Mục tiêu bài học

Trong bài học này, bạn sẽ học cách hoàn thành các giai đoạn Hiểu dữ liệu và Chuẩn bị dữ liệu, cũng như các giai đoạn Mô hình hóa và Đánh giá mô hình liên quan đến bất kỳ vấn đề khoa học dữ liệu nào.

Bạn cũng sẽ khám phá mục đích của mô hình dữ liệu, một số đặc điểm của quá trình mô hình hóa và cách hoàn thành các giai đoạn Mô hình hóa và Đánh giá mô hình trong thực tế.

• Giải thích mục đích của mô hình hóa dữ liệu và một số đặc điểm của quy trình mô hình hóa.

• Mô tả ý nghĩa của việc đánh giá một mô hình và các cách thức mà một mô hình được đánh giá.

• Giải thích cách hoàn thành các giai đoạn Hiểu dữ liệu và Chuẩn bị dữ liệu liên quan đến bất kỳ vấn đề khoa học dữ liệu nào.

• Giải thích cách hoàn thành các giai đoạn Mô hình hóa và Đánh giá mô hình liên quan đến bất kỳ vấn đề khoa học dữ liệu nào.

1. Mô hình hóa (Modeling)

Mô hình hóa (Modeling) là giai đoạn thứ 7 trong phương pháp luận Khoa học dữ liệu. Trong giai đoạn này, các nhà khoa học dữ liệu tập trung vào phát triển các mô hình mang tính mô tả hoặc dự đoán.

Những mô hình này dựa trên phương pháp phân tích đã được thực hiện, có thể dựa theo thống kê hoặc học máy.

Tập huấn luyện (Training Set)

Training set (tập huấn luyện) là tập hợp các dữ liệu trong đó các kết quả đã được biết trước.

Tập huấn luyện hoạt động như một thước đo để xác định xem mô hình có cần được điều chỉnh hay không. Các nhà khoa học dữ liệu có thể thử nghiệm với các thuật toán khác nhau để đảm bảo rằng các biến số được sử dụng thực sự cần thiết.

Sự thành công của việc biên dịch, chuẩn bị và mô hình hóa dữ liệu phụ thuộc vào sự hiểu biết về vấn đề và phương pháp phân tích thích hợp đang được thực hiện.

Ba yếu tố trong phương pháp khoa học dữ liệu của John Rollins

1. Hiểu câu hỏi.
2. Chọn một cách tiếp cận hoặc phương pháp phân tích để giải quyết vấn đề.
3. Thu thập, hiểu, chuẩn bị và lập mô hình dữ liệu.

Mục tiêu cuối cùng là dẫn dắt nhà khoa học dữ liệu đến một mức độ mà mô hình dữ liệu có thể được xây dựng để giải quyết được vấn đề.

Video Modeling – Concepts (Xem trên YouTube)

Tương tự như các phần học khác, bạn sẽ được đi qua case study để hiểu rõ từng phần trong phương pháp luận. Video về Modeling – Case Study giúp minh họa quá trình mô hình hóa thông qua ví dụ thực tế.

Video Modeling – Case Study (Xem trên YouTube)

2. Đánh giá mô hình (Evaluation)

Đánh giá mô hình là quá trình được kết hợp xuyên suốt trong quá trình xây dựng mô hình.

Đánh giá mô hình được thực hiện trong quá trình phát triển mô hình và trước khi mô hình được triển khai. Việc đánh giá cho phép xác định chất lượng của mô hình và xem liệu mô hình có đáp ứng được yêu cầu ban đầu hay không.

Đây cũng là giai đoạn thứ 8 của phương pháp luận: Evaluation (Đánh giá).

Hai giai đoạn trong Đánh giá mô hình

1. Thực hiện các biện pháp chẩn đoán được sử dụng để đảm bảo mô hình hoạt động như dự định.

2. Kiểm tra ý nghĩa thống kê, đảm bảo rằng dữ liệu được xử lý và giải thích đúng trong mô hình.

Video Evaluation (Xem trên YouTube)

Đánh giá mô hình là một quá trình lặp

Mô hình hóa và đánh giá không phải là hai hoạt động tách biệt hoàn toàn. Việc đánh giá đi đôi với quá trình xây dựng mô hình và được thực hiện lặp đi lặp lại.

Câu hỏi quan trọng cần trả lời là: “Liệu mô hình được sử dụng có thực sự trả lời câu hỏi ban đầu hay nó cần phải được điều chỉnh?”

Thực hành: Lab 5 – Từ mô hình hóa đến việc đánh giá mô hình

Trong Lab 5, bạn sẽ tiếp tục tìm hiểu về phương pháp luận của Khoa học dữ liệu và tập trung vào hai giai đoạn: Mô hình hóa và Đánh giá mô hình.

Nội dung thực hành

• Xây dựng mô hình dựa trên dữ liệu đã được chuẩn bị.

• Thực hiện các bước đánh giá mô hình.

• Kiểm tra chất lượng và khả năng đáp ứng yêu cầu của mô hình.

• Thực hiện Lab trên Google Colab hoặc Jupyter Notebook trên máy tính cá nhân.

Sau khi hoàn thành Lab, học viên cần lưu lại file bài làm trên máy tính cá nhân để phục vụ cho việc review Lab sau này.

Học viên cần hoàn thành tất cả các bài Lab của môn học trước khi tiến hành đăng ký review.

Thời gian dự kiến thực hành: 120 phút.

Vào Lab 5

Tổng kết bài học

Hoàn thành bài học này, bạn đã nắm được:

• Mô hình hóa: Là giai đoạn trong phương pháp luận Khoa học dữ liệu nơi nhà khoa học dữ liệu có cơ hội lấy mẫu và xác định xem mô hình có hoạt động hay cần phải chỉnh sửa.

• Training set: Là tập hợp dữ liệu trong đó các kết quả đã biết trước, được sử dụng trong quá trình xây dựng mô hình.

• Đánh giá mô hình: Được thực hiện trong quá trình phát triển mô hình và trước khi mô hình được triển khai.

• Hai nội dung chính của Evaluation: Các biện pháp chẩn đoán và kiểm tra ý nghĩa thống kê.

• Quá trình lặp: Mô hình hóa và đánh giá được thực hiện lặp đi lặp lại để xác định mô hình có thực sự trả lời câu hỏi ban đầu hay cần được điều chỉnh.