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.

HOẠT ĐỘNG CỦA GV VÀ HS

SẢN PHẨM DỰ KIẾN

NLS/AI

Bước 1: GV chuyển giao nhiệm vụ:

- GV yêu cầu HS làm việc độc lập, thực hiện Hoạt động 1 – Tìm hiểu về Khoa học dữ liệu SGK tr.140.

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.

- GV yêu cầu HS: Sử dụng AI tìm kiếm thông tin và trả lời các câu hỏi:

a) Khái niệm về Khoa học dữ liệu

+ Khoa học dữ liệu là gì?

+ Khoa học dữ liệu sử dụng phương pháp và công cụ của những lĩnh vực nào để đưa ra được những quyết định phù hợp?

b) Mục tiêu của Khoa học dữ liệu

+ Mục tiêu chính của Khoa học dữ liệu là gì?

+ Các mục tiêu cụ thể của Khoa học dữ liệu là gì?

+ Mối quan hệ giữa các mục tiêu của Khoa học dữ liệu là gì?

- GV đặt vấn đề: Tại sao một lập trình viên giỏi vẫn chưa thể làm Data Scientist nếu thiếu kiến thức chuyên ngành?

- GV yêu cầu HS vận dụng kiến thức vừa tìm hiểu, thực hiện hoạt động Củng cố kiến thức tr.142 SGK:

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

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

Bước 2: HS thực hiện nhiệm vụ học tập:

- HS sử dụng AI tìm hiểu kiến thức.

- HS suy nghĩ trả lời các câu hỏi.

- GV quan sát và trợ giúp HS (nếu cần thiết).

Bước 3: Báo cáo kết quả hoạt động, thảo luận:

- HS đọc kết quả từ AI, đối chiếu với SGK và rút ra kết luận.

- HS lần lượt trả lời các câu hỏi và nhận xét, bổ sung cho nhau.

Hướng dẫn thực hiện Hoạt động 1 SGK tr.140:

Phương án C.

Bước 4: Đánh giá kết quả thực hiện nhiệm vụ học tập:

- Từ kết quả thảo luận của nhóm, GV nhận xét, đánh giá quá trình HS thực hiện nhiệm vụ.

- GV chính xác hoá lại các nội dung trả lời của HS.

- GV chốt kiến thức theo Hộp kiến thức:

1. KHÁI NIỆM VÀ MỤC TIÊU CỦA KHOA HỌC DỮ LIỆU

a) Khái niệm về Khoa học dữ liệu

- Khoa học dữ liệu là một lĩnh vực liên ngành, sử dụng các phương pháp khoa học, quy trình, thuật toán để khám phá tri thức từ dữ liệu, kết hợp những tri thức đó với tri thức chuyên ngành làm cơ sở cho những quyết định.

- Cụ thể, Khoa học dữ liệu sử dụng các phương pháp và công cụ của: khoa học máy tính, toán học và thống kê kết hợp với tri thức chuyên ngành để giúp tổ chức, cá nhân hiểu rõ hơn về dữ liệu mình sở hữu và tận dụng tri thức này để đưa ra những quyết định phù hợp.

Hình 26.1. Khoa học dữ liệu và
các lĩnh vực liên quan

Trong đó:

• Khoa học máy tính cung cấp các công cụ và kĩ thuật để xử lí, phân tích và khai phá dữ liệu. Các ngôn ngữ và thư viện lập trình cũng như Học máy, cùng với khả năng xử lí dữ liệu có quy mô và độ phức tạp khác nhau, đóng vai trò quan trọng trong việc phân tích, khai phá dữ liệu và xây dựng các mô hình dự đoán.

• Toán học và thống kê cung cấp cơ sở cho các phương pháp phân tích và khai phá dữ liệu. Các thuật toán thống kê và toán học giúp kiểm tra giả thuyết, tính toán phân phối xác suất, xác định sự tương quan giữa các đại lượng trong dữ liệu,…

• Tri thức chuyên ngành là tri thức của từng lĩnh vực, ví dụ kinh doanh, y tế, khoa học xã hội,… có vai trò quan trọng để hiểu ngữ cảnh và ý nghĩa của dữ liệu. Nó giúp các nhà Khoa học dữ liệu đánh giá được chất lượng và độ chính xác của dữ liệu, diễn giải được kết quả phân tích và khai phá dữ liệu theo cách có ý nghĩa phù hợp với lĩnh vực ứng dụng để đưa ra quyết định đúng đắn.

b) Mục tiêu của Khoa học dữ liệu

- Mục tiêu chính: Phân tích và khai phá dữ liệu để có được tri thức, vận dụng tri thức đó để giải quyết vấn đề và đưa ra các quyết định phù hợp.

- Các mục tiêu cụ thể:

• Tổ chức và quản lí dữ liệu:

• Tập trung vào việc xây dựng, duy trì hệ thống tổ chức dữ liệu một cách khoa học để đảm bảo tính toàn vẹn, sẵn sàng và quản lí hiệu quả các nguồn dữ liệu.

• Đây là nhiệm vụ rất quan trọng để tạo ra cơ sở hạ tầng dữ liệu mạnh mẽ và linh hoạt, hỗ trợ quá trình phân tích và ra quyết định trong lĩnh vực Khoa học dữ liệu.

• Phân tích dữ liệu:

• Nhằm hiểu rõ về nội dung, cấu trúc dữ liệu, xác định các đặc điểm quan trọng, nhận diện nhóm và xu hướng trong dữ liệu.

• Giúp tạo ra cái nhìn toàn diện về dữ liệu và hỗ trợ quá trình ra quyết định.

• Trực quan hoá dữ liệu nhằm biểu diễn dữ liệu một cách trực quan, dễ hiểu bằng các sơ đồ, biểu đồ hay hình ảnh, giúp người dùng có được cái nhìn tổng quan về dữ liệu.

Ví dụ: Từ biểu đồ trong Hình 26.2 có thể dễ dàng suy ra được nhiệt độ và biên độ nhiệt cũng như tổng lượng mưa trung bình năm,…

Hình 26.2. Nhiệt độ và lượng mưa trung bình tháng của huyện đảo Trường Sa (Khánh Hoà) (Số liệu: Trung tâm Thông tin và Dữ liệu khí tượng thuỷ văn)

• Tối ưu hoá quyết định nhằm cải thiện quyết định dựa trên dữ liệu, bao gồm việc sử dụng các thuật toán tối ưu hoá để đưa ra quyết định tốt nhất dựa trên các ràng buộc và mục tiêu.

Ví dụ: Tối ưu hoá quy trình sản xuất để tối ưu hoá hiệu quả của dây chuyền sản xuất hay sản lượng, chất lượng sản phẩm,…

• Khám phá tri thức:

• Để tìm ra các mối quan hệ ẩn chứa trong dữ liệu, xác định nguyên nhân và kết quả, tạo ra tri thức mới từ dữ liệu.

• Đây cũng là mục tiêu cụ thể cao nhất của Khoa học dữ liệu.

Ví dụ:

• Trong nghiên cứu dược phẩm, người ta có thể sử dụng dữ liệu bệnh nhân để tìm hiểu mối quan hệ giữa một loại thuốc và các phản ứng phụ, giúp họ hiểu rõ hơn về tác động của loại thuốc này đối với sức khoẻ của bệnh nhân.

• Nhiều trang web thương mại điện tử sử dụng dữ liệu lịch sử mua sắm của người dùng để dự đoán và đề xuất sản phẩm mà họ có thể quan tâm,...

Khoa học dữ liệu không chỉ nhằm mục đích thu thập và xử lí dữ liệu, mà quan trọng hơn là phân tích, hiểu biết và sử dụng dữ liệu để đưa ra quyết định hợp lí và hiệu quả trong nhiều lĩnh vực khác nhau.

- Mối quan hệ giữa các mục tiêu: Các mục tiêu của Khoa học dữ liệu có mối quan hệ chặt chẽ với nhau, hỗ trợ lẫn nhau để đạt được mục tiêu chính của Khoa học dữ liệu.

Ví dụ: Mối quan hệ giữa mục tiêu tổ chức và quản lí dữ liệu với mục tiêu phân tích dữ liệu. Dữ liệu cần được tổ chức và quản lí một cách khoa học thì mới có thể được phân tích một cách hiệu quả.

- 6.2.NC1a: Sử dụng AI để tìm kiếm thông tin phục vụ học tập.

- 6.1.NC1a: HS phân tích sơ đồ để xác định cấu trúc đa lĩnh vực của Khoa học dữ liệu; Hiểu mối quan hệ giữa Khoa học dữ liệu và các lĩnh vực liên quan.

Hướng dẫn thực hiện hoạt động Củng cố kiến thức tr.142 SGK:

Câu 1. Trong Khoa học dữ liệu, Học máy và tri thức chuyên ngành đóng vai trò cực kì quan trọng:

+ Vai trò của Học máy:

• Phân tích dữ liệu và dự đoán: Học máy cho phép máy tính tự học hỏi từ dữ liệu mà không cần được lập trình một cách cụ thể. Điều này giúp phân tích dữ liệu và đưa ra các dự đoán từ dữ liệu một cách hiệu quả, thông qua đó có thể rút ra những tri thức và thông tin hữu ích.

• Xử lí dữ liệu lớn: Với khả năng xử lí dữ liệu kích thước lớn và phức tạp, Học máy là công cụ không thể thiếu trong việc khai phá và phân tích các dữ liệu lớn, giúp nhận diện mẫu hình, xu hướng và các quan hệ tiềm ẩn.

• Tự động hoá và tối ưu hoá quyết định: Học máy giúp tự động hoá quá trình ra quyết định và tối ưu hoá các quy trình dựa trên dữ liệu, từ đó cải thiện hiệu suất và năng suất trong các tổ chức và doanh nghiệp.

+ Vai trò của tri thức chuyên ngành:

• Hiểu rõ ngữ cảnh và ý nghĩa của dữ liệu: Kiến thức chuyên ngành giúp nhà khoa học dữ liệu hiểu được ngữ cảnh cụ thể của dữ liệu, điều này rất quan trọng trong việc diễn giải và áp dụng kết quả phân tích một cách chính xác và hiệu quả.

• Đánh giá chất lượng và độ chính xác của dữ liệu: Sự hiểu biết sâu rộng về lĩnh vực chuyên môn giúp nhận diện những điểm không phù hợp hoặc sai lệch trong dữ liệu, từ đó đảm bảo chất lượng và độ chính xác của phân tích.

• Ứng dụng dữ liệu và kết quả phân tích vào quyết định chuyên ngành: Tri thức chuyên ngành giúp áp dụng dữ liệu và kết quả phân tích vào việc giải quyết các vấn đề cụ thể trong lĩnh vực đó, từ đó tạo ra các giải pháp sáng tạo và hiệu quả.

Tóm lại, trong Khoa học dữ liệu, Học máy là công cụ mạnh mẽ giúp phân tích, dự đoán và tối ưu hoá dựa trên dữ liệu, trong khi tri thức chuyên ngành đóng vai trò thiết yếu trong việc đảm bảo rằng kết quả phân tích được hiểu và áp dụng một cách chính xác và có ý nghĩa trong ngữ cảnh cụ thể. Cả hai yếu tố này cùng nhau tạo nên sức mạnh của Khoa học dữ liệu, giúp nó trở thành một công cụ quan trọng trong việc ra quyết định dựa trên dữ liệu trong nhiều lĩnh vực khác nhau.

Câu 2. Tính chất liên ngành của Khoa học dữ liệu:

+ Khoa học máy tính cung cấp các công cụ và kĩ thuật để xử lí.

+ Toán học và thống kê cung cấp cơ sở cho các phương pháp 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,... có vai trò quan trọng để hiểu ngữ cảnh và ý nghĩa của dữ liệu.

+ CNTT: Hỗ trợ việc thu thập, lưu trữ và quản lí dữ liệu, đồng thời cung cấp các công cụ để xử lí và truy xuất dữ liệu một cách hiệu quả.

+ Khoa học xã hội và nhân văn: Cung cấp hiểu biết về hành vi, quan điểm và tương tác xã hội, giúp phân tích dữ liệu trong ngữ cảnh xã hội và nhân văn.

+ Quản trị kinh doanh và kinh tế: Áp dụng các phân tích dữ liệu vào việc ra quyết định kinh doanh, đánh giá rủi ro và phân tích thị trường.