Bài 1: Định nghĩa về khoa học dữ liệu
1. Định nghĩa về khoa học dữ liệu
Trong video này, bạn sẽ hiểu được khoa học dữ liệu:
Là quá trình sử dụng dữ liệu để hiểu về sự vật, hiện tượng, hiểu thế giới.
Tồn tại một mô hình hoặc giả thiết cho một vấn đề, bạn cố gắng xác nhận giả thiết hoặc mô hình đó với dữ liệu của bạn.
Là nghệ thuật khám phá hiểu biết và xu hướng ẩn sau của dữ liệu.
Diễn giải dữ liệu thành một câu chuyện và sử dụng khả năng kể chuyển để kiến tạo hiểu biết về sự vật, hiện tượng; cung cấp các lựa chọn chiến lược cho công ty hoặc tổ chức.
Là lĩnh vực về các quy trình và hệ thống trích xuất dữ liệu từ các dạng dữ liệu khác nhau.
Là nghiên cứu về dữ liệu, nỗ lực làm việc với dữ liệu, trả lời câu hỏi mà chúng ta muốn khám phá.
Khoa học dữ liệu là sự kết hợp của:
Dữ liệu
Sự tò mò của người làm việc với dữ liệu
Quá trình làm việc và thao tác với dữ liệu
Khám phá dữ liệu
Thực hiện phân tích dữ liệu
Nhờ khả năng tính toán mạnh mẽ của phần cứng, tồn tại nhiều thuật toán hỗ trợ, có nhiều nhiều công cụ để làm việc với dữ liệu, các phần mềm dành cho khoa học dữ liệu là nguồn mở và miễn phí (open source), tính sẵn có của dữ liệu và khả năng lưu trữ; những nhân tố này giúp cho việc phân tích dữ liệu trở nên dễ dàng hơn với chi phí rẻ hơn, từ đó giúp cho khoa học dữ liệu trở nên phổ biến.
Hầu hết các nhà khoa học dữ liệu đều công nhận rằng Data Analysis (Phân tích dữ liệu) là một thành phần rất quan trọng trong khoa học dữ liệu. Nhờ sự phát triển của dữ liệu, khả năng lưu trữ, năng lực tính toán giúp cho Data Analysis có thể phân tích ra những kiến thức hữu ích trong dữ liệu, giúp các tổ chức:
Hiểu môi trường của họ
Phân tích các vấn đề hiện có
Tìm kiếm các cơ hội tiềm tàng
Nhiều tổ chức sử dụng khoa học dữ liệu để tập trung vào một vấn đề cụ thể. Để giải quyết được bài toán, chúng ta cần:
Xác định dự án sẽ tiến triển như thế nào khi sử dụng khoa học dữ liệu. Đặt câu hỏi để làm rõ nhu cầu của doanh nghiệp.
Xác định dữ liệu cần để giải quyết nhu cầu của doanh nghiệp.
Xác định nguồn dữ liệu đến từ đâu.
Phân tích dữ liệu để tìm ra giải pháp.
Truyền đạt kết quả tới các bên liên quan thông qua khả năng kể chuyện với doanh nghiệp. Áp dụng các công cụ trực quan hoá dữ liệu để giúp doanh nghiệp hiểu về bản chất của giải pháp được đưa ra.
Khoa học dữ liệu thay đổi cách con người làm việc, cách sử dụng dữ liệu, cách tiếp cận với thế giới.
VideoNền tảng của khoa học dữ liệu
Các nhà khoa học dữ liệu cần làm việc chặt chẽ với các bên liên quan của doanh nghiệp để hiểu mục tiêu. Từ đó xác định cách sử dụng dữ liệu để đạt được các mục tiêu, rồi thiết kế quy trình mô hình hóa dữ liệu, tạo thuật toán và xây dựng mô hình dự đoán để trích xuất dữ liệu mà doanh nghiệp cần. Cuối cùng là phân tích dữ liệu và chia sẻ thông tin chi tiết với các đồng nghiệp.
Với lượng dữ liệu sẵn có gần như không giới hạn hiện nay, các tổ chức có thể tận dụng các phương pháp ngày càng đa dạng. Tuy nhiên, mục đích cuối cùng cũng chỉ là tìm ra giải pháp tối ưu cho các vấn đề hiện tại. Hãy xem một vài ví dụ:
Với Uber: họ thu thập dữ liệu người dùng theo thời gian thực để tìm hiểu xem có bao nhiêu tài xế sẵn có, từ đó phân bổ số lượng tài xế đúng lúc đúng chỗ với chi phí tài xế hợp lý.
Ủy ban Giao thông vận tải Toronto: họ thu thập dữ liệu để tìm hiểu hoạt động của xe điện, xác định các khu vực cần can thiệp, phân tích dữ liệu khiếu nại của khách hàng, sử dụng dữ liệu thăm dò để hiểu rõ tình hình giao thông trên các tuyến đường chính và tạo một nhóm để tận dụng dữ liệu lớn tốt hơn cho cả việc quy hoạch, vận hành và đánh giá. Từ đó giảm số giờ lãng phí hàng tháng của người tham gia giao thông do tắc nghẽn, từ 4,75 giờ vào năm 2010 xuống còn 3 giờ vào giữa năm 2014.
Tại Mỹ, một nhóm các nhà khoa học đã phát triển và triển khai các công cụ công nghệ cao để tìm hiểu vi khuẩn lam trong các hồ nước. Họ thu thập lượng lớn dữ liệu liên quan đến các hồ cũng như sự tiến triển của những đợt bùng phát gây hại của vi khuẩn lam; xây dựng các mô hình thuật toán mới để đánh giá các kết quả. Điều này giúp đưa ra những dự đoán tốt hơn về thời điểm và địa điểm bùng phát vi khuẩn lam, tạo điều kiện để chủ động đề ra các biện pháp nhằm bảo vệ sức khỏe cộng đồng trong khu vực hồ giải trí và hồ cung cấp nước uống.
VideoVấn đề cũ, vấn đề mới, giải pháp khoa học dữ liệu
Big Data (Dữ liệu lớn)
Đề cập đến những tập dữ liệu khổng lồ, được xây dựng nhanh chóng và đa dạng đến mức làm khó các phương pháp phân tích truyền thống.
Sự phát triển song song của siêu năng lực tính toán trong mạng phân tán và các công cụ, phương pháp mới để phân tích dữ liệu giúp tạo điều kiện cho các tổ chức có khả năng phân tích các tập dữ liệu lớn này, khiến cho kiến thức và thông tin mới từ dữ liệu trở nên khả dụng với tất cả mọi người.
Big Data thường được mô tả theo 5V:

Data Mining (Khai phá dữ liệu)
Là quá trình tự động tìm kiếm và phân tích dữ liệu.
Khám phá các mẫu hình chưa được biết đến.
Bao gồm việc tiền xử lý dữ liệu để chuẩn bị và biến đổi dữ liệu đó thành định dạng thích hợp.
Khi quá trình kết thúc, thông tin có giá trị và mẫu hình được khai thác và trả về kết quả bằng các công cụ và phương pháp khác nhau:
Data visualization (trực quan hoá dữ liệu)
Machine learning (học máy)
Statistical model (mô hình thống kê)
Machine learning (Học máy)
Là một nhánh của AI (Trí tuệ nhân tạo) sử dụng thuật toán tính toán để phân tích dữ liệu và đưa ra quyết định thông minh dựa trên những gì nó học được mà không cần lập trình rõ ràng.
Các thuật toán học máy được huấn luyện thông qua các tập dữ liệu lớn.
Chúng không tuân theo thuật toán dựa trên quy tắc.
Học máy cho phép tự giải quyết các vấn đề và đưa ra dự đoán chính xác từ dữ liệu được cung cấp.
Deep Learning (Học sâu)
Là một nhánh riêng biệt của học máy.
Sử dụng mạng nơ-ron phân lớp để mô phỏng việc đưa ra quyết định của con người.
Học sâu có thể gán nhãn, phân loại thông tin và xác định các mẫu hình.
Cho phép các hệ thống AI không ngừng học hỏi về tác vụ và cải thiện chất lượng, độ chính xác của kết quả bằng cách xác định xem quyết định có đúng hay không.
Neural Networks (Mạng nơ-ron nhân tạo)
Thường được gọi đơn giản là mạng nơ-ron.
Lấy cảm hứng từ mạng thần kinh sinh học mặc dù chúng hoạt động khá khác.
Là một tập hợp các đơn vị tính toán nhỏ được gọi là nơ-ron, lấy dữ liệu truyền đến và học cách đưa ra quyết định qua thời gian.
Mạng nơ-ron thường có nhiều lớp sâu và đó là lý do thuật toán học sâu trở nên hiệu quả hơn khi dữ liệu tăng về dung lượng, không như các thuật toán học máy khác ít thay đổi khi dữ liệu tăng.


Data Science (Khoa học dữ liệu)
Là quá trình và phương pháp trích xuất kiến thức và thông tin có giá trị từ rất nhiều dữ liệu khác nhau.
Đó là một lĩnh vực liên ngành liên quan đến toán học, phân tích thống kê, trực quan hoá dữ liệu, học máy và nhiều ngành khác.
Cho phép chúng ta có được thông tin thích hợp, xem các mẫu hình, tìm ra ý nghĩa từ rất nhiều dữ liệu và sử dụng nó để đưa ra quyết định thúc đẩy kinh doanh.
Có thể sử dụng các phương pháp AI để rút ra được thông tin có giá trị từ dữ liệu. Sử dụng thuật toán Machine Learning hoặc Deep Learning để thu thập ý nghĩa và suy luận từ dữ liệu.
Có một số tương tác giữa AI và khoa học dữ liệu nhưng AI không phải nhánh con của khoa học dữ liệu và ngược lại. Thay vào đó, khoa học dữ liệu là một thuật ngữ rộng bao gồm toàn bộ phương pháp xử lý dữ liệu, trong khi AI gồm tất cả những thứ cho phép máy tính học cách giải quyết vấn đề và đưa ra quyết định thông minh. Cả AI và khoa học dữ liệu đều sử dụng Big Data vì Big Data cung cấp rất nhiều dữ liệu, thúc đẩy quá trình phát triển của AI và khoa học dữ liệu.
VideoSự khác biệt
2. Phẩm chất của nhà khoa học dữ liệu
Giờ bạn đã hiểu được khoa học dữ liệu là gì, video tiếp theo sẽ cung cấp cho chúng ta một số lời khuyên để trở thành một nhà khoa học dữ liệu:
Tính tò mò. Điều này giúp cho nhà khoa học dữ liệu luôn biết phải làm gì khi họ có được dữ liệu.
Thích tranh luận, dám đưa ra ý kiến riêng. Nhưng không bảo thủ, tranh luận giúp nhà khoa học dữ liệu củng cố giả thuyết về một bài toán mà họ đang thực hiện.
Khả năng linh hoạt với các nền tảng phân tích. Các công cụ, phần mềm, nền tảng điện toán vì chúng vô cùng quan trọng.
Khả năng kể truyện, truyền đạt hiểu biết của bản thân về dữ liệu, những kiến thức mà dữ liệu cung cấp để giúp người tiếp nhận có thể hiểu được. Thành công của việc phân tích phụ thuộc rất nhiều vào khả năng kể truyện.
Xác định lợi thế cạnh tranh. Lợi thế cạnh tranh không nhất thiết là kĩ năng phân tích mà là sự am hiểu của bản thân về một số khía cạnh của cuộc sống, của lĩnh vực mà bản thân quan tâm. Sự hiểu biết này phải sâu và rộng hơn của người khác.
VideoLời khuyên cho nhà khoa học dữ liệu mới** **
Sau video trên, bạn đã hiểu khoa học dữ liệu, đồng thời cũng hiểu được sự khác biệt giữa các lĩnh vực liên quan đến khoa học dữ liệu như Machine Learning, Deep Learning, Big Data,… Tuy nhiên nếu bạn vẫn chưa hình dung được cụ thể khoa học dữ liệu là gì, hoặc bạn thấy nó trông giống công việc của thống kê thì bài đọc sau đây sẽ giải thích:
Nhà khoa học dữ liệu là người tìm ra giải pháp cho các vấn đề bằng cách phân tích dữ liệu lớn hay nhỏ bằng các công cụ thích hợp, sau đó truyền đạt kết quả của mình cho các bên liên quan.
Không giới hạn kích thước dữ liệu được sử dụng như một mệnh đề hạn chế. Tương tự, nhà khoa học dữ liệu cũng không bị giới hạn về các công cụ phân tích cụ thể, chẳng hạn như học máy (machine learning), miễn là họ có tính tò mò, thành thạo kỹ năng phân tích và có khả năng truyền đạt các kết quả tìm được.
VideoĐiều gì khiến một người trở thành nhà khoa học dữ liệu?** **
Tổng kết bài học
Sau bài học này, bạn đã nắm được:
Khoa học dữ liệu là việc nghiên cứu dữ liệu và sử dụng dữ liệu để hiểu những chủ đề khác nhau và hiểu thế giới.
Nhà khoa học dữ liệu là người tìm ra giải pháp cho các vấn đề bằng cách phân tích dữ liệu lớn hoặc nhỏ, sử dụng các công cụ thích hợp với từng đối tượng, vấn đề khác nhau.
Lời khuyên cho các nhà khoa học dữ liệu là có tính hiếu kỳ, luôn tìm tòi cái mới, biết cách lập luận và phán đoán.
Hiểu được sự khác biệt của các lĩnh vực liên quan đến khoa học dữ liệu.
Quiz 1
10 câu hỏi. Chọn đáp án rồi bấm “Nộp bài” để xem kết quả.



