Slide bài giảng Khoa học máy tính 12 Kết nối bài 26: Làm quen với Khoa học dữ liệu

Tóm lược nội dung

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.

Bài làm rút gọn:

Thông tin trên internet:

Khoa học dữ liệu (Data Science) là một lĩnh vực đa ngành sử dụng thống kê, tính toán khoa học, phương pháp khoa học, thuật toán và hệ thống để trích xuất hoặc suy luận kiến thức và thông tin từ dữ liệu có thể không chính xác, có cấu trúc hoặc không có cấu trúc 1 2 Đây là một lĩnh vực đang phát triển mạnh mẽ và có ảnh hưởng lớn đến nhiều ngành công nghiệp.

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.

Bài làm rút gọn:

Đáp án C.

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

Bài làm rút gọn:

- Học máy:

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

+ Sử dụng ngôn ngữ lập trình và thuật toán học máy để xây dựng các mô hình dự đoán.

+ Cung cấp các công cụ và kỹ thuật để xử lý, phân tích và khai phá dữ liệu.

- Tri thức chuyên ngành:

+ Là tri thức của từng lĩnh vực, ví dụ kinh doanh, y tế, khoa học xã hội.

+ Đánh giá chất lượng và độ chính xác của dữ liệu, diễn giải kết quả phân tích và khai phá dữ liệu theo cách phù hợp với lĩnh vực ứng dụng để đưa ra quyết định đúng đắn.

+ Giúp hiểu ngữ cảnh và ý nghĩa của dữ liệu.

+ Đánh giá chất lượng và độ chính xác của dữ liệu, diễn giải kết quả phân tích và khai phá dữ liệu theo cách phù hợp với lĩnh vực ứng dụng để đưa ra quyết định đúng đắn.

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

Bài làm rút gọn:

- Hiểu biết về lĩnh vực cụ thể: Tri thức chuyên ngành là yếu tố quan trọng để hiểu ngữ cảnh và ý nghĩa của dữ liệu. Khoa học dữ liệu không chỉ là việc xử lý dữ liệu mà còn đòi hỏi hiểu biết sâu về lĩnh vực mà dữ liệu đang áp dụng.

- Sự đa dạng trong ứng dụng: Khoa học dữ liệu áp dụng trong nhiều lĩnh vực khác nhau như kinh doanh, y tế, khoa học xã hội, marketing, và nhiều ngành công nghiệp khác. Sự đa dạng này thể hiện tính liên ngành của nó.

- Kết hợp của nhiều lĩnh vực: Khoa học dữ liệu sử dụng kiến thức từ khoa học máy tính, toán học, thống kê, và tri thức chuyên ngành. Điều này giúp tạo ra một hệ thống toàn diện và đa dạng để xử lý và phân tích dữ liệu.

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?

Bài làm rút gọn:

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

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

Bài làm rút gọn:

- Tự động hoá: khoa học dữ liệu giúp tự động hoá nhiều tác vụ, từ việc xử lý dữ liệu đến việc tối ưu hóa quyết định. Điều này giúp tiết kiệm thời gian và tối ưu hiệu suất.

- Đổi mới quá trình ra quyết định: khoa học dữ liệu giúp cải thiện quá trình ra quyết định bằng cách phân tích dữ liệu và đưa ra thông tin hữu ích. Điều này ảnh hưởng đến nhiều khía cạnh của cuộc sống và kinh doanh.

- Cá nhân hoá dịch vụ và cải thiện trải nghiệm khách hàng: dựa trên dữ liệu, chúng ta có thể cá nhân hoá dịch vụ và sản phẩm để đáp ứng nhu cầu của từng khách hàng một cách tốt nhất. Điều này cải thiện trải nghiệm của khách hàng và tạo sự hài lòng.

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

Bài làm 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?

Bài làm rút gọn:

- Khoa học dữ liệu cho phép cá nhân hoá các dịch vụ dựa trên phân tích dữ liệu về khách hàng. Điều này giúp cung cấp thông tin đầy đủ hơn về nhu cầu, sở thích và hành vi của khách hàng, từ đó đưa ra giải pháp cải thiện trải nghiệm khách hàng và tăng doanh số. Các hệ khuyến nghị và các ứng dụng y học cá nhân hoá là ví dụ điển hình.

- Khoa học dữ liệu sử dụng các mô hình học máy để tự động hoá các tác vụ lặp đi lặp lại và tốn thời gian. Điều này giúp tiết kiệm thời gian và chi phí, tăng tính hiệu quả và độ chính xác. Các tổ chức có thể áp dụng Khoa học dữ liệu để tự động hoá nhiều quy trình và công việc trong nhiều lĩnh vực, từ sản xuất, dịch vụ khách hàng đến quản lí tài chính.

- Khoa học dữ liệu cho phép tổ chức và cá nhân sử dụng dữ liệu để đưa ra quyết định sáng suốt và chính xác hơn. Phân tích và khai phá dữ liệu giúp dự báo và phân tích xu hướng phát triển, từ đó giúp chuẩn bị sẵn sàng và thích nghi với thay đổi, đồng thời đưa ra quyết định kinh doanh phù hợp.

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.

Bài làm rút gọn:

Khoa học dữ liệu có thể giúp đổi mới hoàn toàn quy trình bảo trì thiết bị và thay thế quy trình hoạt động chưa hiệu quả bằng cách dự đoán thời điểm xảy ra trục trặc của thiết bị. Phân tích:

- Tự động hóa quy trình bảo trì: Khoa học dữ liệu có thể hỗ trợ tự động hóa quy trình bảo trì thiết bị. Dựa trên dữ liệu từ các thiết bị và các mô hình học máy, tổ chức có thể phát triển các hệ thống tự động để giám sát, phát hiện và xử lý sự cố một cách tự động. Điều này giúp giảm thiểu sự can thiệp của con người và tăng tính hiệu quả của quy trình bảo trì.

- Dự đoán trục trặc: Khoa học dữ liệu có thể sử dụng các mô hình dự đoán để phân tích dữ liệu từ các thiết bị và đưa ra dự đoán về thời điểm xảy ra trục trặc. Bằng cách phân tích các thông số và mẫu dữ liệu liên quan đến hoạt động của thiết bị, Khoa học dữ liệu có thể nhận biết các dấu hiệu tiền đề của sự cố và đưa ra dự báo về thời gian tiếp theo khi trục trặc có thể xảy ra.

- Phân tích nguyên nhân và tối ưu hiệu suất: Khoa học dữ liệu có thể phân tích dữ liệu từ các thiết bị để xác định nguyên nhân gây ra trục trặc. Thông qua việc phân tích dữ liệu lịch sử và tương quan giữa các yếu tố, Khoa học dữ liệu có thể tìm ra các yếu tố ảnh hưởng và đề xuất các cải tiến để tối ưu hiệu suất và giảm thiểu trục trặc trong tương lai.

- Tối ưu hoá lịch trình bảo trì: Dự đoán thời điểm trục trặc giúp tổ chức tối ưu hoá lịch trình bảo trì. Thay vì thực hiện bảo trì theo lịch trình cố định, tổ chức có thể dựa trên dự đoán để lên kế hoạch bảo trì đúng thời điểm khi thiết bị có khả năng gặp sự cố. Điều này giúp tránh tình trạng bảo trì quá sớm hoặc quá trễ, tối ưu hóa sử dụng tài nguyên và giảm thiểu thời gian thiết bị không hoạt động.

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.

Bài làm rút gọn:

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. 

- Khoa học dữ liệu (Data Science): Khoa học dữ liệu là lĩnh vực toàn diện và đa ngành, liên quan đến việc thu thập, xử lý, phân tích và hiểu dữ liệu từ nhiều nguồn khác nhau. Khoa học dữ liệu kết hợp các phương pháp từ các lĩnh vực như thống kê, học máy, khai phá dữ liệu và trí tuệ nhân tạo để khám phá thông tin có giá trị từ dữ liệu và đưa ra dự đoán, quyết định hoặc hiểu biết sâu hơn.

- Phân tích dữ liệu (Data Analytics): Phân tích dữ liệu tập trung vào việc áp dụng các phương pháp thống kê và mô hình hóa để khám phá thông tin từ dữ liệu. Phân tích dữ liệu có thể tập trung vào việc tìm hiểu các mẫu, xu hướng và mối quan hệ trong dữ liệu để đưa ra hiểu biết và giải thích sự kiện đã xảy ra. Nó thường liên quan đến việc sử dụng các phương pháp và công cụ phân tích để trả lời các câu hỏi cụ thể và đưa ra thông tin hữu ích cho quyết định kinh doanh.