Câu hỏi về Dữ liệu lớn

1. What are the three types of diverse data sources in Big Data? (Ba loại nguồn dữ liệu đa dạng là gì?)

• A. Structured, Semi-structured, Unstructured (Có cấu trúc, Bán cấu trúc, Không cấu trúc)

• B. Text, Numbers, Images (Văn bản, Số, Hình ảnh)

• C. Databases, Files, Logs (Cơ sở dữ liệu, Tệp, Nhật ký)

• D. Internal, External, Hybrid (Nội bộ, Bên ngoài, Kết hợp)

2. What is the most compelling reason mobile advertising relates to Big Data? (Lý do thuyết phục nhất tại sao quảng cáo di động liên quan đến dữ liệu lớn?)

• A. It uses small datasets (Nó sử dụng tập dữ liệu nhỏ)

• B. It integrates location data, leveraging Big Data (Nó tích hợp dữ liệu vị trí, tận dụng dữ liệu lớn)

• C. It avoids real-time processing (Nó tránh xử lý thời gian thực)

• D. It focuses on static ads (Nó tập trung vào quảng cáo tĩnh)

3. Amazon’s review data shows 90% 5/5 ratings, but 50% lack proof of purchase. What is true about this data? (Amazon đã thu thập dữ liệu đánh giá... điều nào sau đây đúng?)

• A. It has high veracity (Nó có độ tin cậy cao)

• B. It may have veracity issues due to authenticity (Nó có thể có vấn đề độ tin cậy do tính xác thực)

• C. It is low in volume (Nó có khối lượng thấp)

• D. It is fully structured (Nó hoàn toàn có cấu trúc)

4. What is a key challenge with high-volume Big Data? (Những thách thức với dữ liệu lớn có khối lượng lớn là gì?)

• A. Limited variety (Sự đa dạng hạn chế)

• B. High storage and processing needs (Nhu cầu lưu trữ và xử lý cao)
  

• C. Slow velocity (Tốc độ chậm)

• D. Low value (Giá trị thấp)

5. Which is NOT part of the 5 P’s of Data Science? (Đâu là yếu tố KHÔNG thuộc 5P của khoa học dữ liệu?)

• A. People (Con người)

• B. Problem (Vấn đề)

• C. Profit (Lợi nhuận)
  

• D. Process (Quy trình)

6. What is the first step in finding a right problem to tackle in Data Science? (Bước đầu tiên để tìm ra vấn đề phù hợp trong khoa học dữ liệu là gì?)

• A. Collecting data (Thu thập dữ liệu)

• B. Defining the problem (Xác định vấn đề)

• C. Processing data (Xử lý dữ liệu)

• D. Building models (Xây dựng mô hình)

7. Which of the Vs best describes challenges from increasing graph edges? (Đặc điểm nào mô tả tốt nhất thách thức từ số cạnh tăng liên tục?)

• A. Volume (Khối lượng)

• B. Velocity (Tốc độ)

• C. Variety (Sự đa dạng)

• D. Veracity (Độ tin cậy)

8. Which V causes challenges from diverse data formats and sources? (Đặc điểm nào dẫn đến thách thức từ đa dạng định dạng và nguồn dữ liệu?)

• A. Volume (Khối lượng)

• B. Velocity (Tốc độ)

• C. Variety (Sự đa dạng)

• D. Value (Giá trị)

9. How does Spark differ from Hadoop in terms of data storage and processing speed? (Spark khác Hadoop như thế nào về lưu trữ và tốc độ xử lý?)

• A. Spark is slower due to disk usage (Spark chậm hơn do dùng đĩa)

• B. Spark uses in-memory, making it faster (Spark dùng bộ nhớ, nhanh hơn)

• C. Both are equally fast (Cả hai đều nhanh như nhau)

• D. Hadoop uses in-memory (Hadoop dùng bộ nhớ)

10. What is Apache Hadoop? (Apache Hadoop là gì?)

• A. A database system (Hệ thống cơ sở dữ liệu)

• B. A framework for distributed storage and processing (Khung cho lưu trữ và xử lý phân tán)

• C. A real-time tool (Công cụ thời gian thực)

• D. A machine learning library (Thư viện học máy)