Khóa học
Tìm hiểu về Khoa học Dữ liệu
2 giờ
877.2K
Chào mừng bạn đến với phần đầu tiên của loạt bài kéo dài một tháng về khai sáng dữ liệu. Là một phần của Tháng Nâng cao Hiểu biết về Dữ liệu, series này sẽ làm rõ những khái niệm chủ chốt trong thế giới dữ liệu, trả lời những câu hỏi bạn có thể còn ngại hỏi và mang đến sự thú vị xuyên suốt.
Trong bài này, chúng ta sẽ định nghĩa dữ liệu chính xác là gì và cách bạn bắt đầu với nó.
Dữ liệu là gì?
Dữ liệu là các sự kiện hoặc mẩu thông tin. Chúng thường là các phép đo ("Maria cao 165 cm") hoặc các quan sát ("con xúc xắc gieo ra số sáu"), hoặc ý kiến ("Tôi chấm trò chơi điện tử này 4/5 sao"). Thông thường, dữ liệu được thu thập để phân tích nhằm tìm ra insight, rút ra kết luận hoặc đưa ra quyết định.
Mặc dù chúng ta thường nghĩ dữ liệu là các con số, vẫn còn những kiểu dữ liệu khác.
- Dữ liệu có thể đúng hoặc sai được gọi là dữ liệu logic ("Mohammed đã vượt qua kỳ thi").
- Dữ liệu có thể nhận nhiều giá trị được đặt tên được gọi là dữ liệu phân loại ("Tóc của Anna màu vàng; tóc của Wei màu đen").
- Ngày tháng và thời gian cũng là một loại dữ liệu.
Văn bản cũng có thể được xem là dữ liệu, ví dụ như các bài đánh giá sản phẩm. Vì nhiều phân tích dữ liệu yêu cầu con số thay vì từ ngữ, dữ liệu văn bản thường cần được xử lý để chuyển thành số trong quá trình phân tích.
Tương tự, hình ảnh cũng có thể được xem là dữ liệu, dù chúng thường cần được xử lý để chuyển thành số nhằm phân tích.
Tập dữ liệu (Dataset) là gì?
Nếu bạn từng sử dụng một bảng tính Excel, bạn đã gặp một tập dữ liệu. Nói ngắn gọn, tập dữ liệu là một tập hợp dữ liệu. Cụ thể hơn, là nhiều mẩu dữ liệu cùng một loại. Trong ví dụ đầu tiên, chúng ta có một phép đo chiều cao. Nếu chúng ta có nhiều phép đo chiều cao của mọi người, đó sẽ được coi là một tập dữ liệu.
Hãy xem bảng này, với tên của bốn người ở cột đầu tiên, chiều cao của họ ở cột thứ hai và màu tóc ở cột thứ ba. Đây là một tập dữ liệu.
|
Tên |
Chiều cao (cm) |
Màu tóc |
|
Maria |
165 |
đỏ |
|
Mohammed |
182 |
đen |
|
Anna |
173 |
vàng |
|
Wei |
160 |
đen |
Định dạng hình chữ nhật này là cấu trúc tập dữ liệu phổ biến nhất. Có hai cách gọi thường gặp cho tập dữ liệu có hình dạng này. Người dùng cơ sở dữ liệu gọi chúng là "bảng" (tables). Ngược lại, các nhà khoa học dữ liệu gọi chúng là "khung dữ liệu" (data frames). Thực tế, đó cũng là nguồn gốc tên podcast DataFramed của DataCamp.
Dù bạn gọi chúng là gì, các tập dữ liệu hình chữ nhật này có một số đặc điểm đáng biết.
- Mỗi hàng đại diện cho thông tin chi tiết về một người. Hàng đôi khi được gọi là "quan sát" hoặc "bản ghi".
- Mỗi cột đại diện cho một thuộc tính của các quan sát. Cột đôi khi được gọi là "biến" hoặc "đặc trưng".
- Mọi giá trị trong một cột nên có cùng kiểu dữ liệu. Ví dụ, tất cả chiều cao đều là số.
- Các cột khác nhau có thể có kiểu dữ liệu khác nhau. Ví dụ, các cột tên và màu tóc chứa dữ liệu văn bản, nhưng chiều cao là dữ liệu số.
Dữ liệu ở khắp mọi nơi
Điều tuyệt vời của dữ liệu là nó hiện diện ở khắp nơi! Doanh nghiệp sẽ có các tập dữ liệu về người dùng hoặc khách hàng của họ là ai, họ đang mua gì, chi bao nhiêu, công ty có bao nhiêu tiền, nhân viên là ai, công ty có những tài sản nào và nhiều thứ khác.
Trong đời sống hằng ngày, bạn có thể dùng ứng dụng dự báo thời tiết, nhận chỉ đường từ ứng dụng bản đồ, hoặc nhắn tin cho bạn bè và gia đình qua ứng dụng chat. Tất cả những ứng dụng này được vận hành bằng dữ liệu và sẽ sử dụng nhiều tập dữ liệu khác nhau.
Bất kỳ sản phẩm nào bạn dùng đều được sản xuất ở đâu đó có thu thập dữ liệu về cách sản phẩm đó được làm ra. Cửa hàng nơi bạn mua cũng sẽ thu thập dữ liệu về ai đang mua sản phẩm đó và khi nào.
Thực tế, với hầu như mọi câu hỏi bạn có thể nghĩ đến, chắc chắn sẽ có một tập dữ liệu có thể giúp bạn trả lời.
Bắt đầu với dữ liệu ngay hôm nay
Hy vọng bạn thấy phần giới thiệu ngắn gọn về dữ liệu này hữu ích. Ở bài tiếp theo của loạt bài khai sáng dữ liệu, chúng ta sẽ xem xét các loại dữ liệu khác nhau, từ dữ liệu định lượng đến định tính, đến dữ liệu hình ảnh và văn bản, và hơn thế nữa. Nếu bạn muốn bắt đầu hành trình học dữ liệu ngay hôm nay, hãy xem các tài nguyên sau.
Chủ đề
