- LẬPTRÌNH CHO KHOA HỌC DỮ LIỆU. - Tổng quan về khoa học dữ liệu. - Khoa học dữ liệu là gì 1. - Ứng dụng của khoa học dữ liệu 2. - Data scientist (nhà khoa học dữ liệu) 3. - Các yếu tố phát triển khoa học dữ liệu 4. - Khoa học dữ liệu là gì. - Hầu hết các ngành khoa học từ xưa đến nayđều giải quyết vấn đề dựa trên lập luận và tri thức. - Ta gọi các ngành khoa học này là “knowledge-driven”. - không được chứng minh chặt chẽ thường đượccho là “không khoa học”. - Khoa học dữ liệu ≠ Khoa học thông thường ở quan điểm: tìm tri thức từ dữ liệu (dẫn dắt bởi dữ liệu. - Chúng ta rút ra tri thức bằng việc tìm tòi từ dữ liệu chứ không nhất thiết phải chứng minhnó. - Điện toán đám mây: Lưu giữ và truy nhập dữ liệu và chương trình trên clouds qua Internet thay vì trên máy tính c ủa người dùng.. - Dữ liệu lớn nói về các tập dữ liệu rất lớn. - Vài định nghĩa về Khoa học dữ liệu?. - Trực tiếp trích rút tri thức hành động từ dữ liệu qua quá trình phát hiện, thiết lập và kiểm nghiệm các giả thiết.. - Dùng dữ liệu tạo quyết định dẫn dắt hành động Thay đổi: data analysis data analytics data science. - Một lược đồ của khoa học dữ liệu. - Mô hình dữ liệu là gì?. - Khái ni ệm khoa học dữ liệu (KHDL) và quanhệ của KHDL v ới các đột phá củaKH&CN.. - Ứng dụng của khoa học dữ liệu. - Hãy nêu một vài vấn đề liên quan đến địa phương (quê) của bạn, mà bạn cho rằng có thể giải quyết bằng khoa học dữ liệu.. - Theo bạn có những vấn đề nào của trường ta có thể là đối tượng nghiên cứu của khoa học dữ liệu?. - Nhà khoa học dữ liệu (Data scientist). - Nhà khoa học dữ liệu làm gì?. - Thu thập và xử lý dữ liệu để tìm ra những“insight”. - Các yếu tố phát triển khoa học dữ liệu. - Sản phẩm data là gì?. - Sản phẩm data được xây dựng dựa trên dữ liệu. - Tính năng recommendation của Amazon được xây dựng dựa trên dữ liệu của nó: người dùng muốn mua món đồ gì? Những món đồ nào nên muakèm?. - Sản phẩm data bao gồm nhiều thành phần nhưng mô hình dữ liệu là cốt lõi của nó và đượcxây dựng bằng các thuật toán học máy. - Phân tích S W O T v ề khoa học dữliệu của ta. - Ít dữ liệu cần cho các ngành nghề. - Tạo ra nguồn dữ liệu. - Data scientist workflow. - Data scientist workflow – Bước 1. - Hoặc, do chính Data Scientist khi làm việc với dữ liệu, nghiên cứu đặc tính của sản phẩm/ công ty cũng như kiểu/ lượngdata hiện có… thì nảy sinh thêm sáng kiến phát minh tính năngXYZ. - Data scientist workflow – Bước 2. - Sẽ cần loại dữ liệu gì? Ở đâu? Bao nhiêu là đủ? Lấy dữ liệu như thế nào?. - Data scientist workflow – Bước 3. - Để dạy cho máy biết phân biệt chó/mèo, nó càng phải học nhiều hình ảnh càng tốt.Nên phải đi “gom dữ liệu”. - Dữ liệu gom xong sẽ còn lộn xộn và nhiều rác thì phải. - “làm sạch dữ liệu”.. - Đồng bộ hóa dữ liệu. - Hình ảnh mang về có kích thước khác nhau, phải đưa hết về cùng kích thước, định dạng theo mô hình dữ liệu đãchọn. - Nếu dữ liệu chưa đủ phải thu thậpthêm. - Data scientist workflow – Bước 4. - Data scientist workflow – Bước 5. - Data scientist workflow – Bước 6. - Data scientist: tố chất cần có?. - Các yếu tố phát triển khoa học dữ liệu Data scientist cần kỹ năng gì?. - Công việc của Data Scientist rất gần với Software. - Khi nhìn vào dữ liệu, bạn cần đủ nhạy để suy đoán: đối với loại dữ liệu này thì nên làm gì với nó, nên estimate như thế nào?. - Nghề Data Scientist đòi hỏi khá nhiều kiến thứcvà kĩ năng tổng hợp. - Database : giúp lưu trữ, truy xuất dữ liệu cũng như thực hiện tính toán. - Visualization : giúp hiểu hơn về dữ liệu hoặc trình bày. - Data scientist cần kỹ năng gì?. - Các yếu tố phát triển khoa học dữ liệu Nhu cầu. - Các yếu tố phát triển khoa học dữ liệu Thu nhập
Xem thử không khả dụng, vui lòng xem tại trang nguồn hoặc xem
Tóm tắt