Trong khoa học dữ liệu, kỹ thuật 'cross-validation' (kiểm định chéo) được sử dụng để làm gì?

• A. Tăng tốc độ xử lý dữ liệu
• B. Đánh giá khả năng khái quát hóa của mô hình trên dữ liệu mới
• C. Giảm kích thước tập dữ liệu
• D. Cải thiện độ chính xác của dữ liệu đầu vào

Trong kinh doanh online, việc sử dụng A/B testing nhằm mục đích gì?

• A. Tăng tốc độ tải trang web
• B. So sánh hai phiên bản của một trang web hoặc ứng dụng để xác định phiên bản nào hoạt động tốt hơn
• C. Phân tích đối thủ cạnh tranh
• D. Tối ưu hóa công cụ tìm kiếm (SEO)

Trong kinh doanh online, việc sử dụng dữ liệu để phân tích giá (price optimization) có thể mang lại lợi ích gì?

• A. Giảm chi phí marketing
• B. Tối ưu hóa giá sản phẩm để tăng doanh thu và lợi nhuận
• C. Tăng cường bảo mật thông tin khách hàng
• D. Loại bỏ hoàn toàn nhu cầu về nhân lực bán hàng

Trong mô hình hóa dữ liệu, 'one-hot encoding' được sử dụng để làm gì?

• A. Chuẩn hóa dữ liệu số
• B. Giảm số lượng chiều dữ liệu
• C. Chuyển đổi dữ liệu категориальный thành dạng số phù hợp cho các thuật toán học máy
• D. Loại bỏ các giá trị thiếu

Trong khoa học dữ liệu, 'overfitting' đề cập đến vấn đề gì?

• A. Mô hình hoạt động quá chậm
• B. Mô hình quá phức tạp và khớp quá chặt với dữ liệu huấn luyện, dẫn đến kém hiệu quả trên dữ liệu mới
• C. Dữ liệu đầu vào bị thiếu thông tin
• D. Mô hình không đủ mạnh để học từ dữ liệu

Trong khoa học dữ liệu, thuật ngữ 'precision' (độ chính xác) và 'recall' (độ phủ) được sử dụng để đánh giá điều gì?

• A. Hiệu suất của thuật toán sắp xếp
• B. Hiệu quả của thuật toán nén dữ liệu
• C. Hiệu quả của mô hình phân loại (classification model)
• D. Tốc độ xử lý dữ liệu của thuật toán

Đâu là một lợi ích của việc sử dụng cloud computing (điện toán đám mây) cho các dự án khoa học dữ liệu trong kinh doanh online?

• A. Giảm chi phí phần cứng và cơ sở hạ tầng
• B. Tăng cường bảo mật tuyệt đối cho dữ liệu
• C. Loại bỏ hoàn toàn nhu cầu về nhân lực IT
• D. Đảm bảo tốc độ xử lý dữ liệu nhanh nhất

Phương pháp nào sau đây được sử dụng để chia một tập dữ liệu thành các nhóm dựa trên sự tương đồng giữa các điểm dữ liệu?

• A. Hồi quy tuyến tính
• B. Phân tích chuỗi thời gian
• C. Phân cụm (Clustering)
• D. Phân tích phương sai

Mục tiêu chính của việc xây dựng hệ thống đề xuất (recommendation system) trong kinh doanh online là gì?

• A. Giảm chi phí marketing
• B. Tăng cường bảo mật thông tin khách hàng
• C. Cá nhân hóa trải nghiệm người dùng và tăng doanh số bán hàng
• D. Tối ưu hóa quy trình vận hành kho bãi

Trong mô hình hóa dữ liệu, 'feature engineering' là gì?

• A. Quá trình chọn các thuật toán học máy phù hợp nhất
• B. Quá trình làm sạch và chuẩn hóa dữ liệu
• C. Quá trình tạo ra các thuộc tính (features) mới từ dữ liệu hiện có để cải thiện hiệu suất mô hình
• D. Quá trình triển khai mô hình vào sản xuất

Trong phân tích dữ liệu, 'outlier' (giá trị ngoại lệ) là gì?

• A. Một thuộc tính quan trọng trong tập dữ liệu
• B. Một giá trị dữ liệu khác biệt đáng kể so với các giá trị khác trong tập dữ liệu
• C. Một lỗi trong quá trình thu thập dữ liệu
• D. Một mô hình học máy phức tạp

Phương pháp nào sau đây giúp đánh giá hiệu quả của mô hình phân loại (classification model)?

• A. RMSE (Root Mean Squared Error)
• B. MAE (Mean Absolute Error)
• C. Confusion matrix (Ma trận nhầm lẫn)
• D. R-squared

Trong bối cảnh kinh doanh online, chỉ số churn rate thể hiện điều gì?

• A. Tỷ lệ chuyển đổi khách hàng tiềm năng thành khách hàng thực tế
• B. Tỷ lệ khách hàng rời bỏ dịch vụ hoặc sản phẩm trong một khoảng thời gian nhất định
• C. Tỷ lệ tăng trưởng doanh thu hàng tháng
• D. Tỷ lệ hoàn vốn đầu tư (ROI) cho các chiến dịch marketing

Trong kinh doanh online, việc phân tích đường dẫn hành vi (customer journey) giúp ích gì?

• A. Dự đoán xu hướng thị trường
• B. Hiểu rõ hơn về cách khách hàng tương tác với website hoặc ứng dụng, từ đó tối ưu hóa trải nghiệm người dùng
• C. Tối ưu hóa công cụ tìm kiếm (SEO)
• D. Quản lý rủi ro tài chính

Phương pháp nào sau đây được sử dụng để dự đoán giá trị tương lai dựa trên dữ liệu quá khứ theo thời gian?

• A. Hồi quy tuyến tính
• B. Phân tích chuỗi thời gian (Time Series Analysis)
• C. Phân cụm (Clustering)
• D. Phân tích phương sai

Phương pháp nào sau đây được sử dụng để tìm kiếm các mẫu hoặc quy luật ẩn trong một tập dữ liệu lớn?

• A. Hồi quy tuyến tính
• B. Phân tích chuỗi thời gian
• C. Khai thác dữ liệu (Data mining)
• D. Phân tích phương sai

Kỹ thuật nào sau đây được sử dụng để dự đoán giá trị của một biến số dựa trên một hoặc nhiều biến số khác?

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

Phương pháp nào sau đây thường được sử dụng để giảm số lượng chiều dữ liệu trong khoa học dữ liệu, giúp đơn giản hóa mô hình và giảm overfitting?

• A. Mã hóa one-hot
• B. Chuẩn hóa dữ liệu
• C. Phân tích thành phần chính (PCA)
• D. K-Means Clustering

Trong kinh doanh online, loại phân tích dữ liệu nào giúp xác định các sản phẩm thường được mua cùng nhau?

• A. Phân tích hồi quy
• B. Phân tích chuỗi thời gian
• C. Phân tích kết hợp (Market Basket Analysis)
• D. Phân tích phương sai

Chỉ số RFM (Recency, Frequency, Monetary) thường được sử dụng để làm gì trong kinh doanh online?

• A. Dự đoán xu hướng thị trường
• B. Phân tích hiệu quả chiến dịch quảng cáo
• C. Phân khúc khách hàng dựa trên hành vi mua hàng
• D. Đánh giá rủi ro tín dụng của khách hàng

Đâu là một nguy cơ tiềm ẩn khi sử dụng dữ liệu cá nhân của khách hàng trong kinh doanh online?

• A. Tăng chi phí marketing
• B. Vi phạm quyền riêng tư và các quy định về bảo vệ dữ liệu cá nhân
• C. Giảm hiệu quả của các chiến dịch quảng cáo
• D. Làm chậm tốc độ tải trang web

Trong kinh doanh online, việc phân tích cohort (nhóm когорта) giúp ích gì?

• A. Dự đoán xu hướng thị trường
• B. Phân tích hành vi của các nhóm khách hàng có đặc điểm chung theo thời gian
• C. Tối ưu hóa công cụ tìm kiếm (SEO)
• D. Quản lý rủi ro tài chính

Loại biểu đồ nào sau đây thường được sử dụng để hiển thị sự phân bố của một biến số liên tục?

• A. Biểu đồ tròn (Pie chart)
• B. Biểu đồ cột (Bar chart)
• C. Biểu đồ đường (Line chart)
• D. Biểu đồ histogram

Trong khoa học dữ liệu, thuật ngữ 'bias' (thiên vị) đề cập đến điều gì?

• A. Sự chênh lệch giữa kết quả dự đoán của mô hình và giá trị thực tế
• B. Xu hướng của mô hình học máy dự đoán sai lệch do dữ liệu huấn luyện không đại diện hoặc thuật toán có vấn đề
• C. Tốc độ xử lý dữ liệu của thuật toán
• D. Khả năng mở rộng của hệ thống lưu trữ dữ liệu

Trong bối cảnh kinh doanh online, phân tích sentiment (cảm xúc) được sử dụng để làm gì?

• A. Dự đoán doanh thu bán hàng
• B. Xác định cảm xúc của khách hàng về sản phẩm hoặc dịch vụ thông qua phân tích văn bản
• C. Phân tích cấu trúc website
• D. Tối ưu hóa chiến dịch quảng cáo trên mạng xã hội

Trong khoa học dữ liệu, thuật ngữ 'feature scaling' (tỉ lệ hóa thuộc tính) đề cập đến điều gì?

• A. Quá trình chọn các thuộc tính quan trọng nhất cho mô hình
• B. Quá trình chuyển đổi dữ liệu để các thuộc tính có cùng thang đo
• C. Quá trình mã hóa dữ liệu văn bản thành số
• D. Quá trình loại bỏ các giá trị ngoại lệ

Đâu là một trong những thách thức lớn nhất khi làm việc với dữ liệu lớn (Big Data) trong kinh doanh online?

• A. Sự thiếu hụt các công cụ phân tích dữ liệu
• B. Khả năng thu thập dữ liệu từ nhiều nguồn khác nhau
• C. Xử lý và lưu trữ dữ liệu với khối lượng lớn và tốc độ cao
• D. Sự thiếu hụt nhân lực có kỹ năng marketing

Trong kinh doanh online, việc sử dụng dữ liệu để cá nhân hóa email marketing có thể mang lại lợi ích gì?

• A. Giảm chi phí gửi email
• B. Tăng tỷ lệ mở email và tỷ lệ nhấp chuột (CTR)
• C. Tăng cường bảo mật thông tin khách hàng
• D. Loại bỏ hoàn toàn nhu cầu về nhân lực marketing

Trong kinh doanh online, việc sử dụng chatbot có thể hỗ trợ thu thập dữ liệu khách hàng như thế nào?

• A. Tự động thu thập thông tin cá nhân của khách hàng mà không cần sự đồng ý
• B. Ghi lại lịch sử duyệt web của khách hàng
• C. Thu thập thông tin về sở thích, nhu cầu và phản hồi của khách hàng thông qua tương tác trò chuyện
• D. Chặn quảng cáo từ đối thủ cạnh tranh

Trong khoa học dữ liệu, kỹ thuật 'regularization' (chính quy hóa) được sử dụng để làm gì?

• A. Tăng tốc độ xử lý dữ liệu
• B. Giảm overfitting bằng cách thêm một hình phạt vào các tham số của mô hình
• C. Giảm kích thước tập dữ liệu
• D. Cải thiện độ chính xác của dữ liệu đầu vào