Lý thuyết Tin học 12 Bài 2 (Cánh diều): Giới thiệu về khoa học dữ liệu

Lý thuyết Tin học 12 Bài 2: Giới thiệu về khoa học dữ liệu

1. Khoa học dữ liệu

a) Khái niệm khoa học dữ liệu:

Khoa học dữ liệu là một lĩnh vực liên ngành kết hợp các phương pháp từ toán học, thống kê, và khoa học máy tính với kiến thức chuyên môn trong các lĩnh vực ứng dụng như kinh doanh, tài chính, y tế, giáo dục. Mục tiêu của Khoa học dữ liệu bao gồm:

1. Phân tích và trực quan hóa dữ liệu: Xem xét các mẫu, xu hướng để hiểu và biểu diễn dữ liệu một cách trực quan nhằm phát hiện vấn đề cần giải quyết.

2. Xây dựng mô hình dự đoán và dự báo: Sử dụng dữ liệu để dự đoán sự kiện tương lai như thay đổi doanh số hoặc biến động về khách hàng.

3. Tối ưu hóa quyết định: Điều chỉnh quyết định dựa trên dữ liệu và sử dụng thuật toán tối ưu hóa để đưa ra quyết định tốt nhất.

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

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

1.Xác định vấn đề: Hiểu rõ vấn đề cần giải quyết để xác định các giả thuyết cần kiểm tra và đánh giá.

2. Thu thập dữ liệu: Thu thập dữ liệu liên quan từ nhiều nguồn, thường là dữ liệu lớn.

3. Chuẩn bị dữ liệu: Lựa chọn, tích hợp, làm sạch dữ liệu, xử lý các giá trị thiếu và chính xác, và chuẩn bị dữ liệu cho phân tích.

4. Phân tích và khai phá dữ liệu: Áp dụng mô hình để chọn lọc yếu tố quan trọng, tìm ra mối quan hệ và quy luật trong dữ liệu để xây dựng mô hình dự báo và phát triển kiến thức.

5.Đánh giá và giải thích: Đánh giá chất lượng mô hình bằng các tiêu chí cụ thể và giải thích tác động của mô hình đối với tổ chức.

6.Ra quyết định và triển khai: Trình bày kết quả phân tích cho cấp lãnh đạo để ra quyết định và triển khai thực tế.

2. Một số thành tựu của Khoa học dữ liệu

- Tài chính – Ngân hàng: - Đánh giá rủi ro.Phát hiện gian lận. Lập mô hình đầu tư.Phân khúc khách hàng.

- Chăm sóc sức khoẻ:Dự đoán dịch bệnh.Cải thiện chất lượng chăm sóc bệnh nhân.Quản lý dịch vụ y tế.Chế tạo thuốc chữa bệnh.

- Sản xuất – Kinh doanh:Ra quyết định tầm chiến lược.Tối ưu hóa quy trình sản xuất.Cá nhân hóa trải nghiệm khách hàng.Đưa ra khuyến nghị cho khách hàng.

- Dịch vụ công nghệ thông tin:Tối ưu hóa hệ thống thông tin.Đảm bảo an ninh mạng.

- Trí tuệ nhân tạo:Phát triển các hệ thống như trợ lý ảo.Thu thập và phân tích dữ liệu lớn để xây dựng và huấn luyện mô hình hiệu quả.

Khoa học dữ liệu đạt được một số thành tựu đáng chú ý như sau đây.

a) Dự án Bộ gen người HGP:

Dự án Bộ gen người (Human Genome Project - HGP):

-Thời gian và Chi phí: Kéo dài 13 năm (1990-2003), tiêu tốn khoảng 3 tỉ USD.

- Mục tiêu: Nghiên cứu cấu trúc và chức năng của các gen trong bộ gen người, xác định các biến thể di truyền và mối quan hệ giữa đột biến và đặc điểm sinh học.

- Kỹ thuật: Lập bản đồ gen và giải trình tự gen.

- Dữ liệu: Bộ gen người có khoảng 3 tỉ cặp base. Giải trình tự một bộ gen sinh ra khoảng 100 gigabyte dữ liệu; giải trình tự nhiều bộ gen có thể tạo ra hàng trăm petabyte dữ liệu.

- Ứng dụng: Phân tích giúp hiểu rõ cách thức hoạt động của gen, chức năng của gen, và mối quan hệ giữa gen với sức khoẻ và bệnh tật.

Trong đại dịch Covid-19:-Các nhà nghiên cứu đã sử dụng máy giải trình tự gen tiên tiến để xác định virus SARS-CoV-2.

- Điều này giúp phân tích cách virus gây bệnh, phát triển phương pháp chẩn đoán, điều trị và phòng ngừa hiệu quả.

b) Các dự án nghiên cứu và khám phá không gian vũ trụ:

- Kính thiên văn Kepler: Trong 9 năm hoạt động, thu thập khoảng 678 GB dữ liệu về độ sáng của khoảng 150 nghìn ngôi sao.

- Các vệ tinh như TESS, K2, Plato: Thu thập thông tin về hành tinh như khối lượng, kích thước, mật độ và quỹ đạo, tạo ra khoảng 100 GB dữ liệu mỗi ngày.

Ứng dụng của học máy:

- Phát triển thuật toán học máy: Để phân tích lượng dữ liệu khổng lồ, giúp phân loại đặc trưng của hành tinh, phát hiện thay đổi ánh sáng ngôi sao và suy luận về các hành tinh khác trong hệ ngôi sao.

Kết quả:

- Phát hiện: Khoảng 3.200 hệ hành tinh quay quanh các ngôi sao trong dải Ngân Hà, trong đó có khoảng 63 hành tinh có khả năng duy trì sự sống.

c) Hệ thống Giám sát đánh bắt cá toàn cầu:

Hệ thống Giám sát đánh bắt cá toàn cầu (Global Fishing Watch):

- Mục tiêu: Ngăn chặn đánh bắt cá bất hợp pháp.

- Công nghệ sử dụng: Dữ liệu vệ tinh từ hệ thống của Google.

- Hoạt động: Ghi lại hàng triệu vị trí của tàu cá trên toàn thế giới mỗi ngày. Xác định mục đích chuyến đi và điểm xuất phát của tàu.

- Kết quả: Theo dõi hoạt động đánh bắt cá theo thời gian thực, giúp phát hiện và xác định tàu đánh bắt cá bất hợp pháp.

d) Các mô hình ngôn ngữ lớn:

Các mô hình ngôn ngữ lớn (LLM):

- Khái niệm: Mô hình AI đặc biệt để hiểu ngôn ngữ tự nhiên.

- Ví dụ nổi tiếng: GPT-3 với 175 tỉ tham số.

- Đặc điểm: Số lượng tham số lớn giúp mô hình hiểu và xử lý ngôn ngữ tinh vi hơn.

- Thành tựu: GPT-3 đạt được kết quả ấn tượng trong xử lý ngôn ngữ tự nhiên, có thể thực hiện các nhiệm vụ phức tạp với hiệu suất cao, đôi khi vượt qua khả năng của con người.

e) Mô hình phát hiện gian lận của American Express:

- Thành công: American Express đã cải thiện khả năng phát hiện gian lận bằng cách áp dụng khoa học dữ liệu.

- Năm 2014: Triển khai mô hình học máy, nâng cao hiệu quả phát hiện gian lận lên 30% so với hệ thống cũ.

- Năm 2017: Phát triển công cụ xác thực sinh trắc học, giảm 60% giao dịch gian lận.

- Hiện tại: Đạt tỉ lệ gian lận thấp nhất ở Mỹ trong 14 năm liên tiếp theo báo cáo của Nilson tháng 2 năm 2021.

Trắc nghiệm: Giới thiệu về khoa học dữ liệu

PHẦN I. Câu trắc nghiệm nhiều phương án lựa chọn. Thí sinh trả lời từ câu 1 đến câu 10. Mỗi câu hỏi thí sinh chỉ lựa chọn một phương án.

Câu 1: Khoa học dữ liệu là gì?

A. Một lĩnh vực chỉ sử dụng toán học để phân tích dữ liệu.

B. Một lĩnh vực nghiên cứu các ứng dụng của máy tính trong lĩnh vực nghệ thuật.

C. Một lĩnh vực liên ngành kết hợp toán học, thống kê và khoa học máy tính để phân tích và trực quan hóa dữ liệu.

D. Một lĩnh vực nghiên cứu về cách thức hoạt động của các thiết bị điện tử.

Câu 2: Giai đoạn nào sau đây không phải là một phần của dự án Khoa học dữ liệu?

A. Xác định vấn đề

B. Thu thập dữ liệu

C. Thực hiện quảng cáo

D. Đánh giá và giải thích

Câu 3: Dự án Bộ gen người (HGP) kéo dài bao lâu và tiêu tốn khoảng bao nhiêu chi phí?

A. 10 năm và 2 triệu USD

B. 5 năm và 1 triệu USD

C. 13 năm và 3 tỉ USD

D. 20 năm và 5 tỉ USD

Câu 4: Kính thiên văn Kepler thu thập bao nhiêu dữ liệu về độ sáng của các ngôi sao?

A. 100 GB

B. 678 GB

C. 1 TB

D. 2 TB

Câu 5: Hệ thống Giám sát đánh bắt cá toàn cầu (Global Fishing Watch) sử dụng công nghệ gì để ngăn chặn đánh bắt cá bất hợp pháp?

A. Dữ liệu từ cảm biến nhiệt độ

B. Dữ liệu vệ tinh từ hệ thống của Google

C. Dữ liệu từ cảm biến âm thanh dưới nước

D. Dữ liệu từ camera theo dõi

Câu 6: Mô hình ngôn ngữ lớn (LLM) nổi tiếng nhất hiện nay là gì?

A. BERT

B. GPT-3

C. RoBERTa

D. T5

Câu 7: Dự án nào sau đây không phải là một thành tựu của Khoa học dữ liệu?

A. Dự án Bộ gen người HGP

B. Phát triển trí tuệ nhân tạo với các trợ lý ảo

C. Nghiên cứu và phát triển các phương pháp dạy học truyền thống

D. Phát hiện gian lận trong giao dịch tài chính

Câu 8: Kỹ thuật nào được sử dụng trong Dự án Bộ gen người để nghiên cứu cấu trúc và chức năng của các gen?

A. Phân tích dữ liệu văn bản

B. Giải trình tự gen

C. Phát hiện đối tượng trong ảnh

D. Phân tích chuỗi thời gian

Câu 9: American Express đã cải thiện khả năng phát hiện gian lận bằng cách nào?

A. Triển khai mô hình học máy

B. Tăng cường đội ngũ nhân viên kiểm tra

C. Sử dụng phần mềm chống virus mới

D. Cải thiện giao diện người dùng

Câu 10: Trong các dự án nghiên cứu không gian vũ trụ, dữ liệu về hành tinh được thu thập từ đâu?

A. Kính thiên văn Kepler

B. Cảm biến dưới mặt đất

C. Hệ thống giám sát hải dương

D. Máy tính cá nhân

PHẦN II. Câu trắc nghiệm đúng sai. Thí sinh trả lời từ câu 1 đến câu 2. Trong mỗi ý a), b), c), d) ở mỗi câu, thí sinh chọn đúng hoặc sai

Câu 1: Phát biểu sau đây đúng hay sai về các khía cạnh của khoa học dữ liệu?

a) Khoa học dữ liệu chỉ liên quan đến toán học và thống kê, không bao gồm khoa học máy tính.

b) Một trong những mục tiêu chính của khoa học dữ liệu là phát hiện tri thức từ dữ liệu và phát triển kiến thức mới.

c) Trong các giai đoạn của dự án khoa học dữ liệu, việc ra quyết định và triển khai không cần dựa vào kết quả phân tích dữ liệu.

d) Để tối ưu hóa quyết định, khoa học dữ liệu sử dụng thuật toán tối ưu hóa và điều chỉnh quyết định dựa trên dữ liệu.

Câu 2: Phát biểu sau đây đúng hay sai về thành tựu và ứng dụng của khoa học dữ liệu:

a) Dự án Bộ gen người (HGP) tiêu tốn khoảng 3 triệu USD và kéo dài trong 3 năm.

b) Kính thiên văn Kepler thu thập khoảng 678 GB dữ liệu về độ sáng của 150 triệu ngôi sao trong 9 năm.

c) Hệ thống Giám sát đánh bắt cá toàn cầu sử dụng dữ liệu vệ tinh để theo dõi và ngăn chặn đánh bắt cá bất hợp pháp.

d) Các mô hình ngôn ngữ lớn (LLM) như GPT-3 có số lượng tham số rất nhỏ, không thể xử lý ngôn ngữ tự nhiên hiệu quả.

PHẦN III. Câu trả lời ngắn. Thí sinh trả lời từ câu 1 đến câu 3

Câu 1: Khoa học dữ liệu bao gồm những phương pháp và lĩnh vực nào?

Câu 2: Mục tiêu chính của khoa học dữ liệu bao gồm việc gì?

Câu 3: Dự án Bộ gen người (HGP) kéo dài bao lâu và tiêu tốn bao nhiêu chi phí?