Giải SBT Tin học 12 Bài 26. Làm quen với Khoa học dữ liệu

Đáp án: B.

Học máy (Machine Learning) trong khoa học dữ liệu có vai trò chính là phân tích và khai phá dữ liệu để tìm ra các mẫu, xu hướng, và dự đoán từ dữ liệu. Học máy sử dụng các thuật toán để tự động học hỏi từ dữ liệu và đưa ra các dự đoán hoặc quyết định mà không cần lập trình cụ thể cho từng vấn đề. Đây là một trong những công cụ mạnh mẽ nhất trong khoa học dữ liệu để xử lý dữ liệu lớn và phức tạp.

Đáp án: B và C

B. Dữ liệu lớn có thể bao gồm nhiều loại dữ liệu khác nhau (có cấu trúc, bán cấu trúc và phi cấu trúc) như văn bản, hình ảnh, video, cảm biến, và dữ liệu mạng xã hội, làm cho việc xử lý và phân tích trở nên phức tạp hơn.

Cơ sở dữ liệu quan hệ thường làm việc với dữ liệu có cấu trúc, được tổ chức trong các bảng với mối quan hệ rõ ràng và định dạng nhất quán.

C. Dữ liệu lớn thường bao gồm dữ liệu đa dạng từ nhiều nguồn khác nhau, có thể là dữ liệu cấu trúc, bán cấu trúc, hoặc phi cấu trúc.

Cơ sở dữ liệu quan hệ thường chỉ xử lý dữ liệu có cấu trúc, nghĩa là dữ liệu phải được tổ chức theo các bảng và định dạng nhất định.

Đáp án: C. Khoa học dữ liệu chủ yếu tập trung vào việc phân tích và khai thác dữ liệu để đưa ra quyết định, tối ưu hóa quyết định dựa trên dữ liệu, và khám phá tri thức từ dữ liệu. Đây là những vai trò cốt lõi của khoa học dữ liệu, nhằm giúp tổ chức hiểu rõ hơn về dữ liệu và áp dụng nó để cải thiện hoạt động kinh doanh hoặc nghiên cứu.

Tạo ra các ứng dụng trò chơi không phải là vai trò chính của khoa học dữ liệu. Mặc dù khoa học dữ liệu có thể được ứng dụng trong việc phân tích hành vi người chơi hoặc cải thiện trải nghiệm người dùng trong game, việc phát triển trò chơi chủ yếu thuộc về lĩnh vực phát triển phần mềm và lập trình game, không phải là mục tiêu cốt lõi của khoa học dữ liệu.

Đáp án : A, C, D.

A. Khoa học dữ liệu có thể áp dụng học máy và các thuật toán để tự động hóa quy trình xử lý dữ liệu, giúp tiết kiệm thời gian và nâng cao hiệu suất công việc.

C. Khi các tác vụ lặp đi lặp lại được tự động hóa, con người có thể dành nhiều thời gian hơn cho các nhiệm vụ phân tích sâu, sáng tạo và phát triển chiến lược.

D. Khoa học dữ liệu có thể áp dụng trong nhiều lĩnh vực như y tế, tài chính, marketing, sản xuất, v.v., giúp cải thiện quy trình và đưa ra quyết định dựa trên dữ liệu.

a) Sai. Vì nó không đề cập đến các bước cần thiết tiếp theo để thực hiện cá nhân hóa, như phân tích dữ liệu và hành động dựa trên thông tin đã thu thập.

b) Sai. Vì nó không đề cập đến việc áp dụng các phân tích đó để tạo ra sự cá nhân hóa thực sự. Thực tế, cá nhân hóa đòi hỏi một quy trình tổng thể, bao gồm cả thu thập, phân tích, và áp dụng dữ liệu để cải thiện trải nghiệm khách hàng.

c) Sai. Mặc dù việc khách hàng tự tìm kiếm và lựa chọn sản phẩm là một phần của trải nghiệm mua sắm, nhưng điều này không hoàn toàn thể hiện khái niệm cá nhân hóa dịch vụ. Cá nhân hóa thường liên quan đến việc doanh nghiệp chủ động cung cấp các đề xuất và tùy chỉnh dựa trên thông tin và phân tích dữ liệu, chứ không chỉ là việc khách hàng tự quyết định.

d) Đúng. Đây là một trong những mục tiêu chính của cá nhân hóa dịch vụ khách hàng. Bằng cách đề xuất các sản phẩm hoặc dịch vụ dựa trên hành vi và sở thích, doanh nghiệp có thể cải thiện trải nghiệm của khách hàng và tăng khả năng chuyển đổi bán hàng.

Hệ thống khuyến nghị thường dựa trên dữ liệu lịch sử để đưa ra đề xuất.

a) Đúng. Trong lĩnh vực lái xe tự động, việc dựa vào dữ liệu lịch sử có thể dẫn đến nguy hiểm vì môi trường lái xe luôn thay đổi và không thể dự đoán được.

b) Sai. Hệ thống khuyến nghị có thể được sử dụng để đề xuất các phương pháp điêu trị phú hợp cho bệnh nhân dựa trên các triệu chứng của họ.

c) Sai. Đề xuất các sản phẩm hoặc dịch vụ phù hợp cho khách hàng dựa trên lịch sử mua hàng

d) Sai. Đề xuất các bộ phim, bài hát hoặc chương trình truyền hình phù hợp cho người dùng dựa trên sở thích mỗi người.

Tuy nhiên, cần lưu ý rằng hệ thống khuyến nghị chỉ nên được sử dụng như một công cụ hỗ trợ. Người dùng cần phải tự mình đánh giá và quyết định xem liệu các đề xuất có phù hợp với mình hay không. Ngoài ra, hệ thống khuyến nghị cần được thiết kế và triển khai cẩn thận để tránh các nguy cơ tiềm ần. Ví dụ, hệ thống khuyến nghị cần được đảm bảo là không thiên vị và không phân biệt đối xử với người dùng.

Gợi ý: Xử lí dữ liệu lớn được coi là thành tựu lớn nhất của Khoa học dữ liệu vì những lí do sau:

- Cho phép tổ chức và phân tích lượng dữ liệu lớn mà trước đây gần như không thể xử lí. Việc này mở ra khả năng khám phá và trích rút tri thức từ các nguồn dữ liệu lớn, đa dạng.

- Không chỉ giúp lưu trữ và quản lí dữ liệu lớn mà còn tìm ra các mẫu hình, xu hướng và liên kết ẩn chứa trong dữ liệu, cung cấp thông tin chi tiết và quan trọng cho việc ra quyết định dựa trên dữ liệu, không chỉ dựa vào trực giác, mang lại sự chính xác và khách quan hơn trong quyết định.

- Phân tích dữ liệu lớn giúp phát hiện sớm các rủi ro, bất thường và gian lận, đặc biệt trong các lĩnh vực như tài chính, y tế, và an ninh mạng. Đồng thời, cung cấp khả năng dự báo và phân tích xu hướng dựa trên dữ liệu, giúp định hình chiến lược và kế hoạch tương lai.

- Xử lí dữ liệu lớn cho phép cá nhân hóa dịch vụ và sản phẩm dựa trên dữ liệu hành vi và sở thích của người dùng, nâng cao trải nghiệm khách hàng.

Phân tích dữ liệu lớn mở ra những cơ hội đổi mới và sáng tạo mới trong nhiều lĩnh vực như y tế, giáo dục, kinh doanh và khoa học.

Trong kỉ nguyên số hóá, dữ liệu nói chung và dữ liệu lớn nói riêng ngày càng trở thành tài sản quan trọng, khả năng xứ lí và phân tích dữ liệu lớn đóng vai trò trung tâm đề có được hiểu biết sâu sắc, đổi mới và tối ưu hóá quyết định.

Nhờ vậy, Khoa học dữ liệu trở thành một lĩnh vực phát triền mạnh mẽ, không thể thiếu trong thế giới hiện đại.