Khoa học dữ liệu quan trọng vì: Nó giúp chuyển hóa "dữ liệu thô" thành "tri thức quý giá". Trong thời đại số, dữ liệu được coi là "dầu mỏ mới", giúp các tổ chức đưa ra quyết định dựa trên bằng chứng thực tế thay vì cảm tính, từ đó giảm thiểu rủi ro và tối ưu hóa lợi nhuận.

Ví dụ minh họa:

• Trong Y tế: Phân tích dữ liệu bệnh lý của hàng triệu bệnh nhân để giúp bác sĩ dự đoán sớm các nguy cơ mắc bệnh nan y (như ung thư) hoặc tìm ra phác đồ điều trị tối ưu cho từng cá nhân.
• Trong Thương mại điện tử (Shopee, Lazada):Dựa trên lịch sử tìm kiếm và mua sắm của bạn, hệ thống sẽ đề xuất đúng món hàng bạn đang cần, giúp tăng khả năng chốt đơn.
• Trong Giao thông (Grab, Google Maps): Phân tích dữ liệu vị trí thời gian thực để dự báo tắc đường và gợi ý lộ trình di chuyển nhanh nhất.

Để xếp khách hàng vào các nhóm (Mới, Tiền năng, Thân thiết), quy trình Học máy thường trải qua các bước sau:

1. Thu thập dữ liệu: Thu thập thông tin từ nhiều nguồn (giới tính, tuổi tác, sở thích, thu nhập, lịch sử mua hàng, hành vi trên web/app...).
2. Tiền xử lý dữ liệu: Làm sạch dữ liệu (xử lý dữ liệu thiếu, loại bỏ dữ liệu sai lệch) và chuẩn hóa dữ liệu để máy tính có thể hiểu được.
3. Trích xuất đặc trưng (Feature Engineering): Lựa chọn các tiêu chí quan trọng nhất (như tổng chi tiêu, tần suất mua hàng) để đưa vào mô hình.
4. Huấn luyện mô hình (Training): Sử dụng các thuật toán phân lớp hoặc phân cụm (ví dụ: K-Means, Decision Tree) để "dạy" mô hình nhận diện đặc điểm của từng nhóm khách hàng.
5. Phân loại (Inference): Khi có dữ liệu của một khách hàng mới (như Ông A), mô hình sẽ dựa trên các đặc điểm đã học để dự đoán và xếp ông vào nhóm tương ứng (Nhóm 1 - Mới).
6. Đánh giá và tinh chỉnh: Theo dõi độ chính xác của mô hình và cập nhật dữ liệu mới thường xuyên để đảm bảo việc phân loại luôn đúng đắn.

Chuyên viên kỹ thuật (hay chuyên viên CNTT) đóng vai trò là "xương sống" vận hành hệ thống công nghệ của doanh nghiệp. Vai trò của họ bao gồm:

• Quản trị và vận hành hệ thống: Đảm bảo các hệ thống máy chủ, mạng máy tính, phần cứng và phần mềm của công ty hoạt động ổn định 24/7.
• Hỗ trợ kỹ thuật (Helpdesk): Giải quyết các sự cố phát sinh cho nhân viên trong quá trình sử dụng máy tính, phần mềm chuyên dụng hoặc các thiết bị ngoại vi (máy in, scan...).
• Bảo mật thông tin: Triển khai các biện pháp bảo vệ dữ liệu công ty khỏi các cuộc tấn công mạng, virus và rò rỉ thông tin quan trọng.
• Tư vấn và triển khai công nghệ: Nghiên cứu và đề xuất các giải pháp phần mềm/phần cứng mới để tối ưu hóa quy trình làm việc, giúp tăng năng suất và hiệu quả kinh doanh.

Thu thập dữ liệu (Data Collection): Tập hợp nhiều hình ảnh khác nhau về chó và mèo (như các hình ảnh ví dụ trong bài). Càng nhiều dữ liệu đa dạng (khác nhau về giống, màu sắc, tư thế), mô hình càng chính xác.

Chuẩn bị dữ liệu (Data Preparation):

Gán nhãn (Labeling): Đánh dấu hình nào là "Chó", hình nào là "Mèo".

Xử lý ảnh: Đưa các ảnh về cùng một kích thước, định dạng để máy tính dễ xử lý.

Huấn luyện mô hình (Training): Sử dụng các thuật toán học máy (như mạng nơ-ron) để máy tính tự tìm ra các đặc điểm khác biệt (ví dụ: hình dáng tai, mũi, mắt) giữa chó và mèo từ tập dữ liệu đã gán nhãn.

Kiểm chứng và Đánh giá (Evaluation): Sử dụng một bộ hình ảnh mới (máy chưa được xem) để kiểm tra xem máy phân loại đúng hay sai. Ở hình vẽ, vật thể

X

𝑋

chính là dữ liệu mới cần máy phân loại.

Dự đoán (Prediction): Khi mô hình đã ổn định, ta đưa hình ảnh mới vào, máy sẽ trả ra kết quả là "Chó" hoặc "Mèo".

Thu thập dữ liệu (Data Collection): Tập hợp nhiều hình ảnh khác nhau về chó và mèo (như các hình ảnh ví dụ trong bài). Càng nhiều dữ liệu đa dạng (khác nhau về giống, màu sắc, tư thế), mô hình càng chính xác.

Chuẩn bị dữ liệu (Data Preparation):

Gán nhãn (Labeling): Đánh dấu hình nào là "Chó", hình nào là "Mèo".

Xử lý ảnh: Đưa các ảnh về cùng một kích thước, định dạng để máy tính dễ xử lý.

Huấn luyện mô hình (Training): Sử dụng các thuật toán học máy (như mạng nơ-ron) để máy tính tự tìm ra các đặc điểm khác biệt (ví dụ: hình dáng tai, mũi, mắt) giữa chó và mèo từ tập dữ liệu đã gán nhãn.

Kiểm chứng và Đánh giá (Evaluation): Sử dụng một bộ hình ảnh mới (máy chưa được xem) để kiểm tra xem máy phân loại đúng hay sai. Ở hình vẽ, vật thể

X

𝑋

chính là dữ liệu mới cần máy phân loại.

Dự đoán (Prediction): Khi mô hình đã ổn định, ta đưa hình ảnh mới vào, máy sẽ trả ra kết quả là "Chó" hoặc "Mèo".

Thu thập dữ liệu (Data Collection): Tập hợp nhiều hình ảnh khác nhau về chó và mèo (như các hình ảnh ví dụ trong bài). Càng nhiều dữ liệu đa dạng (khác nhau về giống, màu sắc, tư thế), mô hình càng chính xác.

Chuẩn bị dữ liệu (Data Preparation):

Gán nhãn (Labeling): Đánh dấu hình nào là "Chó", hình nào là "Mèo".

Xử lý ảnh: Đưa các ảnh về cùng một kích thước, định dạng để máy tính dễ xử lý.

Huấn luyện mô hình (Training): Sử dụng các thuật toán học máy (như mạng nơ-ron) để máy tính tự tìm ra các đặc điểm khác biệt (ví dụ: hình dáng tai, mũi, mắt) giữa chó và mèo từ tập dữ liệu đã gán nhãn.

Kiểm chứng và Đánh giá (Evaluation): Sử dụng một bộ hình ảnh mới (máy chưa được xem) để kiểm tra xem máy phân loại đúng hay sai. Ở hình vẽ, vật thể

X

𝑋

chính là dữ liệu mới cần máy phân loại.

Dự đoán (Prediction): Khi mô hình đã ổn định, ta đưa hình ảnh mới vào, máy sẽ trả ra kết quả là "Chó" hoặc "Mèo".

body: Thiết lập định dạng mặc định cho toàn bộ trang web gồm phông chữ Arial, sans-serif, màu chữ đen (black) và cỡ chữ 16px.

h1: Ghi đè định dạng cho thẻ tiêu đề cấp 1 với cỡ chữ lớn 24px, màu xanh dương (blue) và đổi phông chữ sang Times New Roman.

p: Thiết lập các đoạn văn có cỡ chữ 18px và màu xanh lá cây (green).

p.special: Đây là một lớp (class) đặc biệt dành riêng cho thẻ <p>. Nó sẽ ghi đè màu thành đỏ (red) và làm chữ in đậm (bold).

body: Thiết lập định dạng mặc định cho toàn bộ trang web gồm phông chữ Arial, sans-serif, màu chữ đen (black) và cỡ chữ 16px.

h1: Ghi đè định dạng cho thẻ tiêu đề cấp 1 với cỡ chữ lớn 24px, màu xanh dương (blue) và đổi phông chữ sang Times New Roman.

p: Thiết lập các đoạn văn có cỡ chữ 18px và màu xanh lá cây (green).

p.special: Đây là một lớp (class) đặc biệt dành riêng cho thẻ <p>. Nó sẽ ghi đè màu thành đỏ (red) và làm chữ in đậm (bold).

body: Thiết lập định dạng mặc định cho toàn bộ trang web gồm phông chữ Arial, sans-serif, màu chữ đen (black) và cỡ chữ 16px.

h1: Ghi đè định dạng cho thẻ tiêu đề cấp 1 với cỡ chữ lớn 24px, màu xanh dương (blue) và đổi phông chữ sang Times New Roman.

p: Thiết lập các đoạn văn có cỡ chữ 18px và màu xanh lá cây (green).

p.special: Đây là một lớp (class) đặc biệt dành riêng cho thẻ <p>. Nó sẽ ghi đè màu thành đỏ (red) và làm chữ in đậm (bold).

body: Thiết lập định dạng mặc định cho toàn bộ trang web gồm phông chữ Arial, sans-serif, màu chữ đen (black) và cỡ chữ 16px.

h1: Ghi đè định dạng cho thẻ tiêu đề cấp 1 với cỡ chữ lớn 24px, màu xanh dương (blue) và đổi phông chữ sang Times New Roman.

p: Thiết lập các đoạn văn có cỡ chữ 18px và màu xanh lá cây (green).

p.special: Đây là một lớp (class) đặc biệt dành riêng cho thẻ <p>. Nó sẽ ghi đè màu thành đỏ (red) và làm chữ in đậm (bold).