Câu hỏi mở đầu trang 140

Đề bài: 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.

Lời giải:

Học sinh tự thực hiện tra cứu. Nhận xét tham khảo về kết quả tìm kiếm:

• Có hàng trăm triệu kết quả trong vài giây → cho thấy đây là chủ đề rất phổ biến trên thế giới.
• Kết quả rất đa dạng, bao gồm:
  • Bài viết định nghĩa và giới thiệu về Khoa học dữ liệu.
  • Khoá học trực tuyến từ Coursera, edX, Google, IBM,…
  • Thông báo tuyển dụng cho ngành Khoa học dữ liệu.
  • Các bài viết về ứng dụng thực tế trong y tế, kinh doanh, giáo dục,…
  • Blog, tin tức về xu hướng công nghệ mới.

→ Kết luận: Khoa học dữ liệu đang là một lĩnh vực nóng, có nhu cầu nhân lực cao và ứng dụng rộng rãi trong nhiều ngành nghề.

1. Khái niệm và mục tiêu của Khoa học dữ liệu

Hoạt động 1 trang 140: Tìm hiểu về Khoa học dữ liệu

Đề bài: 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.

Lời giải:

Chọn đáp án C.

Giải thích: Khoa học dữ liệu là lĩnh vực khoa học nghiên cứu và khám phá tri thức từ dữ liệu, chứ không phải là hoạt động kinh doanh, phân phối dữ liệu.

• A, B, D đúng vì đều thuộc phạm vi nghiên cứu của Khoa học dữ liệu (thu thập, quản lí, khai phá, phân tích dữ liệu).
• C sai vì kinh doanh và phân phối dữ liệu là hoạt động thương mại, không phải mục tiêu của Khoa học dữ liệu.

Câu hỏi củng cố trang 142

Đề bài:

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

Lời giải:

a) Vai trò của Học máy:

• Cung cấp các công cụ và kĩ thuật để xử lí, phân tích và khai phá dữ liệu.
• Có khả năng xử lí dữ liệu quy mô lớn và độ phức tạp cao.
• Giúp xây dựng các mô hình dự đoán dựa trên dữ liệu.

b) Vai trò của Tri thức chuyên ngành:

• Giúp hiểu ngữ cảnh và ý nghĩa của dữ liệu.
• Đánh giá được chất lượng và độ chính xác của dữ liệu.
• Diễn giải kết quả phân tích theo cách có ý nghĩa và phù hợp với lĩnh vực ứng dụng (kinh doanh, y tế, khoa học xã hội,…).
• Giúp đưa ra quyết định đúng đắn dựa trên kết quả phân tích.

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

Lời giải:

Khoa học dữ liệu là lĩnh vực liên ngành vì kết hợp nhiều lĩnh vực khác nhau (theo Hình 26.1):

• Khoa học máy tính: cung cấp công cụ, ngôn ngữ lập trình, thư viện và Học máy để xử lí dữ liệu.
• Toán học và Thống kê: cung cấp cơ sở lí thuyết cho các phương pháp phân tích và khai phá dữ liệu (xác suất, tương quan, kiểm định giả thuyết,…).
• Tri thức chuyên ngành: giúp áp dụng đúng ngữ cảnh, đánh giá chất lượng và diễn giải kết quả.

→ Một nhà Khoa học dữ liệu cần có kiến thức đa lĩnh vực hoặc làm việc trong đội ngũ chuyên gia đa lĩnh vực.

2. Một số thành tựu của Khoa học dữ liệu

Hoạt động 2 trang 142: Làm quen với dữ liệu lớn trong thực tế

Đề bài: Khi nói tới dữ liệu lớn người ta thường nghĩ tới kích thước lớn của dữ liệu. Tuy nhiên, trong thực tế, có những dữ liệu không chỉ có kích thước lớn, thường xuyên được cập nhật mà còn bao gồm nhiều loại khác nhau. Em có thể chỉ ra một vài ví dụ về những dữ liệu như vậy không?

Lời giải:

Một vài ví dụ về dữ liệu lớn có kích thước lớn, cập nhật thường xuyên và nhiều loại:

• Dữ liệu mạng xã hội (Facebook, TikTok, YouTube): bao gồm văn bản, hình ảnh, video, âm thanh, bình luận,… được cập nhật từng giây.
• Dữ liệu cảm biến IoT: nhiệt độ, độ ẩm, vị trí GPS,… thu thập liên tục từ hàng triệu thiết bị.
• Dữ liệu giao dịch thương mại điện tử (Shopee, Lazada, Amazon): lịch sử mua sắm, đánh giá, thanh toán.
• Dữ liệu y tế: hồ sơ bệnh nhân, kết quả xét nghiệm, ảnh chụp X-quang, CT,…
• Dữ liệu giao thông: vị trí xe, tín hiệu đèn giao thông, camera đường phố,…
• Dữ liệu từ ngân hàng và tài chính: giao dịch, chuyển khoản, giá cổ phiếu,…

→ Các dữ liệu này đều có đặc trưng “5V“: khối lượng (Volume), vận tốc (Velocity), đa dạng (Variety), giá trị (Value), tính xác thực (Veracity).

Câu hỏi củng cố trang 144

Đề bài:

1. Giới thiệu một vài thành tựu của Khoa học dữ liệu mà em tâm đắc nhất.

Lời giải:

Học sinh tự chọn thành tựu tâm đắc. Một vài gợi ý dựa trên nội dung SGK:

• Đổi mới quá trình ra quyết định: giúp doanh nghiệp dự báo xu hướng, phát hiện gian lận ngân hàng, ra quyết định kinh doanh chính xác hơn.
• Tự động hoá và thúc đẩy đổi mới sáng tạo: tự động hoá các quy trình trong sản xuất, logistics, dịch vụ khách hàng, tài chính,… tiết kiệm thời gian và chi phí.
• Cá nhân hoá dịch vụ: các nền tảng như Netflix, YouTube, Shopee đề xuất phim, video, sản phẩm phù hợp với sở thích của từng người.
• Y tế cá nhân hoá: phân tích dữ liệu di truyền để đưa ra phác đồ điều trị phù hợp với từng bệnh nhân, nâng cao hiệu quả chăm sóc sức khoẻ.

2. Quan sát Hình 26.4 và cho biết kết quả khuyến nghị là gì.

Lời giải:

Quan sát Hình 26.4 (ảnh chụp màn hình YouTube):

• Bên trái là video đang được xem: playlist nhạc guitar của nghệ sĩ Estas Tonne.
• Bên phải là danh sách các video được YouTube khuyến nghị, bao gồm:
  • Các video khác của cùng nghệ sĩ Estas Tonne (Internal Flight, Live Concert, Live in Tulum,…).
  • Các playlist khác cùng thể loại nhạc guitar.

→ Kết quả khuyến nghị: YouTube dựa vào video mà người dùng đang xem để đề xuất các video liên quan (cùng nghệ sĩ, cùng thể loại). Đây là một ví dụ điển hình của hệ khuyến nghị – một thành tựu của Khoa học dữ liệu giúp cá nhân hoá trải nghiệm người dùng.

Luyện tập

Luyện tập 1 trang 144

Đề bài: Tại sao lại có thể nói Khoa học dữ liệu góp phần tạo ra nhiều cơ hội mới cho các lĩnh vực khác nhau?

Lời giải:

Khoa học dữ liệu góp phần tạo ra nhiều cơ hội mới vì:

• Phân tích và khai phá dữ liệu lớn từ nhiều nguồn khác nhau, giúp phát hiện xu hướng, mẫu hình mà con người khó nhận ra.
• Hỗ trợ ra quyết định thông minh cho tổ chức, doanh nghiệp (dự báo thị trường, phát hiện gian lận,…).
• Tự động hoá các quy trình phức tạp trong sản xuất, dịch vụ, logistics,… giúp tiết kiệm thời gian và chi phí.
• Cá nhân hoá dịch vụ cho từng khách hàng, tạo ra các sản phẩm và mô hình kinh doanh mới.
• Công cụ ngày càng dễ tiếp cận, nhiều tổ chức thuộc mọi lĩnh vực đều có thể ứng dụng Khoa học dữ liệu.

→ Nhờ vậy, Khoa học dữ liệu tạo ra cơ hội mới trong hầu hết các ngành: kinh doanh, y tế, giáo dục, giải trí, giao thông,…

Luyện tập 2 trang 144

Đề bài: Các tổ chức có thể sử dụng Khoa học dữ liệu để dự đoán thời điểm những trục trặc của thiết bị có thể xảy ra. Hãy phân tích để thấy được, trong trường hợp cụ thể này, Khoa học dữ liệu có thể giúp đổi mới hoàn toàn quy trình bảo trì thiết bị, thay thế quy trình hoạt động chưa hiệu quả.

Lời giải:

a) Quy trình bảo trì truyền thống (chưa hiệu quả):

• Bảo trì bị động (khi hỏng mới sửa): thiết bị hỏng bất ngờ → gây gián đoạn sản xuất, tổn thất lớn.
• Bảo trì định kì cố định: bảo trì theo lịch (ví dụ 6 tháng/lần) → có thể quá sớm (lãng phí) hoặc quá muộn (thiết bị đã hỏng).

b) Quy trình bảo trì mới với Khoa học dữ liệu (bảo trì dự đoán):

• Bước 1 – Thu thập dữ liệu: đặt các cảm biến trên thiết bị để thu thập dữ liệu liên tục (nhiệt độ, độ rung, tiếng ồn, dòng điện,…).
• Bước 2 – Phân tích dữ liệu: dùng thuật toán học máy để phân tích và dự đoán thời điểm thiết bị có nguy cơ hỏng.
• Bước 3 – Bảo trì đúng thời điểm: chỉ bảo trì khi cần thiết, tránh cả 2 trường hợp cực đoan (bảo trì quá sớm hoặc bị động).

c) Lợi ích:

• Tránh gián đoạn sản xuất do hỏng thiết bị bất ngờ.
• Tiết kiệm chi phí bảo trì.
• Kéo dài tuổi thọ của thiết bị.
• Tối ưu hoá lịch bảo trì dựa trên tình trạng thực tế của từng thiết bị.

→ Khoa học dữ liệu đã đổi mới hoàn toàn quy trình bảo trì: từ bị động sang chủ động, dự đoán được.

Vận dụng trang 144

Đề bài: Trong thực tế, vẫn có trường hợp dùng các thuật ngữ Khoa học dữ liệu và Phân tích dữ liệu thay thế cho nhau. Điều này không hoàn toàn chính xác. Hãy truy cập Internet để tìm hiểu sự khác biệt giữa hai khái niệm này.

Lời giải:

Khoa học dữ liệu (Data Science) và Phân tích dữ liệu (Data Analysis) là hai khái niệm có liên quan nhưng không giống nhau hoàn toàn.

Bảng so sánh:

Kết luận:

• Phân tích dữ liệu là một phần của Khoa học dữ liệu.
• Khoa học dữ liệu rộng hơn, bao gồm cả phân tích dữ liệu + xây dựng mô hình dự đoán + khám phá tri thức từ dữ liệu lớn.

→ Nói cách khác: mọi nhà Khoa học dữ liệu đều biết phân tích dữ liệu, nhưng không phải nhà Phân tích dữ liệu nào cũng là nhà Khoa học dữ liệu.

Thầy Phạm Thành Danh

(Người kiểm duyệt, ra đề)

Chức vụ: Trưởng ban biên soạn môn Tin Học THPT

Trình độ: Cử nhân Sư phạm Tin học, Chứng chỉ hạng II, Chứng chỉ Tin học, Ngoại ngữ B1

Kinh nghiệm: 8+ năm kinh nghiệm tại Trường THPT Thuận Hóa