Giải Tin học 12 - Định hướng khoa học máy tính trang 144

Tóm tắt lý thuyết

Bài này thuộc chủ đề Khoa học dữ liệu, gồm hai phần chính:

Phần cuối của mục 1 (Khái niệm Khoa học dữ liệu)

• Hai mục tiêu cụ thể được nhấn mạnh:
• Tối ưu hoá quyết định: dùng thuật toán tối ưu để đưa ra quyết định tốt nhất dựa trên ràng buộc và mục tiêu (ví dụ tối ưu dây chuyền sản xuất).
• Khám phá tri thức: tìm mối quan hệ ẩn trong dữ liệu, xác định nguyên nhân – kết quả, tạo tri thức mới. Đây là mục tiêu cao nhất của Khoa học dữ liệu.
• Khái niệm chốt (khung xanh): Khoa học dữ liệu là một lĩnh vực liên ngành, dùng công cụ của khoa học máy tính, toán học và thống kê để khám phá tri thức từ dữ liệu, kết hợp với tri thức chuyên ngành làm cơ sở cho quyết định phù hợp.

Mục 2 (Một số thành tựu của Khoa học dữ liệu) + khái niệm Dữ liệu lớn

• Dữ liệu lớn (Big Data): tập dữ liệu rất lớn và phức tạp mà công cụ truyền thống không xử lí được.
• Đặc trưng "5V":

• Mối quan hệ AI – Học máy – Khoa học dữ liệu (Hình 26.3): ba lĩnh vực gắn bó, tương hỗ, có nhiều thành tựu chung.
• Một số thành tựu cụ thể: đổi mới quá trình ra quyết định, tự động hoá và thúc đẩy đổi mới sáng tạo, cá nhân hoá dịch vụ.

---

Câu hỏi củng cố (cuối mục 1)

Câu 1

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

Trả lời:

• Học máy đóng vai trò là công cụ kĩ thuật cốt lõi: giúp tự động hoá quá trình phân tích, khai phá dữ liệu, xây dựng mô hình dự đoán và dự báo. Nhờ học máy, ta có thể xử lí được dữ liệu lớn, phát hiện các mẫu và mối quan hệ ẩn mà con người khó nhận ra.
• Tri thức chuyên ngành đóng vai trò định hướng và diễn giải: giúp đặt đúng bài toán, lựa chọn dữ liệu phù hợp, hiểu ý nghĩa của kết quả phân tích trong bối cảnh thực tế và biến tri thức tìm được thành quyết định đúng đắn.

Lí do: Khoa học dữ liệu không chỉ là tính toán trên dữ liệu. Học máy cung cấp "sức mạnh xử lí", còn tri thức chuyên ngành đảm bảo kết quả "có ý nghĩa và dùng được". Thiếu một trong hai thì khám phá tri thức từ dữ liệu sẽ không hiệu quả.

Câu 2

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

Trả lời:

Tính liên ngành thể hiện ở chỗ Khoa học dữ liệu kết hợp đồng thời nhiều lĩnh vực:

• Khoa học máy tính: lập trình, thuật toán, học máy, hạ tầng xử lí dữ liệu lớn.
• Toán học và thống kê: mô hình hoá, suy luận, đánh giá độ tin cậy của kết quả.
• Tri thức chuyên ngành: kiến thức của lĩnh vực áp dụng (y học, tài chính, sản xuất...) để hiểu và sử dụng kết quả.

Lí do: Để khám phá tri thức từ dữ liệu một cách thực sự hữu ích, cần phối hợp cả công cụ tính toán, nền tảng toán – thống kê lẫn hiểu biết chuyên môn. Không lĩnh vực nào đứng riêng lẻ giải quyết trọn vẹn, nên Khoa học dữ liệu mang bản chất liên ngành.

---

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

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

Gợi ý trả lời:

Đây là câu hỏi mở, nhằm giúp em nhận ra các đặc trưng Volume – Velocity – Variety. Một số ví dụ điển hình:

• Dữ liệu mạng xã hội (Facebook, TikTok, YouTube): khối lượng khổng lồ, cập nhật liên tục từng giây, gồm nhiều loại (văn bản, hình ảnh, video, âm thanh, lượt thích, bình luận).
• Dữ liệu thương mại điện tử (Shopee, Tiki, Amazon): lịch sử mua sắm, lượt xem, đánh giá sản phẩm; liên tục thay đổi và đa dạng định dạng.
• Dữ liệu cảm biến IoT (camera giao thông, trạm thời tiết, thiết bị đeo theo dõi sức khoẻ): sinh ra liên tục theo thời gian thực, gồm số liệu, hình ảnh, tín hiệu.
• Dữ liệu giao dịch ngân hàng/tài chính: hàng triệu giao dịch mỗi ngày, cần phân tích nhanh để phát hiện gian lận.

Phân tích nhanh để thấy rõ "nhiều V":

• Lớn về kích thước → Volume
• Thường xuyên cập nhật → Velocity
• Nhiều loại khác nhau → Variety

Nếu bạn gửi đúng ảnh trang 144–145, mình sẽ giải tiếp phần đó cho bạn nhé.