Giáo án NLS Tin học 12 KHMT kết nối Bài 27: Máy tính và Khoa học dữ liệu

Bước 1: Chuyển giao nhiệm vụ:

- GV chia lớp thành 4 nhóm, yêu cầu các nhóm: Sử dụng AI tìm hiểu vai trò của máy tính đối với sự phát triển của Khoa học dữ liệu và trả lời các câu hỏi:

+ Nhóm 1: 

• Vai trò xử lí và lưu trữ dữ liệu.

- Tại sao việc xử lí và lưu trữ dữ liệu lại quan trọng trong Khoa học dữ liệu và máy tính giúp làm điều này như thế nào?

- Em nghĩ rằng sự phát triển của công nghệ lưu trữ sẽ ảnh hưởng như thế nào đến tương lai của Khoa học dữ liệu?

• Phân tích và khai phá dữ liệu.

- Làm thế nào máy tính giúp trong việc phân tích và khai phá dữ liệu phức tạp?

- Em có thể đưa ra một ví dụ cụ thể về cách sử dụng máy tính để phân tích và dự đoán từ dữ liệu?

+ Nhóm 2:

• Trực quan hoá dữ liệu.

- Tại sao trực quan hoá dữ liệu lại quan trọng và làm thế nào công nghệ máy tính hỗ trợ trong việc này?

- Hãy mô tả một công cụ trực quan hoá dữ liệu mà em đã sử dụng.

• Tự động hoá.

- Hãy nêu một ví dụ về cách máy tính giúp tự động hoá quy trình trong Khoa học dữ liệu.

- Tự động hoá có thể gặp những thách thức gì trong Khoa học dữ liệu?

+ Nhóm 3:

• Xử lí song song và điện toán đám mây.

- Xử lí song song và điện toán đám mây mang lại lợi ích gì cho quá trình phân tích dữ liệu?

- Hãy nêu ý kiến của em về việc điện toán đám mây sẽ làm thay đổi khoa học dữ liệu như thế nào trong tương lai.

+ Nhóm 4: 

• Hợp tác và truyền thông.

- Tại sao hợp tác và truyền thông lại quan trọng trong Khoa học dữ liệu và công nghệ máy tính hỗ trợ như thế nào trong việc này?

- Công cụ nào trên máy tính hỗ trợ tốt nhất cho việc cộng tác trong Khoa học dữ liệu?

- Các nhóm thực hiện trao đổi, kết hợp với các thông tin trong SGK, kiến thức thực tế, kiến thức thu nạp từ internet để thực hiện yêu cầu của GV.

- Sau thời gian quy định, GV mời đại diện các nhóm trình bày nội dung sản phẩm của nhóm mình.

+ GV và HS nhóm còn lại chú ý lắng nghe và cho ý kiên nhận xét, bổ sung (nếu có).

+ GV đánh giá và hoàn thiện kiến thức cho HS.

- GV trình chiếu khung kiến thức trong SGK (tr.146) và nêu lại những yếu tố cốt lõi, quan trọng nhất về vai trò của máy tính trong Khoa học dữ liệu.

- GV giữ nguyên 4 nhóm đã chia từ đầu giờ để cho 4 nhóm hoạt động và thực hiện Câu hỏi 1 và 2 trong SGK tr.146.

1. Hãy phân tích vai trò của máy tính trong việc thu thập và lưu trữ dữ liệu phục vụ quy trình Khoa học dữ liệu.

2. Các công cụ trực quan hoá dữ liệu của máy tính có vai trò như thế nào trong Khoa học dữ liệu?

- Sau thời gian quy định, GV mời đại diện một số nhóm trả lời câu hỏi.

+ Các nhóm khác lắng nghe, quan sát và cho ý kiến nhận xét.

+ GV chốt đáp án.

Bước 2: Thực hiện nhiệm vụ: 

- HS sử dụng AI tìm hiểu kiến thức.

- HĐ cặp đôi, nhóm: các thành viên trao đổi, đóng góp ý kiến và thống nhất đáp án.

- Cả lớp chú ý thực hiện các yêu cầu của GV, chú ý bài làm các bạn và nhận xét.

- GV: quan sát và trợ giúp HS. 

Bước 3: Báo cáo, thảo luận: 

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

- HS trả lời trình bày miệng/ trình bày bảng, cả lớp nhận xét, GV đánh giá, dẫn dắt, chốt lại kiến thức.

Bước 4: Kết luận, nhận định: 

- GV tổng quát lưu ý lại kiến thức trọng tâm.

1. VAI TRÒ CỦA MÁY TÍNH TRONG KHOA HỌC DỮ LIỆU

- Gợi ý trả lời:

Nhóm 1:

• Vai trò xử lí và lưu trữ dữ liệu.

+ Máy tính cung cấp công cụ và phương tiện để xử lí, lưu trữ và quản lí khối lượng lớn dữ liệu. Nó cung cấp sức mạnh tính toán cần thiết để làm việc với dữ liệu lớn, phức tạp, được lưu trữ với nhiều định dạng khác nhau, từ các cơ sở dữ liệu đến hệ thống tệp phân tán.

+ Tích cực: Cho phép xử lý dữ liệu lớn hơn, nhanh hơn, đa dạng hơn, dễ truy cập và chia sẻ hơn, đồng thời giảm chi phí.

+ Kết quả: Thúc đẩy sự phát triển của Khoa học dữ liệu, khai thác tối đa tiềm năng của dữ liệu.

• Phân tích và khai phá dữ liệu.

- Máy tính sử dụng các thuật toán thống kê và học máy để phân tích dữ liệu phức tạp. Các mô hình học máy được huấn luyện và kiểm nghiệm bằng cách sử dụng máy tính, giúp phát hiện các mẫu, xu hướng trong dữ liệu và đưa ra dự đoán chính xác. 

- Ví dụ, trong ngành y tế, máy tính có thể được sử dụng để phân tích dữ liệu bệnh nhân như tuổi, huyết áp, lịch sử bệnh lý, v.v. Các mô hình học máy sẽ phân tích dữ liệu này và dự đoán nguy cơ bệnh nhân mắc các bệnh như tiểu đường hoặc tim mạch, giúp bác sĩ đưa ra các quyết định điều trị chính xác hơn.

Nhóm 2:

• Trực quan hoá dữ liệu.

Trực quan hoá dữ liệu rất quan trọng vì nó giúp biến các thông tin phức tạp trở nên dễ hiểu và dễ tiếp cận. Thay vì chỉ nhìn vào các con số, người dùng có thể quan sát các biểu đồ, đồ thị để nhanh chóng nhận diện các mẫu, xu hướng và bất thường trong dữ liệu. 

- Công cụ GraphPad, dùng để vẽ biểu đồ, phân tích dữ liệu thống kê,… dùng trong các nghiên cứu khoa học.

• Tự động hoá.

- Ví dụ, sử dụng các công cụ như Pandas trong Python, máy tính có thể tự động phát hiện và xử lý các giá trị thiếu, loại bỏ các dữ liệu không hợp lệ hoặc chuẩn hóa các giá trị khác nhau (chẳng hạn như chuyển đổi dữ liệu ngày tháng về cùng một định dạng).

- Tự động hoá trong Khoa học dữ liệu có thể gặp một số thách thức, như:

+ Dữ liệu không đầy đủ hoặc không đồng nhất.

+ Độ phức tạp của mô hình.

+ Lỗi trong quá trình tự động hoá.

Nhóm 3: 

• Xử lí song song và điện toán đám mây.

+ Sử lí song song: Tăng tốc độ xử lý nhờ chia nhỏ và thực hiện nhiều tác vụ cùng lúc. Hiệu quả cao hơn khi tận dụng tối đa tài nguyên phần cứng. Có khả năng mở rộng trên hệ thống phân tán.

+ Điện toán đám mây: Tiết kiệm chi phí, linh hoạt và dễ mở rộng tài nguyên.

+ Ý kiến: Khoa học dữ liệu ngày càng dễ tiếp cận, thúc đẩy đổi mới và hợp tác toàn cầu. Khả năng xử lý dữ liệu lớn hiệu quả hỗ trợ triển khai AI, trong khi tự động hóa nâng cao hiệu suất phân tích.

Nhóm 4:

• Hợp tác và truyền thông.

+ Vì hợp tác giúp các chuyên gia xử lý dữ liệu phức tạp hiệu quả hơn, còn truyền thông đảm bảo phát hiện được truyền đạt chính xác. Máy tính hỗ trợ qua các công cụ làm việc nhóm, chia sẻ dữ liệu và giao tiếp từ xa.

+ Một số công cụ hỗ trợ:

Google Colab, Jupyter Notebook: Chia sẻ mã và trực quan hóa dữ liệu.

GitHub, GitLab: Quản lý phiên bản, làm việc nhóm.

Slack, Microsoft Teams: Hỗ trợ giao tiếp, chia sẻ thông tin.

Cloud platforms (AWS, Google Cloud, Azure): Cung cấp môi trường tính toán chung. 

- Khung kiến thức: 

Máy tính có vai trò không thể thiếu trong mọi giai đoạn của quy trình Khoa học dữ liệu. Nó cung cấp sức mạnh tính toán, khả năng lưu trữ và khả năng tự động hoá cần thiết để xử lí, phân tích và khám phá tri thức từ dữ liệu, góp phần vào sự phát triển và thành công của Khoa học dữ liệu, mở ra cơ hội làm việc với dữ liệu lớn mà trước đây không thể thực hiện được. Điều này đã thúc đẩy sự phát triển của lĩnh vực Khoa học dữ liệu, giúp tạo lập giá trị và tri thức từ nguồn dữ liệu lớn phong phú và đa dạng.

Câu hỏi

1. Vai trò của máy tính trong thu thập và lưu trữ dữ liệu:

+ Thu thập: Tự động thu thập từ nhiều nguồn (trực tuyến, ngoại tuyến, cảm biến, IoT), xử lý thời gian thực.

+ Lưu trữ: Dung lượng lớn, tổ chức hiệu quả, bảo mật, linh hoạt qua điện toán đám mây và lưu trữ phân tán.

2. Vai trò của công cụ trực quan hóa dữ liệu:

+ Biến dữ liệu thành biểu đồ, đồ thị dễ hiểu để khám phá xu hướng, mẫu hình.

+ Trình bày thông tin rõ ràng, hấp dẫn, giao tiếp hiệu quả.

+ Tương tác linh hoạt, khám phá dữ liệu sáng tạo.

+ Phát hiện lỗi, cải thiện chất lượng phân tích.

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

- 6.2.NC1b: HS nhận diện được vai trò của các “hệ thống tính toán phân tán” và “bộ xử lý đa lõi” trong việc giải quyết bài toán dữ liệu lớn mà phần cứng thông thường không thể đáp ứng.

- 6.1.NC1a: HS hiểu vai trò của máy tính trong việc chuyển đổi các con số thô thành các dạng biểu diễn trực quan (biểu đồ động, bản đồ nhiệt, dashboard tương tác); từ đó hiểu rằng trực quan hóa không chỉ là “vẽ hình” mà là một phương pháp “khám phá tri thức” giúp con người nhận ra các mẫu ẩn giấu trong dữ liệu.”

- 5.2.NC1b: HS xác định được các nhiệm vụ lặp đi lặp lại trong quy trình Khoa học dữ liệu (như làm sạch dữ liệu, huấn luyện mô hình) và hiểu tại sao cần sử dụng máy tính để “tự động hóa” các quy trình này nhằm loại bỏ sai sót của con người và tăng tốc độ xử lý thông qua thuật toán song song.

- 2.1.NC1a: HS nhận diện vai trò của các nền tảng số trong việc hỗ trợ các nhà Khoa học dữ liệu “làm việc từ xa”, “chia sẻ thông tin và dữ liệu” theo thời gian thực; từ đó hiểu rằng Khoa học dữ liệu là một hoạt động mang tính cộng tác toàn cầu chứ không phải cá nhân đơn lẻ.