Câu hỏi tự luận mức độ vận dụng Khoa học máy tính 12 cd bài 3: Giới thiệu về khoa học dữ liệu (tiếp theo)

Câu 1:

- Tình huống: Một công ty thương mại điện tử gặp khó khăn trong việc tăng doanh số bán hàng. Họ quyết định áp dụng phương pháp phát hiện tri thức để phân tích hành vi của khách hàng.

- Giải pháp:

+ Thu thập dữ liệu: Công ty thu thập dữ liệu từ lịch sử giao dịch, lượt truy cập trang web, và phản hồi của khách hàng.

+ Tiền xử lý dữ liệu: Làm sạch và chuẩn hóa dữ liệu để loại bỏ những thông tin không cần thiết hoặc sai lệch.

+ Phân tích dữ liệu: Sử dụng các thuật toán phân tích để tìm ra các mẫu hành vi của khách hàng, như sản phẩm nào thường được mua cùng nhau.

=> Kết quả: Dựa trên phân tích, công ty có thể đưa ra các chương trình khuyến mãi nhắm đến nhóm khách hàng cụ thể, từ đó tăng doanh số bán hàng.

Câu 2: 

- Ví dụ: Trong ngành ngân hàng, các giao dịch thẻ tín dụng được thực hiện liên tục. Nếu một giao dịch có dấu hiệu gian lận (như giao dịch lớn tại một địa điểm không quen thuộc), hệ thống cần phải xử lý dữ liệu ngay lập tức để đưa ra quyết định chặn giao dịch.

- Ảnh hưởng: Nếu tốc độ xử lý dữ liệu chậm, ngân hàng có thể không kịp thời ngăn chặn giao dịch gian lận, dẫn đến thiệt hại tài chính cho cả ngân hàng và khách hàng.

Câu 3: 

- Ứng dụng: Netflix sử dụng khoa học dữ liệu để cá nhân hóa trải nghiệm người dùng.

Các đặc trưng của dữ liệu lớn:

- Khối lượng (Volume): Netflix xử lý hàng triệu lượt xem và hàng tỷ dữ liệu mỗi ngày từ hàng triệu người dùng.

- Tốc độ (Velocity): Dữ liệu được cập nhật liên tục theo thời gian thực khi người dùng xem, đánh giá, và tìm kiếm nội dung.

- Độ đa dạng (Variety): Dữ liệu đến từ nhiều nguồn, bao gồm lịch sử xem, đánh giá của người dùng, và thông tin từ mạng xã hội.

Câu 4: 

*Cách cải thiện:

+ Tối ưu hóa tốc độ xử lý: Các thuật toán ưu việt như học máy có thể xử lý dữ liệu lớn nhanh chóng và hiệu quả hơn, giúp rút ngắn thời gian phân tích.

+ Phát hiện mẫu tốt hơn: Các thuật toán như mạng nơ-ron sâu có khả năng phát hiện các mẫu phức tạp trong dữ liệu, từ đó cung cấp những hiểu biết sâu sắc hơn.

+ Dự đoán chính xác hơn: Các thuật toán tiên tiến giúp cải thiện độ chính xác của các mô hình dự đoán, từ đó hỗ trợ ra quyết định tốt hơn cho doanh nghiệp.