👍👍 AI – TRÍ TUỆ NHÂN TẠO

Dạo gần đây một số bạn thấy Huyền Chip quá nổi thì cụm từ AI mới nổi theo, thật ra nếu bạn chịu khó searrch thì AI đã bắt đầu 1956 và có một thời kì đóng băng. Mãi đến 1997 mới là thời kì phục hưng và bạn thấy đó nó không phải xuất hiện năm 2020. Nếu như năm 2010 mình biết tới nó thì giờ chắc giàu sụ cũng như việc mua đất.Vậy AI là gì nói nôm na thế này, AI là việc bạn sử dụng trí tuệ nhân tạo (tức máy) để ra các quyết định ví dụ quẹo trái, phải (xe hơi tự lái), điểm danh bạn học sinh có mặt hay không (camera nhận dạng khuôn mặt) và nhiều sản phẩm khác, tức nó thay mặt bộ não con người cho các hành động, cho các quyết địnhVậy AI và Data khác nhau thế nào? Nói sâu xa hơn nữa thì quá trình Data Analytics và AI nó khác nhau như sau.

Data Analytics gồm 4 step:

– Descriptive: phân tích mô tả ví dụ bạn mô tả cho sếp thấy công ty bạn có 100 nhân viên mới nghỉ việc 🙂

– Diagnostic: Bạn nói sếp là 100 bạn nghỉ là do sếp không chịu trả overtime mang data ra chứng minh

– Predictive: Bạn nói là năm tới thằng A này sẽ nghĩ nè sếp, giữ chân nó lại đi vì nó có giá trị á

– Và cuối cùng Prescriptive: bạn nói sếp giờ sếp trả overtime 2 tiếng đi thì nhân viên sếp sẽ giảm nghỉ hoặc không nghỉ nữa.Như vậy có nghĩa là cấp cao nhất có phải là Prescriptive đưa ra khuyến nghị cho sếp không, thôi lên làm sếp luôn đi em ơi.Còn AI thì thế này sẽ tích hợp với một sản phẩm như camera và nó nhận diện nhân viên nào đi làm và hiện lên việc dự đoán thằng này có nguy cơ nghỉ việc bao nhiêu phần trăm và quyết định thay luôn giữ nó hay không?

Bản thân mình luôn ngưỡng mộ các kĩ sư AI những người quá giỏi để làm ra những sản phẩm công nghệ như thế. 🙂

Nguồn lịch sử AI: https://www.livescience.com/49007-history-of-artificial….

Hành trình trở thành Data Scientist (tiếp theo)

Data Science là gì ?

Mục đích của bộ phận Data Science là làm sao để Doanh nghiệp đưa ra các quyết định dựa trên dữ liệu tối ưu nhất.  Vậy nên Data Science giữ vai trò support cho phép công ty hoạt động tốt hơn

Chu trình Data Science có 3 giai đoạn:

  • Chuẩn bị 

Tổng hợp dữ liệu và làm sạch. Việc này sẽ mất rất nhiều thời gian vì dữ liệu khổng lồ, nói dễ hiểu là cần thực hiện các bước để đạt chất lượng và chuyển nó sang thành định dạng mà máy đọc và hiểu được.

  • Thử nghiệm 

Ta sẽ đưa ra cá opiton, dữ liệu được trực quan hóa và các mô hình được thiết lập.

  • Phân phối 

Lập kết quả có được thành tài liệu, slideshow trình bày cho quản lý và khi quản lý thông qua, thì kết quả chúng ta show sẽ được thay đổi và thực hiện.

Phân biệt Data Scientist vs Data Engineer vs Data Analyst

Data Scientist

Các nhà khoa học dữ liệu thường có 4 nhiệm vụ chính trong một công ty: Phân tích, kiểm tra, tạo và trình bày chúng cho nhóm.

Data Engineers 

Khác biệt giữa Data Scientist và Data Engineer

Tìm kiếm các dữ liệu liên quan. Họ sử dụng các ngôn ngữ lập trình như Java, Scala, C++ hoặc Python tùy theo nhiệm vụ của họ.

Data Analysts 

Tham gia tìm kiếm dữ liệu liên quan từ các nơi khác nhau và chuẩn bị nó để phân tích kĩ hơn. Dựa theo phân tích, một nhà phân tích dữ liệu phải đưa ra kết luận, hoàn thành các báo cáo cùng hình ảnh minh hoạ. 

Workload của một Data Scientist

Công việc của sẽ được phân chia như sau:

Tiếp xúc và giao tiếp với lãnh đạo cũng như khách hàng (15%)

Lọc sạch dữ liệu, Học data, Visual hoá, Xử lý, Chuyển đổi, và Thấu hiểu (70%)

Báo cáo, Soạn Slide Decking, và Build nên Công cụ ra quyết định tự động) (15%)

Hành trình trở thành Data Scientist

Sơ lược:

Vào năm 2018, Harvard Business Review đã bình chọn nghề Data Scientist – Nhà khoa học dữ liệu là công việc “hot” nhất thế kỷ 21 để nhấn mạnh sự thành công và sự tác động của Dữ liệu tới thị phần trên toàn cầu.

Nhưng, ngành nghề này chưa hoàn toàn phát triển và tăng trưởng như những gì chúng ta kì vọng, cũng như còn hiểu lầm – hiểu sai rất nhiều về data scientist là gì. Nó xuất hiện với nhiều người như một thứ “kỹ thuật mờ”,có khả năng khai triển sản phẩm hoặc dịch vụ của họ.

Việc hiểu sai này khả năng sẽ dẫn tới thất bại trong việc dùng hiệu quả các nguồn lực. Hãy cùng lùi lại một bước để nhìn chi tiết hơn về nghề Data Scientist, giải mã cách cũng như hướng đi để bạn có thể “dấn thân” theo nghề này.

Data Scientist là gì?

Data Scientist (kỹ sư khoa học dữ liệu) là người phân tích, bố trí và thay dữ liệu nói lên ý nghĩa, bất kể nó có cấu trúc hay không. Việc này sẽ cần hài hòa giữa cả khoa học máy tính, thống kê và toán học. Họ sẽ là người phân tách, xử lý và “mô hình hóa” các dữ liệu, sau ấy diễn giải kết quả để đáp ứng kế hoạch hoạt động cho team và công ty.

Nói theo cách dễ hiểu, nghề data scientist cùng dữ liệu và cho ra insight có tính phân tích. Họ sẽ truyền đạt phát hiện và insight này với những bên liên quan – từ lãnh đạo cấp cao, điều hành cho tới người dùng. Từ đấy các doanh nghiệp có thể trực tiếp hưởng lợi trong việc đưa ra quyết định hợp lý nhất để xúc tiến phát triển kinh doanh và lợi nhuận của họ

Tại Việt Nam, lĩnh vực CNTT cũng đang chứng kiến sự lớn mạnh tiềm năng của nghề khoa học dữ liệu. Càng ngày càng nhiều tổ chức để ý hơn tới lĩnh vực khoa học dữ liệu và sẵn sàng đổ tiền cho việc nghiên cứu và tăng trưởng. Quả không sai khi nói nghề Data Scientist đang là một ngành nghề hot trên thị phần Việt Nam, liệu bạn hiểu rõ về nó?

Vậy một Data Scientist chúng ta sẽ làm gì? Sẽ phải học và theo đuổi ngành nghề này như thế nào. Các bạn có thể tham khảo thêm hoặc inbox trực tiếp cho chúng tôi tại FB: https://www.facebook.com/Hocdataonlinecom-249024949558684

Cùng đón chờ thêm những bài viết thú vị về Data Scientist của Hocdataonline nhé!

Một vài chia sẻ về ngành Data Analytics

Khái niệm về Data Analysis

Trong cuộc sống hiện đại hiện nay thì cụm từ Data Analysis không còn xa lạ với chúng ta nữa. Nhưng không phải ai cũng thật sự hiểu đúng về cụm từ này. Vậy Data Analysis là gì, xin cùng hocdataonline tìm hiểu thêm nhé!

Phỏng vấn Data Analyst: Top những câu hỏi thường được nhà tuyển ...

Hiểu một cách ngắn gọn Data Analysis là Phân tích dữ liệu, hiểu rõ hơn Data Analysis là phân tích dữ liệu liên quan đến công đoạn lựa chọn dữ liệu và kiếm tìm, thu thập các nguồn thông tin trọng yếu dựa trên số lượng rất lớn trong mớ thông tin hỗn độn.

Tại sao bạn nên học Data Analysis?

Mức tăng trưởng của công việc: Mức tăng trưởng công việc dự kiến của ngành phân tích dữ liệu nghiên cứu thị trường (một thuật ngữ khác của data analysis) trong khoảng 2014 – 2024 là 19%. Số liệu này thu được từ dữ liệu của Cục Thống kê Lao động.

10-Simple-Things-You-Can-Do-To-Earn-More-Money - ClickBank Việt Nam

Người đảm nhiệm vị trí Data Analytics được trả lương khá cao, nhất là Data science hay trở thành kỹ sư công nghệ.

Mức lương của những người làm Data Analytics theo số liệu từ Payscale từ 40.000 – 77.000 USD/năm. Những người giữ vị trí nhóm trưởng cao hơn hơn rất nhiều 109.000 USD/năm

Những kĩ năng và định hướng khi theo học tại Hocdataonline

Từ việc tìm keyword chính, vẽ định hướng cho sinh viên, cách viết bài chuẩn SEO, làm Website cho đến làm social, dẫn đầu thị trường tất cả sẽ được cô Mai Ngân hướng dẫn tận tình, làm và thực hành cho đến khi bạn hiểu, bạn rút được kinh nghiệm cho bản thân.

Kết luận

Hãy đăng ký ngay khóa học Data Analytics bằng cách:

Gửi mail: hocdataonline@gmail.com

Hoặc tại Facebook: https://www.facebook.com/Hocdataonlinecom-249024949558684

Thông tin về hocdataonline

1) Đôi chút về Hocdataonline

Chào mừng các bạn đến với hocdataonline nơi trao đổi kiến thức, học tập và làm việc dành cho các bạn sinh viên đang tìm hiểu cũng như mới bước chân vào lĩnh vực data analytic này.

Mọi thông tin có thể liên hệ qua:

FB: https://www.facebook.com/Hocdataonlinecom-249024949558684

Email: hocdataonline@gmail.com