Giáo án Khoa học máy tính 12 Cánh diều bài 3: Giới thiệu về Khoa học dữ liệu (Tiếp theo)

Hiện nay người ta nói nhiều đến “Dữ liệu lớn”. Em hãy lấy một ví dụ về dữ liệu lớn mà em biết.

HOẠT ĐỘNG CỦA GV VÀ HS

SẢN PHẨM DỰ KIẾN

Bước 1: GV chuyển giao nhiệm vụ:

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

+ Dữ liệu lớn là gì?

+ Dữ liệu lớn có những đặc trưng gì?

Bước 2: HS thực hiện nhiệm vụ học tập:  

- HS tìm hiểu nội dung mục 1 SGK tr.139 – 140 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.

Bước 4: Đánh giá kết quả thực hiện: 

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

1. Các đặc trưng của dữ liệu lớn

- Khái niệm: Dữ liệu lớn (Big Data) đề cập đến nguồn dữ liệu có khối lượng rất lớn, có tính đa dạng và phức tạp đến mức các công cụ truyền thống khó có thể lưu trữ và xử lí một cách hiệu quả. 

- Các đặc trưng:

+ Dữ liệu lớn có các đặc trưng thường được nêu tóm tắt bằng các chữ V, từ “3V” đến “5V”, thậm chí đến “10V”. 

+ Năm chữ V nói về những đặc trưng thường được đề cập của dữ liệu lớn: 

Hình 1. Năm chữ V của dữ liệu lớn

• Khối lượng (Volume): Tập dữ liệu được coi là “dữ liệu lớn” có khối lượng ở mức nhiều petabyte hoặc exabyte. 

Ví dụ: Tập dữ liệu về hàng triệu khách hàng của một doanh nghiệp lớn có thể gồm hàng tỉ tệp, mỗi tệp nhiều megabyte.

• Tốc độ (Velocity): 

• Dữ liệu được tạo thêm rất nhanh và có thể cần xử lí hàng loạt, nhanh chóng theo thời gian thực để đáp ứng việc ra quyết định kịp thời. 

Ví dụ: Quyết định về mua bán chứng khoán,... 

• Các nguồn dữ liệu như: thiết bị cảm biến, mạng xã hội và các trang web,... tạo ra luồng dữ liệu lớn và liên tục. Lưu trữ và quản lí một lượng dữ liệu lớn, không ngừng tăng lên hằng ngày, liên quan đến một phạm vi rộng trên khắp thế giới là một thách thức.

• Tính đa dạng (Variety): 

• Dữ liệu đến từ nhiều nguồn khác nhau, dưới các dạng khác nhau như văn bản, hình ảnh, âm thanh, video,... 

Ví dụ: Facebook mỗi ngày có thể tạo ra khoảng 500 terabyte dữ liệu. 

• Tính đa dạng làm tăng độ phức tạp trong việc tổ chức lưu trữ, tìm kiếm, chuyển đổi khuôn dạng.... để các phần mềm phân tích dữ liệu có thể xử lí được. 

• Tính xác thực (Veracity): 

• Đề cập đến độ tin cậy và độ chính xác của dữ liệu, bao gồm các yếu tố như: chất lượng dữ liệu, tính toàn vẹn, tính nhất quán và tính đầy đủ. 

• Tính xác thực rất quan trọng trong việc đảm bảo rằng những hiểu biết sâu sắc được tạo ra từ dữ liệu lớn là chính xác và đáng tin cậy. 

• Dữ liệu lớn đến từ nhiều nguồn khác nhau làm cho việc đảm bảo tính xác thực là một thách thức. 

• Giá trị (Value): 

• Dữ liệu lớn có tiềm năng mang lại những thông tin và trí thức có giá trị, từ đó đưa ra những quyết định mang lại hiệu quả cao. 

• Xử lí dữ liệu lớn để khai thác được các giá trị tiềm năng cũng là một thách thức. 

Ví dụ: Dự án Bộ gen người HGP có thể coi là một dự án dữ liệu lớn. Kết quả của dự án là vô giá vì nó mở ra một kỉ nguyên mới trong lĩnh vực y tế và chăm sóc sức khoẻ con người. 

Nhận xét: Quản lí và khai phá lượng lớn dữ liệu mang lại các lợi ích tầm chiến lược nhưng có nhiều thách thức.

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.140.

Trong môn Toán, nội dung “Thống kê và xác suất” có phần “Phân tích và xử lí dữ liệu” với yêu cầu vận dụng các kiến thức để giải quyết một số bài toán thực tiễn. Em hãy nêu một số vấn đề thực tế có thể giải quyết bằng phân tích và xử lí dữ liệu thống kê. Theo em, đây có phải là phát hiện tri thức không?

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

a) Phân tích dữ liệu

+ Thế nào là phân tích dữ liệu?

+ Có những loại phân tích dữ liệu nào?

+ Dữ liệu chuỗi thời gian là gì? Phân tích dữ liệu chuỗi thời gian mang lại lợi ích gì?

+ Kĩ thuật phân tích hồi quy là gì?

b) Khai phá dữ liệu, phát hiện tri thức

+ Khai phá dữ liệu là gì?

+ Có những kĩ thuật khai phá dữ liệu nào?

- GV yêu cầu HS nhắc lại về kĩ thuật phân loại và phân cụm đã được học.

Bước 2: HS thực hiện nhiệm vụ học tập:  

- HS tìm hiểu nội dung mục 2 SGK tr.140 – 141  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.140:

Ví dụ: Phân tích và xử lí dữ liệu thống kê khách hàng dựa trên tần suất mua hàng, loại sản phẩm họ ưa thích để điều chỉnh các ưu đãi và trải nghiệm mua sắm để phù hợp với từng nhóm đối tượng cụ thể.

Nhận xét: Đây là phát hiện tri thức.

Bước 4: Đánh giá kết quả thực hiện: 

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

2. Phân tích dữ liệu, phát hiện tri thức

a) Phân tích dữ liệu

- Phân tích dữ liệu: 

+ Là quá trình kiểm tra, làm sạch, chuyển đổi và lập mô hình dữ liệu với mục đích tìm ra các thông tin hữu ích từ dữ liệu để đưa ra kết luận hoặc dự đoán. 

+ Có thể chia thành hai loại: 

• Phân tích mô tả: 

• Là tóm tắt dữ liệu quá khứ và trình bày trực quan, giúp người sử dụng dễ dàng nắm bắt được những thông tin quan trọng cần biết. 

• Các thông tin rút ra từ tập dữ liệu được biểu diễn bằng sơ đồ, biểu đồ, đồ thị,… giúp người sử dụng dễ nhận ra các mẫu hoặc xu hướng, có cái nhìn rõ ràng, tổng thể về vấn đề cần giải quyết. 

• Phân tích dự đoán nhằm đưa ra dự đoán (dự báo) hoặc phân loại dữ liệu mới.

Ví dụ: Nhằm điều chỉnh giá bán hàng sao cho lợi nhuận thu được nhiều hơn, từ phân tích dữ liệu có thể đưa ra phỏng đoán “quá mức ngưỡng X đồng, giá bán càng cao thì doanh số càng giảm”. 

Đây là một giả thuyết thống kê. 

• Kiểm định giả thuyết thống kê nhằm ra quyết định có thể chấp nhận hay bác bỏ một giả thuyết. 

• Nếu giả thuyết thống kê nêu trên được chấp nhận thì “mức ngưỡng X đồng là giá bán tốt nhất” là hiểu biết mới được rút ra từ dữ liệu đã có. 

- Dữ liệu chuỗi thời gian (time series):

+ Là chuỗi các điểm dữ liệu được ghi lại theo chu kì thời gian.

Ví dụ: Hằng ngày, hằng tuần, hằng tháng. 

+ Phân tích chuỗi thời gian cho phép dự đoán các điểm dữ liệu trong tương lai, trước khi sự việc xảy ra. 

- Phân tích hồi quy là một kĩ thuật cho phép xác định mối quan hệ phụ thuộc của một giá trị muốn biết với các giá trị một số thuộc tính khác và cho phép dự đoán giá trị muốn biết khi có dữ liệu mới. 

b) Khai phá dữ liệu, phát hiện tri thức 

- Phát hiện hay khám phá tri thức đề cập đến toàn bộ quy trình trích xuất tri thức từ dữ liệu. Khai phá dữ liệu là một bước trong quy trình này. 

- Khai phá dữ liệu: 

+ Là phát hiện các mẫu, các xu hướng trong tập dữ liệu. 

+ Thường dùng các phương pháp giao thoa giữa Học máy và Thống kê. 

- Để trích xuất thông tin hữu ích từ các tập dữ liệu lớn có nhiều kĩ thuật khai phá dữ liệu khác nhau:

+ Phân loại: Gán cho mỗi đối tượng một nhãn phân loại tuỳ theo các thuộc tính đặc trưng của nó.

+ Phân cụm: Chia tập đối tượng thành các cụm dựa trên sự tương tự và khác biệt của các đối tượng.

• Các đối tượng trong cùng một cụm có các đặc điểm tương tự nhau.

• Các đối tượng trong các cụm khác nhau thì có đặc điểm khác nhau.