Bài 26. LÀM QUEN VỚI KHOA HỌC DỮ LIỆU

KHỞI ĐỘNG

Những năm gần đây, cùng với AI, Khoa học dữ liệu (data science) đã trở thành lĩnh vực thu hút sự quan tâm đặc biệt trên toàn thế giới. Hãy nhập từ khoá "data science” vào thanh công cụ tìm kiếm Google và cho nhận xét về kết quả tìm kiếm mà em nhận được.

Giải rút gọn:

Thông tin trên internet:

Khoa học Dữ liệu là gì?

• Lĩnh vực đa ngành sử dụng các phương pháp thống kê, toán học, lập trình, AI & học máy để trích xuất kiến thức từ dữ liệu.

• Phát triển mạnh mẽ, ảnh hưởng lớn đến nhiều ngành công nghiệp.

Yếu tố cốt lõi:

• Toán học & thống kê: Phân tích dữ liệu, tạo mô hình dự đoán.

• Lập trình: Xử lý, phân tích dữ liệu (R, Python,..).

• AI & học máy: Xây dựng mô hình dự đoán, phân loại.

• Kiến thức chuyên ngành: Hiểu lĩnh vực ứng dụng dữ liệu (y tế, tài chính,...).

Vai trò:

• "Công việc hấp dẫn nhất thế kỷ 21" (Harvard Business Review).

• Giúp tổ chức hiểu, phân tích dữ liệu, đưa ra quyết định sáng suốt.

Quá trình:

1. Thu thập dữ liệu (cấu trúc & không cấu trúc).

2. Lưu trữ, xử lý dữ liệu (data warehouse, data lake).

3. Phân tích dữ liệu: Tìm mẫu, xu hướng, xây dựng mô hình.

4. Trình bày kết quả (báo cáo, biểu đồ).

1. KHÁI NIỆM VÀ MỤC TIÊU CỦA KHOA HỌC DỮ LIỆU

Hoạt động: Tìm hiểu về khoa học dữ liệu

Có thể hiểu đơn giản Khoa học dữ liệu là lĩnh vực khoa học nghiên cứu về dữ liệu. Như vậy, đối tượng nghiên cứu của Khoa học dữ liệu chính là dữ liệu. Theo em, Khoa học dữ liệu không bao gồm công việc nào sau đây?

A. Nghiên cứu phát triển các phương pháp thu thập và quản lí dữ liệu.

B. Khai phá các thông tin, tri thức từ dữ liệu thu được để nâng cao hiệu quả kinh doanh, quản lí.

C. Kinh doanh, phân phối dữ liệu thu thập được cho các cá nhân, tổ chức quan tâm.

D. Phát triển và áp dụng các phương pháp và kĩ thuật để nhận biết các mẫu hình, các quan hệ và xu hướng có trong dữ liệu.

Giải rút gọn:

C. Kinh doanh, phân phối dữ liệu thu thập được cho các cá nhân, tổ chức quan tâm.

Khoa học dữ liệu không liên quan trực tiếp đến việc kinh doanh hoặc phân phối dữ liệu thu thập được. Thay vào đó, nó tập trung vào việc xử lý, phân tích và trích xuất tri thức từ dữ liệu để hỗ trợ quyết định và cải thiện hiệu suất trong các lĩnh vực khác nhau.

Câu hỏi 1: Học máy và tri thức chuyên ngành có vai trò gì trong Khoa học dữ liệu?

Giải rút gọn:

Vai trò của Học máy và Tri thức chuyên ngành trong Khoa học dữ liệu:

Học máy:

• Cung cấp công cụ, kỹ thuật xử lý, phân tích, khai phá dữ liệu.

• Xây dựng mô hình dự đoán bằng ngôn ngữ lập trình và thuật toán học máy.

• Đóng vai trò quan trọng trong phân tích và khai phá dữ liệu.

Tri thức chuyên ngành:

• Hiểu biết về lĩnh vực (kinh doanh, y tế, khoa học xã hội,...).

• Hiểu ngữ cảnh, ý nghĩa của dữ liệu.

• Đánh giá chất lượng, độ chính xác của dữ liệu.

• Diễn giải kết quả phân tích, khai phá dữ liệu phù hợp với lĩnh vực.

• Hỗ trợ đưa ra quyết định đúng đắn.

Câu hỏi 2: Tính chất liên ngành của Khoa học dữ liệu được thể hiện như thế nào?

Giải rút gọn:

Tính chất liên ngành của Khoa học dữ liệu:

1. Kết hợp đa lĩnh vực:

• Khoa học máy tính, toán học, thống kê, tri thức chuyên ngành.

• Tạo hệ thống toàn diện, đa dạng để xử lý và phân tích dữ liệu.

2. Ứng dụng đa dạng:

• Kinh doanh, y tế, khoa học xã hội, marketing, nhiều ngành khác.

• Thể hiện tính liên ngành.

3. Hiểu biết chuyên ngành:

• Yếu tố quan trọng để hiểu dữ liệu.

• Không chỉ xử lý dữ liệu mà còn cần hiểu biết sâu về lĩnh vực ứng dụng.

2. MỘT SỐ THÀNH TỰU CỦA KHOA HỌC DỮ LIỆU

Hoạt động: Làm quen với dữ liệu lớn trong thực tế

Khi nói tới dữ liệu lớn người ta thường nghĩ tới kích thước lớn của dữ liệu. Tuy nhiên, trong thực tế, có những dữ liệu không chỉ có kích thước lớn, thường xuyên được cập nhật mà còn bao gồm nhiều loại khác nhau. Em có thể chỉ ra một vài ví dụ về những dữ liệu như vậy không?

Giải rút gọn:

Ví dụ:

- Dữ liệu tài chính: Dữ liệu từ thị trường chứng khoán, giao dịch ngân hàng, dữ liệu tài chính của các công ty, và dữ liệu về tiền tệ.

- Dữ liệu xã hội (Social Media): Dữ liệu từ các trang web xã hội như Facebook, Twitter, Instagram, LinkedIn, và YouTube. Đây bao gồm các bài viết, bình luận, hình ảnh, video, và thông tin cá nhân của người dùng.

- Dữ liệu y tế: Dữ liệu từ bệnh viện, phòng khám, dữ liệu về bệnh nhân, dược phẩm, và nghiên cứu y học.

- Dữ liệu địa lý và vận tải: Dữ liệu từ hệ thống định vị toàn cầu (GPS), thông tin về giao thông, thời tiết, và hành trình vận chuyển.

- Dữ liệu sản xuất và công nghiệp: Dữ liệu từ máy móc, cảm biến, quá trình sản xuất, và quản lý chuỗi cung ứng.

Câu hỏi 1: Giới thiệu một vài thành tựu của Khoa học dữ liệu mà em tâm đắc nhất.

Giải rút gọn:

Một số thành tựu ấn tượng của Khoa học dữ liệu:

1. Đổi mới quá trình ra quyết định:

• Phân tích dữ liệu, cung cấp thông tin hữu ích.

• Cải thiện chất lượng quyết định trong nhiều lĩnh vực (kinh doanh, y tế, v.v.).

2. Tự động hóa:

• Tự động hóa nhiều tác vụ (xử lý dữ liệu, tối ưu hóa quyết định).

• Tiết kiệm thời gian, nâng cao hiệu quả công việc.

3. Cá nhân hóa dịch vụ và trải nghiệm khách hàng:

• Cá nhân hóa dịch vụ, sản phẩm dựa trên dữ liệu.

• Đáp ứng nhu cầu khách hàng tốt nhất, tăng sự hài lòng.

Câu hỏi 2: Quan sát Hình 26.4 và cho biết kết quả khuyến nghị là gì.

Giải rút gọn:

Kết quả khuyến nghị là các bài hát của Estas Tonne.

LUYỆN TẬP

Câu 1: Tại sao lại có thể nói Khoa học dữ liệu góp phần tạo ra nhiều cơ hội mới cho các lĩnh vực khác nhau?

Giải rút gọn:

Khoa học dữ liệu mở ra cơ hội mới cho nhiều lĩnh vực:

1. Quyết định dựa trên dữ liệu:

• Phân tích dữ liệu giúp dự báo xu hướng, đưa ra quyết định sáng suốt, chính xác.

• Chuẩn bị cho thay đổi, thích ứng nhanh chóng, đưa ra quyết định kinh doanh phù hợp.

2. Tự động hóa và đổi mới sáng tạo:

• Sử dụng mô hình học máy tự động hóa các tác vụ tốn thời gian, tiết kiệm chi phí.

• Nâng cao hiệu quả, độ chính xác.

• Áp dụng trong nhiều lĩnh vực: sản xuất, dịch vụ khách hàng, quản lý tài chính,...

3. Cá nhân hóa dịch vụ và trải nghiệm khách hàng:

• Phân tích dữ liệu khách hàng để cá nhân hóa dịch vụ.

• Hiểu rõ nhu cầu, sở thích, hành vi khách hàng.

• Cải thiện trải nghiệm khách hàng, tăng doanh số.

• Ví dụ: hệ thống khuyến nghị, y học cá nhân hóa.

Câu 2: Các tổ chức có thể sử dụng Khoa học dữ liệu để dự đoán thời điểm những trục trặc của thiết bị có thể xảy ra. Hãy phân tích để thấy được, trong trường hợp cụ thể này, Khoa học dữ liệu có thể giúp đổi mới hoàn toàn quy trình bảo trì thiết bị, thay thế quy trình hoạt động chưa hiệu quả.

Giải rút gọn:

Khoa học dữ liệu đổi mới quy trình bảo trì thiết bị:

1. Dự đoán trục trặc:

• Sử dụng mô hình học máy phân tích dữ liệu thiết bị, dự đoán thời điểm xảy ra sự cố.

• Nhận biết dấu hiệu tiền đề, dự báo thời gian trục trặc tiếp theo.

2. Tối ưu hóa lịch trình bảo trì:

• Lên kế hoạch bảo trì dựa trên dự đoán, tránh bảo trì quá sớm/quá trễ.

• Tối ưu hóa tài nguyên, giảm thiểu thời gian thiết bị không hoạt động.

3. Phân tích nguyên nhân và tối ưu hiệu suất:

• Xác định nguyên nhân gây trục trặc qua phân tích dữ liệu.

• Đề xuất cải tiến để tối ưu hóa hiệu suất, giảm thiểu trục trặc tương lai.

4. Tự động hóa quy trình bảo trì:

• Phát triển hệ thống tự động giám sát, phát hiện và xử lý sự cố.

• Giảm thiểu sự can thiệp của con người, nâng cao hiệu quả bảo trì.

VẬN DỤNG

Trong thực tế, vẫn có trường hợp dùng các thuật ngữ Khoa học dữ liệu và Phân tích dữ liệu thay thế cho nhau. Điều này không hoàn toàn chính xác. Hãy truy cập Internet để tìm hiểu sự khác biệt giữa hai khái niệm này.

Giải rút gọn:

Tóm tắt thông tin trên internet:

Trong thực tế, thuật ngữ "Khoa học dữ liệu" và "Phân tích dữ liệu" không hoàn toàn tương đương và có những khác biệt nhất định. Dưới đây là một trình bày ngắn về sự khác biệt giữa hai khái niệm này:

Khoa học dữ liệu:

• Lĩnh vực toàn diện, đa ngành.

• Thu thập, xử lý, phân tích dữ liệu từ nhiều nguồn.

• Kết hợp các phương pháp: thống kê, học máy, khai phá dữ liệu, trí tuệ nhân tạo.

• Mục tiêu: khám phá thông tin giá trị, đưa ra dự đoán, quyết định hoặc hiểu biết sâu hơn.

Phân tích dữ liệu:

• Tập trung áp dụng phương pháp thống kê, mô hình hóa để khám phá thông tin từ dữ liệu.

• Mục tiêu: tìm hiểu mẫu, xu hướng, mối quan hệ trong dữ liệu.

• Giải thích sự kiện, đưa ra hiểu biết, thông tin hữu ích cho quyết định kinh doanh.

• Sử dụng công cụ, phương pháp phân tích để trả lời câu hỏi cụ thể.