Câu hỏi tự luận mức độ vận dụng cao Khoa học máy tính 12 cd bài 2: Giới thiệu về khoa học dữ liệu

4. VẬN DỤNG CAO (4 CÂU)

Câu 1: Phân tích các thách thức mà các nhà khoa học dữ liệu phải đối mặt trong quá trình triển khai dự án khoa học dữ liệu?

Câu 2: Đề xuất một dự án khoa học dữ liệu mới có thể giải quyết vấn đề xã hội hiện nay, nêu rõ mục tiêu và phương pháp thực hiện?

Câu 3: So sánh và đối chiếu các mô hình ngôn ngữ lớn khác nhau và ứng dụng của chúng trong các lĩnh vực khác nhau?

Câu 4: Đánh giá tiềm năng của khoa học dữ liệu trong việc giải quyết các vấn đề toàn cầu như biến đổi khí hậu hay dịch bệnh?

Câu 1:

- Chất lượng dữ liệu: Dữ liệu không đầy đủ, sai lệch hoặc chứa nhiều lỗi có thể dẫn đến kết quả không chính xác.

- Khó khăn trong việc giải thích mô hình: Một số mô hình phức tạp khó giải thích, gây khó khăn trong việc thuyết phục các bên liên quan.

- Thay đổi yêu cầu: Các yêu cầu từ khách hàng hoặc thị trường có thể thay đổi, làm ảnh hưởng đến hướng đi của dự án.

- Tích hợp công nghệ: Khó khăn trong việc tích hợp mô hình vào hệ thống hiện tại của doanh nghiệp.

- Thiếu nguồn lực: Thiếu hụt nhân lực có kỹ năng và tài nguyên tính toán có thể cản trở tiến độ dự án.

Câu 2:

*Dự án: Phân tích và dự đoán tình trạng khủng hoảng nhà ở tại các thành phố lớn.

*Mục tiêu: Xác định các yếu tố dẫn đến khủng hoảng nhà ở và dự đoán xu hướng giá nhà trong tương lai.

*Phương pháp thực hiện:

+ Thu thập dữ liệu: Tập hợp dữ liệu từ các nguồn như cơ sở dữ liệu bất động sản, khảo sát ý kiến người dân, và dữ liệu kinh tế.

+ Tiền xử lý dữ liệu: Làm sạch và chuẩn hóa dữ liệu để đảm bảo chất lượng.

+ Phân tích dữ liệu: Sử dụng các phương pháp học máy như hồi quy và cây quyết định để phân tích các yếu tố ảnh hưởng đến giá nhà.

+ Dự đoán: Xây dựng mô hình dự đoán giá nhà trong tương lai dựa trên các yếu tố đã phân tích.

+ Trực quan hóa dữ liệu: Tạo biểu đồ và bản đồ để trình bày kết quả và khuyến nghị cho các nhà hoạch định chính sách.

Câu 3:

Mô hình	Ứng dụng	Ưu điểm	Nhược điểm
GPT (Generative Pre-trained Transformer)	Tạo nội dung, viết tự động, và trợ lý ảo.	Khả năng sinh ra văn bản tự nhiên và mạch lạc.	Có thể tạo ra thông tin sai lệch nếu không được kiểm soát.
BERT (Bidirectional Encoder Representations from Transformers)	Phân tích cảm xúc, tóm tắt văn bản, và tìm kiếm thông tin.	Hiểu ngữ cảnh tốt hơn nhờ cấu trúc hai chiều.	Thời gian tính toán lâu hơn cho các tác vụ lớn.
T5 (Text-to-Text Transfer Transformer)	Dịch ngôn ngữ, tóm tắt, và nhiều tác vụ NLP khác.	Linh hoạt trong việc xử lý nhiều loại tác vụ khác nhau.	Cần nhiều tài nguyên để huấn luyện và triển khai.

Câu 4:

- Biến đổi khí hậu: Khoa học dữ liệu có thể phân tích dữ liệu khí hậu để dự đoán các xu hướng, giúp các nhà hoạch định chính sách đưa ra quyết định kịp thời.

- Dịch bệnh: Phân tích dữ liệu y tế và dịch tễ học giúp theo dõi sự lây lan của dịch bệnh và phát triển các chiến lược phòng ngừa hiệu quả.

- Quản lý tài nguyên: Khoa học dữ liệu có thể tối ưu hóa việc sử dụng tài nguyên thiên nhiên, như nước và năng lượng, nhằm giảm thiểu tác động đến môi trường.

- Phát triển bền vững: Hỗ trợ trong việc xây dựng các mô hình phát triển bền vững thông qua phân tích dữ liệu về kinh tế, xã hội và môi trường.

Xem toàn bộ: Câu hỏi tự luận Khoa học máy tính 12 Cánh diều bài 2: Giới thiệu về khoa học dữ liệu