Quản trị logistic và chuỗi cung ứng - BA29

Anh văn III/Tiếng anh cơ bản 3 - EG09.3

Kỹ thuật điện tử số - IT01.2

Ngôn ngữ thiết kế Web - IT14

Phương pháp nghiên cứu khoa học - HM01/HM55

Khởi nghiệp kinh doanh - HM35/HM85

Quản lý tổ chức sự kiện - HM23

Phát triển các hệ thống TMĐT - EC16

Quản trị logistic và chuỗi cung ứng - BA29/EC08

Tiếng Trung Quốc 1A - CN12

Tiếng Trung Quốc 1B - CN13

Logic học đại cương - CN08

Cơ sở văn hoá Việt Nam - CN01

Trí tuệ nhân tạo trong kinh doanh - BF36

Luật Tài chính - Ngân hàng - BF33

Công nghệ tài chính căn bản - BF43

Quản trị tài chính - HM59

Tiền tệ và thanh toán quốc tế - HM65

Quản lý chất lượng dịch vụ - HM87

Giám sát khách sạn - HM32

Zalo Trợ thủ học tập HOU

Mẫu bằng tại đại học Mở Hà Nội HOU

Trợ thủ học tập HOU - Đại học Mở Hà Nội

Câu hỏi 499782 - Nhập môn Khai phá dữ liệu và máy học - IT61

Phương pháp nào giúp giảm số chiều dữ liệu mà vẫn giữ lại phần lớn thông tin?

Các câu hỏi khác:

Câu hỏi 499788:
Điều gì sẽ xảy ra nếu áp dụng PCA lên một tập dữ liệu không có sự tương quan giữa các thuộc tính?

A. PCA sẽ làm tăng độ phức tạp của dữ liệu
B. PCA sẽ tự động loại bỏ tất cả các thuộc tính
C. PCA vẫn hoạt động bình thường nhưng không làm giảm kích thước dữ liệu
D. PCA sẽ không mang lại hiệu quả vì không có phương sai cần giảm
Câu hỏi 499789:
Khi sử dụng Python, thư viện nào thường được dùng để chuẩn hóa dữ liệu?

A. Matplotlib
B. Scikit-learn
C. Pandas
D. TensorFlow
Câu hỏi 499790:
Nếu một bộ dữ liệu có kích thước quá lớn và gây tốn kém tài nguyên xử lý, phương pháp nào phù hợp nhất?

A. Tăng thêm dữ liệu để đảm bảo mô hình hoạt động tốt hơn
B. Giữ nguyên dữ liệu và chỉ thay đổi thuật toán xử lý
C. Chọn mẫu hoặc giảm số chiều bằng PCA
D. Tách dữ liệu thành nhiều phần nhỏ và xử lý riêng biệt
Câu hỏi 499792:
Khi nào nên sử dụng chọn mẫu ngẫu nhiên phân tầng (Stratified Sampling)?

A. Khi muốn tăng tốc độ xử lý bằng cách chọn ngẫu nhiên một phần nhỏ dữ liệu
B. Khi muốn giảm kích thước dữ liệu bằng cách loại bỏ toàn bộ một nhóm dữ liệu
C. Khi muốn làm sạch dữ liệu trước khi tích hợp
D. Khi muốn đảm bảo tỷ lệ các nhóm dữ liệu trong tập mẫu giống như trong tập dữ liệu gốc
Câu hỏi 207376:
Khi nào dữ liệu được coi là khả diễn giải (Interpretability)?

A. Khi dữ liệu dễ hiểu và có ý nghĩa đối với người dùng
B. Khi dữ liệu không có giá trị trống
C. Khi dữ liệu có nhiều giá trị số
D. Khi dữ liệu có kích thước nhỏ
Câu hỏi 207380:
Trong Python, phương pháp nào sau đây giúp chuẩn hóa dữ liệu về khoảng [0,1]?

A. normalize() từ Pandas
B. one_hot_encoding() từ NumPy
C. StandardScaler() từ Scikit-learn
D. MinMaxScaler() từ Scikit-learn
Câu hỏi 207386:
Kỹ thuật nào sau đây không thuộc về khai phá dữ liệu?

A. Phân cụm
B. Tạo đồ thị
C. Luật kết hợp
D. Phân lớp
Câu hỏi 207389:
Khi xây dựng mô hình máy học, bước tiền xử lý dữ liệu đóng vai trò gì?

A. Là bước cuối cùng để kiểm tra mô hình
B. Là bước phân phối mô hình đã xây dựng
C. Là bước loại bỏ nhiễu và chuẩn hóa dữ liệu
D. Là bước để xây dựng thuật toán học sâu
Câu hỏi 207393:
Học không giám sát khác học có giám sát ở điểm nào?

A. Học có giám sát không dự đoán được kết quả
B. Học không giám sát không cần dữ liệu nhãn
C. Học không giám sát sử dụng cây quyết định
D. Học không giám sát sử dụng dữ liệu có nhãn
Câu hỏi 207394:
Có những thách thức nào với khai phá dữ liệu?

A. Thay đổi cấu trúc dữ liệu liên tục
B. Giảm chiều của dữ liệu để tăng tốc độ xử lý
C. Tất cả các đáp án đều đúng
D. Xử lý nhiễu trong dữ liệu

DONATE

Để giúp chúng tôi phát triển sản phẩm tốt hơn, đạt kết quả học tập cao hơn

Trung tâm giáo dục thể chất và quốc phòng an ninh

Khoa kinh tế

Khoa đào tạo từ xa

Trung tâm đào tạo trực tuyến

Khoa đào tạo cơ bản

Khoa điện - điện tử

Khoa du lịch

Khoa Công nghệ thông tin

Viện Công nghệ sinh học và Công nghệ thực phẩm

Trung tâm đại học Mở Hà Nội tại Đà Nẵng

Khoa tiếng Trung Quốc

Khoa tạo dáng công nghiệp

Khoa tài chính ngân hàng

Khoa Tiếng anh

Khoa Luật

Bản tin HOU-TV số 06 năm 2025

Tuyển sinh đại học Mở Hà Nội - HOU