Thầy Cải - Quốc Thái

BÀI 27 - MÁY TÍNH VÀ KHOA HỌC DỮ LIỆU (KNTT - CS)

Bài 27 - Máy tính và khoa học dữ liệu (kntt - cs)

Đây là bài soạn gợi ý trả lời SGK tin học 12 (bộ sách Kết nối tri thức). Bài này thuộc định hướng: Khoa học máy tính (CS). Các em truy cập vào để tham khảo nhé. Chúc các em có nhiều sức khỏe và chăm ngoan học giỏi.

Nháy vào các mục bên dưới để xem nhanh hơn
Khởi động	Hoạt động	Câu hỏi(t.146)
Câu hỏi(t.148)	Luyện tập	Vận dụng

Khởi động (trang 145): Những khả năng to lớn nào đã làm cho máy tính ngày nay trở thành một công cụ xử lí thông tin hữu hiệu?

Gợi ý trả lời:

Máy tính ngày nay đã trở thành một công cụ xử lý thông tin hữu hiệu nhờ vào những khả năng sau:
- Tốc độ xử lý: Máy tính hiện đại có tốc độ xử lý nhanh hơn đáng kể so với máy tính trước đây. Điều này cho phép chúng xử lý dữ liệu lớn và tính toán phức tạp một cách hiệu quả.
- Bộ nhớ và lưu trữ: Máy tính ngày nay có dung lượng bộ nhớ lớn hơn, cho phép lưu trữ và truy xuất dữ liệu nhanh chóng. Các ổ đĩa cứng và bộ nhớ flash cũng được cải tiến để đáp ứng nhu cầu lưu trữ dữ liệu lớn.
- Mạng kết nối: Internet và mạng kết nối đã mở ra cơ hội cho máy tính truy cập và chia sẻ thông tin trên toàn cầu. Điều này giúp máy tính trở thành một công cụ mạnh mẽ cho việc tìm kiếm, truyền thông và làm việc nhóm.
- Học máy và trí tuệ nhân tạo: Các thuật toán học máy và trí tuệ nhân tạo cho phép máy tính học từ dữ liệu và tự động tối ưu hóa hiệu suất. Chúng đã cải thiện khả năng dự đoán, xử lý ngôn ngữ tự nhiên và thậm chí thực hiện các nhiệm vụ phức tạp.
- Công nghệ lượng từ và tính toán quang học: Các nghiên cứu về máy tính lượng tử và tính toán quang học đang mở ra cơ hội mới để xử lý thông tin với tốc độ và hiệu suất cao hơn.
Những khả năng này đã biến máy tính thành một công cụ vô cùng quan trọng trong cuộc sống hàng ngày của chúng ta.

1. VAI TRÒ CỦA MÁY TÍNH ĐỐI VỚI SỰ PHÁT TRIỂN CỦA KHOA HỌC DỮ LIỆU

Hoạt động (trang 145): Hãy thảo luận và cho biết máy tính có vai trò như thế nào đối với sự phát triển của khoa học dữ liệu.

Gợi ý trả lời:

Vai trò của máy tính đối với sự phát triển của Khoa học và dữ liệu:
- Xử lí và phân tích dữ liệu.
- Tự động hóa.
- Xử lí song song.
- Điện toán đám mây.
- Hợp tác và truyền thông.
- ...

CÂU HỎI

Câu hỏi 1 (trang 146): Hãy phân tích vai trò của máy tính trong việc thu thập và lưu trữ dữ liệu phục vụ quy trình Khoa học dữ liệu.

Gợi ý trả lời:

Máy tính đóng vai trò quan trọng trong việc thu thập và lưu trữ dữ liệu phục vụ quy trình Khoa học dữ liệu. Dưới đây là phân tích chi tiết về vai trò của máy tính trong hai khía cạnh này:
- Thu thập dữ liệu: Máy tính cung cấp công cụ và phương tiện để thu thập dữ liệu từ các nguồn khác nhau. Các hệ thống thông tin, máy quét, cảm biến và các công cụ thu thập dữ liệu khác được kết nối với máy tính để tự động thu thập dữ liệu. Máy tính giúp xử lý và lưu trữ dữ liệu thu thập được một cách hiệu quả, bảo đảm tính toàn vẹn và khả năng truy xuất dễ dàng.
- Lưu trữ dữ liệu: Máy tính cung cấp khả năng lưu trữ dữ liệu lớn và đa dạng. Các hệ thống cơ sở dữ liệu, hệ thống tệp và nền tảng đám mây cho phép lưu trữ dữ liệu trên nhiều thiết bị và hệ thống, đồng thời đảm bảo tính an toàn và sao lưu dữ liệu. Máy tính cũng cung cấp công cụ và phương pháp để tìm kiếm, truy vấn và truy xuất dữ liệu một cách nhanh chóng và hiệu quả.
Câu hỏi 2 (trang 146): Các công cụ trực quan hoá dữ liệu của máy tính có vai trò như thế nào trong Khoa học dữ liệu?

Gợi ý trả lời:

Các công cụ trực quan hóa dữ liệu của máy tính đóng vai trò quan trọng trong Khoa học dữ liệu vì chúng giúp hiển thị và truyền tải thông tin từ dữ liệu một cách dễ hiểu và trực quan. Dưới đây là một số vai trò chính của các công cụ trực quan hóa dữ liệu trong Khoa học dữ liệu:
- Hiển thị dữ liệu: Các công cụ trực quan hóa dữ liệu cho phép biểu diễn dữ liệu theo các hình thức như biểu đồ, đồ thị, bản đồ và biểu đồ hình vẽ. Chúng giúp hiển thị cấu trúc và mẫu dữ liệu, giúp nhà khoa học dữ liệu và nhà phân tích dữ liệu hiểu dữ liệu một cách trực quan và nhanh chóng.
- Phát hiện mẫu và xu hướng: Các công cụ trực quan hóa dữ liệu cho phép phát hiện mẫu, xu hướng và quan hệ giữa các biến trong dữ liệu. Chúng giúp nhận ra các mẫu tiềm ẩn, tương quan và sự phụ thuộc trong dữ liệu, giúp đưa ra những hiểu biết sâu hơn về dữ liệu.
- Truyền tải thông tin: Các công cụ trực quan hóa dữ liệu giúp truyền tải thông tin từ dữ liệu một cách dễ hiểu và hấp dẫn. Bằng cách sử dụng màu sắc, biểu đồ, hình ảnh và các phương tiện trực quan khác, chúng có thể trình bày kết quả phân tích dữ liệu một cách rõ ràng và thu hút người xem.
- Tương tác và khám phá dữ liệu: Các công cụ trực quan hóa dữ liệu thường cho phép tương tác trực tiếp với dữ liệu. Người dùng có thể thay đổi góc nhìn, áp dụng bộ lọc, thực hiện phân loại và tìm kiếm để khám phá và khai thác dữ liệu một cách tương tác. Điều này giúp nhà khoa học dữ liệu và nhà phân tích dữ liệu tìm hiểu sâu hơn về dữ liệu và đưa ra những phát hiện mới.
- Hỗ trợ quyết định: Các công cụ trực quan hóa dữ liệu có thể hỗ trợ quyết định thông qua việc hiển thị dữ liệu theo các phương pháp trực quan như biểu đồ đường thời gian, biểu đồ cột, bản đồ nhiệt và biểu đồ tương quan. Chúng giúp tạo ra cái nhìn tổng quan và hỗ trợ việc đưa ra quyết định dựa trên dữ liệu.

2. TÍNH ƯU VIỆT TRONG VIỆC SỬ DỤNG MÁY TÍNH VÀ THUẬT TOÁN HIỆU QUẢ ĐỂ XỬ LÍ DỮ LIỆU LỚN

CÂU HỎI

Câu hỏi 1 (trang 148): Để giải quyết những nhiệm vụ trong Dự án hệ gene người cần phải xử lí và lưu trữ khối lượng dữ liệu có quy mô lớn như thế nào?

Gợi ý trả lời:

Để giải quyết những nhiệm vụ trong Dự án hệ gene người và xử lí, lưu trữ khối lượng dữ liệu có quy mô lớn, có thể áp dụng các phương pháp và công nghệ sau:
- Hệ thống lưu trữ phân tán: Sử dụng các công nghệ lưu trữ phân tán như Hadoop Distributed File System (HDFS) hoặc Ceph để chia nhỏ dữ liệu thành các phân đoạn và phân phối chúng trên nhiều máy tính trong một cụm hệ thống. Điều này giúp tăng khả năng lưu trữ và xử lý dữ liệu song song, đồng thời cung cấp tính sẵn sàng cao.
- Công nghệ cơ sở dữ liệu phân tán: Sử dụng các cơ sở dữ liệu phân tán như Apache Cassandra hay Apache HBase để lưu trữ và truy xuất dữ liệu trên nhiều máy tính. Các cơ sở dữ liệu này hỗ trợ việc mở rộng quy mô theo nhu cầu, đồng thời cung cấp khả năng xử lý song song và khả năng chịu lỗi cao.
- Công cụ xử lý dữ liệu phân tán: Sử dụng các công cụ phân tích dữ liệu phân tán như Apache Spark hay Apache Hadoop để thực hiện các tác vụ xử lý dữ liệu quy mô lớn. Các công cụ này hỗ trợ việc phân tán tính toán và xử lý song song trên nhiều máy tính, giúp tăng tốc độ xử lý và khả năng xử lý dữ liệu lớn.
- Công nghệ điện toán đám mây: Sử dụng các dịch vụ điện toán đám mây như Amazon Web Services (AWS) hoặc Microsoft Azure để cung cấp khả năng tính toán và lưu trữ linh hoạt, co dãn theo nhu cầu. Điện toán đám mây cung cấp tài nguyên mạnh mẽ và mô hình thanh toán theo yêu cầu, giúp giảm đầu tư cơ sở hạ tầng và tăng tính linh hoạt.
- Kỹ thuật nén dữ liệu: Áp dụng kỹ thuật nén dữ liệu để giảm kích thước lưu trữ và tăng tốc độ truy cập. Có thể sử dụng các thuật toán nén dữ liệu hiệu quả như gzip, Snappy hoặc LZ4 để nén dữ liệu trước khi lưu trữ.
- Quản lý dữ liệu hiệu quả: Sử dụng các phương pháp quản lý dữ liệu hiệu quả như phân đoạn dữ liệu, chỉ lưu trữ những thông tin cần thiết, và xác định các chỉ mục phù hợp để tối ưu hóa việc truy xuất dữ liệu.
Câu hỏi 2 (trang 148): Có thể thực hiện việc phân tích dữ liệu liên quan tới Dự án hệ gene người trên máy tính cá nhân thông thường hay không?

Gợi ý trả lời:

Không, việc phân tích dữ liệu liên quan đến Dự án hệ gene người đòi hỏi nguồn tài nguyên tính toán mạnh mẽ hơn máy tính cá nhân thông thường.

LUYỆN TẬP

Luyện tập 1 (trang 148): Nêu ngắn gọn vai trò của máy tính trong sự phát triển của Khoa học dữ liệu.

Gợi ý trả lời:

Máy tính có vai trò không thể thiếu trong mọi giai đoạn của quy trình Khoa học dữ liệu. Nó cung cấp sức mạnh tính toán, khả năng lưu trữ và khả năng tự động hoá cần thiết để xử lí, phân tích và khám phá tri thức từ dữ liệu, góp phần vào sự phát triển và thành công của Khoa học dữ liệu, mở ra cơ hội làm việc với dữ liệu lớn mà trước đây không thể thực hiện được. Điều này đã thúc đẩy sự phát triển của lĩnh vực Khoa học dữ liệu, giúp tạo lập giá trị và tri thức từ nguồn dữ liệu lớn phong phú và đa dạng.
Luyện tập 2 (trang 148): Trong trường hợp xấu nhất, để sắp xếp các đoạn nucleotide ngắn thành hệ gene người hoàn chỉnh, ước tính cần bao nhiêu phép thử?

Gợi ý trả lời:

Giả sử chúng ta có một chuỗi gốc với tổng cộng N nucleotide và muốn sắp xếp các đoạn nucleotide ngắn thành chuỗi đó.
Nếu các đoạn nucleotide ngắn có độ dài lần lượt là n1, n2, n3, ..., nk (với k là số lượng đoạn), thì số lượng phép thử cần thiết để sắp xếp chúng thành chuỗi đầy đủ là tích của số lượng tổ hợp khác nhau có thể có cho mỗi đoạn.
Với ví dụ đơn giản, giả sử chúng ta chỉ có một đoạn nucleotide ngắn với độ dài n. Trong trường hợp này, số lượng phép thử cần thiết là 4^n, vì mỗi vị trí trong đoạn có thể là một trong 4 loại nucleotide (A, C, G, T).
VẬN DỤNG (trang 148): Sử dụng công cụ tìm kiếm trên Internet để biết được một số bài toán liên quan tới dữ liệu lớn cần tới tính ưu việt của máy tính và các thuật toán hiệu quả để giải quyết.

Gợi ý trả lời:

Dữ liệu lớn là một lĩnh vực quan trọng trong khoa học máy tính và công nghệ thông tin. Để giải quyết các bài toán liên quan đến dữ liệu lớn, chúng ta cần sự hỗ trợ của máy tính và các thuật toán hiệu quả. Dưới đây là một số điểm quan trọng:
- Thuật toán: Thuật toán là bước quan trọng để xử lý dữ liệu lớn. Các thuật toán phải được thiết kế sao cho hiệu quả và có thể xử lý lượng dữ liệu lớn một cách nhanh chóng.
- Tối ưu hóa: Thuật toán tối ưu hóa giúp tìm ra giải pháp tốt nhất trong một không gian lớn của các biến. Các thuật toán tối ưu hóa được sử dụng để tối ưu hóa các hàm mục tiêu, ví dụ như tối ưu hóa hàm chi phí trong mô hình học máy.
Mạng nơ-ron sâu (Deep Learning): Deep Learning là một phương pháp học máy dựa trên mạng nơ-ron có khả năng học từ dữ liệu lớn và phức tạp. Nó đã được áp dụng rộng rãi trong xử lý ảnh, ngôn ngữ tự nhiên và nhiều lĩnh vực khác.
- Máy tính lượng tử: Máy tính lượng tử có khả năng xử lý lượng tác vụ lớn một cách nhanh chóng hơn máy tính thông thường.
- Máy tính quang học: Máy tính quang học cũng là một công cụ mạnh mẽ để giải quyết các bài toán lớn với tốc độ ánh sáng.

---The end!---

CÙNG CHUYÊN MỤC:

PHẦN I. KIẾN THỨC CỐT LÕI CHUNG CHO CẢ HAI ĐỊNH HƯỚNG (CS) VÀ (ICT) - 21 bài.

CHỦ ĐỀ 1. MÁY TÍNH VÀ XÃ HỘI TRI THỨC

Bài 1. Làm quen với Trí tuệ nhân tạo
Bài 2. Trí tuệ nhân tạo trong khoa học và đời sống

CHỦ ĐỀ 2. MẠNG MÁY TÍNH VÀ INTERNET

Bài 3. Một số thiết bị mạng thông dụng
Bài 4. Giao thức mạng
Bài 5. Thực hành chia sẻ tài nguyên trên mạng

CHỦ ĐỀ 3. ĐẠO ĐỨC, PHÁP LUẬT VÀ VĂN HÓA TRONG MÔI TRƯỜNG SỐ

Bài 6. Giao tiếp và ứng xử trong không gian mạng

CHỦ ĐỀ 4. GIẢI QUYẾT VẤN ĐỀ VỚI SỰ TRỢ GIÚP CỦA MÁY TÍNH

Bài 7. HTML và cấu trúc trang web
Bài 8. Định dạng văn bản
Bài 9. Tạo danh sách, bảng
Bài 10. Tạo liên kết
Bài 11. Chèn tệp tin đa phương tiện và khung nội tuyến vào trang web
Bài 12. Tạo biểu mẫu
Bài 13. Khái niệm, vai trò của CSS
Bài 14. Định dạng văn bản bằng CSS
Bài 15. Tạo màu cho chữ và nền
Bài 16. Định dạng khung
Bài 17. Các mức ưu tiên của bộ chọn
Bài 18. Thực hành tổng hợp thiết kế trang web

CHỦ ĐỀ 5. HƯỚNG NGHIỆP VỚI TIN HỌC

Bài 19. Dịch vụ sửa chữa và bảo trì máy tính
Bài 20. Nhóm nghề quản trị thuộc ngành Công nghệ thông tin
Bài 21. Hội thảo hướng nghiệp

PHẦN II. ĐỊNH HƯỚNG KHOA HỌC MÁY TÍNH (CS) - 9 bài.

CHỦ ĐỀ 6. MẠNG MÁY TÍNH VÀ INTERNET

Bài 22. Tìm hiểu thiết bị mạng
Bài 23. Đường truyền mạng và ứng dụng
Bài 24. Sơ bộ về thiết kế mạng

CHỦ ĐỀ 7. GIẢI QUYẾT VẤN ĐỀ VỚI SỰ TRỢ GIÚP CỦA MÁY TÍNH

Bài 25. Làm quen với Học máy
Bài 26. Làm quen với Khoa học dữ liệu
Bài 27. Máy tính và Khoa học dữ liệu
Bài 28. Thực hành trải nghiệm trích rút thông tin và tri thức
Bài 29. Mô phỏng trong giải quyết vấn đề
Bài 30. Ứng dụng mô phỏng trong giáo dục

PHẦN III. ĐỊNH HƯỚNG TIN HỌC ỨNG DỤNG (ICT) - 7 bài.

CHỦ ĐỀ 6. MÁY TÍNH VÀ XÃ HỘI TRI THỨC

Bài 22. Thực hành kết nối các thiết bị số

CHỦ ĐỀ 7. ỨNG DỤNG TIN HỌC

Bài 23. Chuẩn bị xây dựng trang web
Bài 24. Xây dựng phần đầu trang web
Bài 25. Xây dựng phần thân và chân trang web
Bài 26. Liên kết và thanh điều hướng
Bài 27. Biểu mẫu trên trang web
Bài 28. Thực hành tổng hợp

CÁC CHUYÊN MỤC LIÊN QUAN:

BÀI 26 - LÀM QUEN VỚI KHOA HỌC DỮ LIỆU (KNTT - CS)

Bài 26 - Làm quen với khoa học dữ liệu (kntt - cs)

Nháy vào các mục bên dưới để xem nhanh hơn
Khởi động	Hoạt động 1	Câu hỏi(t.142)
Hoạt động 2	Câu hỏi(t.144)	Luyện tập	Vận dụng

Khởi động (trang 140): Những năm gần đây, cùng với AI, Khoa học dữ liệu (data science) đã trở thành lĩnh vực thu hút sự quan tâm đặc biệt trên toàn thế giới. Hãy nhập từ khoá "data science” vào thanh công cụ tìm kiếm Google và cho nhận xét về kết quả tìm kiếm mà em nhận được.

Gợi ý trả lời:

Thông tin trên internet:

Khoa học dữ liệu (Data Science) là một lĩnh vực đa ngành sử dụng thống kê, tính toán khoa học, phương pháp khoa học, thuật toán và hệ thống để trích xuất hoặc suy luận kiến thức và thông tin từ dữ liệu có thể không chính xác, có cấu trúc hoặc không có cấu trúc. Đây là một lĩnh vực đang phát triển mạnh mẽ và có ảnh hưởng lớn đến nhiều ngành công nghiệp.
Cụ thể, khoa học dữ liệu kết hợp các yếu tố sau:
- Toán học và thống kê: Sử dụng các phương pháp thống kê và toán học để phân tích dữ liệu và tạo ra các mô hình dự đoán.
- Lập trình chuyên sâu: Sử dụng các ngôn ngữ lập trình như R hoặc Python để xử lý và phân tích dữ liệu.
- Trí tuệ nhân tạo (AI) và học máy: Áp dụng các thuật toán học máy để xây dựng mô hình dự đoán và phân loại. Kiến thức về lĩnh vực cụ thể: Hiểu về lĩnh vực mà dữ liệu đang được áp dụng, ví dụ: y học, tài chính, marketing, v.v.
Với sự gia tăng về khối lượng dữ liệu và nguồn dữ liệu đa dạng, khoa học dữ liệu đã trở thành một trong những lĩnh vực phát triển nhanh nhất ở mọi ngành công nghiệp. Không ngạc nhiên khi vai trò của nhà khoa học dữ liệu đã được gọi là “công việc hấp dẫn nhất của thế kỷ 21" bởi Harvard Business Review 1. Các tổ chức ngày càng phụ thuộc vào họ để hiểu và phân tích dữ liệu, từ đó đưa ra các đề xuất hành động để cải thiện kết quả kinh doanh.
Quá trình khoa học dữ liệu bao gồm các giai đoạn sau:
1. Thu thập dữ liệu: Thu thập dữ liệu từ nhiều nguồn khác nhau, bao gồm cả dữ liệu có cấu trúc và không có cấu trúc.
2. Lưu trữ và xử lý dữ liệu: Xử lý dữ liệu, chuẩn hóa, biến đổi và lưu trữ vào các hệ thống dữ liệu như data warehouse hoặc data lake.
3. Phân tích dữ liệu: Khám phá dữ liệu, tìm hiểu các mẫu và xu hướng, và xây dựng các mô hình dự đoán.
4. Trình bày kết quả: Trình bày thông tin dưới dạng báo cáo và biểu đồ để giúp người quản lý và ra quyết định hiểu rõ hơn về dữ liệu và tác động của nó lên kết quả kinh doanh.
Tóm lại, khoa học dữ liệu không chỉ là một công cụ hữu ích, mà còn là một phần quan trọng của sự phát triển và ứng dụng thực tế.

1. KHÁI NIỆM VÀ MỤC TIÊU CỦA KHOA HỌC DỮ LIỆU

Hoạt động 1 (trang 140): Có thể hiểu đơn giản Khoa học dữ liệu là lĩnh vực khoa học nghiên cứu về dữ liệu. Như vậy, đối tượng nghiên cứu của Khoa học dữ liệu chính là dữ liệu. Theo em, Khoa học dữ liệu không bao gồm công việc nào sau đây?
A. Nghiên cứu phát triển các phương pháp thu thập và quản lí dữ liệu.
B. Khai phá các thông tin, tri thức từ dữ liệu thu được để nâng cao hiệu quả kinh doanh, quản lí.
C. Kinh doanh, phân phối dữ liệu thu thập được cho các cá nhân, tổ chức quan tâm.
D. Phát triển và áp dụng các phương pháp và kĩ thuật để nhận biết các mẫu hình, các quan hệ và xu hướng có trong dữ liệu.

Gợi ý trả lời:

Đáp án đúng là: C. Kinh doanh, phân phối dữ liệu thu thập được cho các cá nhân, tổ chức quan tâm.
Lý do chọn đáp án này là vì các hoạt động trong lựa chọn C không nằm trong phạm vi hoạt động của Khoa học Dữ liệu. Dưới đây là lý do chi tiết:
A. Nghiên cứu phát triển các phương pháp thu thập và quản lí dữ liệu: Đây là một phần quan trọng của Khoa học Dữ liệu. Việc thu thập và quản lý dữ liệu một cách hiệu quả là cần thiết để có thể sử dụng dữ liệu đó cho các mục đích nghiên cứu và ứng dụng.
B. Khai phá các thông tin, tri thức từ dữ liệu thu được để nâng cao hiệu quả kinh doanh, quản lí: Đây cũng là một phần chính của Khoa học Dữ liệu. Việc khai thác tri thức từ dữ liệu có thể giúp cải thiện quyết định kinh doanh và quản lý thông qua việc phân tích dữ liệu và rút ra các insights quan trọng.
C. Kinh doanh, phân phối dữ liệu thu thập được cho các cá nhân, tổ chức quan tâm: Đây không phải là một phần của Khoa học Dữ liệu. Trong thực tế, việc kinh doanh và phân phối dữ liệu thường liên quan đến các hoạt động thương mại, không phải nghiên cứu và phân tích dữ liệu.
D. Phát triển và áp dụng các phương pháp và kỹ thuật để nhận biết các mẫu hình, các quan hệ và xu hướng có trong dữ liệu: Đây là một phần quan trọng của Khoa học Dữ liệu. Việc phát triển và áp dụng các phương pháp và kỹ thuật như machine learning và data mining giúp phân tích và nhận biết các mẫu hình và xu hướng trong dữ liệu.

CÂU HỎI

Câu hỏi 1 (trang 142): Học máy và tri thức chuyên ngành có vai trò gì trong Khoa học dữ liệu?

Gợi ý trả lời:

Học máy và tri thức chuyên ngành đóng vai trò quan trọng trong Khoa học dữ liệu:
- Học máy:
+ Cung cấp các công cụ và kỹ thuật để xử lý, phân tích và khai phá dữ liệu.
+ Sử dụng ngôn ngữ lập trình và thuật toán học máy để xây dựng các mô hình dự đoán.
+ Đóng vai trò quan trọng trong việc phân tích và khai phá dữ liệu.
- Tri thức chuyên ngành:
+ Là tri thức của từng lĩnh vực, ví dụ kinh doanh, y tế, khoa học xã hội.
+ Giúp hiểu ngữ cảnh và ý nghĩa của dữ liệu.
+ Đánh giá chất lượng và độ chính xác của dữ liệu, diễn giải kết quả phân tích và khai phá dữ liệu theo cách phù hợp với lĩnh vực ứng dụng để đưa ra quyết định đúng đắn.
Câu hỏi 2 (trang 142): Tính chất liên ngành của Khoa học dữ liệu được thể hiện như thế nào?

Gợi ý trả lời:

Tính chất liên ngành của Khoa học dữ liệu được thể hiện qua việc kết hợp các yếu tố từ nhiều lĩnh vực khác nhau:
- Kết hợp của nhiều lĩnh vực: Khoa học dữ liệu sử dụng kiến thức từ khoa học máy tính, toán học, thống kê, và tri thức chuyên ngành. Điều này giúp tạo ra một hệ thống toàn diện và đa dạng để xử lý và phân tích dữ liệu.
- Sự đa dạng trong ứng dụng: Khoa học dữ liệu áp dụng trong nhiều lĩnh vực khác nhau như kinh doanh, y tế, khoa học xã hội, marketing, và nhiều ngành công nghiệp khác. Sự đa dạng này thể hiện tính liên ngành của nó.
- Hiểu biết về lĩnh vực cụ thể: Tri thức chuyên ngành là yếu tố quan trọng để hiểu ngữ cảnh và ý nghĩa của dữ liệu. Khoa học dữ liệu không chỉ là việc xử lý dữ liệu mà còn đòi hỏi hiểu biết sâu về lĩnh vực mà dữ liệu đang áp dụng.

2. MỘT SỐ THÀNH TỰU CỦA KHOA HỌC DỮ LIỆU

Hoạt động 2 (trang 142): Khi nói tới dữ liệu lớn người ta thường nghĩ tới kích thước lớn của dữ liệu. Tuy nhiên, trong thực tế, có những dữ liệu không chỉ có kích thước lớn, thường xuyên được cập nhật mà còn bao gồm nhiều loại khác nhau. Em có thể chỉ ra một vài ví dụ về những dữ liệu như vậy không?

Gợi ý trả lời:

Ví dụ:
- Dữ liệu tài chính: Dữ liệu từ thị trường chứng khoán, giao dịch ngân hàng, dữ liệu tài chính của các công ty, và dữ liệu về tiền tệ.
- Dữ liệu xã hội (Social Media): Dữ liệu từ các trang web xã hội như Facebook, Twitter, Instagram, LinkedIn, và YouTube. Đây bao gồm các bài viết, bình luận, hình ảnh, video, và thông tin cá nhân của người dùng.
- Dữ liệu y tế: Dữ liệu từ bệnh viện, phòng khám, dữ liệu về bệnh nhân, dược phẩm, và nghiên cứu y học.
- Dữ liệu địa lý và vận tải: Dữ liệu từ hệ thống định vị toàn cầu (GPS), thông tin về giao thông, thời tiết, và hành trình vận chuyển.
- Dữ liệu sản xuất và công nghiệp: Dữ liệu từ máy móc, cảm biến, quá trình sản xuất, và quản lý chuỗi cung ứng.

CÂU HỎI

Câu hỏi 1 (trang 144): Giới thiệu một vài thành tựu của Khoa học dữ liệu mà em tâm đắc nhất.

Gợi ý trả lời:

Dưới đây là một vài thành tựu của Khoa học dữ liệu mà em tâm đắc nhất:
- Đổi mới quá trình ra quyết định: khoa học dữ liệu giúp cải thiện quá trình ra quyết định bằng cách phân tích dữ liệu và đưa ra thông tin hữu ích. Điều này ảnh hưởng đến nhiều khía cạnh của cuộc sống và kinh doanh.
- Tự động hoá: khoa học dữ liệu giúp tự động hoá nhiều tác vụ, từ việc xử lý dữ liệu đến việc tối ưu hóa quyết định. Điều này giúp tiết kiệm thời gian và tối ưu hiệu suất.
- Cá nhân hoá dịch vụ và cải thiện trải nghiệm khách hàng: dựa trên dữ liệu, chúng ta có thể cá nhân hoá dịch vụ và sản phẩm để đáp ứng nhu cầu của từng khách hàng một cách tốt nhất. Điều này cải thiện trải nghiệm của khách hàng và tạo sự hài lòng.
Câu hỏi 2 (trang 144): Quan sát Hình 26.4 và cho biết kết quả khuyến nghị là gì.

Gợi ý trả lời:

Kết quả khuyến nghị là các bài hát của Estas Tonne.

LUYỆN TẬP

Luyện tập 1 (trang 144): Tại sao lại có thể nói Khoa học dữ liệu góp phần tạo ra nhiều cơ hội mới cho các lĩnh vực khác nhau?

Gợi ý trả lời:

Khoa học dữ liệu góp phần tạo ra nhiều cơ hội mới cho các lĩnh vực khác nhau vì các lí do sau:
- Quyết định dựa trên dữ liệu: Khoa học dữ liệu cho phép tổ chức và cá nhân sử dụng dữ liệu để đưa ra quyết định sáng suốt và chính xác hơn. Phân tích và khai phá dữ liệu giúp dự báo và phân tích xu hướng phát triển, từ đó giúp chuẩn bị sẵn sàng và thích nghi với thay đổi, đồng thời đưa ra quyết định kinh doanh phù hợp.
- Tự động hoá và đổi mới sáng tạo: Khoa học dữ liệu sử dụng các mô hình học máy để tự động hoá các tác vụ lặp đi lặp lại và tốn thời gian. Điều này giúp tiết kiệm thời gian và chi phí, tăng tính hiệu quả và độ chính xác. Các tổ chức có thể áp dụng Khoa học dữ liệu để tự động hoá nhiều quy trình và công việc trong nhiều lĩnh vực, từ sản xuất, dịch vụ khách hàng đến quản lí tài chính.
- Cá nhân hoá dịch vụ và cải thiện trải nghiệm khách hàng: Khoa học dữ liệu cho phép cá nhân hoá các dịch vụ dựa trên phân tích dữ liệu về khách hàng. Điều này giúp cung cấp thông tin đầy đủ hơn về nhu cầu, sở thích và hành vi của khách hàng, từ đó đưa ra giải pháp cải thiện trải nghiệm khách hàng và tăng doanh số. Các hệ khuyến nghị và các ứng dụng y học cá nhân hoá là ví dụ điển hình.
Luyện tập 2 (trang 144): Các tổ chức có thể sử dụng Khoa học dữ liệu để dự đoán thời điểm những trục trặc của thiết bị có thể xảy ra. Hãy phân tích để thấy được, trong trường hợp cụ thể này, Khoa học dữ liệu có thể giúp đổi mới hoàn toàn quy trình bảo trì thiết bị, thay thế quy trình hoạt động chưa hiệu quả.

Gợi ý trả lời:

Khoa học dữ liệu có thể giúp đổi mới hoàn toàn quy trình bảo trì thiết bị và thay thế quy trình hoạt động chưa hiệu quả bằng cách dự đoán thời điểm xảy ra trục trặc của thiết bị. Dưới đây là phân tích chi tiết về cách Khoa học dữ liệu có thể đóng góp trong việc đổi mới quy trình bảo trì thiết bị:
- Dự đoán trục trặc: Khoa học dữ liệu có thể sử dụng các mô hình dự đoán để phân tích dữ liệu từ các thiết bị và đưa ra dự đoán về thời điểm xảy ra trục trặc. Bằng cách phân tích các thông số và mẫu dữ liệu liên quan đến hoạt động của thiết bị, Khoa học dữ liệu có thể nhận biết các dấu hiệu tiền đề của sự cố và đưa ra dự báo về thời gian tiếp theo khi trục trặc có thể xảy ra.
- Tối ưu hoá lịch trình bảo trì: Dự đoán thời điểm trục trặc giúp tổ chức tối ưu hoá lịch trình bảo trì. Thay vì thực hiện bảo trì theo lịch trình cố định, tổ chức có thể dựa trên dự đoán để lên kế hoạch bảo trì đúng thời điểm khi thiết bị có khả năng gặp sự cố. Điều này giúp tránh tình trạng bảo trì quá sớm hoặc quá trễ, tối ưu hóa sử dụng tài nguyên và giảm thiểu thời gian thiết bị không hoạt động.
- Phân tích nguyên nhân và tối ưu hiệu suất: Khoa học dữ liệu có thể phân tích dữ liệu từ các thiết bị để xác định nguyên nhân gây ra trục trặc. Thông qua việc phân tích dữ liệu lịch sử và tương quan giữa các yếu tố, Khoa học dữ liệu có thể tìm ra các yếu tố ảnh hưởng và đề xuất các cải tiến để tối ưu hiệu suất và giảm thiểu trục trặc trong tương lai.
- Tự động hóa quy trình bảo trì: Khoa học dữ liệu có thể hỗ trợ tự động hóa quy trình bảo trì thiết bị. Dựa trên dữ liệu từ các thiết bị và các mô hình học máy, tổ chức có thể phát triển các hệ thống tự động để giám sát, phát hiện và xử lý sự cố một cách tự động. Điều này giúp giảm thiểu sự can thiệp của con người và tăng tính hiệu quả của quy trình bảo trì.
VẬN DỤNG (trang 144): Trong thực tế, vẫn có trường hợp dùng các thuật ngữ Khoa học dữ liệu và Phân tích dữ liệu thay thế cho nhau. Điều này không hoàn toàn chính xác. Hãy truy cập Internet để tìm hiểu sự khác biệt giữa hai khái niệm này.

Gợi ý trả lời:

Tóm tắt thông tin trên internet:
Trong thực tế, thuật ngữ "Khoa học dữ liệu" và "Phân tích dữ liệu" không hoàn toàn tương đương và có những khác biệt nhất định. Dưới đây là một trình bày ngắn về sự khác biệt giữa hai khái niệm này:
- Khoa học dữ liệu (Data Science): Khoa học dữ liệu là lĩnh vực toàn diện và đa ngành, liên quan đến việc thu thập, xử lý, phân tích và hiểu dữ liệu từ nhiều nguồn khác nhau. Khoa học dữ liệu kết hợp các phương pháp từ các lĩnh vực như thống kê, học máy, khai phá dữ liệu và trí tuệ nhân tạo để khám phá thông tin có giá trị từ dữ liệu và đưa ra dự đoán, quyết định hoặc hiểu biết sâu hơn.
- Phân tích dữ liệu (Data Analytics): Phân tích dữ liệu tập trung vào việc áp dụng các phương pháp thống kê và mô hình hóa để khám phá thông tin từ dữ liệu. Phân tích dữ liệu có thể tập trung vào việc tìm hiểu các mẫu, xu hướng và mối quan hệ trong dữ liệu để đưa ra hiểu biết và giải thích sự kiện đã xảy ra. Nó thường liên quan đến việc sử dụng các phương pháp và công cụ phân tích để trả lời các câu hỏi cụ thể và đưa ra thông tin hữu ích cho quyết định kinh doanh.

---The end!---

CÙNG CHUYÊN MỤC:

PHẦN I. KIẾN THỨC CỐT LÕI CHUNG CHO CẢ HAI ĐỊNH HƯỚNG (CS) VÀ (ICT) - 21 bài.

CHỦ ĐỀ 1. MÁY TÍNH VÀ XÃ HỘI TRI THỨC

Bài 1. Làm quen với Trí tuệ nhân tạo
Bài 2. Trí tuệ nhân tạo trong khoa học và đời sống

CHỦ ĐỀ 2. MẠNG MÁY TÍNH VÀ INTERNET

Bài 3. Một số thiết bị mạng thông dụng
Bài 4. Giao thức mạng
Bài 5. Thực hành chia sẻ tài nguyên trên mạng

CHỦ ĐỀ 3. ĐẠO ĐỨC, PHÁP LUẬT VÀ VĂN HÓA TRONG MÔI TRƯỜNG SỐ

Bài 6. Giao tiếp và ứng xử trong không gian mạng

CHỦ ĐỀ 4. GIẢI QUYẾT VẤN ĐỀ VỚI SỰ TRỢ GIÚP CỦA MÁY TÍNH

CHỦ ĐỀ 5. HƯỚNG NGHIỆP VỚI TIN HỌC

Bài 19. Dịch vụ sửa chữa và bảo trì máy tính
Bài 20. Nhóm nghề quản trị thuộc ngành Công nghệ thông tin
Bài 21. Hội thảo hướng nghiệp

PHẦN II. ĐỊNH HƯỚNG KHOA HỌC MÁY TÍNH (CS) - 9 bài.

CHỦ ĐỀ 6. MẠNG MÁY TÍNH VÀ INTERNET

Bài 22. Tìm hiểu thiết bị mạng
Bài 23. Đường truyền mạng và ứng dụng
Bài 24. Sơ bộ về thiết kế mạng

CHỦ ĐỀ 7. GIẢI QUYẾT VẤN ĐỀ VỚI SỰ TRỢ GIÚP CỦA MÁY TÍNH

PHẦN III. ĐỊNH HƯỚNG TIN HỌC ỨNG DỤNG (ICT) - 7 bài.

CHỦ ĐỀ 6. MÁY TÍNH VÀ XÃ HỘI TRI THỨC

Bài 22. Thực hành kết nối các thiết bị số

CHỦ ĐỀ 7. ỨNG DỤNG TIN HỌC

CÁC CHUYÊN MỤC LIÊN QUAN:

BÀI 25 - LÀM QUEN VỚI HỌC MÁY (KNTT - CS)

Bài 25 - Làm quen với học máy (kntt - cs)

Nháy vào các mục bên dưới để xem nhanh hơn
Khởi động	Hoạt động 1	Câu hỏi(t.136)
Hoạt động 2	Câu hỏi(t.139)	Luyện tập	Vận dụng

Khởi động (trang 134): Khi truy cập tài khoản thư điện tử, ngoài các thư trong Hộp thư đến (Inbox) em có thể thấy nhiều thư được tự động phân loại vào Hộp thư rác (Spam). Hãy quan sát Hình 25.1 và cho biết việc phân loại này được thực hiện như thế nào.

Gợi ý trả lời:

Việc phân loại thư vào Hộp thư rác (Spam) thông qua quá trình sau:
- Hộp thư đến (Inbox): Đây là nơi nhận và hiển thị tất cả các thư đến.
- Bộ lọc thư: Bộ lọc thư là một công cụ hoặc hệ thống được sử dụng để xác định xem một thư điện tử có phải là thư rác hay không. Bộ lọc này có thể sử dụng các quy tắc và thuật toán để phân tích nội dung và thông tin của thư.
- Thư rác: Các thư được xác định là thư rác sẽ được tự động chuyển vào Hộp thư rác (Spam). Điều này giúp người dùng tách biệt giữa các thư quan trọng và thư không mong muốn hoặc có tính spam.

1. TÌM HIỂU SƠ LƯỢC VỀ HỌC MÁY

Hoạt động 1 (trang 134): Bộ lọc thư điện tử, thường là tập hợp các quy tắc, được thiết kế để phát hiện và đánh dấu các thư rác trước khi chúng được chuyển vào hộp thư của người dùng. Có quy tắc chỉ đơn giản là trong nội dung hoặc tiêu đề thư có các cụm từ đáng ngờ như “miễn phí”, “giảm giá”, “rẻ bất ngờ".... hay địa chỉ thư của người gửi hoặc địa chỉ của máy chủ gửi thư thuộc vào một “danh sách đen” xác định. Theo em, có thể xây dựng các bộ lọc thư này bằng cách nào?

Gợi ý trả lời:

Để xây dựng bộ lọc thư điện tử, có thể sử dụng các phương pháp học máy.

CÂU HỎI

Câu hỏi 1 (trang 136): Chọn phương án đúng. Học máy là:
A. Chương trình máy tính có khả năng đưa ra quyết định hay dự đoán dựa trên dữ liệu.
B. Khả năng phân tích dữ liệu thu nhận được của máy tính để đưa ra dự đoán hoặc quyết định dựa trên các quy tắc được xác định rõ ràng.
C. Việc sử dụng các phương pháp và kĩ thuật cho phép máy tính học từ dữ liệu để đưa ra dự đoán hoặc quyết định mà không cần lập trình cụ thể.
D. Chương trình máy tính có khả năng tự cải thiện hiệu suất thực hiện nhiệm vụ thông qua việc cập nhật các dữ liệu mới sau khi hoàn thành nhiệm vụ đó nhiều lần.

Gợi ý trả lời:

Đáp án C là định nghĩa chính xác và toàn diện nhất về học máy vì:
- Sử dụng các phương pháp và kỹ thuật: Học máy không chỉ là một phương pháp đơn giản mà nó bao gồm một loạt các kỹ thuật và phương pháp, bao gồm học có giám sát, học không giám sát, và học bán giám sát.
- Máy tính học từ dữ liệu: Trong học máy, máy tính không chỉ đơn giản là thực hiện các quy tắc được xác định trước (như trong lựa chọn B), mà nó thực sự học từ dữ liệu. Điều này có nghĩa là máy tính sẽ phân tích dữ liệu và điều chỉnh các tham số của mô hình để tối ưu hóa hiệu suất của nó.
- Đưa ra dự đoán hoặc quyết định: Mục tiêu cuối cùng của học máy là để máy tính có khả năng đưa ra dự đoán hoặc quyết định dựa trên dữ liệu mà nó đã học được. Điều này có thể bao gồm việc dự đoán giá cổ phiếu, phân loại email là spam hay không, hoặc thậm chí là tự lái xe.
- Không cần lập trình cụ thể: Trong học máy, không cần phải lập trình cụ thể các quy tắc hoặc logic cho máy tính như trong lựa chọn A. Thay vào đó, máy tính tự học từ dữ liệu thông qua các thuật toán và kỹ thuật học máy.
Câu hỏi 2 (trang 136): Tại sao cần chia dữ liệu học máy thành hai phần: dữ liệu huấn luyện và dữ liệu kiểm tra?

Gợi ý trả lời:

Dữ liệu huấn luyện và dữ liệu kiểm tra được chia ra để đánh giá hiệu suất của mô hình học máy:
- Dữ liệu huấn luyện được sử dụng để huấn luyện mô hình, tức là mô hình học từ dữ liệu này để tìm ra các mẫu và quy luật trong dữ liệu.
- Dữ liệu kiểm tra được sử dụng để đánh giá hiệu suất của mô hình đã được huấn luyện.

2. PHÂN LOẠI VÀ VAI TRÒ CỦA HỌC MÁY TRONG THỰC TẾ

Hoạt động 2 (trang 136): Trong Mục 1 em đã được giới thiệu một số ứng dụng thực tế của Học máy. Hãy kể tên một vài công việc mà ngày nay không thể thiếu vai trò của Học máy.

Gợi ý trả lời:

Một số công việc mà ngày nay không thể thiếu vai trò của Học máy:
- Lọc thư rác.
- Chẩn đoán bệnh.
- Phân tích thị trường.
- Nhận dạng tiếng nói.
- Nhận dạng chữ viết.
- Dịch tự động.
CÂU HỎI (trang 139): Vai trò quan trọng của Học máy trong các lĩnh vực khác nhau được thể hiện như thế nào?

Gợi ý trả lời:

Học máy có vai trò quan trọng trong nhiều lĩnh vực khác nhau và thể hiện sự quan trọng của nó qua các khía cạnh sau:
- Xử lý dữ liệu lớn: Học máy giúp xử lý lượng lớn dữ liệu trong thời gian thực một cách nhanh chóng và hiệu quả. Nó có khả năng tìm ra các mẫu và xu hướng quan trọng trong dữ liệu, giúp nhận diện thông tin hữu ích và tri thức ẩn trong dữ liệu đó.
- Tự động hóa nhiệm vụ phức tạp: Học máy cho phép tự động hóa các nhiệm vụ phức tạp mà trước đây đòi hỏi sự can thiệp của con người. Ví dụ, trong lĩnh vực lọc thư rác, học máy giúp xây dựng mô hình phân loại thư rác một cách tự động, giảm công sức và thời gian của người dùng.
- Chẩn đoán và dự đoán: Trong lĩnh vực y tế, học máy được sử dụng để xây dựng các mô hình chẩn đoán bệnh và dự đoán tình trạng sức khoẻ. Điều này giúp cải thiện khả năng chuẩn đoán của bác sĩ và đưa ra phương án điều trị phù hợp cho bệnh nhân.
- Phân tích và dự báo thị trường: Học máy có thể phân tích dữ liệu thị trường từ nhiều nguồn khác nhau để xác định xu hướng, dự báo biến động giá cả và hỗ trợ quyết định kinh doanh. Điều này giúp người đầu tư và nhà kinh doanh hiểu rõ hơn về thị trường và đưa ra các chiến lược đầu tư dựa trên thông tin phân tích.
- Nhận dạng và xử lý âm thanh và hình ảnh: Học máy giúp nhận dạng và xử lý các dạng bức ảnh, tiếng nói và chữ viết tay. Ví dụ, trong việc nhận dạng tiếng nói, học máy giúp xây dựng các mô hình nhận dạng và phân biệt tiếng nói của các người nói khác nhau.
- Dịch tự động: Học máy được sử dụng để xây dựng các mô hình dịch tự động, giúp dịch văn bản và tiếng nói từ một ngôn ngữ sang ngôn ngữ khác. Điều này giúp loại bỏ rào cản ngôn ngữ và tạo điều kiện cho giao tiếp và trao đổi thông tin đa ngôn ngữ.
LUYỆN TẬP (trang 139): Tại sao có thể nói Học máy có vai trò không thể thiếu trong các ứng dụng mà dữ liệu không ngừng thay đổi theo thời gian? Hãy chỉ ra một vài minh họa cụ thể.

Gợi ý trả lời:

- Bởi vì Học máy là một công cụ hữu ích, là một phần quan trọng của trí tuệ nhân tạo, đóng góp vào sự phát triển của nhiều ứng dụng thực tế.
- Một vài ví dụ cụ thể:
+ Xử lý dữ liệu lớn và thời gian thực: Học máy cho phép xử lý một lượng lớn dữ liệu một cách nhanh chóng và hiệu quả. Chương trình học máy có thể tự động xác định các mẫu và xu hướng quan trọng trong dữ liệu, giúp chúng ta hiểu rõ hơn về sự biến đổi và thay đổi trong dữ liệu theo thời gian.
+ Tự động hóa nhiệm vụ phức tạp: Trước đây, nhiều nhiệm vụ phức tạp đòi hỏi sự can thiệp của con người. Nhưng với học máy, chúng ta có thể tự động hoá các nhiệm vụ này. Ví dụ, học máy có thể tự động phát hiện thư rác trong email hoặc phân loại ảnh dựa trên nội dung.
+ Bổ sung tri thức và hỗ trợ chuyên gia: Học máy giúp chuyên gia và nhà nghiên cứu xây dựng và bổ sung tri thức. Chúng ta có thể học từ dữ liệu và áp dụng tri thức này vào các lĩnh vực như y học, tài chính, và khoa học tự nhiên.
+ Tự động cập nhật mô hình: Học máy không ngừng bổ sung dữ liệu và tự động cập nhật mô hình đã được huấn luyện. Điều này đặc biệt quan trọng trong các ứng dụng có dữ liệu đa dạng và thay đổi liên tục theo thời gian, ví dụ như phát hiện các mẫu thư rác mới, triệu chứng bệnh mới, hay bản dịch ngôn ngữ mới.
VẬN DỤNG (trang 139): Ngoài hai phương pháp học máy cơ bản nêu trong bài, một số tài liệu còn đề cập tới phương pháp học bán giám sát và học tăng cường. Hãy tìm hiểu về các phương pháp học máy này trên Internet.

Gợi ý trả lời:

- Học bán giám sát (Supervised Learning):
+ Trong học bán giám sát, mô hình được đào tạo trên dữ liệu có nhãn (gần nhãn) và không có nhãn (không gắn nhãn).
+ Dữ liệu gần nhân là những ví dụ mà chúng ta biết kết quả mong muốn (ví dụ: hình ảnh của mèo hoặc chó đã được gắn nhãn là “mèo" hoặc "chó").
+ Mục tiêu là học cách dự đoán đúng kết quả cho các ví dụ mới chưa gặp trước đó.
+ Học bán giám sát thường được sử dụng trong xử lý ngôn ngữ tự nhiên, phân loại hình ảnh, và nhiều ứng dụng khác.
- Học tăng cường (Reinforcement Learning):
+ Trong học tăng cường, tác nhân (agent) tương tác với môi trường và nhận phần thưởng (hoặc hình phạt) dựa trên hành động của nó.
+ Mục tiêu là học cách thực hiện các hành động để tối đa hóa phần thưởng trong môi trường.
+ Học tăng cường thường được sử dụng trong chế tạo robot, chơi trò chơi, và các tác vụ tối ưu hóa.

---The end!---

CÙNG CHUYÊN MỤC:

PHẦN I. KIẾN THỨC CỐT LÕI CHUNG CHO CẢ HAI ĐỊNH HƯỚNG (CS) VÀ (ICT) - 21 bài.

CHỦ ĐỀ 1. MÁY TÍNH VÀ XÃ HỘI TRI THỨC

Bài 1. Làm quen với Trí tuệ nhân tạo
Bài 2. Trí tuệ nhân tạo trong khoa học và đời sống

CHỦ ĐỀ 2. MẠNG MÁY TÍNH VÀ INTERNET

Bài 3. Một số thiết bị mạng thông dụng
Bài 4. Giao thức mạng
Bài 5. Thực hành chia sẻ tài nguyên trên mạng

CHỦ ĐỀ 3. ĐẠO ĐỨC, PHÁP LUẬT VÀ VĂN HÓA TRONG MÔI TRƯỜNG SỐ

Bài 6. Giao tiếp và ứng xử trong không gian mạng

CHỦ ĐỀ 4. GIẢI QUYẾT VẤN ĐỀ VỚI SỰ TRỢ GIÚP CỦA MÁY TÍNH

CHỦ ĐỀ 5. HƯỚNG NGHIỆP VỚI TIN HỌC

Bài 19. Dịch vụ sửa chữa và bảo trì máy tính
Bài 20. Nhóm nghề quản trị thuộc ngành Công nghệ thông tin
Bài 21. Hội thảo hướng nghiệp

PHẦN II. ĐỊNH HƯỚNG KHOA HỌC MÁY TÍNH (CS) - 9 bài.

CHỦ ĐỀ 6. MẠNG MÁY TÍNH VÀ INTERNET

Bài 22. Tìm hiểu thiết bị mạng
Bài 23. Đường truyền mạng và ứng dụng
Bài 24. Sơ bộ về thiết kế mạng

CHỦ ĐỀ 7. GIẢI QUYẾT VẤN ĐỀ VỚI SỰ TRỢ GIÚP CỦA MÁY TÍNH

PHẦN III. ĐỊNH HƯỚNG TIN HỌC ỨNG DỤNG (ICT) - 7 bài.

CHỦ ĐỀ 6. MÁY TÍNH VÀ XÃ HỘI TRI THỨC

Bài 22. Thực hành kết nối các thiết bị số

CHỦ ĐỀ 7. ỨNG DỤNG TIN HỌC

CÁC CHUYÊN MỤC LIÊN QUAN:

BÀI 24 - SƠ BỘ VỀ THIẾT KẾ MẠNG (KNTT - CS)

Bài 24 - Sơ bộ về thiết bị mạng (kntt - cs)

Nháy vào các mục bên dưới để xem nhanh hơn
Khởi động	Hoạt động	Câu hỏi(t.133)	Luyện tập	Vận dụng

Khởi động (trang 128): Trước khi xây dựng bất kì một công trình nào cũng cần thiết kế để đảm bảo được công năng, chất lượng của công trình với chi phí hợp lí. Hãy tìm hiểu khi thiết kế mạng cần phải tính đến các yếu tố nào?

Gợi ý trả lời:

- Mục đích và mức độ sử dụng mạng.
- Quy mô địa lí của tổ chức sử dụng mạng, các địa điểm đặt thiết bị mạng.
- Tính mĩ thuật, xếp đặt các thiết bị đẹp mắt, gọn gàng.
- Thiết bị và đường truyền phù hợp.
- Cấu trúc mạng, cách liên kết các thiết bị đầu cuối thông qua các thiết bị kết nối.
- Kinh phí đầu tư.
Hoạt động (trang 128): Trong những yếu tố sau, theo em yếu tố nào cần được tính tới khi thiết kế mạng cục bộ của một trường học? Giải thích.
A. Mục đích và mức độ sử dụng mạng.
B. Quy mô địa lí của tổ chức sử dụng mạng, các địa điểm đặt thiết bị mạng.
C. Tính mĩ thuật, xếp đặt các thiết bị đẹp mắt, gọn gàng.
D. Thiết bị và đường truyền phù hợp.
E. Cấu trúc mạng, cách liên kết các thiết bị đầu cuối thông qua các thiết bị kết nối.
F. Kinh phí đầu tư.

Gợi ý trả lời:

Các yếu tố cần tính tới khi thiết kế mạng cục bộ trường học bao gồm:
A. Mục đích và mức độ sử dụng mạng; B. Quy mô địa lí của tổ chức sử dụng mạng, các địa điểm đặt thiết bị mạng; F. Kinh phí đầu tư.
- Mục đích xây dựng mạng là yếu tố có ảnh hưởng quyết định đến thiết kế. Mức độ sử dụng sẽ liên quan đến thiết kế công suất, băng thông.
- Quy mô địa lý và nơi đặt thiết bị sử dụng mạng liên quan đến khoảng cách truyền có ảnh hưởng đến việc lựa chọn thiết bị, đường truyền phù hợp. Điều này cũng sẽ liên quan đến cấu trúc mạng, thể hiện cách kết nối thiết bị đầu cuối qua các thiết bị kết nối.
- Kinh phí đầu tư chỉ tính được sau khi có thiết kế. Tuỳ theo kinh phí mà có thể điều chỉnh thiết kế hoặc đầu tư từng phần theo một thứ tự ưu tiên nào đó.

CÂU HỎI

Câu hỏi 1 (trang 133): Tại sao phải khảo sát hiện trạng và yêu cầu?

Gợi ý trả lời:

- Khảo sát hiện trạng để nắm bắt và thu tập thông tin, số đo, từ hiện trạng thực tế, hệ thống các thông số và đánh dấu những đặc điểm của hiện trạng cần chú ý trong bản thiết kế.
- Khảo sát yêu cầu để hiểu rõ nhu cầu sử dụng và yêu cầu của người dung cho thiết kế → Vậy nên, khảo sát hiện trạng và yêu cầu để đảm bảo đề ra các giải pháp thiết kế sát với thực tế và đúng với nhu cầu sử dụng.
Câu hỏi 2 (trang 133): Mục đích của phân đoạn mạng là gì?

Gợi ý trả lời:

Phân đoạn mạng nhằm:
- Quy hoạch sao cho miền xung đột đủ nhỏ để xung đột xảy ra ít hơn và chi ảnh hưởng trong phạm vi nhỏ là một nội dung thiết kế mạng cục bộ.
- Có thể cô lập một phân đoạn khi có sự cổ để khắc phục mà không gây ảnh hưởng tới hoạt động ở các phân đoạn khác.
Câu hỏi 3 (trang 133): Nêu các bước thiết kế mạng.

Gợi ý trả lời:

Các bước thiết kế mạng gồm:
- Khảo sát và phân tích hiện trạng, nhu cầu ứng dụng, đặc điểm nơi triển khai mạng.
- Thiết kế logic, xác định cấu trúc kết nối, mô hình tương tác trong mạng, giao thức mạng được sử dụng.
- Thiết kế kĩ thuật (mức vật lí), chọn chủng loại thiết bị theo cấu trúc kết nối và chọn điểm đặt thiết bị, xác định tính năng của thiết bị và cáp nối.
- Lựa chọn hệ điều hành mạng. Lưu ý rằng việc xác định các ứng dụng sẽ cải đặt trên mạng không phải là công việc thiết kế mạng, nhưng có ảnh hưởng tới việc lựa chọn mô hình mạng và tính năng của các thiết bị mạng để đáp ứng yêu cầu của các ứng dụng.

LUYỆN TẬP

Luyện tập 1 (trang 133): Với mạng trong bài học, nếu cần trang bị các access point ở hai đầu và điểm giữa toà B thì em sẽ điều chỉnh thiết kế logic như thế nào?

Gợi ý trả lời:

Để điều chỉnh thiết kế logic để trang bị các access point ở hai đầu và điểm giữa toà B trong mạng, em có thể áp dụng mô hình mạng hình sao (star topology) kết hợp với mô hình làm việc nhóm (workgroup).
- Mô hình làm việc nhóm (workgroup): Với mạng trong bài học, mô hình làm việc nhóm là phù hợp vì nó đơn giản và không đòi hỏi quản trị phức tạp. Trong mô hình này, không có máy tính nào điều khiển máy tính khác. Người dùng sẽ thiết lập tài khoản trên từng máy tính và đăng nhập vào máy tính mà họ sử dụng. Mỗi máy tính hoạt động độc lập và có quyền truy cập vào tài nguyên của nó.
- Cấu trúc kết nối hình sao (star topology): Đối với cấu trúc kết nối, em có thể sử dụng cấu trúc hình sao. Trong cấu trúc này, các access point sẽ được đặt ở hai đầu và điểm giữa toà B. Các thiết bị đầu cuối (máy tính, thiết bị di động) sẽ được kết nối trực tiếp vào các access point thông qua kết nối không dây (Wi-Fi). Các access point này sẽ chung một mạng Wi-Fi duy nhất, tạo ra một mạng phủ sóng rộng trong toà nhà.
Luyện tập 2 (trang 133): Với mạng trong bài học, nếu bổ sung thêm 2 phòng máy thực hành ở toà B, em sẽ điều chỉnh thiết kế logic như thế nào?

Gợi ý trả lời:

Để bổ sung thêm 2 phòng máy thực hành ở toà B trong mạng, em có thể điều chỉnh thiết kế logic như sau:
- Mô hình làm việc nhóm (workgroup): Vẫn tiếp tục sử dụng mô hình làm việc nhóm, trong đó mỗi máy tính hoạt động độc lập và người dùng thiết lập tài khoản trên từng máy tính.
- Cấu trúc kết nối hình sao (star topology): Vẫn sử dụng cấu trúc kết nối hình sao, nhưng điều chỉnh để chứa thêm 2 phòng máy thực hành. Cấu trúc kết nối có thể được mở rộng như sau:
+ Đầu tiên, tạo một access point chính ở điểm giữa toà B như đã thiết kế ban đầu.
+ Bổ sung thêm 2 access point ở hai phòng máy thực hành. Các access point này sẽ được đặt ở gần các phòng máy thực hành và kết nối với access point chính ở điểm giữa toà B.
+ Mỗi access point phòng máy thực hành sẽ cung cấp một mạng Wi-Fi riêng cho phòng đó.
Người dùng trong từng phòng máy thực hành sẽ kết nối vào mạng Wi-Fi tương ứng để truy cập tài nguyên và dịch vụ trong phòng đó.
VẬN DỤNG (trang 133): Nếu muốn các máy tính trong mạng có thể kết nối với Internet, thì cần phải cấu hình mạng theo giao thức TCP/IP. Có một số thiết lập cần thực hiện trên gateway, thường chính là router (ví dụ ở router Wi-Fi) như địa chỉ IP, chế độ cấp địa chỉ động cho các máy trong mạng (Dynamic Host Control Protocol - DHCP), bảo mật truy cập không dây. Ở các máy trạm phải thiết lập gateway, chế độ địa chỉ IP tĩnh hay động (lấy địa chỉ DHCP), mặt nạ mạng con (subnetwork mask). Hãy tìm hiểu việc thiết lập này.

Gợi ý trả lời:

Để thiết lập mạng theo giao thức TCP/IP và cho phép các máy tính trong mạng kết nối với Internet, em cần thực hiện các thiết lập sau:
- Thiết lập trên gateway (thường là router Wi-Fi):
+ Địa chỉ IP: Đặt địa chỉ IP cho gateway (router) trong mạng. Địa chỉ IP này phải nằm trong phạm vi địa chỉ IP của mạng LAN và không trùng với các địa chỉ IP khác trong mạng. Ví dụ, em có thể đặt địa chỉ IP cho router là 192.168.0.1.
+ DHCP (Dynamic Host Configuration Protocol): Bật chế độ DHCP trên router để tự động cấp phát địa chỉ IP cho các máy tính trong mạng. Cấu hình DHCP bao gồm phạm vi địa chỉ IP có thể cấp phát, địa chỉ IP của máy chủ DNS và mặt nạ mạng con.
+ Bảo mật truy cập không dây: Để đảm bảo an ninh mạng, em nên thiết lập mật khẩu truy cập Wi-Fi (WPA2 hoặc WPA3) và sử dụng mã hóa bảo mật (ví dụ: AES). Điều này giúp ngăn chặn người lạ truy cập trái phép vào mạng không dây của em.
- Thiết lập trên máy tính trạm:
+ Gateway: Thiết lập địa chỉ IP của gateway (router) là địa chỉ IP của router Wi-Fi trong mạng. Điều này cho phép máy tính trạm biết đường mạng để gửi yêu cầu truy cập Internet qua gateway.
+ Địa chỉ IP: Em có thể thiết lập địa chỉ IP cho máy tính trạm là tĩnh hoặc lấy địa chỉ IP từ máy chủ DHCP (cấu hình tự động). Nếu sử dụng DHCP, máy tính trạm sẽ tự động nhận địa chỉ IP từ router.
+ Mặt nạ mạng con: Thiết lập mặt nạ mạng con (subnet mask) để xác định phạm vi địa chỉ IP thuộc cùng một mạng LAN. Nó khớp với phần mạng của địa chỉ IP để máy tính biết được địa chỉ mạng của nó.

---The end!---

CÙNG CHUYÊN MỤC:

PHẦN I. KIẾN THỨC CỐT LÕI CHUNG CHO CẢ HAI ĐỊNH HƯỚNG (CS) VÀ (ICT) - 21 bài.

CHỦ ĐỀ 1. MÁY TÍNH VÀ XÃ HỘI TRI THỨC

Bài 1. Làm quen với Trí tuệ nhân tạo
Bài 2. Trí tuệ nhân tạo trong khoa học và đời sống

CHỦ ĐỀ 2. MẠNG MÁY TÍNH VÀ INTERNET

Bài 3. Một số thiết bị mạng thông dụng
Bài 4. Giao thức mạng
Bài 5. Thực hành chia sẻ tài nguyên trên mạng

CHỦ ĐỀ 3. ĐẠO ĐỨC, PHÁP LUẬT VÀ VĂN HÓA TRONG MÔI TRƯỜNG SỐ

Bài 6. Giao tiếp và ứng xử trong không gian mạng

CHỦ ĐỀ 4. GIẢI QUYẾT VẤN ĐỀ VỚI SỰ TRỢ GIÚP CỦA MÁY TÍNH