Page 32 - 6.Machine Learning for Data Science
P. 32

หลักสูตรการวิเคราะหอินเทอรเน็ตของทุกสรรพสิ่งเบื้องตนดวย Hadoop  |  31





                  5.4  คำถามทายบท

                  1.  การแกไขปญหาการเรียนไมจบตามเกณฑของ Tacoma ในเบื้องตนนำเอา Big Data มาใชในเรื่องใด

                      ก.  การทำ Database
                      ข.  การทำ Data Lake

                      ค.  การทำ Data Warehouse
                      ง.  ไมมีขอถูก

                  2.  วิธีการใดที่ถูกนำมาใชในการวิเคราะหผลการเรียนของนักเรียนเปนรายบุคคล
                      ก.  Predictive Analytic

                      ข.  Data Visualization
                      ค.  Semantic Search

                      ง.  Statistical model

                  3.  Semantic Search คืออะไร
                      ก.  เทคนิคการวิเคราะหแบบคนหา
                      ข.  เทคนิคการคนหาแบบตรงเปา

                      ค.  เทคนิคการคนหาขอมูลรวดเร็ว

                      ง.  เทคนิคการแสดงผลจากการคนหา
                  4.  จุดเดนของ Semantic Search คืออะไร
                      ก.  คนหาไดรวดเร็ว

                      ข.  มีการสรุปผลการคนหาให

                      ค.  คำคนเปนภาษางาย ๆ ในลักษณะภาษาพูดที่คุนเคย
                      ง.  มีการแนะนำผลของการคนหา

                  5.  Semantic Search สามารถนำไปใชการตลาดอยางไร
                      ก.  นำผลการคนหาของผูใชไปวิเคราะหเพื่อใชในการตั้งราคาสินคา

                      ข.  นำเสนอขอมูลที่ตรงใจกับผูผลิตเพื่อใชในการสรางเนื้อหา
                      ค.  สรางการนำเสนอสินคาแบบรายบุคคลเพื่อใหตรงใจผูใชงานมากที่สุด

                      ง.  ถูกทุกขอ















                   INTRODUCTION TO IOT ANALYTICS USING HADOOP                                        สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร
   27   28   29   30   31   32   33   34   35   36   37