Chọn phát biểu sai trong các phát biểu sau: 

Data Integration (Tích hợp dữ liệu) là quá trình kết hợp dữ liệu từ nhiều nguồn khác nhau thành một dạng thống nhất, cho phép người dùng hoặc ứng dụng truy cập và sử dụng dữ liệu này một cách hiệu quả.

* Phương án a: *"Cách kết hợp dữ liệu tìm được từ các nguồn dữ liệu khác nhau"* - Đây là định nghĩa chính xác nhất về Data Integration, vì nó bao hàm việc thu thập và hợp nhất dữ liệu từ nhiều nguồn. Do đó, đây là đáp án đúng.
* Phương án b: *"Tích hợp thông tin khách hàng phục vụ quá trình Data Mining"* - Mặc dù tích hợp thông tin khách hàng có thể là một ứng dụng của Data Integration, nhưng nó không phải là định nghĩa bao quát cho toàn bộ quá trình.
* Phương án c: *"Phân chia dữ liệu phục vụ quá trình Data Mining"* - Trái ngược với Data Integration, phương án này mô tả việc phân chia dữ liệu, không phải tích hợp.
* Phương án d: *"Là bước thực hiện sau khi đã tìm kiếm tri thức mới từ dữ liệu"* - Data Integration thường được thực hiện trước khi Data Mining để đảm bảo dữ liệu được thu thập và chuẩn hóa.

Câu hỏi yêu cầu tìm phát biểu sai về tiền xử lý dữ liệu.

* a. Dữ liệu sau khi Tiền xử lí sẽ thành tri thức mới: Đây là phát biểu sai. Tiền xử lý dữ liệu là bước chuẩn bị dữ liệu, giúp dữ liệu sạch và phù hợp hơn cho các bước phân tích tiếp theo. Tri thức mới được tạo ra từ quá trình khai phá dữ liệu (data mining), sử dụng dữ liệu đã được tiền xử lý.
* b. Không có dữ liệu tốt, không thể có kết quả khai phá tốt: Đây là phát biểu đúng. Chất lượng dữ liệu đầu vào ảnh hưởng trực tiếp đến chất lượng kết quả khai phá.
* c. Phân lớn công việc xây dựng một kho dữ liệu là trích chọn, làm sạch và chuyển đổi dữ liệu —Bill Inmon: Đây là phát biểu đúng. Bill Inmon là một trong những người tiên phong trong lĩnh vực kho dữ liệu, và phát biểu này phản ánh đúng vai trò quan trọng của việc trích chọn, làm sạch và chuyển đổi dữ liệu trong quá trình xây dựng kho dữ liệu.
* d. Dữ liệu có chất lượng cao nếu như phù hợp với mục đích sử dụng trong điều hành, ra quyết định, và lập kế hoạch: Đây là phát biểu đúng. Chất lượng dữ liệu được đánh giá dựa trên tính phù hợp của nó đối với mục đích sử dụng.

Vậy, đáp án sai là phương án a.

Phương pháp xếp thùng (Binning) là một kỹ thuật rời rạc hóa dữ liệu. Hai phương pháp chính trong xếp thùng là:

* Phân hoạch cân bằng bề rộng (Equal-width binning): Chia khoảng giá trị của dữ liệu thành các khoảng (thùng) có độ rộng bằng nhau.
* Phân hoạch cân bằng theo chiều sâu (Equal-depth binning): Chia dữ liệu thành các thùng sao cho mỗi thùng chứa số lượng bản ghi gần bằng nhau.

Các phương pháp làm trơn (smoothing) thường được áp dụng sau khi dữ liệu đã được chia vào các thùng. Các phương pháp làm trơn phổ biến bao gồm:

* Làm trơn theo giá trị trung bình (Smoothing by mean): Thay thế mỗi giá trị trong thùng bằng giá trị trung bình của thùng đó.
* Làm trơn theo biên (Smoothing by boundaries): Thay thế mỗi giá trị trong thùng bằng giá trị biên gần nhất (giá trị lớn nhất hoặc nhỏ nhất) của thùng đó.

Như vậy, đáp án a là chính xác nhất vì nó bao gồm hai phương pháp phân hoạch cơ bản của xếp thùng.

Các đáp án còn lại không hoàn toàn chính xác vì:

* Đáp án b chỉ đề cập đến một phương pháp phân hoạch (theo chiều sâu) và một phương pháp làm trơn (theo giá trị nhỏ nhất).
* Đáp án c chỉ đề cập đến các phương pháp làm trơn.
* Đáp án d cũng chỉ đề cập đến các phương pháp làm trơn.

Câu hỏi này kiểm tra kiến thức về chia thùng (binning) theo chiều sâu (equal depth binning). Chia thùng theo chiều sâu là phương pháp chia dữ liệu thành các thùng sao cho mỗi thùng chứa số lượng bản ghi gần bằng nhau.

Trong trường hợp này, chúng ta có 12 giá trị và cần chia thành 3 thùng. Do đó, mỗi thùng sẽ chứa 12 / 3 = 4 giá trị.

Xem xét các phương án:
* Phương án a: Bin 1: 4, 8, 9, 15; Bin 2: 21, 21, 24, 25; Bin 3: 26, 28, 29, 34. Phương án này đúng vì mỗi thùng chứa 4 giá trị.
* Phương án b: Bin 1: 4, 4, 4, 4; Bin 2: 21, 21, 21, 21; Bin 3: 26, 26, 26, 26. Phương án này sai vì thay đổi giá trị gốc của dữ liệu.
* Phương án c: Bin 1: 4, 4, 4, 15; Bin 2: 21, 21, 25, 25; Bin 3: 26, 26, 26, 34. Phương án này sai vì thay đổi giá trị gốc của dữ liệu.
* Phương án d: Bin 1: 15, 15, 15, 15; Bin 2: 23, 23, 23, 23; Bin 3: 29, 29, 29, 29. Phương án này sai vì thay đổi giá trị gốc của dữ liệu.

Vậy, đáp án đúng là phương án a.

Câu hỏi yêu cầu xác định các phương pháp chuẩn hóa dữ liệu thường được sử dụng trong quá trình tiền xử lý dữ liệu.

Phương án a (Min-Max, z-Score, Tỷ lệ thập phân – decimal scale) là đáp án đúng vì đây là các phương pháp phổ biến để đưa dữ liệu về một khoảng giá trị hoặc phân phối nhất định, giúp cải thiện hiệu suất của các thuật toán học máy.

Phương án b (2NF, 3NF, BCNF) liên quan đến chuẩn hóa cơ sở dữ liệu, không phải là chuẩn hóa dữ liệu trong tiền xử lý học máy.

Phương án c (Đưa về hệ đếm thập phân, Hệ nhị phân, hệ Hecxa) liên quan đến biểu diễn số trong các hệ cơ số khác nhau, không phải là các phương pháp chuẩn hóa dữ liệu.

Phương án d (Chuẩn hóa về dữ liệu văn bản, hình ảnh, âm thanh) đề cập đến việc chuyển đổi các loại dữ liệu khác nhau về định dạng chuẩn, nhưng không phải là các phương pháp chuẩn hóa cụ thể thường dùng trong tiền xử lý số liệu.