Giáo án Khoa học máy tính 12 Cánh diều bài 2: Giới thiệu về Khoa học dữ liệu

Có ý kiến cho rằng: Dữ liệu là tài sản quan trọng của tổ chức, doanh nghiệp. Theo em, nói như vậy là vì nguyên nhân nào sau đây: 

1) Chi phí cao để thu thập, lưu trữ, bảo đảm an toàn dữ liệu. 

2) Dữ liệu được sử dụng để tăng hiệu quả làm việc, tăng sức cạnh tranh của doanh nghiệp, tăng lợi ích kinh doanh.

HOẠT ĐỘNG CỦA GV VÀ HS

SẢN PHẨM DỰ KIẾN

Bước 1: GV chuyển giao nhiệm vụ:

- GV yêu cầu HS làm việc độc lập, dựa vào hiểu biết cá nhân, thực hiện Hoạt động SGK tr.133.

Khi tìm kiếm với cụm từ khoá “Các lĩnh vực nghiên cứu của Khoa học dữ liệu” thì có thể nhận được kết quả gồm có: Khai phá dữ liệu, Thống kê, Học máy, Phân tích,… Hãy nêu tên một lĩnh vực mà em hiểu biết nhiều nhất và cho biết lĩnh vực này nghiên cứu gì.

- GV dẫn dắt HS tìm hiểu kiến thức bằng cách trả lời các câu hỏi:

a) Khái niệm Khoa học dữ liệu

+ Thuật ngữ “Khoa học dữ liệu” được hình thành như thế nào?

+ Khoa học dữ liệu là gì?

+ Vì sao lại nói “Khoa học dữ liệu là lĩnh vực liên ngành”?

+ Khoa học dữ liệu mang lại những lợi ích gì cho các tổ chức doanh nghiệp?

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

b) Các giai đoạn của một dự án Khoa học dữ liệu

+ Em hãy quan sát Hình 2 và trình bày các giai đoạn của một dự án Khoa học dữ liệu.

- GV phân tích ví dụ minh hoạ để giúp HS hiểu rõ hơn những việc gì sẽ được thực hiện trong mỗi bước của một dự án Khoa học dữ liệu.

Bước 2: HS thực hiện nhiệm vụ học tập:  

- HS tìm hiểu nội dung mục 1 SGK tr.133 – 135 và trả lời các câu hỏi mà GV đưa ra. 

- GV quan sát, theo dõi và hỗ trợ HS khi cần thiết.

Bước 3: Báo cáo kết quả hoạt động, thảo 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.133:

+ Khai phá dữ liệu: Khai thác và tìm ra các mối quan hệ lẫn nhau của dữ liệu trong một tập hợp dữ liệu khổng lồ và phức tạp, đồng thời cũng tìm ra các mẫu tiềm ẩn trong tập dữ liệu đó.

+ Thống kê: Sử dụng các mô hình, sự biểu diễn và tóm tắt định lượng cho một tập hợp dữ liệu thực nghiệm hoặc nghiên cứu thực tế nhất định nhằm phục vụ cho quá trình phân tích, dự đoán và quyết định.

+ Học máy: Huấn luyện máy tính để nó có thể tự động phát hiện ra các mối quan hệ có trong dữ liệu.

+ Phân tích: Kiểm tra, làm sạch, chuyển đổi và mô hình hoá dữ liệu với mục tiêu khám phá thông tin hữu ích, thông báo kết luận và hỗ trợ ra quyết định.

Bước 4: Đánh giá kết quả thực hiện: 

- GV nêu nhận xét, chính xác hoá lại các nội dung trả lời của HS.

1. Khoa học dữ liệu

a) Khái niệm Khoa học dữ liệu 

- Thuật ngữ “Khoa học dữ liệu” ban đầu phát sinh trong môi trường kinh doanh thông minh BI (Business Intelligence). Khoa học dữ liệu là bước phát triển tiếp theo của khoa học thống kê, khai phá dữ liệu, phát hiện tri thức trong dữ liệu,... 

- Khoa học dữ liệu: 

+ Là lĩnh vực liên ngành sử dụng các phương pháp khoa học, quy trình, công cụ của các ngành như toán học và thống kê, khoa học máy tính kết hợp với kiến thức chuyên môn trong các lĩnh vực ứng dụng như kinh doanh, tài chính ngân hàng, y tế, giáo dục,... nhằm rút ra được những hiểu biết sâu sắc từ dữ liệu. 

Hình 1. Minh hoạ Khoa học dữ liệu 
là lĩnh vực liên ngành

Từ Hình 1 có thể thấy:

• Khoa học dữ liệu nằm ở phần giao của “Toán học và thống kê” với “Khoa học máy tính” và “Tri thức chuyên môn thực tế” của lĩnh vực ứng dụng cụ thể.

• Học máy là một bộ phận của Khoa học máy tính và các phương pháp, công cụ, quy trình của nó được dùng trong Khoa học dữ liệu.

• Để xử lí dữ liệu, cần dùng máy tính (Khoa học máy tính) kết hợp với hiểu biết chuyên môn trong lĩnh vực ứng dụng.

+ Là khoa học về việc quản trị và phân tích dữ liệu, trích xuất các giá trị, phát hiện tri thức từ dữ liệu phục vụ mục đích ra quyết định và lập kế hoạch. 

- Khoa học dữ liệu giúp tăng hiệu quả, tăng cơ hội thành công, giảm rủi ro thất bại trong các hoạt động của tổ chức doanh nghiệp.

- Các mục tiêu cụ thể của Khoa học dữ liệu: 

1. Phân tích và trực quan hoá dữ liệu: Xem xét các mẫu, xu hướng trong tập dữ liệu để hiểu dữ liệu và biểu diễn dữ liệu một cách trực quan; giúp người dùng có cái nhìn tổng quan và nhận biết được những yếu tố quan trọng, từ đó phát hiện vấn đề cần giải quyết. 

2. Xây dựng mô hình dự đoán, dự báo: Sử dụng dữ liệu để xây dựng mô hình có khả năng dự đoán sự kiện tương lai như: 

• Sự thay đổi doanh số.

• Xuất hiện rủi ro.

• Biến động về khách hàng.

…

1. Tối ưu hoá quyết định: Điều chỉnh quyết định dựa trên dữ liệu, sử dụng các thuật toán tối ưu hoá để đưa ra quyết định tốt nhất. 

2. Phát hiện tri thức: Tìm ra các mối quan hệ, quy luật ẩn trong dữ liệu, xác định rõ nguyên nhân và kết quả, phát triển kiến thức mới. 

b) Các giai đoạn của một dự án Khoa học dữ liệu 

Một dự án Khoa học dữ liệu liên quan đến những vấn đề cụ thể mà tổ chức, doanh nghiệp cần giải quyết được chia thành một số giai đoạn sau:

Hình 2. Các giai đoạn của một dự án 
Khoa học dữ liệu

1. Xác định vấn đề: Hiểu rõ những vấn đề mà tổ chức, doanh nghiệp cần giải quyết. Từ đó, có thể xác định một số giả thuyết cần kiểm tra, đánh giá và quyết định.

2. Thu thập dữ liệu: 

• Sau khi hiểu rõ vấn đề, cần thu thập dữ liệu liên quan từ nhiều nguồn khác nhau. 

• Trong nhiều trường hợp, tập dữ liệu thu thập được thường rất lớn. 

1. Chuẩn bị dữ liệu: 

• Lựa chọn dữ liệu.

• Tích hợp dữ liệu từ nhiều nguồn.

• Làm sạch dữ liệu, xử lí các giá trị còn thiếu, không chính xác, loại bỏ ngoại lệ.

• Biểu diễn dữ liệu dưới dạng phù hợp để sử dụng trong các mô hình phân tích. 

1. Phân tích và khai phá dữ liệu: 

• Áp dụng mô hình trên dữ liệu đã chuẩn bị để chọn lọc một số yếu tố quan trọng nhằm giải quyết vấn đề. 

• Phân tích và khai phá dữ liệu nhằm tìm ra các mối quan hệ, quy luật ẩn trong dữ liệu để xây dựng các mô hình dự báo và phát triển kiến thức mới trong lĩnh vực hoạt động của tổ chức, doanh nghiệp. 

1. Đánh giá và giải thích: 

• Sử dụng các tiêu chí cụ thể để đánh giá chất lượng mô hình. 

• Giải thích tác động của mô hình đến hoạt động của tổ chức, doanh nghiệp. 

• Kiểm tra, đánh giá mô hình để triển khai. 

1. Ra quyết định và triển khai: Sau các đánh giá nghiêm ngặt, kết quả phân dữ liệu được trình bày cho cấp lãnh đạo quản lí tổ chức, doanh nghiệp để làm cơ sở ra quyết định và triển khai thực tế. 

Ví dụ minh hoạ: Lãnh đạo một cảng hàng không nhận thấy số lần máy bay chậm giờ cất cánh có xu hướng tăng là một vấn đề cần giải quyết. Một tổ dự án được giao nhiệm vụ đề xuất phương án cải tiến quy trình nghiệp vụ để giải quyết vấn đề trên. Một nhiệm vụ trong dự án là phân tích dữ liệu nhằm mục đích lập kế hoạch tốt hơn. Việc thực hiện nhiệm vụ này có thể coi là một dự án Khoa học dữ liệu nhỏ. 

• Xác định vấn đề: Qua tìm hiểu thông tin sơ bộ, tổ dự án nhận thấy số lần máy bay chậm giờ cất cánh phụ thuộc vào số lượng hành khách qua sân bay và số lượng hành khách qua sân bay biến động tuỳ theo những khoảng thời gian khác nhau. 

Dự án cần phân tích dữ liệu để dự báo lượng hành khách qua sân bay trong tương lai. Từ đó, lập kế hoạch ngắn hạn giúp phân bổ tốt hơn nguồn lực để đáp ứng yêu cầu công việc có biến động theo thời gian. 

• Thu thập dữ liệu: Tổ dự án cần thu thập các số liệu thống kê liên quan để có thể giải quyết vấn đề đã xác định.

Ví dụ: Số lượng hành khách qua sân bay theo từng thời điểm, số lần máy bay chậm giờ cất cánh và nguyên nhân.  

• Chuẩn bị dữ liệu: 

• Xác định những thuộc tính đặc trưng nào cần được phân tích.

• Xử lí các số liệu còn thiếu hay xoá bỏ các số liệu trùng lặp, không chính xác.

• Biểu diễn dữ liệu dưới dạng phù hợp để sẵn sàng áp dụng mô hình phân tích dữ liệu. Với ví dụ này, mô hình dữ liệu phù hợp là chuỗi thời gian. 

• Phân tích và khai phá dữ liệu: Phân tích dự báo dùng chuỗi thời gian để dự báo số lượng hành khách qua sân bay trong các tháng tiếp theo. 

• Đánh giá và giải thích: 

• Mô hình dự báo dữ liệu bằng chuỗi thời gian có tham số để xác định độ tin cậy của kết quả dự báo. 

• Kết hợp độ tin cậy của mô hình lí thuyết và yêu cầu ứng dụng thực tế sẽ đánh giá được sự phù hợp để sử dụng trong việc lập kế hoạch ngắn hạn. 

• Đánh giá và giải thích tác động của việc cải tiến, đổi mới quy trình nghiệp vụ để thuyết phục lãnh đạo của tổ chức, doanh nghiệp ra quyết định triển khai là vấn đề có phạm vi rộng hơn, đòi hỏi phân tích dữ liệu theo một số khía cạnh khác.