Câu hỏi về Khai phá dữ liệu

Thuật ngữ "data tombs" ám chỉ điều gì trong khám phá tri thức (Knowledge Discovery)?

• Các cụm dữ liệu có giá trị cao

• Các kho dữ liệu lỗi thời hoặc không được sử dụng

• Tập dữ liệu lớn trong kho dữ liệu

• Các điểm dữ liệu vừa được thu thập

Kỹ thuật phân cụm (clustering) trong khai phá dữ liệu giúp đạt được điều gì?

• Phân chia dữ liệu thành các nhóm có ý nghĩa

• Ghi chép các biến số

• Xác thực mô hình

• Dự đoán xu hướng tương lai

Mục đích của tích hợp dữ liệu (data integration) trong giai đoạn chuẩn bị dữ liệu là gì?

• Chuẩn hóa biến kết quả

• Tạo ra các biến kết quả mới

• Kết hợp dữ liệu từ nhiều nguồn khác nhau

• Loại bỏ dữ liệu trùng lặp

Quá trình xác định các mẫu ẩn trong dữ liệu được gọi là gì?

• Nhận dạng mẫu (Pattern recognition)

• Khám phá dữ liệu (Data discovery)

• Chuẩn bị dữ liệu (Data preparation)

• Tổng hợp tri thức (Knowledge synthesis)

Thuật ngữ nào thường được dùng thay thế cho "Khai phá dữ liệu" (Data Mining)?

• Thao tác dữ liệu (Data Manipulation)

• Phân tích mẫu (Pattern Analysis)

• Truy hồi thông tin (Information Retrieval)

• Khám phá tri thức trong cơ sở dữ liệu (KDD - Knowledge Discovery in Databases)

Bước đầu tiên khi áp dụng kỹ thuật khai phá dữ liệu theo mô hình CRISP-DM là gì?

• Chuẩn bị dữ liệu

• Triển khai mô hình

• Hiểu biết nghiệp vụ

• Xác thực mô hình

Cơ chế xã hội hóa (socialization) để khám phá tri thức được hỗ trợ tốt nhất trong môi trường nào sau đây?

• Các nhóm hợp tác làm việc trực tiếp

• Các nhóm làm việc hoàn toàn trực tuyến

• Các hình thức trao đổi dữ liệu

• Các lớp đào tạo chính thức

"Khám phá mẫu" (Pattern Discovery) có vai trò gì trong khai phá dữ liệu?

• Loại bỏ mẫu

• Tìm kiếm các phần tử dữ liệu lặp lại

• Mã hóa dữ liệu

• Nhập liệu

Một lợi ích chính của việc sử dụng kỹ thuật suy luận (inferential techniques) trong khai phá dữ liệu là gì?

Evaluate responses using AI:

OFF

Một lợi ích chính của việc sử dụng kỹ thuật suy luận (inferential techniques) trong khai phá dữ liệu là gì?

• Yêu cầu quan sát trực tiếp

• Dự đoán mẫu mà không cần kết quả cụ thể

• Biến đổi dữ liệu chi tiết

• Khả năng dự đoán xu hướng tương lai