Tất cả câu hỏi

Đáp án đúng: "False". Nhóm tập trung (focus group) là phương pháp nghiên cứu định tính trong đó một người điều phối dẫn dắt một nhóm nhỏ, thường sáu tới mười người, cùng thảo luận về sản phẩm, ý tưởng hay thói quen; dữ liệu thu được là ý kiến, cảm nhận và lý do người tham gia nói ra khi tương tác với nhau. Thu thập dữ liệu bằng cách chỉ nhìn hành vi là một phương pháp riêng, gọi là quan sát (observation), ví dụ đứng ở cửa hàng ghi lại khách cầm món nào, dừng lâu ở kệ nào mà không hỏi họ. Hai cách khác nhau ở chỗ focus group chủ động hỏi và để người tham gia trò chuyện, còn quan sát không can thiệp. Vì phát biểu gán nhầm định nghĩa của quan sát cho focus group nên nó sai, chọn "True" là không đúng.

Đáp án đúng: "A revenue stream represents the cash a company generates from each Customer Segment. Revenues minus costs equals to profits.". Trong Business Model Canvas (khung mô hình kinh doanh), Revenue Streams (dòng doanh thu) là ô mô tả tiền mặt doanh nghiệp thu được từ từng Customer Segment (phân khúc khách hàng), tức trả lời câu hỏi khách hàng sẵn lòng trả tiền cho giá trị nào và trả theo cách nào (bán đứt, thuê bao, phí sử dụng, cấp phép…); lấy doanh thu trừ đi chi phí ở ô Cost Structure thì ra lợi nhuận. "A revenue stream represents the cost a company generates from each Customer Segment." sai vì đã đổi tiền thu vào thành chi phí, mà chi phí thuộc ô Cost Structure chứ không phải dòng doanh thu. "A revenue stream represents the cash a company generates from each supplier." sai vì nhà cung cấp là nơi doanh nghiệp trả tiền và thuộc ô Key Partners, còn doanh thu đến từ khách hàng. "All of the above" sai vì hai phát biểu vừa nêu đều sai nên không thể đúng cả.

Đáp án đúng: "high-potential business". Doanh nghiệp tiềm năng cao (high-potential business) là doanh nghiệp nhắm tới thị trường lớn, tăng trưởng nhanh, có thể mở rộng quy mô và thường cần vốn bên ngoài để chạy kịp cơ hội. Mark khai thác một ngành mới sinh ra từ luật buộc mọi tổ chức y tế bảo mật dữ liệu, với doanh số dự báo hàng tỉ mỗi năm, nên công ty của anh mang đúng đặc điểm đó. "small business" là doanh nghiệp nhỏ phục vụ thị trường địa phương hay ngách, tăng trưởng vừa phải, không dựa vào một thị trường tỉ đô đang bùng nổ. "micro business" còn nhỏ hơn, thường chỉ có chủ và vài người làm, tạo thu nhập đủ sống chứ không nhắm tăng trưởng mạnh. "lifestyle business" là doanh nghiệp lập ra để chủ có lối sống mình muốn, đặt sự thoải mái lên trên tăng trưởng, trái với việc chạy theo một thị trường hàng tỉ như Mark.

Đáp án đúng: "To place a ceiling on the valuation at which the note converts into equity.". Convertible note (giấy nợ chuyển đổi) là khoản vay của nhà đầu tư sớm sẽ chuyển thành cổ phần ở vòng gọi vốn sau; valuation cap (trần định giá) là mức định giá tối đa dùng để tính giá chuyển đổi. Nếu vòng sau định giá cao hơn trần thì nhà đầu tư sớm vẫn chuyển đổi theo mức trần và nhận nhiều cổ phần hơn, bù cho rủi ro họ gánh khi vào sớm; chẳng hạn trần là 5 triệu USD mà vòng sau định giá 10 triệu USD thì khoản nợ chuyển đổi như thể công ty chỉ đáng 5 triệu USD, tức giá mỗi cổ phần bằng một nửa giá nhà đầu tư mới trả. "To establish an arbitrary valuation of an early-stage company." sai vì cap không phải định giá công ty mà chỉ là ngưỡng cho việc chuyển đổi, và nó được hai bên thương lượng chứ không đặt tuỳ tiện. "To delay the valuation of an early-stage company." là tác dụng của chính convertible note (hoãn việc định giá tới vòng sau), không phải mục đích của cap. "To convert into equity at the value of the next round of financing, regardless of the valuation of that round." mô tả đúng điều xảy ra khi KHÔNG có cap; cap sinh ra chính để chặn việc chuyển đổi hoàn toàn theo định giá của vòng sau dù vòng đó cao tới đâu.

Đáp án đúng: "True". Phát biểu này khớp định nghĩa khối Customer Relationships (quan hệ khách hàng) trong Business Model Canvas của Osterwalder: khối này mô tả kiểu quan hệ doanh nghiệp xây dựng với từng phân khúc khách hàng (customer segment), từ hỗ trợ cá nhân, tự phục vụ, dịch vụ tự động tới cộng đồng hay đồng sáng tạo. Mô hình nêu rõ quan hệ đó được thúc đẩy bởi ba động cơ: thu hút khách mới (customer acquisition), giữ chân khách cũ (customer retention) và bán thêm, bán nâng cấp (upselling). Ví dụ một startup phần mềm dùng hỗ trợ cá nhân để chốt khách lớn, rồi dùng cộng đồng người dùng để giữ khách và gợi ý gói cao hơn. Vì định nghĩa và cả ba động cơ đều khớp, chọn "False" là sai: không có chi tiết nào trong câu bị đảo hay bị thêm thắt so với khái niệm gốc.

Đáp án đúng: "opportunity obsession". Opportunity obsession (ám ảnh cơ hội) là phẩm chất của doanh nhân luôn dõi tìm nhu cầu chưa được đáp ứng, sản phẩm mới và thị trường mới để biến chúng thành hướng phát triển; việc Michelle liên tục tìm sản phẩm và thị trường mới để mở rộng kinh doanh là biểu hiện trực tiếp của phẩm chất này. "commitment and determination" (cam kết và quyết tâm) nói về sự bền bỉ theo đuổi mục tiêu và vượt qua trở ngại, không phải việc săn tìm cơ hội mới. "tolerance for risk, ambiguity, and uncertainty" (chịu đựng rủi ro, mơ hồ và bất định) là khả năng bình tĩnh ra quyết định khi thông tin chưa đầy đủ, trong khi câu dẫn không nhắc tình huống bất định nào. "motivation to excel" (động lực vươn tới xuất sắc) là mong muốn tự đặt chuẩn cao và vượt chính mình; nó có thể thúc đẩy việc mở rộng nhưng không mô tả hành vi liên tục tìm kiếm sản phẩm, thị trường mới như ở Michelle.

Đáp án đúng: "employee bonuses.". Câu hỏi dạng EXCEPT nên cần tìm thứ KHÔNG phải ưu đãi dài hạn (long-term incentive) giúp giữ chân nhân sự giỏi. Ưu đãi dài hạn là khoản thưởng gắn với giá trị hay kết quả của công ty qua nhiều năm, thường kèm điều kiện phải ở lại mới được nhận đủ (vesting), nên nhân viên có lý do gắn bó. Tiền thưởng "employee bonuses." thường trả một lần theo kết quả ngắn hạn như quý hay năm, nhận xong là hết ràng buộc, nên nó là ưu đãi ngắn hạn. "stock grants." là cấp cổ phần cho nhân viên, thường chia theo lộ trình nhiều năm nên đúng là ưu đãi dài hạn. "stock options" cho quyền mua cổ phần ở giá cố định trong tương lai, chỉ có giá trị khi công ty tăng giá trị và nhân viên còn ở lại tới lúc được thực hiện quyền, nên cũng là ưu đãi dài hạn. "profit-sharing plans." chia một phần lợi nhuận vào quỹ cho nhân viên, thường tích luỹ qua nhiều năm, nên cũng giữ chân người lao động và không phải đáp án.

Đáp án đúng: "Check system compatibility with Cloudera VM requirements". Cloudera VM là máy ảo đóng gói sẵn Hadoop và các công cụ hệ sinh thái, chạy trong phần mềm ảo hoá như VirtualBox; máy ảo này đòi hỏi nhiều bộ nhớ RAM, dung lượng đĩa trống và CPU 64 bit có bật ảo hoá phần cứng, nên việc đầu tiên là kiểm tra máy có đáp ứng các yêu cầu đó không, tránh tải về hàng gigabyte rồi không khởi động được. "Install Cloudera Manager" không phải bước chuẩn bị máy cá nhân, vì công cụ quản trị cụm này được kèm sẵn bên trong máy ảo. "Download the course data sets" chỉ làm sau khi máy ảo đã chạy được để có chỗ nạp dữ liệu. "Run Jupyter Notebooks" là bước thực hành phân tích, nằm ở cuối chuỗi chuẩn bị.

Đáp án đúng: "Joining multiple tables using SQL syntax". Spark SQL có thể đọc bảng PostgreSQL qua nguồn dữ liệu JDBC thành DataFrame, đăng ký thành bảng tạm rồi chạy truy vấn SQL đầy đủ như lọc, gộp nhóm và nối nhiều bảng bằng JOIN, kể cả nối bảng PostgreSQL với dữ liệu từ nguồn khác. "Running machine learning models directly on the database tables" sai vì học máy là việc của MLlib trên DataFrame đã nạp vào Spark, không chạy trực tiếp trong bảng của cơ sở dữ liệu bằng Spark SQL. "Creating visualizations directly from SQL queries" sai vì Spark SQL chỉ trả về dữ liệu, vẽ biểu đồ phải dùng công cụ khác như thư viện Python, notebook hay công cụ báo cáo. "Sending email notifications upon query completion" không phải chức năng của một động cơ truy vấn; gửi thông báo thuộc về hệ thống điều phối hay lập lịch bên ngoài.

Đáp án đúng: "The covariance of y t and y t +h not depends only on the value of h=0,1, 2, . . .for all t .". Một chuỗi thời gian dừng (stationary) theo nghĩa yếu phải thoả ba điều kiện: kỳ vọng không đổi theo thời gian, phương sai hữu hạn, và hiệp phương sai giữa hai thời điểm chỉ phụ thuộc vào độ trễ h chứ không phụ thuộc vào vị trí t. Phát biểu được chọn phủ định điều kiện thứ ba: nếu hiệp phương sai còn phụ thuộc vào t thì cấu trúc tương quan thay đổi theo thời gian và chuỗi không dừng, nên đây là ngoại lệ câu hỏi tìm. Đây là câu EXCEPT nên những điều kiện thật không được chọn: "The expected value (mean) of yt is a constant for all values of t." là điều kiện trung bình không đổi, một chuỗi có xu hướng tăng dần sẽ vi phạm nó; "The variance of yt is finite" là điều kiện phương sai hữu hạn, và khi xét hiệp phương sai tại h bằng 0 thì phương sai còn phải không đổi theo t; "The covariance of y t and y t +h depends only on the value of h=0,1, 2, . . .for all t ." là điều kiện hiệp phương sai chỉ phụ thuộc độ trễ.

Đáp án đúng: "Latent error". Câu này thuộc thuật ngữ độ tin cậy hệ thống (dependability), không phải kiến thức dữ liệu lớn, và các phương án dùng bộ thuật ngữ kinh điển gồm lỗi tiềm ẩn, lỗi hiệu lực và hỏng hóc. Theo bộ thuật ngữ đó, một chỗ sai đã nằm trong mã nhưng chưa được thực thi tới là latent error (lỗi tiềm ẩn). "Effective error" là trạng thái khi chỗ sai đã được kích hoạt, tức đoạn mã chứa nó chạy và sinh ra dữ liệu hoặc trạng thái sai bên trong hệ thống. "Failure" là khi sai lệch lan tới đầu ra, làm dịch vụ hệ thống lệch khỏi đặc tả và người dùng thấy được. "Fault" trong bộ thuật ngữ kinh điển là nguyên nhân gốc, như sai lầm của người viết mã. Cần nói thẳng chỗ tranh cãi: trong cách gọi mới hơn của cùng lĩnh vực, một khiếm khuyết trong mã chưa được kích hoạt lại được gọi là lỗi gốc đang ngủ (dormant fault), nên "Fault" cũng bảo vệ được; câu này chấm theo bộ thuật ngữ mà chính các phương án đang dùng, nơi trạng thái đó mang tên lỗi tiềm ẩn.

Đáp án đúng: "Giraph". Apache Giraph là hệ xử lý đồ thị quy mô lớn chạy trên Hadoop, theo mô hình Pregel của Google: tính toán chia thành các siêu bước (superstep), trong mỗi bước mọi đỉnh song song nhận thông điệp, cập nhật giá trị và gửi thông điệp cho láng giềng, phù hợp với PageRank, đường đi ngắn nhất, thành phần liên thông trên đồ thị hàng tỷ cạnh. "Hive" là kho dữ liệu truy vấn bằng HiveQL kiểu SQL trên dữ liệu dạng bảng, không có mô hình tính toán theo đỉnh. "HDFS" là hệ thống tệp phân tán, chỉ lưu dữ liệu chứ không xử lý đồ thị. "Storm" là hệ xử lý luồng thời gian thực, xử lý từng sự kiện khi nó đến, không thiết kế cho thuật toán lặp trên đồ thị.

Đáp án đúng: "Spark Context". collect là một action trong Spark: nó buộc thực thi chuỗi transformation rồi gom toàn bộ phần tử của RDD từ mọi phân vùng trên các worker node về chương trình driver, nơi SparkContext đang chạy, thành một danh sách trong bộ nhớ; vì thế chỉ nên gọi collect khi kết quả đủ nhỏ. "Other Worker Nodes" sai vì dữ liệu chỉ trao đổi giữa các worker khi có shuffle trong các phép như reduceByKey, còn collect đưa dữ liệu về driver. "Spark Streaming" là thư viện xử lý luồng, không phải đích nhận dữ liệu của collect. "None; Stays in the Same Node" sai vì đó là hành vi của transformation hay persist, còn collect bản chất là chuyển dữ liệu về driver. "Spark SQL" là thư viện xử lý dữ liệu có cấu trúc bằng DataFrame và SQL, cũng không phải nơi nhận dữ liệu.

Đáp án đúng: "Hadoop Distributed File System". HDFS là hệ thống tệp phân tán của Hadoop, tầng lưu trữ của cả hệ sinh thái: tệp lớn được chia thành các khối (mặc định 128 MB từ Hadoop 2), mỗi khối được nhân bản ra nhiều DataNode, thường là ba bản, còn NameNode giữ siêu dữ liệu về vị trí các khối; nhờ vậy dữ liệu chịu được hỏng máy và được đọc song song. "Hadoop File Distribution System" đảo trật tự chữ, gợi ý một hệ thống phân phát tệp chứ không phải hệ thống tệp phân tán. "Hadoop File Data System" bỏ mất chữ Distributed, vốn là đặc trưng quan trọng nhất của HDFS. "Hadoop Digital File Store" là tên không tồn tại, vì HDFS không phải một kho tệp số mà là hệ thống tệp trải trên nhiều máy.

Đáp án đúng: "Extracting the true value of a data item.". Trong tích hợp dữ liệu lớn, nhiều nguồn có thể đưa ra giá trị khác nhau cho cùng một mục dữ liệu, chẳng hạn giờ bay của một chuyến hay địa chỉ của một cửa hàng; data fusion (hợp nhất dữ liệu) là quá trình giải quyết mâu thuẫn đó để xác định giá trị đúng nhất, thường bằng bỏ phiếu có trọng số theo độ tin cậy của nguồn. "Extracting a global value from a data source." nói về việc lấy một giá trị tổng hợp toàn cục như tổng hay trung bình, đó là phép gộp (aggregation) chứ không phải hợp nhất các giá trị mâu thuẫn. "Extracting true sources from a data source." lẫn sang việc đánh giá nguồn nào đáng tin, đây chỉ là bước phụ trợ cho fusion chứ không phải mục tiêu của nó. "Another term for customer analytics." sai vì phân tích khách hàng là một ứng dụng nghiệp vụ, không đồng nghĩa với hợp nhất dữ liệu.

Đáp án đúng: "Kafka". Apache Kafka là nền tảng truyền thông điệp phân tán theo mô hình publish subscribe: dữ liệu như log, sự kiện được ghi vào các topic chia thành nhiều phân vùng (partition) trên nhiều broker, mỗi phân vùng được sao chép sang broker khác, nên vừa mở rộng ngang được vừa chịu lỗi khi một máy hỏng, và nhiều hệ thống có thể cùng đọc một dòng dữ liệu. "Hive" là kho dữ liệu trên Hadoop để truy vấn dữ liệu đã lưu bằng HiveQL, không vận chuyển log. "Pig" là nền tảng xử lý dữ liệu bằng ngôn ngữ kịch bản Pig Latin, biến đổi dữ liệu đã nằm trong HDFS. "HBase" là cơ sở dữ liệu NoSQL dạng cột trên HDFS cho đọc ghi ngẫu nhiên theo khoá, là nơi lưu chứ không phải kênh chuyển dữ liệu.

Đáp án đúng: "Complex Data Exploration Algorithms". Valence (độ liên kết) đo mức độ các phần tử dữ liệu nối với nhau, tức tỉ lệ kết nối thực có trên số kết nối có thể có; khi valence cao, đồ thị dày đặc, số đường đi và quan hệ gián tiếp bùng nổ, nên thuật toán khám phá như tìm cộng đồng, tìm đường hay phát hiện mẫu trở nên phức tạp và tốn kém. "Difficult to Integrate" là thách thức điển hình của Variety, khi dữ liệu đến từ nhiều nguồn với định dạng và lược đồ khác nhau. "Reliability of Data" là vấn đề của Veracity, liên quan tới độ chính xác và độ tin cậy của dữ liệu chứ không phải mật độ kết nối. "Difficult reliability" chỉ diễn đạt lại cùng ý về độ tin cậy, cũng thuộc Veracity, không xuất phát từ việc dữ liệu có valence cao.

Đáp án đúng: "Driver Program". Trong kiến trúc Spark, Driver Program là tiến trình chạy hàm main của ứng dụng và tạo SparkContext (hay SparkSession); chính tại đây RDD được tạo ra, chẳng hạn qua sc.textFile hay sc.parallelize, các phép biến đổi được ghi lại thành đồ thị DAG, rồi driver chia DAG thành stage và task gửi tới cụm. "Local CPU" sai vì CPU chỉ là phần cứng thực thi lệnh, không phải thành phần của Spark quản lý việc tạo RDD. "Storage" sai vì kho lưu trữ như HDFS hay S3 chỉ chứa dữ liệu nguồn mà RDD đọc vào, bản thân nó không định nghĩa RDD. "Spark Executor" sai vì executor là tiến trình trên các nút worker, nhận task từ driver để tính toán trên từng phân vùng và lưu đệm dữ liệu, tức thực thi trên RDD chứ không khởi tạo RDD.

Đáp án đúng: "Combining streams of data and analyzing them for new insights.". Giá trị thực của dữ liệu lớn không nằm ở từng nguồn riêng lẻ mà sinh ra khi kết hợp nhiều dòng dữ liệu khác nhau, ví dụ vị trí, giao dịch và mạng xã hội, rồi phân tích chúng để thấy những quy luật mà không nguồn nào cho thấy một mình. Đây là chỗ dễ tranh cãi: "Having data-enabled decisions and actions from the insights of new data." được một số tài liệu ôn tập ghi là đáp án và hai ý rất gần nhau, nhưng nó mô tả mục đích cuối cùng là ra quyết định và hành động, còn câu hỏi hỏi điều gì tạo ra giá trị, tức chính việc kết hợp và phân tích các dòng dữ liệu để rút ra hiểu biết mà quyết định dựa vào. "Size of the data." sai vì khối lượng lớn tự nó chỉ là chi phí lưu trữ, không tạo giá trị nếu không được phân tích. "Using the three major data sources: Machines, People, and Organizations." chỉ liệt kê ba nguồn dữ liệu; có nguồn mà không kết hợp và phân tích thì vẫn chưa sinh giá trị.

Đáp án đúng: "Low Veracity". Veracity (độ xác thực) đo mức tin cậy của dữ liệu: dữ liệu có chính xác không, có nhiễu, thiên lệch hay bị làm giả không. Trong tình huống, khoảng 90% đánh giá là 5 sao nhưng một nửa trong số đó, tức khoảng 45% tổng số đánh giá, đến từ người không có bằng chứng mua hàng hoặc viết không nghiêm túc; dữ liệu như vậy phản ánh sai mức hài lòng thật nên có độ xác thực thấp. "High Veracity" ngược lại, chỉ đúng khi đánh giá đến từ người mua thật và đáng tin. "Low Volume" nói về khối lượng dữ liệu ít, nhưng tình huống không cho biết số đánh giá nhiều hay ít. "High Volume" có thể đúng với quy mô dữ liệu của Amazon nói chung, nhưng vấn đề tình huống nêu ra là chất lượng của đánh giá chứ không phải số lượng.