Các nhà phân tích dữ liệu thường phải đối mặt với vấn đề lựa chọn các thuộc tính mô tả thích hợp để các thuộc tính này cải thiện hiệu suất của mô hình dự đoán. Quá trình này được gọi là... 

Câu hỏi này đề cập đến việc tìm kiếm các mẫu (patterns) trong dữ liệu.

* a. Phát hiện đối tượng: Liên quan đến việc xác định và định vị các đối tượng cụ thể trong hình ảnh hoặc video. Không trực tiếp liên quan đến việc tìm kiếm các mẫu tổng quát trong dữ liệu.
* b. Học máy: Một lĩnh vực của trí tuệ nhân tạo, tập trung vào việc cho phép máy tính học từ dữ liệu mà không cần được lập trình rõ ràng. Học máy có thể được sử dụng để tìm kiếm các mẫu trong dữ liệu, nhưng nó là một khái niệm rộng hơn.
* c. Khoa học dữ liệu: Một lĩnh vực liên ngành sử dụng các phương pháp khoa học, quy trình, thuật toán và hệ thống để trích xuất kiến thức và hiểu biết sâu sắc từ dữ liệu ở nhiều dạng khác nhau. Khoa học dữ liệu bao gồm cả việc tìm kiếm các mẫu, nhưng nó cũng bao gồm các khía cạnh khác như làm sạch dữ liệu, trực quan hóa dữ liệu, v.v.
* d. Khai thác dữ liệu: Quá trình khám phá các mẫu trong các tập dữ liệu lớn liên quan đến các phương pháp ở giao điểm của học máy, thống kê và hệ thống cơ sở dữ liệu. Đây là đáp án chính xác nhất vì nó tập trung cụ thể vào việc khám phá các mẫu ẩn trong dữ liệu.

Vì vậy, đáp án đúng là d. Khai thác dữ liệu

Câu hỏi này kiểm tra kiến thức về các lĩnh vực liên quan đến phân tích dữ liệu và xây dựng mô hình dự đoán.

* Học máy (b) là lĩnh vực tập trung vào việc phát triển các thuật toán cho phép máy tính học từ dữ liệu mà không cần được lập trình rõ ràng. Trong học máy, mô hình dự đoán thường được xây dựng bằng cách huấn luyện trên một tập dữ liệu quan sát được. Đây là đáp án chính xác nhất.

* Hệ thống quản lý quan hệ khách hàng (a) là một hệ thống được sử dụng để quản lý tương tác của công ty với khách hàng hiện tại và tiềm năng. Nó không trực tiếp liên quan đến việc xây dựng mô hình dự đoán từ dữ liệu quan sát được.

* Khoa học dữ liệu (c) là một lĩnh vực rộng hơn bao gồm việc thu thập, xử lý, phân tích và diễn giải dữ liệu. Học máy là một phần quan trọng của khoa học dữ liệu, nhưng khoa học dữ liệu không phải lúc nào cũng liên quan đến việc xây dựng mô hình dự đoán từ dữ liệu quan sát được một cách trực tiếp.

* Khai thác dữ liệu (d) là quá trình khám phá các mẫu và thông tin hữu ích từ các tập dữ liệu lớn. Mặc dù khai thác dữ liệu có thể liên quan đến việc xây dựng mô hình dự đoán, nhưng nó không phải là lĩnh vực duy nhất mà mô hình dự đoán được xây dựng từ dữ liệu quan sát được.

Hồi quy là một phương pháp trong học máy thuộc nhóm học tập có giám sát. Trong học tập có giám sát, chúng ta có một tập dữ liệu đã được gán nhãn (label), và mục tiêu là xây dựng một mô hình có thể dự đoán nhãn cho các dữ liệu mới dựa trên các đặc trưng (features) của chúng. Hồi quy được sử dụng khi nhãn là một giá trị liên tục (ví dụ: dự đoán giá nhà, dự đoán nhiệt độ).

* Học tập không giám sát: Không sử dụng dữ liệu đã gán nhãn.
* Lựa chọn tính năng: Là quá trình chọn ra các tính năng quan trọng nhất từ tập dữ liệu.
* Học tăng cường: Là một loại học máy, trong đó một "agent" học cách đưa ra quyết định trong một môi trường để tối đa hóa phần thưởng tích lũy.

Câu hỏi này kiểm tra kiến thức về các tập dữ liệu khác nhau được sử dụng trong quá trình xây dựng mô hình học máy.

* Tập huấn luyện (training set): Đây là tập dữ liệu được sử dụng để "huấn luyện" mô hình, tức là để mô hình học các mối quan hệ giữa các biến đầu vào và biến mục tiêu, và điều chỉnh các tham số của nó để phù hợp với dữ liệu này. Do đó, đáp án C là đáp án chính xác.
* Tập xác nhận (validation set): Tập xác nhận được sử dụng để đánh giá hiệu suất của mô hình trong quá trình huấn luyện và điều chỉnh các siêu tham số của mô hình (ví dụ: tốc độ học, số lượng lớp ẩn trong mạng nơ-ron). Tập xác nhận giúp chúng ta chọn ra mô hình tốt nhất trong số các mô hình khác nhau đã được huấn luyện.
* Tập thử nghiệm (test set): Tập thử nghiệm được sử dụng để đánh giá hiệu suất cuối cùng của mô hình sau khi đã hoàn thành quá trình huấn luyện và điều chỉnh. Tập thử nghiệm giúp chúng ta ước tính khả năng tổng quát hóa của mô hình trên dữ liệu mới chưa từng thấy.
* Bộ nhớ đệm (cache): Đây là một vùng lưu trữ tạm thời dữ liệu để tăng tốc độ truy cập, không liên quan đến quá trình huấn luyện mô hình.

Như vậy, đáp án chính xác là C.

Số dư (balance) trong các bối cảnh khác nhau (ví dụ: tài chính, kế toán) có ý nghĩa khác nhau và không thể đánh giá chung là cao hơn hay thấp hơn thì tốt hơn. Điều này phụ thuộc vào tình huống cụ thể. Ví dụ, số dư tài khoản ngân hàng nên đủ để chi trả các chi phí, trong khi số dư nợ nên được quản lý để tránh lãi suất cao.

Phương án a và b đều không đúng vì tính đúng sai của số dư phụ thuộc vào ngữ cảnh.

Phương án c không đúng vì có thể đưa ra nhận định về số dư dựa trên tình hình cụ thể.

Phương án d là đáp án đúng vì tính chất "cao" hay "thấp" của số dư tốt hơn tùy thuộc vào tình huống cụ thể mà số dư đó đề cập tới.