15 Câu hỏi và câu trả lời của Kỹ thuật dữ liệu

1. Câu hỏi: Trong Data Engineering, ETL đại diện cho gì?
A. Extract, Transform, Load
B. Extract, Transfer, Load
C. Export, Transform, Load
D. Extract, Translate, Load
Đáp án: A
Giải thích: ETL là viết tắt của Extract, Transform, và Load, đây là quy trình phổ biến để trích xuất dữ liệu từ các nguồn, biến đổi nó để phù hợp với định dạng mong muốn, và tải dữ liệu vào kho lưu trữ.

2. Câu hỏi: Phương pháp xử lý dữ liệu nào phù hợp hơn cho các ứng dụng thời gian thực như theo dõi giao dịch ngân hàng?
A. Xử lý theo lô (Batch processing)
B. Xử lý theo luồng (Stream processing)
C. Xử lý theo lịch (Scheduled processing)
D. Xử lý thủ công
Đáp án: B
Giải thích: Xử lý theo luồng cho phép xử lý dữ liệu ngay lập tức khi nó được tạo ra, rất phù hợp cho các ứng dụng thời gian thực để đảm bảo tính kịp thời và chính xác.

3. Câu hỏi: Công cụ nào sau đây chủ yếu được sử dụng để xử lý dữ liệu lớn (Big Data) với khả năng xử lý song song?
A. MySQL
B. Apache Spark
C. Excel
D. MongoDB
Đáp án: B
Giải thích: Apache Spark là một công cụ mã nguồn mở mạnh mẽ cho phép xử lý dữ liệu lớn theo cách phân tán và song song, giúp tăng tốc độ xử lý dữ liệu khổng lồ.

4. Câu hỏi: Sự khác biệt chính giữa Data Warehouse và Data Lake là gì?
A. Data Warehouse lưu trữ dữ liệu đã được cấu trúc, trong khi Data Lake lưu trữ dữ liệu ở mọi định dạng
B. Data Warehouse chỉ dùng cho dữ liệu nhỏ
C. Data Lake không hỗ trợ truy vấn SQL
D. Cả hai đều giống nhau về cấu trúc
Đáp án: A
Giải thích: Data Warehouse lưu trữ dữ liệu đã được làm sạch và cấu trúc hóa để hỗ trợ phân tích, trong khi Data Lake lưu trữ dữ liệu thô ở nhiều định dạng khác nhau, bao gồm cấu trúc và không cấu trúc.

5. Câu hỏi: Trong SQL, JOIN nào được sử dụng để kết hợp tất cả các hàng từ cả hai bảng, bất kể có khớp hay không?
A. INNER JOIN
B. LEFT JOIN
C. FULL OUTER JOIN
D. RIGHT JOIN
Đáp án: C
Giải thích: FULL OUTER JOIN kết hợp tất cả các hàng từ cả hai bảng, bao gồm các hàng không khớp, bằng cách sử dụng NULL cho các cột thiếu dữ liệu.

6. Câu hỏi: Mục đích chính của việc chuẩn hóa cơ sở dữ liệu (Database Normalization) là gì?
A. Tăng kích thước cơ sở dữ liệu
B. Giảm thiểu dữ liệu trùng lặp và đảm bảo tính toàn vẹn
C. Làm cho truy vấn chậm hơn
D. Chỉ dùng cho dữ liệu không cấu trúc
Đáp án: B
Giải thích: Chuẩn hóa cơ sở dữ liệu giúp loại bỏ dữ liệu trùng lặp, giảm thiểu lỗi, và đảm bảo tính toàn vẹn dữ liệu bằng cách tổ chức dữ liệu một cách hiệu quả.

7. Câu hỏi: Công cụ nào sau đây thường được sử dụng để quản lý và lên lịch các pipeline dữ liệu?
A. Apache Kafka
B. Apache Airflow
C. TensorFlow
D. Docker
Đáp án: B
Giải thích: Apache Airflow là một nền tảng mã nguồn mở để tạo, lên lịch và giám sát các workflows của pipeline dữ liệu, giúp tự động hóa các nhiệm vụ lặp lại.

8. Câu hỏi: Trong Data Engineering, khái niệm “Data Pipeline” đề cập đến gì?
A. Một dòng ống vật lý để truyền dữ liệu
B. Một quy trình tự động để di chuyển và xử lý dữ liệu từ nguồn đến đích
C. Một loại cơ sở dữ liệu
D. Một công cụ trực quan hóa dữ liệu
Đáp án: B
Giải thích: Data Pipeline là một chuỗi các bước tự động để trích xuất, biến đổi, và tải dữ liệu từ các nguồn khác nhau đến nơi lưu trữ hoặc sử dụng cuối cùng.

9. Câu hỏi: Dịch vụ đám mây nào sau đây của AWS thường được sử dụng để lưu trữ dữ liệu không cấu trúc với chi phí thấp?
A. Amazon RDS
B. Amazon S3
C. Amazon EC2
D. Amazon Redshift
Đáp án: B
Giải thích: Amazon S3 (Simple Storage Service) là dịch vụ lưu trữ đối tượng linh hoạt, phù hợp cho dữ liệu không cấu trúc như hình ảnh, video, với khả năng mở rộng và chi phí hiệu quả.

10. Câu hỏi: Yếu tố nào quan trọng nhất để đảm bảo chất lượng dữ liệu trong Data Engineering?
A. Tăng dung lượng lưu trữ
B. Kiểm tra và làm sạch dữ liệu (Data Cleaning)
C. Sử dụng nhiều nguồn dữ liệu
D. Chỉ tập trung vào tốc độ xử lý
Đáp án: B
Giải thích: Kiểm tra và làm sạch dữ liệu giúp loại bỏ lỗi, dữ liệu không chính xác, và đảm bảo dữ liệu đáng tin cậy cho phân tích và ra quyết định.

11. Câu hỏi: Trong Data Engineering, hệ thống nào thường được sử dụng để xử lý dữ liệu thời gian thực từ các nguồn như cảm biến?
A. Hadoop
B. Apache Kafka
C. Microsoft Excel
D. Oracle Database
Đáp án: B
Giải thích: Apache Kafka là một hệ thống phân phối để xử lý luồng dữ liệu thời gian thực, cho phép thu thập, lưu trữ và phân phối dữ liệu từ các nguồn liên tục.

12. Câu hỏi: Khái niệm “Scalability” trong Data Engineering có nghĩa là gì?
A. Giảm khả năng xử lý dữ liệu
B. Khả năng hệ thống mở rộng để xử lý lượng dữ liệu lớn hơn
C. Chỉ sử dụng cho dữ liệu nhỏ
D. Tăng chi phí vận hành
Đáp án: B
Giải thích: Scalability đề cập đến khả năng của hệ thống Data Engineering mở rộng tài nguyên để xử lý khối lượng dữ liệu tăng lên mà không làm gián đoạn hoạt động.

13. Câu hỏi: Công cụ nào sau đây thường được sử dụng để xây dựng mô hình dữ liệu cho kho dữ liệu?
A. ER Diagram
B. Star Schema
C. Linear Regression
D. Decision Trees
Đáp án: B
Giải thích: Star Schema là một mô hình dữ liệu phổ biến trong kho dữ liệu, giúp tối ưu hóa truy vấn bằng cách tổ chức dữ liệu xung quanh một bảng trung tâm (fact table) và các bảng vệ tinh (dimension tables).

14. Câu hỏi: Trong Data Engineering, lý do chính để sử dụng version control như Git là gì?
A. Để tăng tốc độ xử lý dữ liệu
B. Để quản lý và theo dõi thay đổi trong mã nguồn và pipeline dữ liệu
C. Để lưu trữ dữ liệu thô
D. Để trực quan hóa dữ liệu
Đáp án: B
Giải thích: Version control như Git giúp theo dõi lịch sử thay đổi, hợp tác giữa các thành viên đội ngũ, và đảm bảo tính nhất quán trong phát triển pipeline dữ liệu.

15. Câu hỏi: Phương pháp nào sau đây được sử dụng để xử lý dữ liệu lớn với Hadoop?
A. MapReduce
B. Sequential Processing
C. Manual Sorting
D. Cloud Storage Only
Đáp án: A
Giải thích: MapReduce là một mô hình lập trình trong Hadoop để xử lý dữ liệu lớn bằng cách phân tán công việc thành các nhiệm vụ Map và Reduce, giúp xử lý song song hiệu quả.