Khoa học dữ liệu trong kinh tế và kinh doanh

Cho đoạn mã sau, kết quả in ra là gì? thuc_don = ["Cà phê đen", "Cà phê sữa", "Trà đào"] thuc_don[0] = "Cà phê muối" print(thuc_don[0], "-", thuc_don[-1])

• Cà phê đen - Trà đào
• Cà phê muối - Trà đào
• Cà phê muối - Cà phê đen
• Lỗi vì list bất biến

Giải thích: Đúng. Đáp án đúng là: Cà phê muối - Trà đào. Vì: List là kiểu thay đổi được (mutable) nên việc gán lại thuc_don[0] = "Cà phê muối" là hợp lệ và làm phần tử đầu tiên đổi thành "Cà phê muối". Khi in: thuc_don[0] là phần tử đầu ("Cà phê muối"), còn thuc_don[-1] là phần tử cuối ("Trà đào"). Kết quả: Cà phê muối - Trà đào. Tham khảo: Tài liệu đọc, Bài 2, mục 2.3.5, Tính bất biến (mutable vs immutable)

Trong Pandas, dữ liệu thiếu kiểu số được biểu diễn bằng ký hiệu nào?

• NaN
• NoT
• NaT
• Null

Giải thích: Đúng. Đáp án đúng là: NaN Vì: trong thư viện Pandas, NaN (Not a Number) là ký hiệu tiêu chuẩn được kế thừa từ cấu trúc dữ liệu mảng của NumPy để đại diện cho các giá trị khuyết thiếu hoặc không hợp lệ thuộc kiểu số. Tham khảo: Bài 6, mục 6.1.1.2. Các dạng biểu diễn dữ liệu thiếu phổ biến, slide 4

Trong dữ liệu time series, phương pháp nào phù hợp cho dữ liệu có tính ổn định (stable), ví dụ như giá cổ phiếu dao động nhẹ?

• Forward fill
• Backward fill
• Random Forest
• Mode

Giải thích: Đúng. Đáp án đúng là: Forward fill. Vì: Đối với dữ liệu chuỗi thời gian (time series) có tính chất ổn định hoặc biến động nhẹ như giá cổ phiếu, phương pháp "Forward fill" lấp đầy khoảng trống bằng giá trị hợp lệ liền trước gần nhất, giúp giữ vững xu hướng logic liên tục của dữ liệu mà không làm rò rỉ thông tin từ tương lai. Tham khảo: Bài 6, mục 6.1.4.1. Ba chiến lược xử lý dữ liệu thiếu kinh điển, slide 9, 15.

Lệnh kiểm tra kiểu dữ liệu của biến x trong Python là gì?

• check(x)
• getType(x)
• inspect(x)
• type(x)

Giải thích: Đúng. Đáp án đúng là: type(x). Vì: Để biết một biến (hay giá trị) thuộc kiểu dữ liệu nào, Python cung cấp sẵn hàm type(). Ví dụ type(5) cho , type("A") cho . Đây là hàm dựng sẵn, viết đúng cú pháp là type(x). Các tên check(x), getType(x), inspect(x) không phải hàm có sẵn của Python nên sẽ báo lỗi NameError. Tham khảo: Tài liệu đọc, Bài 2, mục 2.2.2, Các kiểu dữ liệu cơ bản

Trong Python, khi thực hiện câu lệnh df.loc[5] với DataFrame df, điều kiện để lệnh hoạt động là gì?

• DataFrame phải có 5 cột
• Index phải chứa nhãn (label) bằng 5
• DataFrame phải sắp xếp theo index
• DataFrame không được rỗng

Giải thích: Đúng. Đáp án đúng là: Index phải chứa nhãn (label) bằng 5 Vì: Trong Pandas, khi truy xuất dữ liệu sử dụng .loc[] thì sẽ sử dụng nhãn chỉ mục. Lệnh df.loc[5] sẽ tìm dòng có nhãn chỉ mục là 5. Do đó Index phải có nhãn chỉ mục 5. Tham khảo: Mục “4.4.3. Truy xuất dữ liệu theo hàng và cột”

Bước Tiền xử lý dữ liệu (Data preprocessing) bao gồm những hoạt động nào?

• Làm sạch dữ liệu, chuẩn hóa, và tạo đặc trưng mới.
• Xác định mục tiêu kinh doanh.
• Thu thập dữ liệu từ API.
• Nâng cấp hệ điều hành máy chủ.

Kết quả của đoạn mã sau là gì? x = 10 if x == 10: if x > 5: x *= 2 elif x < 20: x += 5 print(x)

• 10
• 15
• 20
• 25

Khi đọc dữ liệu từ file excel có nhiều trang tính (sheet), để đọc một trang tính cụ thể ta dùng tham số nào của hàm read_excel()?

• worksheet
• sheet
• sheet_name
• tab_name

Khi phân tích dữ liệu sử dụng thư viện pandas, khi nào nên giữ dữ liệu ở dạng “wide format”?

• Khi cần xây dựng mô hình phân tích.
• Khi cần trực quan hóa xu hướng theo thời gian.
• Khi trình bày báo cáo dưới dạng bảng cho người dùng cuối.
• Khi cần phân tích dữ liệu nhiều chiều.

Trong Python, để lấy danh sách tên cột trong DataFrame df ta sử dụng câu lệnh nào?

• df.columns
• df.keys()
• df.index
• df.fields

Đâu là cách sử dụng phù hợp của biểu đồ tần suất (Histogram) trong trực quan hoá dữ liệu?

• So sánh giá trị giữa các danh mục rời rạc
• Hiển thị phân bố của dữ liệu liên tục bằng cách chia thành các khoảng (bin)
• Thể hiện mối quan hệ giữa hai biến
• Minh hoạ tỷ trọng các thành phần trong tổng thể
• Một nhánh nhỏ của bộ phận công nghệ thông tin.

Chuyên gia phân tích dữ liệu tập trung vào nhiệm vụ gì?

• Xây dựng pipeline dữ liệu
• Khám phá xu hướng và diễn giải dữ liệu
• Triển khai mô hình học máy
• Thiết kế hạ tầng dữ liệu

Nếu DataFrame df có 10 hàng, thì kết quả khi thực hiện lệnh df.iloc[10] là gì?

• Lỗi IndexError
• Lấy hàng cuối
• Trả về DataFrame rỗng
• Trả về NaN

Operations Analyst tối ưu hóa điều gì?

• Quy trình vận hành và chuỗi cung ứng
• Mô hình học máy
• Hạ tầng dữ liệu
• Trải nghiệm nhân viên

Trong Pandas, lệnh df.dropna(axis=1) thực hiện thao tác gì trên DataFrame df?

• Xóa hàng có giá trị thiếu
• Xóa giá trị trùng
• Xóa cột có giá trị thiếu
• Xóa hàng đầu

Để trực quan hóa dữ liệu, khi so sánh nhiều danh mục độc lập tại một thời điểm nên sử dụng loại biểu đồ nào?

• Biểu đồ nhiệt (Heatmap) thể hiện cường độ theo màu
• Biểu đồ cột (Bar Chart) dùng để so sánh trực tiếp các danh mục
• Biểu đồ đường (Line Chart) thể hiện sự thay đổi liên tục
• Biểu đồ tròn (Pie chart) thể hiện tỷ lệ trong tổng

Để đọc một CSV không có header nhưng lại muốn dùng dòng thứ 3 của file làm tên cột, cách làm nào là chính xác và an toàn nhất?

• df = pd.read_csv(path, header=3)
• df = pd.read_csv(path, header=None); df.columns = df.iloc[2]; df = df.drop(2)
• df = pd.read_csv(path, name_line=2); df.columns = df.iloc[3]; df = df.drop(2)
• df = pd.read_csv(path) df.columns = df[3]

Trong giai đoạn khám phá dữ liệu bằng trực quan hóa, yếu tố nào cần được ưu tiên hàng đầu?

• Chuẩn định dạng cho in ấn
• Rõ ràng và nhanh để phát hiện mẫu
• Hình thức đẹp và hiệu ứng cao
• Màu sắc theo thương hiệu

Khi đọc file CSV, tham số nào của hàm read_csv() dùng để bỏ qua một số dòng đầu tiên trong file?

• ignore_lines
• hide_rows
• drop_first
• skiprows

Thiết kế gây hiểu sai dữ liệu (ví dụ: dùng hiệu ứng 3D, cắt trục, phối màu gây nhầm lẫn) trong trực quan hoá dữ liệu thường dẫn đến hậu quả nào sau đây?

• Làm biểu đồ kém hấp dẫn về mặt thẩm mỹ
• Khiến dữ liệu bị che giấu, gây nhầm lẫn hoặc làm người xem hiểu sai
• Làm biểu đồ quá đơn giản, thiếu chi tiết
• Giảm số lượng dữ liệu được hiển thị

Câu nào sau đây là cú pháp đúng để định nghĩa hàm trong Python?

• def myFunc:
• def myFunc():
• create function myFunc():
• function myFunc():

Trong thư viện pandas (Python), hàm concat() thường dùng để làm gì?

• Kết hợp theo khóa.
• Sắp xếp dữ liệu.
• Xóa cột.
• Nối nhiều DataFrame theo trục.

Trong ngôn ngữ Python, tên biến nào sau đây không hợp lệ?

• _count
• value2
• 2value
• my_value

Kỹ thuật điền giá trị thiếu bằng giá trị xuất hiện nhiều nhất gọi là gì?

• Mean imputation
• Median imputation
• Mode imputation
• Zero imputation

Trong một tập dữ liệu dự báo khả năng khách hàng mua sản phẩm, biến "Buy" nhận giá trị 0 hoặc 1. Biến này đóng vai trò:

• Label
• Feature
• Validation set
• Training set

Trong Python, phương thức nào dùng để xem 5 dòng cuối cùng của một DataFrame df?

• df.last(5)
• df.bottom(5)
• df.tail()
• df.end()

Trong quá trình làm sạch dữ liệu, khi loại bỏ các hàng chứa dữ liệu thiếu, nhược điểm chính là gì?

• Giảm kích thước mẫu.
• Tăng độ chính xác.
• Không có nhược điểm gì.
• Tăng tính ngẫu nhiên.

Phương thức describe() trên một DataFrame số sẽ trả về những thông tin gì?

• Chỉ có trung bình và độ lệch chuẩn
• Số lượng, trung bình, độ lệch chuẩn, min, max, và các phân vị
• Các giá trị duy nhất và tần suất của chúng
• Một biểu đồ histogram

Kết quả của đoạn mã sau là gì? x = 0 while x < 3: print(x, end =' ') x += 1

• 0 1 2
• 1 2 3
• 0 1 2 3
• Lỗi vòng lặp vô hạn

Để lấy dữ liệu các cột ‘A’ và ‘B’ trong DataFrame df, bạn sử dụng cú pháp nào?

• df[["A","B"]]
• df["A","B"]
• df.get(["A","B"])
• df("A","B")

Bước đầu tiên và quan trọng nhất trong chu trình khai thác dữ liệu là gì?

• Hiểu nghiệp vụ và xác định bài toán.
• Mua phần mềm xử lý dữ liệu.
• Vẽ biểu đồ trực quan hóa.
• Viết mã nguồn cho mô hình.

Công cụ thống kê cơ bản có thể được dùng để làm gì trong giai đoạn đầu của dự án phân tích kinh doanh?

• Nhận diện xu hướng, tính thời vụ và mối quan hệ giữa các đại lượng.
• Xử lý dữ liệu thiếu.
• Xác định mục tiêu tối ưu hóa của doanh nghiệp.
• Kiểm tra khả năng áp dụng các mô hình với dữ liệu.

Hoạt động chính trong bước Xác định bài toán là gì?

• Cài đặt môi trường lập trình.
• Xác định mục tiêu kinh doanh, tiêu chí thành công và chuyển đổi thành bài toán dữ liệu.
• Thu thập dữ liệu từ API.
• Xử lý giá trị bị thiếu (Missing values).

Marketing Analyst cần kỹ năng nào?

• Phân tích hiệu quả chi phí quảng cáo
• Thiết kế hệ thống ETL/ELT
• Xây dựng mô hình deep learning
• Quản lý hạ tầng đám mây

Phân tích dự đoán (Predictive Analytics) sử dụng kỹ thuật nào?

• Mô hình thống kê và học máy để ước lượng khả năng xảy ra sự kiện trong tương lai.
• Mô hình thống kê và học máy để giải thích lý do xảy ra sự kiện trong quá khứ.
• Công cụ giao tiếp và quản lý dự án.
• Hệ thống giám sát thời gian thực.

Bước Tiền xử lý dữ liệu (Data preprocessing) bao gồm những hoạt động nào?

• Làm sạch dữ liệu, chuẩn hóa, và tạo đặc trưng mới.
• Xác định mục tiêu kinh doanh.
• Thu thập dữ liệu từ API.
• Nâng cấp hệ điều hành máy chủ.

Yếu tố nào sau đây không phải là trụ cột chính của Khoa học dữ liệu?

• Quản lý nhân sự.
• Toán học và Thống kê.
• Khoa học máy tính.
• Kiến thức chuyên môn.

Trong bước xử lý dữ liệu, phân tích dữ liệu đóng vai trò gì?

• Xây dựng các mô hình học máy hiện đại.
• Đánh giá chất lượng dữ liệu và đề xuất phương án xử lý sai sót.
• Thiết kế hệ thống lưu trữ dữ liệu một cách khoa học.
• Triển khai mô hình trong thực tế.

Tư duy phân tích dữ liệu (data-analytic thinking) có vai trò gì trong việc ra quyết định?

• Tăng cường quyết định dựa trên cảm tính.
• Loại bỏ mọi yếu tố kinh nghiệm cá nhân.
• Cung cấp khung tư duy để đặt câu hỏi đúng, tổ chức phân tích và diễn giải kết quả.
• Tăng cường khả năng phán đoán dựa trên trực giác chủ quan.

Để ban giám đốc của một doanh nghiệp tin dùng một mô hình dự báo doanh thu, mô hình đó cần có đặc điểm gì?

• Đảm bảo tính chính xác về mặt học thuật và giải thích được sự tác động của các yếu tố đến doanh thu.
• Được viết bằng ngôn ngữ lập trình phổ biến nhất.
• Tốc độ xử lý nhanh.
• Luôn dự báo doanh thu tăng trưởng.

Trong Python, giá trị của biểu thức sau là gì? "abc"[1] + "xyz"[0]

• "ay"
• "by"
• "bx"
• "az"

Kết quả của đoạn mã sau là gì? t = (1, 2) + (3, 4) print(t)

• [1, 2, 3, 4]
• (3, 4, 1, 2)
• (1, 2, 3, 4)
• Lỗi

Câu lệnh nào sau đây khai báo biến hợp lệ trong Python?

• x = 5
• int x = 5
• var x = 5
• declare x = 5

Điều gì xảy ra khi thực hiện các phép gán sau: x = [1, 2, 3] y = x x[0] = 5

• y sẽ giữ nguyên giá trị [1, 2, 3]
• y sẽ thay đổi thành [5, 2, 3]
• Tạo ra lỗi vì danh sách là bất biến
• y và x sẽ trở thành hai đối tượng khác nhau

Kết quả của đoạn mã sau là gì? x = [1, [2, 3]] print(x[1][0])

• 1
• 2
• 3
• Lỗi

Câu lệnh nào sau đây tạo ra một danh sách (list) trong Python?

• list1 = [1, 2, 3]
• list1 = (1, 2, 3)
• list1 = {1, 2, 3}
• list1 = <1, 2, 3>

Cho đoạn mã sau, kết quả in ra là gì? thuc_don = ["Cà phê đen", "Cà phê sữa", "Trà đào"] thuc_don[0] = "Cà phê muối" print(thuc_don[0], "-", thuc_don[-1])

• Cà phê đen - Trà đào
• Cà phê muối - Trà đào
• Cà phê muối - Cà phê đen
• Lỗi vì list bất biến

Trong Python, câu lệnh tạo danh sách (list) rỗng là gì?

• list()
• [,]
• {}
• ()

Kết quả của đoạn mã sau là gì? s = "abcdef" print(s[1:4])

• "abc"
• "bcd"
• "cde"
• "bcde"

Cho đoạn mã sau, điều gì xảy ra? ngay_khai_truong = (16, 12, 2023) ngay_khai_truong[0] = 17 print(ngay_khai_truong)

• (17, 12, 2023)
• (16, 12, 2023)
• Báo lỗi
• 17

Trong Python, lệnh trả về danh sách các cặp (key, value) của từ điển d là gì?

• d.items()
• d.values()
• d.keys()
• d.pairs()

Kết quả của đoạn mã sau là gì? x = 10 while x >= 5: x -= 3 print(x)

• -2
• 1
• 2
• 4

Kết quả của đoạn mã sau là gì? x = 2 while x < 6: print(x, end=' ') x += 2

• 2 3 4 5
• 2 4 6
• 2 4
• 2 3 4

Kết quả của đoạn mã sau là gì? d = {"a": 1, "a": 2} print(d["a"])

• 1
• 2
• Không xác định
• Lỗi

Kết quả của đoạn mã sau là gì? def test(a, b=2): print(a + b) test(3)

• 2
• 3
• 5
• 2 3 5

Trong Python, vòng lặp for có thể thực hiện trên (các) kiểu dữ liệu nào?

• Chuỗi
• List
• Tuple
• Tất cả các phương án đều đúng

Cho từ điển d = {"a": 1, "b": 2}. Lệnh d["c"] = 3 làm gì?

• Gây lỗi
• Không thay đổi gì
• Thêm key "c" với giá trị 3
• Xóa toàn bộ dictionary

Trong Python, câu lệnh trả về danh sách các key của từ điển d là gì?

• d.values()
• d.keys()
• d.items()
• d.get()

Kết quả của đoạn mã sau là gì? d = {"a": [1,2,3]} d["a"].append(4) print(d["a"])

• [1, 2, 3]
• [4]
• [1, 2, 3, 4]
• Lỗi

Hàm trong Python được định nghĩa bằng từ khóa nào?

• function
• define
• def
• func

Với DataFrame df, sử dụng lệnh nào để tạo cột mới flag dựa trên điều kiện df['value'] > 10?

• df.flag = df.(value > 10)
• df['flag'] = df['value'] > 10
• df.flag(df.value > 10)
• df.where('flag', df.value > 10)

Nếu DataFrame df có 10 hàng, thì kết quả khi thực hiện lệnh df.iloc[10] là gì?

• Lỗi IndexError
• Lấy hàng cuối
• Trả về DataFrame rỗng
• Trả về NaN

Trong Python, phương thức nào dùng để xem 5 dòng cuối cùng của một DataFrame df?

• df.last(5)
• df.bottom(5)
• df.tail()
• df.end()

Trong ngôn ngữ Python, với DataFrame df, câu lệnh df.head(3) sẽ cho kết quả là gì?

• Ba cột đầu tiên của DataFrame df
• Ba hàng đầu tiên của DataFrame df
• Ba phần tử cuối của DataFrame df
• Toàn bộ DataFrame df

Trong Python, khi thực hiện câu lệnh df.loc[5] với DataFrame df, điều kiện để lệnh hoạt động là gì?

• DataFrame phải có 5 cột
• Index phải chứa nhãn (label) bằng 5
• DataFrame phải sắp xếp theo index
• DataFrame không được rỗng

Trong DataFrame, chỉ số hàng và chỉ số cột có thể có tên không?

• Chỉ chỉ số hàng có tên
• Chỉ chỉ số cột có tên
• Có, cả hai đều có thể có tên
• Không, cả hai đều không thể có tên

Trong Pandas, đâu là sự khác biệt chính giữa loc và iloc?

• Không có sự khác biệt
• loc dùng cho hàng, iloc dùng cho cột
• loc lựa chọn theo nhãn, iloc lựa chọn theo vị trí số nguyên
• iloc lựa chọn theo nhãn, loc lựa chọn theo vị trí số nguyên

Kết quả của đoạn code sau trả về gì? import pandas as pd df = pd.DataFrame({"a":[1,2,3], "b":[4,5,6]}) print(df["a"] > 1)

• Series chứa các giá trị True/False
• Chỉ in ra giá trị True
• Chỉ in ra giá trị lớn hơn 1
• Lỗi

Để lấy dữ liệu các cột ‘A’ và ‘B’ trong DataFrame df, bạn sử dụng cú pháp nào?

• df[["A","B"]]
• df["A","B"]
• df.get(["A","B"])
• df("A","B")

Với DataFrame df, lệnh nào chọn các hàng mà chỉ số của chúng ở vị trí chẵn?

• df.iloc[::2]
• df.loc[::2]
• df.index % 2 == 0
• df.take(even=True)

Giả sử bạn có một DataFrame df hỗn hợp gồm cả cột dữ liệu số (int, float) và cột dữ liệu chuỗi (object). Bạn muốn xử lý các giá trị thiếu (NaN) bằng cách thay thế chúng bằng số 0, nhưng chỉ áp dụng riêng cho các cột số để tránh làm sai lệch định dạng ở các cột chứa văn bản. Cách tiếp cận nào sau đây là chính xác?

• df.fillna(0, numeric_only=True)
• df.apply(lambda col: col.fillna(0) if col.dtype != 'O' else col)
• df.replace(np.nan, 0)
• df.dropna(subset='numeric')

File “data.csv” lưu dữ liệu bắt đầu từ dòng đầu tiên (không có tiêu đề cột). Câu lệnh hợp lý để đọc file và đặt tên cột là ["id","name","score"] là gì?

• df = pd.read_csv("data.csv", header=0, names=["id","name","score"], index_col=["id","name","score"])
• df = pd.read_csv("data.csv", header=None, names=["id","name","score"])
• df = pd.read_table("data.csv", names=None)
• df = pd.read_csv("data.csv", index_col=["id","name","score"])

Bạn cần đọc nhiều sheet từ file Excel lớn. Cách nào tránh phải mở file nhiều lần?

• Lặp lại pd.read_excel với sheet_name khác nhau và lưu mỗi sheet thành CSV.
• xfile = pd.ExcelFile("file.xlsx") xfile.parse("Sheet1") xfile.parse("Sheet2")
• Mở Excel và lưu mỗi sheet thành CSV
• Dùng pd.read_csv("file.xlsx")

Vì sao dùng ExcelWriter tốt hơn gọi to_excel nhiều lần cùng tên file nếu muốn có nhiều sheet?

• ExcelWriter luôn nhanh hơn và chính xác hơn tất cả các loại khác trong việc lưu dữ liệu trùng lặp
• Gọi to_excel nhiều lần thường ghi đè, ExcelWriter cho phép ghi nhiều sheet trong một phiên
• ExcelWriter tối ưu công thức Excel
• to_excel không hỗ trợ header

Bạn muốn đọc file report.xlsx nhưng chỉ đọc 50 dòng đầu tiên để xem trước dữ liệu. Lệnh nào nên dùng?

• pd.read_csv("report.xlsx", nrows=50)
• pd.read_excel("report.xlsx", read=100)
• pd.read_excel("report.xlsx", nrows=50)
• pd.read_excel("report.csv", head=50)

Bạn muốn đọc file report.csv nhưng chỉ đọc 100 dòng đầu tiên để xem trước dữ liệu. Lệnh nào nên dùng?

• pd.read_csv("report.csv", nrow=100)
• pd.read_csv("report.csv", read=100)
• pd.read_csv("report.csv", nrows=100)
• pd.read_csv("report.csv", head=100)

Hàm nào trong thư viện Pandas được dùng để ghi DataFrame df ra file CSV?

• df.save()
• df.write_csv()
• df.to_csv()
• df.export_csv()

Bạn đọc file prices.txt có nhiều cột dùng hàm read_csv() với tham số sep=";" nhưng DataFrame trả về chỉ có một cột. Nguyên nhân hợp lý nhất là?

• File rỗng.
• File prices.txt dùng tab hoặc "," để phân tách các cột dữ liệu chứ không phải ";".
• Pandas chỉ hỗ trợ sep=",".
• Phải dùng read_table mới nhiều cột.

File “sales.csv” có dòng đầu tiên là tên cột. Lệnh nào hợp lý nhất để đọc nội dung file vào DataFrame df?

• df = pd.read_table("sales.csv", header=None)
• df = pd.read_csv("sales.csv")
• df = pd.read_csv("sales.csv", header=None, index_col=0)
• df = pd.read_csv("sales.csv", names=["A","B","C"])

Trong hàm pd.read_csv(), nếu bạn muốn chủ động thiết lập danh sách tên cho các cột (thay vì sử dụng tên có sẵn trong tệp hoặc khi tệp không có dòng tiêu đề), bạn cần sử dụng tham số nào?

• rename
• set_names
• names
• columns

rong thư viện Pandas, giá trị nào được sử dụng để biểu diễn dữ liệu thiếu cho kiểu số?

• NaN.
• NULL.
• MISSING.
• EMPTY.

Kỹ thuật điền giá trị thiếu bằng giá trị xuất hiện nhiều nhất gọi là gì?

• Mean imputation
• Median imputation
• Mode imputation
• Zero imputation

Trong quá trình làm sạch dữ liệu, khi loại bỏ các hàng chứa dữ liệu thiếu, nhược điểm chính là gì?

• Giảm kích thước mẫu.
• Tăng độ chính xác.
• Không có nhược điểm gì.
• Tăng tính ngẫu nhiên.

Quá trình làm sạch dữ liệu thường bắt đầu bằng bước nào?

• Xây mô hình học máy và huấn luyện.
• Khám phá và hiểu dữ liệu.
• Loại bỏ toàn bộ dữ liệu bất thường (outlier).
• Mã hóa biến phân loại và biến số.

Một cột dữ liệu có 90% là giá trị thiếu, hướng xử lý tốt nhất thường là:

• Điền bằng Mean
• Điền bằng 0
• Thu thập thêm dữ liệu
• Loại bỏ cột đó

Tại sao không nên điền giá trị thiếu bằng Mean khi dữ liệu có Outliers?

• Vì Mean không tính được.
• Vì Mean quá nhỏ.
• Vì Mean sẽ bị kéo lệch bởi outlier.
• Vì Median tốt hơn trong mọi trường hợp.

Tại sao phương pháp chuẩn hóa dữ liệu MinMaxScaler lại rất nhạy (sensitive) với các giá trị ngoại lai (outliers)?

• Vì công thức tính toán sử dụng giá trị mean và variance.
• Vì MinMaxScaler phụ thuộc trực tiếp vào giá trị cực đại max và cực tiểu min, vốn là những giá trị dễ bị thay đổi do nhiễu ngoại lai.
• Vì phương pháp tự động loại bỏ các giá trị nằm ngoài khoảng [0, 1].
• Vì phương pháp không xử lý được các outliers là số âm.

Tại sao StandardScaler không làm thay đổi hình dạng phân phối của dữ liệu?

• Vì nó là phép biến đổi tuyến tính
• Vì nó nén dữ liệu
• Vì nó xóa outlier
• Vì nó dùng log

Trong Pandas, lệnh nào được sử dụng để thay thế các giá trị thiếu (NaN) bằng số 0 trong DataFrame df?

• df.dropna(0)
• df.zero()
• df.replace(0)
• df.fillna(0)

Trong trường hợp dữ liệu thiếu có pattern rõ ràng hoặc do nguyên nhân đặc biệt, chiến lược phù hợp nhất là gì?

• Thay thế ngay bằng mean
• Loại bỏ tất cả dữ liệu thiếu
• Phân tích nguyên nhân và chọn phương pháp phù hợp
• Dự đoán bằng mô hình tối ưu nhất kèm tăng thời gian huấn luyện

Trong thư viện pandas (Python), sau khi dùng hàm groupby(), thao tác nào thường được thực hiện tiếp theo?

• Xóa dữ liệu.
• Vẽ biểu đồ.
• Áp dụng phép tổng hợp như hàm sum() hoặc hàm mean().
• Đổi tên cột.

Khi thực hiện phép gộp hai DataFrame bằng phương thức merge trong thư viện Pandas, nếu muốn sử dụng index của DataFrame ở bên phải làm khóa để nối hai bảng, ta cần dùng tham số nào?

• index_right=True
• right_index=True
• on_index=True
• use_index=True

Khi sử dụng phương thức concat trong thư viện Pandas, tham số axis dùng để chỉ định điều gì?

• Số lượng DataFrame được nối.
• Kiểu dữ liệu của các cột.
• Trục mà theo đó các DataFrame được nối.
• Phương thức điền giá trị thiếu.

Câu lệnh sau đây thực hiện thao tác biến đổi nào trên DataFrame df? pandas.melt(df, id_vars="key", value_vars=["A", "B"])

• Chuyển đổi dữ liệu từ dạng dài (long) sang dạng rộng (wide).
• Chuyển các cột "A", "B" thành các hàng, giữ nguyên cột "key" làm cột định danh.
• Gộp hai cột "A" và "B" thành một cột tổng hợp tên là "key".
• Xóa cột "A" và "B", chỉ giữ lại cột "key".

Khi biến đổi dữ liệu sử dụng thư viện Pandas (Python), bạn muốn sắp xếp các hàng của DataFrame df theo thứ tự giá trị giảm dần của cột 'DoanhThu'. Câu lệnh nào sau đây thực hiện yêu cầu trên?

• df.sort_index(by='DoanhThu', ascending=False)
• df.sort_values(by='DoanhThu', ascending=False)
• df.order_by('DoanhThu')
• df.sort('DoanhThu', descending=True)

Trong thư viện pandas (Python), giả sử có DataFrame với index [2,0,1]. Khi gọi hàm sort_index(), index mới là gì?

• [2,0,1]
• Báo lỗi
• [1,0,2]
• [0,1,2]

Trong thư viện Pandas (Python), khi bạn thực hiện lệnh df.unstack().stack() trên DataFrame df có chỉ số phân cấp (MultiIndex), kết quả trả về là gì?

• Toàn bộ bảng sẽ bị chuyển vị, biến hàng thành cột và cột thành hàng.
• Dữ liệu sẽ bị xóa bỏ các cấp chỉ số và chỉ còn lại một cấp duy nhất.
• Báo lỗi vì không thể thực hiện hai lệnh ngược nhau cùng một lúc.
• Dữ liệu vẫn có hình dạng ban đầu.

Trong thư viện pandas (Python), hàm sort_index(level=...) được dùng trong trường hợp nào?

• Sắp xếp theo một cấp cụ thể của MultiIndex.
• Đặt lại index.
• Xóa cấp index.
• Sắp xếp theo giá trị cột.

Khi phân tích dữ liệu sử dụng thư viện pandas, thực hiện ghép dữ liệu theo chiều dọc (theo hàng) từ nhiều nguồn khác nhau, rủi ro phân tích lớn nhất có thể xảy ra là gì?

• Sai đơn vị đo dẫn đến tổng hợp sai.
• Trùng lặp quan sát dẫn đến sai lệch kết quả tổng hợp.
• Mất khóa định danh.
• Tăng dung lượng lưu trữ.

Trong thư viện pandas (Python), sau khi dùng hàm stack() trên DataFrame df, hàm nào sau đây được sử dụng để khôi phục lại cấu trúc bảng ban đầu?

• df.unstack()
• df.melt()
• df.pivot()
• df.explode()

Khi thiết kế, câu hỏi nào nên được đặt ra đầu tiên khi chọn loại biểu đồ?

• Mục tiêu trình bày là gì: so sánh, phân bố, mối quan hệ hay thành phần?
• Nên dùng bao nhiêu màu để biểu đồ trông đẹp mắt?
• Biểu đồ nào đang được sử dụng nhiều nhất hiện nay?
• Nên dùng biểu đồ nào để tiết kiệm không gian hiển thị?

Đâu là cách sử dụng phù hợp của biểu đồ tần suất (Histogram) trong trực quan hoá dữ liệu?

• So sánh giá trị giữa các danh mục rời rạc
• Hiển thị phân bố của dữ liệu liên tục bằng cách chia thành các khoảng (bin)
• Thể hiện mối quan hệ giữa hai biến
• Minh hoạ tỷ trọng các thành phần trong tổng thể
• Một nhánh nhỏ của bộ phận công nghệ thông tin.

Khi trình bày dữ liệu bằng biểu đồ cột 2D, hành động nào dưới đây vi phạm nghiêm trọng nguyên tắc trung thực trong trực quan hoá dữ liệu?

• Ghi rõ đơn vị đo và nguồn dữ liệu dưới biểu đồ
• Giữ nguyên toàn bộ phạm vi trục Y, kể cả khi các giá trị tập trung trong khoảng hẹp
• Cắt trục Y bắt đầu từ một giá trị lớn hơn 0 để làm khác biệt giữa các nhóm trông rõ rệt hơn
• Thêm chú thích giải thích bối cảnh dữ liệu cho người đọc

Khi trực quan hoá dữ liệu, thực hành nào sau đây nên tránh khi sử dụng màu sắc trong biểu đồ?

• Giới hạn số màu để giảm tải nhận thức
• Kiểm tra khả năng hiển thị với người khiếm khuyết thị giác màu
• Dùng màu sắc để nhấn mạnh thông tin quan trọng
• Sử dụng quá nhiều màu và các cặp màu không thân thiện với người mù màu

Trong một báo cáo tài chính, để nhấn mạnh lợi nhuận đang tăng trưởng mạnh, người lập báo cáo đã sử dụng biểu đồ đường với các mốc thời gian trên trục hoành không đều nhau nhưng lại được vẽ cách đều nhau. Việc này tạo ra cảm giác tăng trưởng dốc đứng và liên tục, gây hiểu lầm cho người xem. Hành động này vi phạm nguyên tắc nào sau đây trong trực quan hóa dữ liệu?

• Trung thực (Truthful)
• Có mục tiêu (Goal-oriented)
• Rõ ràng (Clarity)
• Khả dụng (Usability)

Một công ty muốn dùng màu sắc để làm nổi bật các khung giờ cao điểm nhất trong tuần nhằm sắp xếp nhân sự hợp lý. Loại biểu đồ nào hiệu quả nhất để hiển thị mô hình này?

• Biểu đồ tròn (Pie chart)
• Biểu đồ nhiệt (Heatmap)
• Biểu đồ phân tán (Scatter plot)
• Biểu đồ cột ngang (Bar chart)

Trong thư viện Matplotlib, hàm plt.title() được dùng để làm gì khi tạo biểu đồ?

• Đặt tên trục x.
• Đặt tiêu đề biểu đồ.
• Đặt màu biểu đồ.
• Xoay nhãn trục.

Một công ty có dữ liệu về "Số tiền chi cho quảng cáo" (Biến X) và "Doanh thu bán hàng" (Biến Y) của 100 cửa hàng khác nhau. Họ cần xác định xem chi nhiều tiền quảng cáo hơn có thực sự dẫn đến doanh thu cao hơn không (tương quan thuận). Loại biểu đồ nào giúp quan sát mối quan hệ giữa hai biến số này tốt nhất?

• Biểu đồ nhiệt (Heatmap)
• Biểu đồ tròn (Pie chart)
• Biểu đồ tần suất (Histogram)
• Biểu đồ phân tán (Scatter plot)

Để trực quan hóa dữ liệu, khi so sánh nhiều danh mục độc lập tại một thời điểm nên sử dụng loại biểu đồ nào?

• Biểu đồ nhiệt (Heatmap) thể hiện cường độ theo màu
• Biểu đồ cột (Bar Chart) dùng để so sánh trực tiếp các danh mục
• Biểu đồ đường (Line Chart) thể hiện sự thay đổi liên tục
• Biểu đồ tròn (Pie chart) thể hiện tỷ lệ trong tổng

Trực quan hóa dữ liệu với biểu đồ nhiệt (Heatmap) thường được sử dụng hiệu quả nhất trong trường hợp nào?

• Trình bày dữ liệu dạng văn bản
• Phân tích dữ liệu đơn biến
• Phân tích dữ liệu dạng ma trận hai chiều
• So sánh dữ liệu theo chuỗi thời gian

Một mô hình phân lớp có: · TP = 40 · FP = 10 Giá trị Precision bằng:

• 0.40
• 0.50
• 0.80
• 0.90

Bước đầu tiên trong quy trình xây dựng mô hình học máy là:

• Thu thập dữ liệu
• Đánh giá mô hình
• Triển khai mô hình
• Huấn luyện mô hình

Một doanh nghiệp muốn chia khách hàng thành các nhóm có hành vi mua sắm tương đồng để xây dựng chiến lược marketing riêng cho từng nhóm. Doanh nghiệp không có thông tin khách hàng thuộc nhóm nào từ trước. Phương pháp học máy nào phù hợp nhất?

• Hồi quy tuyến tính
• Hồi quy Logistic
• Học không có giám sát
• Học có giám sát

Một mô hình phân lớp có: Precision = 0,95, Recall = 0,50. Nhận xét nào phù hợp nhất?

• Hầu hết các mẫu được mô hình gán nhãn là 1 có nhãn thực tế là 1. Nhưng nhiều mẫu có nhãn thực tế là 1 bị mô hình gán nhãn là 0.
• Mô hình phát hiện được hầu hết các mẫu có nhãn là 1.
• Mô hình có Accuracy bằng 95%.
• Mô hình hoạt động hoàn hảo.

Trong ma trận nhầm lẫn, TP (True Positive) là:

• Mẫu thực tế là 1 và dự đoán là 1
• Mẫu thực tế là 0 và dự đoán là 0
• Mẫu thực tế là 1 nhưng dự đoán là 0
• Mẫu thực tế là 0 nhưng dự đoán là 1

Nếu mô hình Logistic dự báo: và ngưỡng phân loại là 0,5 thì mẫu dữ liệu được gán vào lớp:

• 0
• 1
• -1
• Không xác định

Trong Hồi quy Logistic, hàm sigmoid có nhiệm vụ:

• Chuẩn hóa dữ liệu
• Tính đạo hàm
• Chia dữ liệu thành các cụm
• Chuyển đầu ra thành xác suất

Học máy (Machine Learning) là một lĩnh vực thuộc:

• Cơ sở dữ liệu
• Trí tuệ nhân tạo
• Mạng máy tính
• Hệ điều hành

Trong học máy, tập dữ liệu được sử dụng để huấn luyện mô hình được gọi là:

• Tập kiểm tra
• Tập xác thực
• Tập huấn luyện
• Tập đầu ra