KHOA HỌC DỮ LIỆU

Chương 1:
1. Chọn phát biểu sai:
a. Internet vạn vật khiến cho lượng dữ liệu được thu thập tăng cao.
b. AI sử dụng kết quả từ khoa học dữ liệu để có thể thông minh hơn, chính xác hơn.
c. Bigdata là công nghệ lưu trữ và khai thác dữ liệu có dung lượng lớn (volume), đa
dạng(variety), yêu cầu tốc độ cao (velocity) và có tính xác thực (Veracity).
d. Data mining là một phương pháp phân tích dữ liệu của khoa học dữ liệu.

2. Kết quả mà khoa học dữ liệu hướng đến là:

a. Dữ liệu
b. Thông tin
c. Tri thức
d. Tất cả đều đúng

Chương 2
1. Công cụ thống kê mô tả nào được sử dụng khi cần tổng hợp dữ liệu đa chiều
a. Subtotal
b. Consolidate
c. PivotTable
d. Tất cả đều sai

2. Công cụ thống kê mô tả nào có thể sử dụng trong trường hợp dữ liệu 2 chiều:
a. Subtotal
b. Consolidate
c. PivotTable
d. Tất cả đều đúng

3. Để hợp nhất dữ liệu từ nhiều bảng không cùng cấu trúc khác nhau ta sử dụng:
a. Subtotal
b. Consolidate
c. PivotTable
d. Tự làm bằng tay

4. Để tính chỉ số EMA của chứng khoán người ta sử dụng phương pháp nào sau đây:
a. Trung bình trượt (Moving Average)
b. San bằng mũ (Exponential Smoothing)
c. Hồi quy (Regression)
d. Tất cả đều sai

5. Để dự đoán xu hướng tăng/giảm của một mã chứng khoán bất kỳ dự trên thông tin
về giá cả,lượng cổ phiếu mua vào và bán ra của các ngày trước đó. Ta sử dụng công cụ
nào sau đây:
a. Trung bình trượt (Moving Average)
b. San bằng mũ (Exponential Smoothing)
c. Hồi quy (Regression)
d. Tất cả đều sai

Chương 3
1.Lựa chọn nào sau đây không phải là một bước trong quy trình khai thác dữ liệu:
a. Data Understading
b. Data preparatiion
c. Data mining
d. Evaluation

2. Thuộc tính “Loại khách hàng” có hai giá trị: “VIP”, “Premium” và “Economic” là
thuộc tính thuộc kiểu dữ liệu nào sau đây:
a. Liên tục
b. Rời rạc
c. Xếp hạng/thứ tự
d. Định danh
3. Tiền xử lý dữ liệu không bao gồm các bước nào sau đây:
a. Làm sạch dữ liệu
b. Chuyển đổi dữ liệu
c. Thu thập dữ liệu
d. Rút gọn dữ liệu

4. Có mấy cách dùng để xử lý khi dữ liệu bị thiếu:

a. 2
b. 3
c. 4
d. 5

5. Khi nào thì ta cần rời rạc hóa dữ liệu:

a. Dữ liệu bị thiếu
b. Dữ liệu thuộc kiểu số học
c. Dữ liệu thuộc kiểu định danh
d. Dữ liệu thuộc kiểu nhị phân

Chương 4
1. Phân lớp dữ liệu là thuộc phương pháp:
a. Không giám sát
b. Bán giám sát
c. Có giám sát
d. Phương pháp lai
2. Thuật toán phân lớp tham gia vào quá trình nào sau đây trong mô hình phân lớp dữ
liệu:
a. Huấn luyện
b. Kiểm thử
c. Đánh giá
d. Dự đoán

3. Thuật toán phân lớp nào sau đây cho phép xử lý trên nhiều kiểu/loại dữ liệu khác
nhau:
a. SVM
b. Cây quyết định
c. Logistic Regression
d. Mạng nơ ron

4. Trong orange, biến có kiểu dữ liệu categorical là để chỉ các thuộc tính:
a. Liên tục
b. Rời rạc
c. Định lượng
d. Số học

5. Đối với bài toán phân lớp đa nhãn thì chỉ số đánh giá nào thường được dùng để
đánh giá độ hiệu quả của mô hình phân lớp:
a. Precision
b. Recall
c. F1-score
d. Accuracy

6. Giá trị a[i;j] trong ma trận nhầm lẫn (confusion matrix) cho biết:
a. Số lượng mẫu i được phân vào đúng mẫu i
b. Số lượng mẫu i được phân nhầm vào mẫu j
c. Số lượng mẫu j được phân đúng vào mẫu j
d. Số lượng mẫu j được phân nhầm vào mẫu i

7. Phương pháp chọn mẫu dữ liệu nào sau đây dùng để khắc phục tình trạng over-
fitting:
a. Chọn mẫu ngẫu nhiên (Random sampling)
b. Đánh giá chéo (k-fold cross validation)
c. Hold-out
d. Huấn luyện và kiểm thử trên cùng tập dữ liệu

8. Một người bị nghi ngờ bệnh lao đi thực hiện xét nghiệm. Nếu kết quả xét nghiệm
cho thấy người này bị lao trong khi anh ta thật sự không mắc bệnh lao. Trường hợp
này, được gọi là:
a. Tỷ lệ bỏ sót
b. Độ nhạy
c. Tỷ lệ báo động nhầm
d. Độ lỗi

Chương 5
1. Phân cụm dữ liệu là thuộc phương pháp
a. Có giám sát
b. Không giám sát
c. Phương pháp lai
d. Bán giám sát

2. Một phương pháp phân cụm tốt là phương pháp cho kết quả phân cụm mà trong đó:
a. Độ tương đồng bên trong cụm cao, đồng thời độ tương đồng giữa các cụm cao.
b. Độ tương đồng bên trong cụm thấp, đồng thời độ tương đồng giữa các cụm cao.
c. Đô tương đồng bên trong cụm cao, đồng thời độ tương đồng giữa các cụm thấp.
d. Độ tương đồng bên trong cụm thấp, đồng thời độ tương đồng giữa các cụm thấp.

3. Thuật toán nào sau đây cho phép một phần tử có thể thuộc về một hoặc nhiều cụm
khác nhau:
a. Diana
b. K-mean
c. DBSCAN

4. Thuật toán phân cụm nào sau đây không cần biết trước số cụm:
a. K-mean
b. Agnes
c. Fuzzy C-mean
d. DBSCAN

5. Trong Orange, đối với thuật toán phân cụm phân cấp (HAC) để có được kết quả
phân cụm với sốlượng cụm cụ thể ta cần làm gì?
a. Chọn số lượng cụm k trên hộp thoại.
b. Chọn phương pháp tính khoảng cách trước khi chọn thuật toán.
c. Chọn đường cắt phù hợp trên cây phân cấp kết quả.
d. Không cần làm gì cả

6. So sánh kết quả giữa các mô hình để xem xét tính hiệu quả của việc phân cụm
thuộc cách đánh giá nào sau đây:
a. Đánh giá ngoài
b. Đánh giá trong
c. Đánh giá tương đối
d. Tất cả các cách trên

7. Trong Orange, đối với thuật toán K-mean, tham số đầu vào nào sau đây dùng để
kiểm soát trong trường hợp dữ liệu hội tụ chậm hoặc không hội tụ:
a. Số lượng cụm (number of cluster)
b. Khởi tạo các phần tử đại diện của cụm (Initialization)
c. Số lần chạy (re-runs)
d. Số lần lặp tối đa (maximum iterations)

ĐÁP ÁN
Chương 1 1a 2c
Chương 2 1c 2d 3b 4a 5c
Chương 3 1c 2d 3c 4a 5b
Chương 4 1c 2d 3b 4 5d 6b 7c 8c
Chương 5 1b 2c 3d 4b 5c 6a 7a