Font size
WorksheetsCâu hỏi về Dữ liệu lớn
Total questions: 155
Worksheet time: 1hrs 18mins
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)
11. Invoices in PDF, images, and scans represent what type of data? (Hóa đơn ở PDF, hình ảnh, tài liệu quét là loại dữ liệu nào?)
A. Structured (Có cấu trúc)
B. Semi-structured (Bán cấu trúc)
C. Unstructured (Không cấu trúc)
D. Relational (Quan hệ)
12. Which is an example of machine-generated Big Data? (Ví dụ nào về dữ liệu lớn do máy tạo ra?)
A. Social media posts (Bài đăng mạng xã hội)
B. Sensor readings (Dữ liệu cảm biến)
C. Customer reviews (Đánh giá khách hàng)
D. Emails (Thư điện tử)
13. Which source contributes to Big Data generated by people? (Nguồn nào đóng góp vào dữ liệu lớn do con người tạo ra?)
A. Weather sensors (Cảm biến thời tiết)
B. Social media activity (Hoạt động mạng xã hội)
C. Machine logs (Nhật ký máy)
D. Traffic cameras (Camera giao thông)
14. Which is an example of Big Data utilized in action today? (Ví dụ nào về dữ liệu lớn được sử dụng hiện nay?)
A. Manual record-keeping (Ghi chép thủ công)
B. Real-time traffic analysis (Phân tích giao thông thời gian thực)
C. Paper-based surveys (Khảo sát trên giấy)
D. Single-user spreadsheets (Bảng tính cá nhân)
15. Where does the real value of Big Data often come from? (Giá trị thực sự của dữ liệu lớn thường đến từ đâu?)
A. Data volume (Khối lượng dữ liệu)
B. Data insights and patterns (Thông tin chi tiết và mẫu dữ liệu)
C. Data storage (Lưu trữ dữ liệu)
D. Data velocity (Tốc độ dữ liệu)
16. What does veracity of Big Data refer to? (Độ tin cậy của dữ liệu lớn là gì?)
A. Speed of data generation (Tốc độ tạo dữ liệu)
B. Trustworthiness and accuracy (Độ tin cậy và chính xác)
C. Variety of data types (Sự đa dạng của loại dữ liệu)
D. Volume of data (Khối lượng dữ liệu)
17. What are the challenges of data with high variety? (Thách thức của dữ liệu có tính đa dạng cao là gì?)
A. Low storage needs (Nhu cầu lưu trữ thấp)
B. Difficulty integrating diverse formats (Khó tích hợp định dạng đa dạng)
C. Slow processing speed (Tốc độ xử lý chậm)
D. Reduced data volume (Khối lượng dữ liệu giảm)
18. Which best describes why real-time data processing is crucial? (Cách nào mô tả tốt nhất tại sao xử lý dữ liệu thời gian thực quan trọng?)
A. It reduces storage costs (Nó giảm chi phí lưu trữ)
B. It enables immediate decision-making (Nó cho phép ra quyết định tức thì)
C. It simplifies data variety (Nó đơn giản hóa sự đa dạng dữ liệu)
D. It lowers data volume (Nó giảm khối lượng dữ liệu)
32. Why is "People" considered an important aspect of Data Science? (Tại sao "Con người" được coi là khía cạnh quan trọng của Khoa học Dữ liệu?)
A. They generate all data (Họ tạo ra tất cả dữ liệu)
B. They provide expertise and context (Họ cung cấp chuyên môn và bối cảnh)
C. They replace algorithms (Họ thay thế thuật toán)
D. They reduce data volume (Họ giảm khối lượng dữ liệu)
33. What is the role of "Problem" in the 5 P’s of Data Science? (Vai trò của "Vấn đề" trong 5P của Khoa học Dữ liệu là gì?)
A. It defines data collection (Nó xác định việc thu thập dữ liệu)
B. It guides analysis objectives (Nó dẫn dắt mục tiêu phân tích)
C. It processes the data (Nó xử lý dữ liệu)
D. It stores results (Nó lưu trữ kết quả)
34. What does "Process" refer to in the 5 P’s of Data Science? (Trong 5P, "Quy trình" là gì?)
A. The tools used (Công cụ được sử dụng)
B. The steps to analyze data (Các bước để phân tích dữ liệu)
C. The final product (Sản phẩm cuối cùng)
D. The team involved (Đội ngũ tham gia)
35. Which is NOT an advantage of using MapReduce? (Điều nào KHÔNG phải lợi thế của MapReduce?)
A. Scalability (Khả năng mở rộng)
B. Fault tolerance (Khả năng chịu lỗi)
C. Real-time processing (Xử lý thời gian thực)
D. Parallel processing (Xử lý song song)
36. A company analyzing email feedback detects complaints. What type of data is this? (Loại dữ liệu nào đang được xử lý từ phản hồi email?)
A. Structured (Có cấu trúc)
B. Semi-structured (Bán cấu trúc)
C. Unstructured (Không cấu trúc)
D. Binary (Nhị phân)
37. User profiles in JSON with varying attributes are what type of data? (Hồ sơ người dùng JSON với thuộc tính khác nhau là loại dữ liệu nào?)
A. Structured (Có cấu trúc)
B. Semi-structured (Bán cấu trúc)
C. Unstructured (Không cấu trúc)
D. Relational (Quan hệ)
38. Configuration settings in XML are what type of data? (Cài đặt cấu hình trong XML là loại dữ liệu nào?)
A. Structured (Có cấu trúc)
B. Semi-structured (Bán cấu trúc)
C. Unstructured (Không cấu trúc)
D. Binary (Nhị phân)
39. A social media platform collecting millions of posts daily reflects which characteristic? (Thu thập hàng triệu bài đăng mỗi ngày thể hiện đặc điểm nào?)
A. Volume (Khối lượng)
B. Velocity (Tốc độ)
C. Variety (Sự đa dạng)
D. Veracity (Độ tin cậy)
40. A stock trading system processing thousands of transactions per second represents which characteristic? (Xử lý hàng nghìn giao dịch mỗi giây thể hiện đặc điểm nào?)
Volume (Khối lượng)
Velocity (Tốc độ)
Variety (Sự đa dạng)
Value (Giá trị)
41. Missing values and inconsistent formats in feedback challenge which characteristic? (Giá trị thiếu và định dạng không nhất quán thách thức đặc điểm nào?)
Volume (Khối lượng)
Variety (Sự đa dạng)
Veracity (Độ tin cậy)
Velocity (Tốc độ)
42. Which is NOT one of the 6Vs of Big Data? (Cái nào KHÔNG phải 6V của dữ liệu lớn?)
Volume (Khối lượng)
Velocity (Tốc độ)
Vision (Tầm nhìn)
Variety (Sự đa dạng)
43. Which framework uses in-memory computation for faster performance? (Khung nào dùng tính toán trong bộ nhớ để hiệu suất nhanh hơn?)
Apache Hadoop (Apache Hadoop)
Apache Spark (Apache Spark)
Apache Hive (Apache Hive)
Apache Pig (Apache Pig)
44. Raw video footage from surveillance cameras is what type of data? (Đoạn phim video thô từ camera giám sát là loại dữ liệu nào?)
Structured (Có cấu trúc)
Semi-structured (Bán cấu trúc)
Unstructured (Không cấu trúc)
Relational (Quan hệ)
45. What is the biggest challenge for a self-driving car processing real-time sensor data? (Thách thức lớn nhất khi xe tự lái xử lý dữ liệu cảm biến thời gian thực là gì?)
Volume (Khối lượng)
Velocity (Tốc độ)
Variety (Sự đa dạng)
Veracity (Độ tin cậy)
46. If a dataset is 5 terabytes (TB), how many gigabytes (GB) is it approximately? (Nếu tập dữ liệu là 5 TB, nó khoảng bao nhiêu GB?)
500 GB (500 GB)
5,000 GB (5,000 GB)
50,000 GB (50,000 GB)
500,000 GB (500,000 GB)
47. How is structured data typically stored? (Dữ liệu có cấu trúc thường được lưu trữ như thế nào?)
In JSON files (Trong tệp JSON)
In relational databases (Trong cơ sở dữ liệu quan hệ)
As raw text (Dưới dạng văn bản thô)
In images (Trong hình ảnh)
48. Which NoSQL database supports ACID transactions by default? (Cơ sở dữ liệu NoSQL nào hỗ trợ giao dịch ACID mặc định?)
MongoDB (MongoDB)
Cassandra (Cassandra)
CouchDB (CouchDB)
FaunaDB (FaunaDB)
49. What is the primary characteristic of a relational database? (Đặc điểm chính của cơ sở dữ liệu quan hệ là gì?)
Flexible schema (Lược đồ linh hoạt)
Key-value storage (Lưu trữ khóa-giá trị)
Tabular structure with relationships (Cấu trúc bảng với mối quan hệ)
Document-based
50. What is the main disadvantage of Schema on Read? (Nhược điểm chính của Schema on Read là gì?)
High storage cost (Chi phí lưu trữ cao)
Processing overhead at query time (Gánh nặng xử lý lúc truy vấn)
Rigid structure (Cấu trúc cứng nhắc)
Slow data ingestion (Nhập dữ liệu chậm)
51. When would a company prefer a Data Warehouse over a Data Lake? (Khi nào công ty thích Data Warehouse hơn Data Lake?)
For raw, unstructured data (Cho dữ liệu thô, không cấu trúc)
For structured, analytical reporting (Cho báo cáo phân tích có cấu trúc)
For real-time streaming (Cho truyền dữ liệu thời gian thực)
For machine learning models (Cho mô hình học máy)
52. What is a method to improve data collection accuracy? (Phương pháp nào cải thiện độ chính xác thu thập dữ liệu?)
Increase data volume (Tăng khối lượng dữ liệu)
Use validation checks (Sử dụng kiểm tra xác thực)
Reduce data variety (Giảm sự đa dạng dữ liệu)
Process data slower (Xử lý dữ liệu chậm hơn)
53. What technology is commonly used for distributed storage and processing of Big Data? (Công nghệ nào thường dùng cho lưu trữ và xử lý phân tán dữ liệu lớn?)
MySQL (MySQL)
Hadoop (Hadoop)
Excel (Excel)
SQLite (SQLite)
54. What is the process of cleaning, normalizing, and transforming raw data for analysis? (Quá trình làm sạch, chuẩn hóa, chuyển đổi dữ liệu thô là gì?)
Data modeling (Mô hình hóa dữ liệu)
Data preprocessing (Tiền xử lý dữ liệu)
Data visualization (Hiển thị dữ liệu)
Data storage (Lưu trữ dữ liệu)
55. How does a graph database differ from a relational database (RDBMS)? (Cơ sở dữ liệu đồ thị khác RDBMS như thế nào?)
It uses tables instead of nodes (Nó dùng bảng thay vì nút)
It focuses on relationships with nodes and edges (Nó tập trung vào mối quan hệ với nút và cạnh)
It enforces rigid schema (Nó áp dụng lược đồ cứng nhắc)
It avoids indexing (Nó tránh lập chỉ mục)
56. What method should a telecom use to detect customer types based on usage? (Phương pháp nào để phát hiện loại khách hàng dựa trên mức sử dụng?)
Clustering (Phân cụm)
Regression (Hồi quy)
Classification (Phân loại)
Association (Liên kết)
57. A hospital collecting patient records and X-rays represents which characteristic? (Bệnh viện thu thập hồ sơ và X-quang thể hiện đặc điểm nào?)
Volume (Khối lượng)
Velocity (Tốc độ)
Variety (Sự đa dạng)
Veracity (Độ tin cậy)
58. Which processing type handles data in real-time as events arrive? (Loại xử lý nào xử lý dữ liệu thời gian thực khi sự kiện đến?)
Volume (Khối lượng)
Velocity (Tốc độ)
Variety (Sự đa dạng)
Veracity (Độ tin cậy)
59. Which processing method has higher latency due to scheduled intervals? (Phương pháp nào có độ trễ cao hơn do xử lý theo lịch?)
Batch processing (Xử lý hàng loạt)
Stream processing (Xử lý luồng)
MapReduce (MapReduce)
ETL processing (Xử lý ETL)
59. Which processing method has higher latency due to scheduled intervals? (Phương pháp nào có độ trễ cao hơn do xử lý theo lịch?)
Stream processing (Xử lý luồng)
Batch processing (Xử lý hàng loạt)
In-memory processing (Xử lý trong bộ nhớ)
Real-time processing (Xử lý thời gian thực)
60. Which processing type is ideal for real-time fraud detection in banking? (Loại xử lý nào lý tưởng cho phát hiện gian lận thời gian thực trong ngân hàng?)
Batch processing (Xử lý hàng loạt)
Stream processing (Xử lý luồng)
MapReduce (MapReduce)
Offline processing (Xử lý ngoại tuyến)
61. Which database type prioritizes ACID properties? (Loại cơ sở dữ liệu nào ưu tiên thuộc tính ACID?)
NoSQL (NoSQL)
Relational (Quan hệ)
Graph (Đồ thị)
Key-value (Khóa-giá trị)
62. When should you choose BASE over ACID? (Khi nào nên chọn BASE hơn ACID?)
For strict consistency (Cho tính nhất quán nghiêm ngặt)
For high availability and scalability (Cho tính khả dụng và khả năng mở rộng cao)
For small datasets (Cho tập dữ liệu nhỏ)
For offline processing (Cho xử lý ngoại tuyến)
63. What does "C" stand for in CAP Theorem? ("C" trong Định lý CAP là gì?)
Consistency (Tính nhất quán)
Capacity (Dung lượng)
Concurrency (Đồng thời)
Connectivity (Kết nối)
64. Which cloud service provides scalable infrastructure for data engineering? (Dịch vụ đám mây nào cung cấp cơ sở hạ tầng mở rộng cho kỹ thuật dữ liệu?)
AWS S3 (AWS S3)
Microsoft Word (Microsoft Word)
Google Sheets (Google Sheets)
Adobe Photoshop (Adobe Photoshop)
65. Which defines data transformation? (Cái nào định nghĩa chuyển đổi dữ liệu?)
Storing data (Lưu trữ dữ liệu)
Converting data into a usable format (Chuyển đổi dữ liệu thành định dạng sử dụng được)
Collecting data (Thu thập dữ liệu)
Deleting data (Xóa dữ liệu)
66. Reading from the database is synonymous with which process? (Đọc từ cơ sở dữ liệu đồng nghĩa với quá trình nào?)
Data insertion (Chèn dữ liệu)
Data retrieval (Truy xuất dữ liệu)
Data deletion (Xóa dữ liệu)
Data update (Cập nhật dữ liệu)
67. Which query finds users where age is greater than 18? (Truy vấn nào tìm người dùng có tuổi lớn hơn 18?)
SELECT * FROM users WHERE age > 18
SELECT * FROM users WHERE age < 18
C. SELECT age FROM users WHERE age = 18
D. SELECT * FROM users WHERE age >= 18
68. What is the correct Pandas function for loading CSV files into a DataFrame? (Hàm Pandas nào đúng để tải tệp CSV vào DataFrame?)
pd.read_csv()
pd.load_csv()
pd.import_csv()
pd.csv_read()
69. Which best describes the core concept behind data retrieval? (Cái nào mô tả tốt nhất khái niệm cốt lõi của truy xuất dữ liệu?)
Lưu trữ dữ liệu
Lấy dữ liệu từ nguồn
Chuyển đổi dữ liệu
Xóa dữ liệu
70. What type of database is MongoDB? (MongoDB là loại cơ sở dữ liệu nào?)
A. Relational (Quan hệ)
B. Document-oriented (Hướng tài liệu)
C. Graph (Đồ thị)
D. Key-value (Khóa-giá trị)
71. What does SQL stand for? (SQL là viết tắt của gì?)
A. Structured Query Language (Ngôn ngữ Truy vấn Có cấu trúc)
B. Simple Query Logic (Logic Truy vấn Đơn giản)
C. System Query Language (Ngôn ngữ Truy vấn Hệ thống)
D. Standard Query Level (Mức Truy vấn Tiêu chuẩn)
72. What does NoSQL mean? (NoSQL nghĩa là gì?)
A. No Structured Query Language (Không có Ngôn ngữ Truy vấn Có cấu trúc)
B. Not Only SQL (Không Chỉ SQL)
C. Non-Standard Query Logic (Logic Truy vấn Không Tiêu chuẩn)
D. New SQL (SQL Mới)
73. What is a potential consequence of collecting more data than needed? (Hậu quả tiềm ẩn của việc thu thập nhiều dữ liệu hơn cần thiết là gì?)
A. Improved accuracy (Cải thiện độ chính xác)
B. Increased storage and processing costs (Tăng chi phí lưu trữ và xử lý)
C. Faster analysis (Phân tích nhanh hơn)
D. Reduced variety (Giảm sự đa dạng)
74. What is done to data in the preparation stage? (Dữ liệu được xử lý như thế nào trong giai đoạn chuẩn bị?)
A. Stored unchanged (Lưu trữ không thay đổi)
B. Cleaned and transformed (Làm sạch và chuyển đổi)
C. Visualized (Hiển thị)
D. Deleted (Xóa)
75. What is the general purpose of modeling data as vectors? (Mục đích chung của việc mô hình hóa dữ liệu dưới dạng vector là gì?)
A. To store data (Để lưu trữ dữ liệu)
B. To enable mathematical analysis (Để hỗ trợ phân tích toán học)
C. To visualize data (Để hiển thị dữ liệu)
D. To delete duplicates (Để xóa trùng lặp)
76. What is Lambda Architecture? (Kiến trúc Lambda là gì?)
A. A batch-only system (Hệ thống chỉ xử lý hàng loạt)
B. A hybrid system for batch and stream processing (Hệ thống kết hợp xử lý hàng loạt và luồng)
C. A database type (Loại cơ sở dữ liệu)
D. A visualization tool (Công cụ hiển thị)
77. What is Schema on Read? (Schema on Read là gì?)
A. Defining structure before storing (Xác định cấu trúc trước khi lưu)
B. Applying structure during querying (Áp dụng cấu trúc khi truy vấn)
C. Storing data in tables (Lưu trữ dữ liệu trong bảng)
D. Deleting unstructured data (Xóa dữ liệu không cấu trúc)
78. What database suits a wholesale company’s product search engine? (Cơ sở dữ liệu nào phù hợp cho công cụ tìm kiếm sản phẩm của công ty bán buôn?)
MySQL (MySQL)
Elasticsearch (Elasticsearch)
MongoDB (MongoDB)
Cassandra (Cassandra)
79. What is in-memory processing? (Xử lý trong bộ nhớ là gì?)
Processing data on disk (Xử lý dữ liệu trên đĩa)
Processing data in RAM for speed (Xử lý dữ liệu trong RAM để nhanh)
Storing data permanently (Lưu trữ dữ liệu vĩnh viễn)
Deleting data (Xóa dữ liệu)
80. What does df.filter(df["teamlevel"] > 10) do in Pandas? (df.filter(df["teamlevel"] > 10) làm gì trong Pandas?)
Filters rows where teamlevel > 10 (Lọc hàng có teamlevel > 10)
Sorts teamlevel descending (Sắp xếp teamlevel giảm dần)
Deletes rows where teamlevel > 10 (Xóa hàng có teamlevel > 10)
Counts teamlevel values (Đếm giá trị teamlevel)
81. Which is a benefit of data integration? (Lợi ích nào của tích hợp dữ liệu?)
Reduced variety (Giảm sự đa dạng)
Improved decision-making with unified data (Cải thiện ra quyết định với dữ liệu thống nhất)
Increased latency (Tăng độ trễ)
Lower volume (Giảm khối lượng)
82. Which is NOT a type of NoSQL database? (Cái nào KHÔNG phải loại cơ sở dữ liệu NoSQL?)
Document (Tài liệu)
Key-value (Khóa-giá trị)
Relational (Quan hệ)
Graph (Đồ thị)
83. How many megabytes (MB) are in 1 gigabyte (GB)? (Có bao nhiêu MB trong 1 GB?)
100 MB (100 MB)
1,000 MB (1,000 MB)
10,000 MB (10,000 MB)
1,000,000 MB (1,000,000 MB)
84. A 5 TB hard drive has approximately how many megabytes (MB)? (Ổ cứng 5 TB có khoảng bao nhiêu MB?)
5,000 MB (5,000 MB)
5,000,000 MB (5,000,000 MB)
50,000 MB (50,000 MB)
500,000 MB (500,000 MB)
85. Which NoSQL database is best known for high availability and fault tolerance? (Cơ sở dữ liệu NoSQL nào nổi tiếng với tính khả dụng cao và chịu lỗi?)
MongoDB (MongoDB)
Cassandra (Cassandra)
Redis (Redis)
CouchDB (CouchDB)
86. Which NoSQL database is used for key-value storage and caching? (Cơ sở dữ liệu NoSQL nào dùng cho lưu trữ khóa-giá trị và bộ nhớ đệm?)
Cassandra (Cassandra)
Redis (Redis)
MongoDB (MongoDB)
Neo4j (Neo4j)
87. Which NoSQL database uses a document-oriented model with JSON-like structures? (Cơ sở dữ liệu NoSQL nào dùng mô hình hướng tài liệu với cấu trúc giống JSON?)
Redis (Redis)
MongoDB (MongoDB)
Cassandra (Cassandra)
Neo4j (Neo4j)
88. Which processing type is generally easier to implement and debug? (Loại xử lý nào thường dễ thực hiện và gỡ lỗi hơn?)
A. Stream processing (Xử lý luồng)
B. Batch processing (Xử lý hàng loạt)
C. Real-time processing (Xử lý thời gian thực)
D. In-memory processing (Xử lý trong bộ nhớ)
89. A company processing orders nightly updates inventory. What type of processing? (Công ty xử lý đơn hàng mỗi đêm là loại xử lý nào?)
A. Stream (Luồng)
B. Batch (Hàng loạt)
C. Real-time (Thời gian thực)
D. In-memory (Trong bộ nhớ)
90. Which technology is used for stream processing multiple cameras in real-time? (Công nghệ nào dùng để xử lý luồng từ nhiều camera thời gian thực?)
Hadoop (Hadoop)
Spark Streaming (Spark Streaming)
MySQL (MySQL)
Excel (Excel)
91. Apache Spark can be used for: (Apache Spark có thể dùng cho:)
A. Batch and stream processing (Xử lý hàng loạt và luồng)
B. Only batch processing (Chỉ xử lý hàng loạt)
C. Only stream processing (Chỉ xử lý luồng)
D. Database management (Quản lý cơ sở dữ liệu)
92. Which ACID property ensures a transaction is fully completed or rolled back? (Thuộc tính ACID nào đảm bảo giao dịch hoàn thành hoặc khôi phục?)
A. Atomicity (Tính nguyên tử)
B. Consistency (Tính nhất quán)
C. Isolation (Tính cô lập)
D. Durability (Tính bền vững)
93. Which ACID property guarantees a valid state before and after a transaction? (Thuộc tính ACID nào đảm bảo trạng thái hợp lệ trước và sau giao dịch?)
A. Atomicity (Tính nguyên tử)
B. Consistency (Tính nhất quán)
Tính cô lậpC. Isolation (Tính cô lập)
D. Durability (Tính bền vững)
94. Which ACID property ensures simultaneous transactions don’t interfere? (Thuộc tính ACID nào đảm bảo giao dịch đồng thời không can thiệp?)
A. Atomicity (Tính nguyên tử)
B. Consistency (Tính nhất quán)
C. Isolation (Tính cô lập)
D. Durability (Tính bền vững)
95. Which property ensures committed transactions persist despite failures? (Thuộc tính nào đảm bảo giao dịch đã cam kết tồn tại dù có lỗi?
A. Atomicity (Tính nguyên tử)
B. Consistency (Tính nhất quán)
C. Isolation (Tính cô lập)
D. Durability (Tính bền vững)
96. In a bank transfer, which ACID property ensures money moves correctly? (Trong chuyển khoản ngân hàng, thuộc tính ACID nào đảm bảo tiền di chuyển đúng?)
Atomicity (Tính nguyên tử)
Consistency (Tính nhất quán)
Isolation (Tính cô lập)
Durability (Tính bền vững)
97. If a database crashes after commit, which ACID property keeps data intact? (Nếu cơ sở dữ liệu lỗi sau cam kết, thuộc tính nào giữ dữ liệu nguyên vẹn?)
Atomicity (Tính nguyên tử)
Consistency (Tính nhất quán)
Isolation (Tính cô lập)
Durability (Tính bền vững)
98. On an e-commerce site, which ACID property prevents inconsistencies for the last item? (Trên trang thương mại điện tử, thuộc tính nào ngăn không nhất quán cho món cuối?)
Atomicity (Tính nguyên tử)
Consistency (Tính nhất quán)
Isolation (Tính cô lập)
Durability (Tính bền vững)
99. What does BASE stand for in NoSQL databases? (BASE trong NoSQL là gì?)
Basic Availability, Soft State, Eventual Consistency (Tính khả dụng cơ bản, Trạng thái mềm, Nhất quán cuối cùng)
Balanced Access, Simple Storage, Efficiency (Truy cập cân bằng, Lưu trữ đơn giản, Hiệu quả)
Broad Availability, Strict Enforcement (Khả dụng rộng, Thực thi nghiêm ngặt)
Basic Atomicity, Strong Execution (Nguyên tử cơ bản, Thực thi mạnh)
100. How does BASE differ from ACID? (BASE khác ACID như thế nào?)
BASE ưu tiên tính nhất quán
BASE ưu tiên khả dụng hơn nhất quán nghiêm ngặt
BASE chậm hơn
BASE dùng xử lý dựa trên đĩa
101. What does "Soft State" mean in BASE? ("Trạng thái mềm" trong BASE nghĩa là gì?)
Dữ liệu luôn nhất quán
Dữ liệu có thể tạm thời không nhất quán
Dữ liệu được lưu vĩnh viễn
Dữ liệu bị xóa sau khi dùng
102. What does "Eventual Consistency" mean in NoSQL? ("Nhất quán cuối cùng" trong NoSQL nghĩa là gì?)
A. Data is instantly consistent (Dữ liệu nhất quán ngay lập tức)
B. Data becomes consistent over time (Dữ liệu trở nên nhất quán theo thời gian)
C. Data is never consistent (Dữ liệu không bao giờ nhất quán)
D. Data is deleted after updates (Dữ liệu bị xóa sau cập nhật)
103. What does "P" stand for in CAP Theorem? ("P" trong Định lý CAP là gì?)
A. Performance (Hiệu suất)
B. Partition Tolerance (Khả năng chịu phân vùng)
C. Persistence (Tính bền vững)
D. Power (Sức mạnh)
104. In CAP Theorem, what does Availability mean? (Trong Định lý CAP, Khả dụng nghĩa là gì?)
Data is always consistent (Dữ liệu luôn nhất quán)
Every request receives a response (Mọi yêu cầu nhận phản hồi)
Data is partitioned (Dữ liệu được phân vùng)
Data is durable (Dữ liệu bền vững)
105. A banking system ensuring consistent balances prioritizes which CAP properties? (Hệ thống ngân hàng đảm bảo số dư nhất quán ưu tiên thuộc tính CAP nào?)
Consistency and Availability (Nhất quán và Khả dụng)
Consistency and Partition Tolerance (Nhất quán và Chịu phân vùng)
Availability and Partition Tolerance (Khả dụng và Chịu phân vùng)
Consistency and Durability (Nhất quán và Bền vững)
106. What is the purpose of a primary key in a relational database? (Mục đích của khóa chính trong cơ sở dữ liệu quan hệ là gì?)
To store data (Để lưu trữ dữ liệu)
To uniquely identify records (Để xác định duy nhất bản ghi)
To link tables (Để liên kết bảng)
To sort data (Để sắp xếp dữ liệu)
107. Which approach is better for unstructured or semi-structured data? (Phương pháp nào tốt hơn cho dữ liệu không cấu trúc hoặc bán cấu trúc?)
Schema on Write (Schema on Write)
Schema on Read (Schema on Read)
Relational databases (Cơ sở dữ liệu quan hệ)
Batch processing (Xử lý hàng loạt)
108. In which scenario is Schema on Read more suitable? (Kịch bản nào Schema on Read phù hợp hơn?)
Structured reporting (Báo cáo có cấu trúc)
Real-time analytics (Phân tích thời gian thực)
Unstructured data analysis (Phân tích dữ liệu không cấu trúc)
Small datasets (Tập dữ liệu nhỏ)
109. What is a common use case for a Data Lake? (Trường hợp sử dụng phổ biến cho Data Lake là gì?)
Structured reporting (Báo cáo có cấu trúc)
Raw data storage for analytics (Lưu trữ dữ liệu thô cho phân tích)
Real-time transactions (Giao dịch thời gian thực)
Small-scale processing (Xử lý quy mô nhỏ)
110. What type of schema does a Data Warehouse use? (Data Warehouse dùng loại lược đồ nào?)
Schema on Read (Schema on Read)
Schema on Write (Schema on Write)
No schema (Không có lược đồ)
Flexible schema (Lược đồ linh hoạt)
111. What is a schema in a database? (Lược đồ trong cơ sở dữ liệu là gì?)
A data visualization (Hiển thị dữ liệu)
A structure defining data organization (Cấu trúc xác định tổ chức dữ liệu)
A processing method (Phương pháp xử lý)
A backup system (Hệ thống sao lưu)
112. What is fault tolerance? (Khả năng chịu lỗi là gì?)
Speeding up processing (Tăng tốc xử lý)
Continuing operation despite failures (Tiếp tục hoạt động dù có lỗi)
Reducing data volume (Giảm khối lượng dữ liệu)
Storing data securely (Lưu trữ dữ liệu an toàn)
113. How does Hadoop achieve fault tolerance? (Hadoop đạt khả năng chịu lỗi như thế nào?)
A. Using a single server (Dùng một máy chủ)
B. Replicating data across nodes (Sao chép dữ liệu qua các nút)
C. Avoiding backups (Tránh sao lưu)
Xử lý thời gian thựcD. Processing in real-time (Xử lý thời gian thực)
114. What is the significance of ETL for businesses? (Tầm quan trọng của ETL đối với doanh nghiệp là gì?)
A. It deletes data (Nó xóa dữ liệu)
B. It extracts, transforms, loads data for analysis (Nó trích xuất, chuyển đổi, tải dữ liệu để phân tích)
C. It visualizes data (Nó hiển thị dữ liệu)
D. It reduces variety (Nó giảm sự đa dạng)
115. What is the purpose of GROUP BY queries? (Mục đích của truy vấn GROUP BY là gì?)
A. To sort data (Để sắp xếp dữ liệu)
B. To aggregate data by categories (Để tổng hợp dữ liệu theo danh mục)
C. To delete duplicates (Để xóa trùng lặp)
D. To join tables (Để nối bảng)
116. In MongoDB, what does id:0 mean in a query? (Trong MongoDB, id:0 trong truy vấn nghĩa là gì?)
A. Include the id field (Bao gồm trường id)
B. Exclude the id field (Loại trừ trường id)
C. Set id to zero (Đặt id thành 0)
D. Delete the id field (Xóa trường id)
117. What function returns one document in MongoDB? (Hàm nào trả về một tài liệu trong MongoDB?)
find()
findOne()
get()
retrieve()
118. Which query finds documents with "FIFA" but not "Texas"? (Truy vấn nào tìm tài liệu có "FIFA" nhưng không có "Texas"?)
{ "text": "FIFA", "text": { "$ne": "Texas" } }
{ "text": { "$in": ["FIFA"], "$nin": ["Texas"] } }
{ "text": { "$eq": "FIFA", "$ne": "Texas" } }
{ "text": "FIFA" AND "text": "!Texas" }
119. Which code returns the first 10 rows of a Pandas DataFrame named df? (Dòng mã nào trả về 10 hàng đầu tiên của DataFrame df?)
df.head(10)
df.top(10)
df.first(10)
df.slice(10)
120. In Pandas, which function removes rows with redundant data? (Trong Pandas, hàm nào xóa hàng dữ liệu trùng lặp?)
drop_duplicates()
remove_duplicates()
delete_repeats()
unique()
121. Which function fills missing values with a column’s average in Pandas? (Hàm nào điền giá trị thiếu bằng trung bình cột trong Pandas?)
fillna(df.mean())
replace(df.avg())
fill(df.mean())
impute(df.average())
122. Which method removes duplicate rows in a Pandas DataFrame? (Phương pháp nào xóa hàng trùng lặp trong DataFrame Pandas?)
A. drop_duplicates()
B. remove_redundant()
C. clean_duplicates()
D. dedup()
123. What query finds the average grade by major with >10 students? (Truy vấn nào tìm điểm trung bình theo ngành có >10 sinh viên?)
A. SELECT major, AVG(grade) FROM students GROUP BY major HAVING COUNT() > 10
B. SELECT major, AVG(grade) FROM students WHERE COUNT() > 10
C. SELECT major, AVG(grade) FROM students GROUP BY major WHERE COUNT() > 10
D. SELECT major, AVG(grade) FROM students HAVING COUNT() > 10
124. In Neo4j, how are relationships between nodes represented? (Trong Neo4j, mối quan hệ giữa các nút được biểu diễn như thế nào?)
A. As tables (Dưới dạng bảng)
B. As edges (Dưới dạng cạnh)
B. As edges (Dưới dạng cạnh)
D. As rows (Dưới dạng hàng)
125. Which clause is used for pattern searching in Neo4j? (Mệnh đề nào dùng để tìm kiếm mẫu trong Neo4j?)
A. MATCH
B. WHERE
C. RETURN
D. CREATE
126. Which syntax creates multiple nodes in Neo4j? (Cú pháp nào tạo nhiều nút trong Neo4j?)
A. CREATE (n1), (n2)
B. INSERT (n1, n2)
C. ADD (n1), (n2)
D. CREATE n1, n2
127. Which Cypher query finds the shortest path between A and E with "TO" relationship? (Truy vấn Cypher nào tìm đường ngắn nhất giữa A và E với quan hệ "TO"?)
A. MATCH p=shortestPath((a {Name: 'A'})-[r:TO*]->(e {Name: 'E'})) RETURN p
B. MATCH (a {Name: 'A'})-[r:TO]->(e {Name: 'E'}) RETURN shortestPath
C. FIND shortestPath((a:Name='A')-[r:TO]->(e:Name='E'))
D. MATCH p=(a {Name: 'A'})-[r:TO]->(e {Name: 'E'}) RETURN p
128. What is a key difference between Schema on Read and Schema on Write? (Sự khác biệt chính giữa Schema on Read và Schema on Write là gì?)
A. Schema on Read is faster (Schema on Read nhanh hơn)
B. Schema on Read applies structure at query, Schema on Write at storage (Schema on Read áp dụng cấu trúc lúc truy vấn, Schema on Write lúc lưu)
C. Schema on Write is unstructured (Schema on Write không cấu trúc)
D. Schema on Read uses tables (Schema on Read dùng bảng)
129. Which database typically follows Schema on Write? (Loại cơ sở dữ liệu nào thường theo Schema on Write?)
A. NoSQL (NoSQL)
B. Relational (Quan hệ)
C. Graph (Đồ thị)
D. Key-value (Khóa-giá trị)
130. What is data preprocessing? (Tiền xử lý dữ liệu là gì?)
A. Visualizing data (Hiển thị dữ liệu)
B. Cleaning and transforming raw data (Làm sạch và chuyển đổi dữ liệu thô)
C. Storing data (Lưu trữ dữ liệu)
D. Deleting data (Xóa dữ liệu)
131. What is a subquery in SQL? (Truy vấn con trong SQL là gì?)
A. A query within another query (Truy vấn trong truy vấn khác)
B. A join operation (Thao tác nối)
C. A table creation (Tạo bảng)
D. A data deletion (Xóa dữ liệu)
132. How do you select a database in MongoDB? (Làm thế nào để chọn cơ sở dữ liệu trong MongoDB?)
A. use database_name (use database_name)
B. select database_name (select database_name)
C. open database_name (open database_name)
D. connect database_name (connect database_name)
133. Which is the correct syntax to create a relationship in Neo4j? (Cú pháp nào đúng để tạo mối quan hệ trong Neo4j?)
A. CREATE (a)-[:REL]->(b)
B. INSERT (a) TO (b)
C. ADD (a)-[REL]-(b)
D. CONNECT (a) TO (b)
134. Which algorithm optimizes network traffic in Big Data systems? (Thuật toán nào tối ưu hóa lưu lượng mạng trong hệ thống dữ liệu lớn?)
A. Dijkstra’s Algorithm (Thuật toán Dijkstra)
B. K-Means (K-Means)
C. Linear Regression (Hồi quy tuyến tính)
D. Decision Trees (Cây quyết định)
135. Which Cypher pattern represents a node? (Mẫu Cypher nào biểu diễn một nút?)
A. (n)
B. [r]
C. {n}
D. <n>
136. What is a way to enable fault tolerance? (Cách nào để bật khả năng chịu lỗi?)
A. Single server use (Dùng một máy chủ)
B. Data replication (Sao chép dữ liệu)
C. Slow processing (Xử lý chậm)
D. Reduced volume (Giảm khối lượng)
137. What is data parallelism? (Song song dữ liệu là gì?)
A. Sequential processing (Xử lý tuần tự)
B. Dividing data for parallel processing (Chia dữ liệu để xử lý song song)
C. Storing data in one place (Lưu trữ dữ liệu một chỗ)
D. Visualizing data (Hiển thị dữ liệu)
138. How do you evaluate if two attributes should go together? (Làm thế nào đánh giá hai thuộc tính nên đi cùng nhau?)
A. Check data type (Kiểm tra loại dữ liệu)
B. Assess correlation or relevance (Đánh giá tương quan hoặc liên quan)
C. Compare size (So sánh kích thước)
D. Random pairing (Ghép ngẫu nhiên)
139. Which Big Data technology is used for recommendation systems like Netflix? (Công nghệ dữ liệu lớn nào dùng cho hệ thống đề xuất như Netflix?)
A. Hadoop (Hadoop)
B. Spark (Spark)
C. MySQL (MySQL)
D. Excel (Excel)
140. What is a way to enable fault tolerance? (Cách nào để bật khả năng chịu lỗi?)
A. Centralized storage (Lưu trữ tập trung)
B. Data replication (Sao chép dữ liệu)
C. Single-thread processing (Xử lý đơn luồng)
D. Data deletion (Xóa dữ liệu)
141. How do you evaluate if two attributes should go together? (Làm thế nào đánh giá hai thuộc tính nên đi cùng nhau?)
A. By length (Theo độ dài)
B. By correlation or dependency (Theo tương quan hoặc phụ thuộc)
C. By storage location (Theo vị trí lưu trữ)
D. By name (Theo tên)
142. Which Big Data technology is commonly used for analytics? (Công nghệ dữ liệu lớn nào thường dùng cho phân tích?)
A. Hadoop (Hadoop)
B. Spark (Spark)
C. Kafka (Kafka)
D. Hive (Hive)
143. What is a common challenge in applying machine learning to Big Data? (Thách thức phổ biến khi áp dụng học máy cho dữ liệu lớn là gì?)
A. Small datasets (Tập dữ liệu nhỏ)
B. Scalability and computation demands (Khả năng mở rộng và nhu cầu tính toán)
C. Lack of algorithms (Thiếu thuật toán)
D. Simple processing (Xử lý đơn giản)
144. Which technique handles missing values in a dataset? (Kỹ thuật nào xử lý giá trị thiếu trong tập dữ liệu?)
A. Deletion (Xóa)
B. Imputation (Điền giá trị)
C. Sorting (Sắp xếp)
D. Visualization (Hiển thị)
146. What is the purpose of cross-validation in machine learning? (Mục đích của kiểm định chéo trong học máy là gì?)
A. To clean data (Để làm sạch dữ liệu)
B. To evaluate model performance (Để đánh giá hiệu suất mô hình)
C. To visualize data (Để hiển thị dữ liệu)
D. To store data (Để lưu trữ dữ liệu)
147. In an adjacency matrix, what does a non-zero value at (i, j) indicate? (Trong ma trận kề, giá trị khác 0 tại (i, j) cho biết gì?)
A. No connection (Không có kết nối)
B. An edge between nodes i and j (Cạnh giữa nút i và j)
C. A duplicate node (Nút trùng lặp)
D. A missing value (Giá trị thiếu)
148. In a weighted graph, what does an adjacency matrix value represent? (Trong đồ thị có trọng số, giá trị ma trận kề thể hiện gì?)
A. Node count (Số lượng nút)
B. Edge weight (Trọng số cạnh)
C. Distance to origin (Khoảng cách đến gốc)
D. Node degree (Bậc nút)
149. What is the primary goal of Principal Component Analysis (PCA)? (Mục tiêu chính của PCA là gì?)
A. Data clustering (Phân cụm dữ liệu)
B. Dimensionality reduction (Giảm chiều dữ liệu)
C. Data visualization (Hiển thị dữ liệu)
D. Data cleaning (Làm sạch dữ liệu)
150. Which algorithm finds the shortest path between two nodes in a graph? (Thuật toán nào tìm đường ngắn nhất giữa hai nút trong đồ thị?)
A. K-Means (K-Means)
B. Dijkstra’s Algorithm (Thuật toán Dijkstra)
C. Linear Regression (Hồi quy tuyến tính)
D. Apriori (Apriori)
151. What does an edge represent in a social network graph? (Cạnh trong đồ thị mạng xã hội đại diện cho gì?)
A. A user (Một người dùng)
B. A relationship between users (Mối quan hệ giữa người dùng)
C. A post (Một bài đăng)
D. A group (Một nhóm)
152. Which type of graph is often used for social networks? (Loại đồ thị nào thường dùng cho mạng xã hội?)
A. Directed (Có hướng)
B. Undirected (Không hướng)
C. Weighted (Có trọng số)
D. Cyclic (Có chu kỳ)
153. Which can negatively impact query performance? (Điều nào ảnh hưởng tiêu cực đến hiệu suất truy vấn?)
A. Indexing (Lập chỉ mục)
B. Large unindexed tables (Bảng lớn không lập chỉ mục)
C. Small datasets (Tập dữ liệu nhỏ)
D. Fast processors (Bộ xử lý nhanh)
154. What is the primary benefit of using a distributed file system like HDFS in Big Data? (Lợi ích chính của việc sử dụng hệ thống tệp phân tán như HDFS trong dữ liệu lớn là gì?)
A. Faster single-node processing (Xử lý nhanh hơn trên một nút)
B. Scalability across multiple nodes (Khả năng mở rộng qua nhiều nút)
C. Reduced data variety (Giảm sự đa dạng dữ liệu)
D. Lower data velocity (Giảm tốc độ dữ liệu)
155. In the context of big data, which algorithm is essential for quickly finding a specific record in a massive, sorted dataset?
(Trong bối cảnh dữ liệu lớn, thuật toán nào là điều cần thiết để nhanh chóng tìm thấy một bản ghi cụ thể trong một tập dữ liệu khổng lồ, đã được sắp xếp?)
A. Linear Search (Tìm kiếm tuyến tính)
B. Binary Search (Tìm kiếm nhị phân)
C. Depth-First Search (DFS) (Tìm kiếm theo chiều sâu)
D. Breadth-First Search (BFS) (Tìm kiếm theo chiều rộng)
19. What is the first step in determining a big data strategy? (Bước đầu tiên để xác định chiến lược dữ liệu lớn là gì?)
A. Define the business objectives (Xác định mục tiêu kinh doanh)
B. Choose a big data platform (Chọn nền tảng dữ liệu lớn)
C. Hire data scientists (Thuê các nhà khoa học dữ liệu)
D. Implement a data warehouse (Triển khai kho dữ liệu)
20. What is a benefit of using pre-built Hadoop images? (Lợi ích của việc sử dụng hình ảnh Hadoop được xây dựng sẵn là gì?)
A. Faster deployment (Triển khai nhanh hơn)
B. More expensive storage (Lưu trữ tốn kém hơn)
C. Requires more configuration (Yêu cầu cấu hình nhiều hơn)
D. Limited compatibility (Khả năng tương thích hạn chế)
21. Why are trees useful for semi-structured data such as XML and JSON? (Tại sao cây lại hữu ích cho dữ liệu bán cấu trúc như XML và JSON?)
A. They provide a natural hierarchical structure (Chúng cung cấp một cấu trúc phân cấp tự nhiên)
B. They require less storage space (Chúng yêu cầu ít không gian lưu trữ hơn)
C. They eliminate the need for indexing (Chúng loại bỏ nhu cầu lập chỉ mục)
D. They do not support relationships between elements (Chúng không hỗ trợ mối quan hệ giữa các phần tử)
22. What type of operation do we use in this scenario? (Chúng ta sử dụng loại thao tác nào trong trường hợp này?)
A. Deduplication (Loại bỏ dữ liệu trùng lặp)
B. Aggregation (Tổng hợp)
C. Normalization (Chuẩn hóa)
D. Encryption (Mã hóa)
23. What is the main problem with big data information integration? (Vấn đề chính với tích hợp thông tin dữ liệu lớn là gì?)
A. Data variety (Sự đa dạng của dữ liệu)
B. Data volume (Khối lượng dữ liệu)
C. Data velocity (Tốc độ dữ liệu)
D. Data compression (Nén dữ liệu)
24. What is a potential problem of having too many data sources? (Một vấn đề tiềm ẩn của việc có quá nhiều nguồn dữ liệu là gì?)
A. Data inconsistency (Không nhất quán dữ liệu)
B. Faster processing (Xử lý nhanh hơn)
C. Improved accuracy (Độ chính xác được cải thiện)
D. Easier data management (Quản lý dữ liệu dễ dàng hơn)
25. In a network representing the world wide web, nodes would likely represent: (Trong một mạng lưới đại diện cho mạng lưới toàn cầu, các nút có khả năng đại diện cho:)
A. Web pages (Trang web)
B. User accounts (Tài khoản người dùng)
C. Physical servers (Máy chủ vật lý)
D. Internet cables (Cáp Internet)
26. Which of the following are benefits for organization-generated data? (Những điều sau đây là lợi ích cho dữ liệu do tổ chức tạo ra?)
✅ A. Competitive advantage (Lợi thế cạnh tranh)
✅ B. Better decision making (Ra quyết định tốt hơn)
C. Increased storage cost (Chi phí lưu trữ tăng lên)
✅ D. Improved customer experience (Cải thiện trải nghiệm khách hàng)
27. What are the specific benefits of a distributed file system? (Lợi ích cụ thể của hệ thống tệp phân tán là gì?)
✅ A. High availability (Khả năng sẵn sàng cao)
✅ B. Fault tolerance (Chịu lỗi)
C. Requires a single central server (Yêu cầu một máy chủ trung tâm duy nhất)
✅ D. Scalability (Khả năng mở rộng)
28. Which of the following data types are supported by Redis? (Redis hỗ trợ những kiểu dữ liệu nào sau đây?)
✅ A. Strings (Chuỗi)
✅ B. Lists (Danh sách)
✅ C. Sets (Tập hợp)
D. XML (XML)
29. How does Spark process data efficiently? (Spark xử lý dữ liệu hiệu quả bằng cách nào?)
A. In-memory computing (Tính toán trong bộ nhớ)
B. Using only batch processing (Chỉ sử dụng xử lý theo lô)
C. Storing all data in Hadoop (Lưu trữ toàn bộ dữ liệu trong Hadoop)
D. Using a single-threaded approach (Sử dụng cách tiếp cận đơn luồng)
30. What is Apache Spark? (Apache Spark là gì?)
A. A distributed computing framework (Một khung tính toán phân tán)
B. A relational database system (Một hệ thống cơ sở dữ liệu quan hệ)
C. A file storage system (Một hệ thống lưu trữ tệp)
D. A cloud-based ERP solution (Một giải pháp ERP trên đám mây)
31. Which of the following is NOT one of the 5 P’s of Data Science? (Điều nào sau đây KHÔNG phải là một trong 5 chữ P của Khoa học dữ liệu?)
A. People (Con người)
B. Privacy (Quyền riêng tư)
C. Process (Quy trình)
D. Programming (Lập trình)
