D. Để giảm khối lượng dữ liệu cần lưu trữ

Câu 24: Một hệ thống giám sát giao thông thu thập dữ liệu về lưu lượng xe, tốc độ, và vị trí từ hàng ngàn cảm biến mỗi giây. Để phân tích dữ liệu này và đưa ra cảnh báo tắc nghẽn gần như ngay lập tức, khía cạnh nào của máy tính và thuật toán là quan trọng nhất?

• A. Khả năng xử lý theo thời gian thực (Real-time processing)
• B. Khả năng lưu trữ offline
• C. Khả năng tạo báo cáo PDF
• D. Khả năng nén dữ liệu

Câu 25: Đặc điểm "Variety" (Đa dạng) của Big Data đặt ra thách thức chính nào đối với quá trình chuẩn bị dữ liệu?

• A. Tốc độ dữ liệu thay đổi quá nhanh
• B. Việc tích hợp và xử lý dữ liệu từ nhiều nguồn và định dạng khác nhau
• C. Khối lượng dữ liệu quá lớn
• D. Độ tin cậy của dữ liệu quá thấp

Câu 26: Trong giai đoạn "Triển khai" (Deployment) của quy trình Khoa học dữ liệu, hoạt động chính là gì?

• A. Thu thập phản hồi từ người dùng cuối
• B. Làm sạch lại dữ liệu gốc
• C. Tìm kiếm các mô hình thay thế
• D. Tích hợp mô hình đã xây dựng vào môi trường hoạt động thực tế

Câu 27: Lợi ích của việc sử dụng thuật toán tự động hóa trong Khoa học dữ liệu không bao gồm điều gì sau đây?

• A. Giảm sự can thiệp thủ công
• B. Tăng tốc độ và hiệu quả xử lý
• C. Giảm khối lượng dữ liệu cần xử lý ban đầu
• D. Thực hiện các tác vụ lặp đi lặp lại một cách nhất quán

Câu 28: Tại sao việc trực quan hóa dữ liệu (Data Visualization) lại quan trọng trong nhiều giai đoạn của quy trình Khoa học dữ liệu, đặc biệt là trong giai đoạn chuẩn bị và đánh giá?

• A. Giúp con người dễ dàng hiểu cấu trúc dữ liệu, phát hiện mẫu, ngoại lai và đánh giá kết quả
• B. Là bước cuối cùng và duy nhất để trình bày kết quả
• C. Thay thế hoàn toàn việc phân tích thống kê
• D. Chỉ hữu ích cho dữ liệu có cấu trúc

Câu 29: Máy tính hiện đại với cấu hình mạnh mẽ và khả năng kết nối mạng tốc độ cao đóng góp như thế nào vào việc xử lý đặc điểm "Velocity" (Tốc độ) của Big Data?

• A. Giảm sự đa dạng của dữ liệu đến
• B. Cho phép thu thập, truyền tải và xử lý dữ liệu nhanh chóng, gần thời gian thực
• C. Tăng độ phức tạp của dữ liệu
• D. Chỉ giúp lưu trữ dữ liệu hiệu quả hơn

Câu 30: Khi một nhà khoa học dữ liệu phát hiện ra rằng mô hình dự đoán của mình có độ chính xác thấp trên dữ liệu mới, anh ấy nên quay lại giai đoạn nào của quy trình Khoa học dữ liệu để cải thiện tình hình?

• A. Giai đoạn Triển khai
• B. Giai đoạn Thu thập dữ liệu (chỉ thu thập thêm)
• C. Giai đoạn Xây dựng mô hình hoặc Chuẩn bị dữ liệu
• D. Giai đoạn Xác định vấn đề (thường là bước cuối cùng nếu mọi thứ khác thất bại)

Câu 1: Một công ty thương mại điện tử muốn dự đoán xu hướng mua sắm của khách hàng trong 3 tháng tới để tối ưu hóa tồn kho. Đây là một ví dụ điển hình về việc ứng dụng Khoa học dữ liệu nhằm mục đích gì?

• A. Lưu trữ dữ liệu khách hàng một cách an toàn.
• B. Tạo ra dữ liệu mới về hành vi khách hàng.
• C. Thực hiện các giao dịch mua bán trực tuyến.
• D. Phân tích dữ liệu để dự báo xu hướng và đưa ra quyết định.

Câu 2: Trong quy trình Khoa học dữ liệu, sau khi đã xác định rõ vấn đề cần giải quyết, bước tiếp theo thường là gì?

• A. Xây dựng mô hình dự đoán.
• B. Thu thập dữ liệu liên quan.
• C. Trực quan hóa kết quả cuối cùng.
• D. Đánh giá hiệu quả của mô hình.

Câu 3: Giai đoạn "Chuẩn bị dữ liệu" (Data Preparation) trong quy trình Khoa học dữ liệu bao gồm những công việc nào sau đây? (Chọn đáp án đúng nhất)

• A. Chỉ thu thập dữ liệu từ các nguồn khác nhau.
• B. Chỉ xây dựng các thuật toán phức tạp.
• C. Làm sạch, biến đổi và trực quan hóa dữ liệu.
• D. Chỉ trình bày kết quả cho người dùng cuối.

Câu 4: Một nhà khoa học dữ liệu đang làm việc với tập dữ liệu chứa thông tin về hàng triệu giao dịch thẻ tín dụng mỗi ngày. Đặc điểm nào của dữ liệu lớn (Big Data) được thể hiện rõ nhất trong tình huống này?

• A. Khối lượng (Volume).
• B. Tốc độ (Velocity).
• C. Đa dạng (Variety).
• D. Độ tin cậy (Veracity).

Câu 5: Khi xử lý một lượng lớn dữ liệu video, hình ảnh, văn bản, và dữ liệu số truyền thống cùng lúc, nhà khoa học dữ liệu đang đối mặt với đặc điểm nào của dữ liệu lớn?

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

Câu 6: Vai trò cốt lõi của máy tính trong việc xử lý dữ liệu lớn là gì?

• A. Cung cấp năng lực tính toán để xử lý lượng dữ liệu khổng lồ.
• B. Chỉ để hiển thị kết quả phân tích.
• C. Tự động thu thập tất cả các loại dữ liệu.
• D. Đảm bảo dữ liệu luôn chính xác 100%.

Câu 7: Thuật toán đóng vai trò như thế nào trong Khoa học dữ liệu?

• A. Chỉ dùng để lưu trữ dữ liệu hiệu quả hơn.
• B. Giúp máy tính tự tạo ra dữ liệu mới.
• C. Là giao diện để người dùng tương tác với dữ liệu.
• D. Cung cấp các phương pháp xử lý, phân tích dữ liệu để khám phá thông tin và xây dựng mô hình.

Câu 8: Một mô hình học máy đã được xây dựng và đánh giá là có hiệu quả. Bước tiếp theo trong quy trình Khoa học dữ liệu là gì?

• A. Triển khai (Deployment) mô hình vào môi trường thực tế.
• B. Quay lại bước thu thập dữ liệu.
• C. Làm sạch dữ liệu thêm lần nữa.
• D. Xác định lại vấn đề ban đầu.

Câu 9: Tại sao khả năng xử lý song song (Parallel Processing) lại quan trọng đối với Khoa học dữ liệu và dữ liệu lớn?

• A. Giúp dữ liệu có cấu trúc rõ ràng hơn.
• B. Chỉ cần một máy tính duy nhất để xử lý mọi thứ.
• C. Giảm thời gian xử lý dữ liệu khổng lồ bằng cách chia nhỏ và thực hiện đồng thời.
• D. Tăng tính đa dạng của dữ liệu đầu vào.

Câu 10: Việc tự động hóa các tác vụ lặp đi lặp lại trong quy trình Khoa học dữ liệu (ví dụ: làm sạch dữ liệu định kỳ) chủ yếu được thực hiện nhờ yếu tố nào?

• A. Kích thước của dữ liệu.
• B. Sự phát triển của thuật toán và phần mềm chuyên dụng.
• C. Khối lượng công việc thủ công.
• D. Tốc độ tạo ra dữ liệu mới.

Câu 11: Một trong những thách thức lớn khi làm việc với dữ liệu lớn là "Độ tin cậy" (Veracity). Điều này ám chỉ đến vấn đề gì của dữ liệu?

• A. Dữ liệu được tạo ra với tốc độ quá nhanh.
• B. Dữ liệu có nhiều định dạng khác nhau.
• C. Khối lượng dữ liệu quá lớn để lưu trữ.
• D. Tính không chắc chắn, không chính xác hoặc sai lệch tiềm ẩn của dữ liệu.

Câu 12: Khi một hệ thống đề xuất sản phẩm (recommendation system) gợi ý các mặt hàng cho người dùng dựa trên lịch sử mua sắm và xem sản phẩm của họ, hệ thống này đang thực hiện giai đoạn nào của Khoa học dữ liệu một cách liên tục?

• A. Thu thập dữ liệu.
• B. Chuẩn bị dữ liệu.
• C. Triển khai mô hình.
• D. Đánh giá mô hình.

Câu 13: Một nhà khoa học dữ liệu sử dụng biểu đồ phân tán (scatter plot) để kiểm tra mối quan hệ giữa hai biến trong tập dữ liệu. Hoạt động này thuộc giai đoạn nào trong quy trình Khoa học dữ liệu?

• A. Xác định vấn đề.
• B. Chuẩn bị dữ liệu (Trực quan hóa).
• C. Xây dựng mô hình.
• D. Đánh giá mô hình.

Câu 14: Thuật toán hồi quy tuyến tính (Linear Regression) thường được sử dụng trong Khoa học dữ liệu với mục đích chính là gì?

• A. Dự đoán giá trị của một biến liên tục.
• B. Phân loại dữ liệu vào các nhóm rời rạc.
• C. Tìm ra các luật kết hợp giữa các mục.
• D. Giảm chiều dữ liệu.

Câu 15: Một công ty bảo hiểm muốn phân tích dữ liệu lịch sử về các vụ tai nạn để xác định những yếu tố nào (ví dụ: độ tuổi, loại xe, khu vực) có ảnh hưởng lớn nhất đến khả năng xảy ra tai nạn. Công việc này thuộc về giai đoạn nào trong quy trình Khoa học dữ liệu và mục tiêu chính là gì?

• A. Thu thập dữ liệu - để có đủ thông tin.
• B. Chuẩn bị dữ liệu - để làm sạch thông tin.
• C. Xây dựng/Đánh giá mô hình - để tìm ra các yếu tố dự báo và hiểu mối quan hệ.
• D. Triển khai - để áp dụng kết quả vào thực tế.

Câu 16: Khả năng "mở rộng" (scalability) của hệ thống máy tính là yếu tố then chốt giúp xử lý dữ liệu lớn vì:

• A. Nó giúp giảm thiểu lỗi trong dữ liệu.
• B. Nó cho phép hiểu dữ liệu dễ dàng hơn.
• C. Nó làm cho dữ liệu đa dạng hơn.
• D. Nó cho phép hệ thống xử lý được lượng dữ liệu ngày càng lớn theo thời gian.

Câu 17: Một nhà khoa học dữ liệu đang cố gắng phân loại email thành "spam" hoặc "không phải spam" dựa trên nội dung của chúng. Loại bài toán này trong Khoa học dữ liệu thuộc nhóm nào?

• A. Bài toán phân loại (Classification).
• B. Bài toán hồi quy (Regression).
• C. Bài toán gom cụm (Clustering).
• D. Bài toán luật kết hợp (Association Rule Mining).

Câu 18: Việc sử dụng thuật toán gom cụm (Clustering) trong Khoa học dữ liệu thường nhằm mục đích gì?

• A. Dự đoán một giá trị số chính xác.
• B. Phân nhóm các điểm dữ liệu tương tự nhau mà không có nhãn được gán trước.
• C. Giảm thiểu số lượng biến trong tập dữ liệu.
• D. Tạo ra các luật "Nếu-Thì" từ dữ liệu giao dịch.

Câu 19: Một trong những ưu điểm chính của việc áp dụng thuật toán tự động hóa trong các bước của quy trình Khoa học dữ liệu là gì?

• A. Làm cho dữ liệu trở nên phức tạp hơn.
• B. Yêu cầu sự can thiệp thủ công nhiều hơn.
• C. Chỉ áp dụng được cho dữ liệu có cấu trúc đơn giản.
• D. Tăng hiệu quả, giảm thời gian và chi phí bằng cách thực hiện các tác vụ lặp lại một cách tự động.

Câu 20: Để một dự án Khoa học dữ liệu thực sự mang lại giá trị, kết quả phân tích và mô hình cần phải được "Triển khai". Điều này có nghĩa là gì?

• A. Đưa mô hình hoặc kết quả phân tích vào sử dụng trong môi trường thực tế để tạo ra giá trị.
• B. Lưu trữ tất cả dữ liệu và mã nguồn một cách an toàn.
• C. Báo cáo kết quả cho các nhà khoa học dữ liệu khác.
• D. Chỉ dừng lại ở việc hiểu biết mới về dữ liệu.

Câu 21: Yếu tố nào sau đây KHÔNG phải là một trong những lợi ích chính của việc sử dụng máy tính có hiệu năng cao trong Khoa học dữ liệu?

• A. Tăng tốc độ xử lý các thuật toán phức tạp.
• B. Khả năng lưu trữ và quản lý lượng dữ liệu lớn.
• C. Tự động làm sạch tất cả dữ liệu bị lỗi.
• D. Hỗ trợ triển khai các mô hình theo thời gian thực.

Câu 22: Trong một bài toán phân tích cảm xúc từ bình luận của khách hàng, dữ liệu đầu vào là các đoạn văn bản. Đặc điểm "Đa dạng" (Variety) của dữ liệu lớn được thể hiện ở đây như thế nào?

• A. Số lượng bình luận rất lớn.
• B. Dữ liệu là văn bản, có cấu trúc không cố định.
• C. Bình luận được tạo ra liên tục.
• D. Cảm xúc trong bình luận có thể không chính xác.

Câu 23: Một ngân hàng sử dụng Khoa học dữ liệu để phát hiện các giao dịch bất thường, có dấu hiệu lừa đảo ngay khi chúng xảy ra. Ứng dụng này nhấn mạnh vai trò của máy tính và thuật toán trong việc xử lý dữ liệu với đặc điểm nào?

• A. Lưu trữ an toàn.
• B. Khả năng mở rộng.
• C. Xử lý theo thời gian thực.
• D. Tự động làm sạch dữ liệu.

Câu 24: Giả sử bạn là một nhà khoa học dữ liệu được yêu cầu phân tích dữ liệu bán hàng để xác định nhóm khách hàng có khả năng mua sản phẩm X cao nhất. Bước đầu tiên bạn cần thực hiện là gì?

• A. Thu thập tất cả dữ liệu bán hàng có thể có.
• B. Làm sạch dữ liệu bán hàng.
• C. Chọn thuật toán phân loại phù hợp.
• D. Xác định rõ vấn đề: "Xác định nhóm khách hàng có khả năng mua sản phẩm X cao nhất".

Câu 25: Khi đánh giá một mô hình dự đoán trong Khoa học dữ liệu, chúng ta thường sử dụng các chỉ số như độ chính xác (Accuracy), độ chuẩn xác (Precision), độ phủ (Recall). Mục đích chính của việc này là gì?

• A. Làm sạch dữ liệu đầu vào.
• B. Đo lường hiệu suất và độ tin cậy của mô hình đã xây dựng.
• C. Thu thập thêm dữ liệu mới.
• D. Tự động triển khai mô hình.

Câu 26: Tại sao việc trực quan hóa dữ liệu (Data Visualization) lại quan trọng trong giai đoạn chuẩn bị dữ liệu?

• A. Giúp khám phá các mẫu hình, xu hướng và phát hiện lỗi trong dữ liệu một cách trực quan.
• B. Tự động làm sạch toàn bộ dữ liệu.
• C. Là bước cuối cùng trước khi triển khai mô hình.
• D. Chỉ cần thiết cho việc báo cáo kết quả cuối cùng.

Câu 27: Hệ thống máy tính phân tán (Distributed Computing) như Hadoop hoặc Spark đóng vai trò gì trong việc xử lý dữ liệu lớn?

• A. Chỉ dùng để lưu trữ dữ liệu nhỏ.
• B. Giúp tạo ra dữ liệu mới tự động.
• C. Cho phép lưu trữ và xử lý dữ liệu trên nhiều máy tính cùng lúc.
• D. Chỉ phục vụ cho việc trực quan hóa dữ liệu.

Câu 28: Thuật toán học máy nào thường được sử dụng cho bài toán gom cụm khách hàng (Customer Segmentation) dựa trên hành vi mua sắm của họ?

• A. K-Means Clustering.
• B. Linear Regression.
• C. Decision Tree (cho phân loại).
• D. Support Vector Machine (cho phân loại/hồi quy).

Câu 29: Trong bối cảnh Khoa học dữ liệu, việc sử dụng máy tính và thuật toán cho phép chúng ta làm gì với dữ liệu mà trước đây rất khó hoặc không thể thực hiện?

• A. Chỉ lưu trữ dữ liệu ở một nơi duy nhất.
• B. Giảm số lượng dữ liệu cần phân tích.
• C. Tạo ra dữ liệu ngẫu nhiên.
• D. Khám phá các mẫu hình, mối quan hệ phức tạp và đưa ra dự đoán từ lượng dữ liệu rất lớn và đa dạng.

Câu 30: Đâu là yếu tố quan trọng nhất cần xem xét khi lựa chọn thuật toán cho một bài toán Khoa học dữ liệu cụ thể?

• A. Độ phổ biến của thuật toán trên thị trường.
• B. Mục tiêu của bài toán và đặc điểm của dữ liệu.
• C. Màu sắc của biểu đồ kết quả.
• D. Số dòng mã lệnh của thuật toán.

Câu 1: Trong bối cảnh Khoa học dữ liệu hiện đại, yếu tố nào sau đây thể hiện rõ nhất vai trò cốt lõi của máy tính trong việc xử lý "Dữ liệu lớn"?

• A. Giúp con người ghi nhớ các công thức toán học phức tạp.
• B. Thay thế hoàn toàn vai trò của con người trong việc đưa ra quyết định.
• C. Cung cấp năng lực tính toán và lưu trữ mở rộng để xử lý khối lượng dữ liệu khổng lồ.
• D. Chỉ đơn thuần là công cụ hiển thị kết quả cuối cùng của phân tích.

Câu 2: Một công ty thương mại điện tử muốn phân tích hành vi mua sắm của hàng triệu khách hàng để đề xuất sản phẩm phù hợp. Để xử lý lượng dữ liệu giao dịch và lịch sử duyệt web khổng lồ này một cách hiệu quả, họ cần dựa chủ yếu vào khả năng nào của máy tính?

• A. Khả năng xử lý dữ liệu với tốc độ cao và song song.
• B. Khả năng thiết kế giao diện người dùng thân thiện.
• C. Khả năng tạo ra dữ liệu khách hàng mới.
• D. Khả năng in ấn báo cáo phân tích chất lượng cao.

Câu 3: Quy trình Khoa học dữ liệu thường bắt đầu bằng việc xác định rõ vấn đề hoặc mục tiêu cần giải quyết. Tại sao bước này lại quan trọng nhất trước khi thực hiện các công việc liên quan đến dữ liệu?

• A. Vì đây là bước duy nhất không cần sử dụng máy tính.
• B. Để đảm bảo rằng luôn có đủ dữ liệu để phân tích.
• C. Để xác định công cụ phần mềm cụ thể sẽ sử dụng.
• D. Để định hướng toàn bộ quá trình từ thu thập, phân tích đến đánh giá và triển khai.

Câu 4: Một nhà khoa học dữ liệu đang làm việc với tập dữ liệu chứa thông tin từ các cảm biến IoT (Internet of Things) truyền về liên tục với tốc độ rất nhanh. Đặc điểm nào của dữ liệu lớn đang được thể hiện rõ nhất trong tình huống này?

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

Câu 5: Giai đoạn "Chuẩn bị dữ liệu" trong quy trình Khoa học dữ liệu bao gồm nhiều công việc như làm sạch, biến đổi, tích hợp dữ liệu. Mục đích chính của giai đoạn này là gì?

• A. Để trực tiếp tạo ra các báo cáo cuối cùng.
• B. Để xác định vấn đề kinh doanh ban đầu.
• C. Để làm cho dữ liệu đáng tin cậy và phù hợp cho việc phân tích và xây dựng mô hình.
• D. Để triển khai mô hình đã xây dựng ra môi trường thực tế.

Câu 6: Một thuật toán được thiết kế để tự động phân loại email thành "Hộp thư đến", "Thư rác", "Quảng cáo" dựa trên nội dung và người gửi. Thuật toán này đang thể hiện ứng dụng nào của máy tính và thuật toán trong xử lý dữ liệu?

• A. Xử lý dữ liệu theo thời gian thực.
• B. Tăng khả năng lưu trữ dữ liệu.
• C. Tạo ra dữ liệu mới.
• D. Tự động hóa quy trình xử lý dữ liệu.

Câu 7: Tại sao khả năng "mở rộng" (scalability) của hệ thống máy tính lại cực kỳ quan trọng khi làm việc với dữ liệu lớn?

• A. Vì khối lượng dữ liệu lớn thường tăng trưởng theo thời gian, cần hệ thống có thể mở rộng năng lực xử lý và lưu trữ.
• B. Vì dữ liệu lớn luôn yêu cầu phải được xử lý trên một máy tính duy nhất.
• C. Vì khả năng mở rộng giúp giảm đa dạng của dữ liệu.
• D. Vì khả năng mở rộng chỉ liên quan đến việc hiển thị dữ liệu.

Câu 8: Một nhà khoa học dữ liệu sử dụng thuật toán học máy để xây dựng mô hình dự đoán giá nhà dựa trên các yếu tố như diện tích, số phòng ngủ, vị trí. Giai đoạn nào trong quy trình Khoa học dữ liệu đang được thực hiện?

• A. Thu thập dữ liệu.
• B. Chuẩn bị dữ liệu.
• C. Xây dựng mô hình.
• D. Đánh giá mô hình.

Câu 9: Đặc điểm "Đa dạng" (Variety) của dữ liệu lớn đề cập đến điều gì?

• A. Dữ liệu đến từ nhiều quốc gia khác nhau.
• B. Dữ liệu tồn tại ở nhiều định dạng khác nhau (có cấu trúc, bán cấu trúc, phi cấu trúc) và từ nhiều nguồn khác nhau.
• C. Dữ liệu chỉ bao gồm các loại số và văn bản.
• D. Dữ liệu thay đổi liên tục theo thời gian.

Câu 10: Sau khi xây dựng và đánh giá một mô hình dự đoán, nhà khoa học dữ liệu đưa mô hình đó vào sử dụng trong hệ thống hoạt động của công ty (ví dụ: tích hợp vào website để đề xuất sản phẩm cho khách hàng). Giai đoạn nào của quy trình Khoa học dữ liệu đang được thực hiện?

• A. Xác định vấn đề.
• B. Thu thập dữ liệu.
• C. Đánh giá mô hình.
• D. Triển khai mô hình.

Câu 11: Một thuật toán tìm kiếm đường đi ngắn nhất trên bản đồ (ví dụ: thuật toán Dijkstra) là một ví dụ về việc ứng dụng thuật toán trong lĩnh vực nào của Khoa học dữ liệu hoặc các ngành liên quan?

• A. Phân tích và tối ưu hóa dữ liệu không gian/mạng lưới.
• B. Thu thập dữ liệu hình ảnh.
• C. Làm sạch dữ liệu văn bản.
• D. Trực quan hóa dữ liệu thời gian thực.

Câu 12: Giả sử bạn có một tập dữ liệu bán hàng rất lớn từ nhiều chi nhánh khác nhau, bao gồm cả dữ liệu từ hệ thống cũ và hệ thống mới với định dạng khác nhau. Công việc nào sau đây trong giai đoạn "Chuẩn bị dữ liệu" sẽ là quan trọng nhất để đảm bảo dữ liệu đồng nhất cho phân tích?

• A. Trực quan hóa dữ liệu.
• B. Tích hợp và biến đổi dữ liệu để đồng nhất định dạng.
• C. Xây dựng mô hình dự đoán.
• D. Đánh giá hiệu suất mô hình.

Câu 13: Một trong những thách thức lớn khi làm việc với "Dữ liệu lớn" là đảm bảo "Độ tin cậy" (Veracity) của dữ liệu. Điều này đề cập đến vấn đề gì?

• A. Dữ liệu có được lưu trữ an toàn hay không.
• B. Dữ liệu có thể truy cập nhanh chóng hay không.
• C. Tính chính xác, trung thực và đáng tin cậy của dữ liệu, bao gồm cả nhiễu, sai lệch.
• D. Dữ liệu có thể được trực quan hóa dễ dàng hay không.

Câu 14: Một công ty tài chính cần phân tích dữ liệu giao dịch chứng khoán theo từng mili giây để phát hiện các xu hướng ngắn hạn và đưa ra quyết định mua/bán tự động. Khả năng xử lý nào của máy tính là thiết yếu nhất trong trường hợp này?

• A. Khả năng lưu trữ lâu dài.
• B. Khả năng tạo báo cáo định kỳ.
• C. Khả năng trực quan hóa dữ liệu phức tạp.
• D. Khả năng xử lý dữ liệu theo thời gian thực (Real-time processing).

Câu 15: Thuật toán xử lý song song (Parallel Processing) đóng vai trò quan trọng như thế nào trong việc ứng dụng máy tính vào Khoa học dữ liệu quy mô lớn?

• A. Giúp chia nhỏ và xử lý đồng thời các tác vụ tính toán trên nhiều bộ xử lý hoặc máy tính, rút ngắn thời gian xử lý dữ liệu lớn.
• B. Giúp tự động hóa hoàn toàn việc thu thập dữ liệu từ mọi nguồn.
• C. Giúp tạo ra các biểu đồ và đồ thị trực quan.
• D. Giúp giảm khối lượng dữ liệu ban đầu.

Câu 16: Một nhà khoa học dữ liệu đang phân tích dữ liệu phản hồi của khách hàng từ các khảo sát, bình luận trên mạng xã hội và email. Loại dữ liệu này chủ yếu thuộc đặc điểm nào của dữ liệu lớn?

• A. Khối lượng (Volume)
• B. Tốc độ (Velocity)
• C. Đa dạng (Variety)
• D. Độ tin cậy (Veracity)

Câu 17: Giả sử bạn đã xây dựng một mô hình học máy để phân loại hình ảnh và mô hình này hoạt động rất tốt trên tập dữ liệu thử nghiệm. Trước khi đưa mô hình này vào sử dụng thực tế, bạn cần thực hiện giai đoạn nào của quy trình Khoa học dữ liệu?

• A. Thu thập thêm dữ liệu.
• B. Làm sạch lại dữ liệu.
• C. Xác định lại vấn đề ban đầu.
• D. Đánh giá hiệu suất của mô hình trên dữ liệu chưa từng thấy.

Câu 18: Thuật toán nào có thể được sử dụng để phát hiện các giao dịch gian lận trong hàng triệu giao dịch ngân hàng hàng ngày, dựa trên các mẫu bất thường trong dữ liệu?

• A. Thuật toán sắp xếp.
• B. Thuật toán phát hiện bất thường (Anomaly Detection).
• C. Thuật toán nén dữ liệu.
• D. Thuật toán mã hóa dữ liệu.

Câu 19: Tại sao việc trực quan hóa dữ liệu (Data Visualization) lại là một phần quan trọng trong giai đoạn "Chuẩn bị dữ liệu" và "Đánh giá" của quy trình Khoa học dữ liệu?

• A. Giúp con người hiểu rõ hơn về cấu trúc, xu hướng, và các điểm bất thường trong dữ liệu hoặc kết quả phân tích.
• B. Là bước bắt buộc để thu thập dữ liệu từ các nguồn khác nhau.
• C. Chỉ dùng để trang trí báo cáo cuối cùng.
• D. Là cách duy nhất để làm sạch dữ liệu bị thiếu.

Câu 20: Một công ty logistics sử dụng dữ liệu lịch sử giao hàng, điều kiện giao thông thời gian thực và dự báo thời tiết để tối ưu hóa lộ trình cho hàng ngàn xe tải mỗi ngày. Việc này thể hiện ứng dụng nào của Khoa học dữ liệu và vai trò của máy tính/thuật toán?

• A. Chỉ đơn thuần là lưu trữ dữ liệu lịch sử.
• B. Tạo ra dữ liệu giao thông mới.
• C. Sử dụng dữ liệu và thuật toán để giải quyết bài toán tối ưu hóa phức tạp trong thế giới thực, mang lại giá trị.
• D. Chỉ dùng để hiển thị vị trí hiện tại của các xe tải.

Câu 21: Đặc điểm nào sau đây của dữ liệu lớn liên quan trực tiếp đến tiềm năng tạo ra lợi ích hoặc thông tin hữu ích từ việc phân tích dữ liệu đó?

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

Câu 22: Trong quy trình Khoa học dữ liệu, giai đoạn nào thường liên quan đến việc thu thập dữ liệu từ các nguồn khác nhau như cơ sở dữ liệu, API, tệp tin, hoặc web scraping?

• A. Xác định vấn đề.
• B. Thu thập dữ liệu.
• C. Chuẩn bị dữ liệu.
• D. Đánh giá mô hình.

Câu 23: Một công ty sử dụng máy tính và thuật toán để phân tích hàng triệu bài đăng trên mạng xã hội nhằm hiểu được cảm nhận chung của công chúng về sản phẩm mới của họ. Đây là ví dụ về việc sử dụng Khoa học dữ liệu để thực hiện công việc nào?

• A. Phân tích cảm nhận (Sentiment Analysis).
• B. Phát hiện bất thường.
• C. Tối ưu hóa lộ trình.
• D. Dự đoán giá nhà.

Câu 24: Để xử lý một tập dữ liệu có cấu trúc phức tạp và kích thước rất lớn (ví dụ: vài Terabyte), việc sử dụng các hệ thống cơ sở dữ liệu truyền thống trên một máy tính đơn có thể gặp khó khăn. Máy tính và thuật toán hỗ trợ giải quyết vấn đề này như thế nào?

• A. Bằng cách tự động nén dữ liệu về kích thước nhỏ hơn.
• B. Bằng cách loại bỏ các cột dữ liệu không cần thiết.
• C. Bằng cách cung cấp khả năng lưu trữ và xử lý phân tán trên nhiều máy tính hoặc cụm máy chủ.
• D. Bằng cách chỉ cho phép phân tích trên một phần nhỏ của dữ liệu.

Câu 25: Đâu là một ví dụ điển hình cho thấy sự kết hợp giữa máy tính, thuật toán và dữ liệu lớn mang lại "Giá trị" (Value) trong Khoa học dữ liệu?

• A. Lưu trữ tất cả các email nhận được trong 10 năm qua.
• B. Liệt kê tất cả các giao dịch bán hàng theo thứ tự thời gian.
• C. Tạo ra một biểu đồ đơn giản từ một tập dữ liệu nhỏ.
• D. Sử dụng phân tích dữ liệu khách hàng để cá nhân hóa trải nghiệm mua sắm, dẫn đến tăng doanh thu.

Câu 26: Khi một thuật toán học máy được huấn luyện trên dữ liệu, máy tính đóng vai trò gì trong quá trình này?

• A. Thực hiện các phép tính toán phức tạp và lặp đi lặp lại cần thiết để thuật toán học từ dữ liệu.
• B. Thiết kế cấu trúc của thuật toán học máy.
• C. Xác định mục tiêu kinh doanh của việc huấn luyện mô hình.
• D. Chỉ lưu trữ mã nguồn của thuật toán.

Câu 27: Một thuật toán phân cụm (Clustering Algorithm) được sử dụng để nhóm các khách hàng có hành vi tương tự nhau dựa trên dữ liệu giao dịch của họ. Đây là một ví dụ về kỹ thuật phân tích dữ liệu nào?

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

Câu 28: Tại sao "Độ tin cậy" (Veracity) lại là một đặc điểm quan trọng cần xem xét khi làm việc với dữ liệu thu thập từ mạng xã hội?

• A. Vì dữ liệu từ mạng xã hội thường chứa nhiều thông tin không chính xác, sai lệch, hoặc nhiễu.
• B. Vì dữ liệu mạng xã hội luôn có cấu trúc rõ ràng.
• C. Vì dữ liệu mạng xã hội có khối lượng nhỏ.
• D. Vì dữ liệu mạng xã hội luôn được cập nhật chậm.

Câu 29: Lợi ích chính của việc sử dụng thuật toán "tự động hóa" trong các bước của quy trình Khoa học dữ liệu (ví dụ: làm sạch dữ liệu, tiền xử lý) là gì?

• A. Giúp tăng khối lượng dữ liệu thu thập được.
• B. Giúp giảm thiểu công sức thủ công, tiết kiệm thời gian và giảm lỗi trong các tác vụ lặp đi lặp lại.
• C. Giúp thay thế hoàn toàn con người trong mọi giai đoạn.
• D. Chỉ áp dụng cho việc trực quan hóa dữ liệu.

Câu 30: Liên hệ giữa máy tính, thuật toán và Khoa học dữ liệu được thể hiện rõ nhất qua nhận định nào sau đây?

• A. Máy tính chỉ dùng để lưu trữ dữ liệu, thuật toán chỉ dùng để sắp xếp.
• B. Khoa học dữ liệu là lĩnh vực độc lập, không liên quan đến máy tính hay thuật toán.
• C. Thuật toán tạo ra dữ liệu, máy tính chỉ hiển thị kết quả.
• D. Máy tính cung cấp năng lực xử lý, thuật toán cung cấp phương pháp phân tích, cả hai là công cụ thiết yếu để Khoa học dữ liệu trích xuất thông tin và giá trị từ dữ liệu.