Chưa biết bắt đầu từ đâu? Khóa học Understanding Data Science của chúng tôi cung cấp phần tổng quan về các yếu tố thiết yếu của khoa học dữ liệu mà không cần viết mã.
Hoặc tiếp tục đọc để biết thêm thông tin chi tiết về các công nghệ được giảng dạy trên DataCamp.
Ngôn ngữ khoa học dữ liệu và phân tích
Nếu bạn hoặc tổ chức của bạn mới tiếp cận khoa học dữ liệu và phân tích, bạn sẽ cần chọn một ngôn ngữ để phân tích dữ liệu và một cách tiếp cận thấu đáo để ra quyết định đó. Đọc bài viết blog và hướng dẫn của chúng tôi để biết cách lựa chọn giữa hai ngôn ngữ phổ biến nhất cho khoa học dữ liệu—Python và R—hoặc tiếp tục đọc phần tóm tắt ngắn bên dưới.
Python
Python là một trong những ngôn ngữ lập trình phổ biến nhất thế giới. Nó sẵn sàng cho môi trường sản xuất, nghĩa là có khả năng trở thành một công cụ duy nhất tích hợp với mọi phần của quy trình làm việc của bạn. Vì vậy, dù bạn muốn xây dựng ứng dụng web hay mô hình machine learning, Python đều có thể giúp bạn!
- Ngôn ngữ lập trình đa dụng (có thể dùng để tạo ra bất kỳ thứ gì)
- Được xem là một trong những ngôn ngữ lập trình dễ đọc và dễ học nhất
- Là lựa chọn hàng đầu cho các ứng dụng machine learning và AI tiên tiến
- Thường được dùng để đưa mô hình vào "sản xuất"
- Dễ triển khai và tái lập kết quả
R
R chủ yếu được dùng trong học thuật và nghiên cứu, nhưng những năm gần đây việc sử dụng trong doanh nghiệp đã tăng nhanh. Được xây dựng chuyên biệt để làm việc với dữ liệu, R cung cấp giao diện trực quan cho các phương pháp thống kê tiên tiến nhất hiện nay.
- Được thiết kế riêng cho phân tích và trực quan hóa dữ liệu
- Truyền thống được các nhà thống kê và nhà nghiên cứu học thuật sử dụng
- Là lựa chọn hàng đầu cho các phương pháp thống kê tiên tiến
- Thư viện khổng lồ các gói do cộng đồng đóng góp
- Prototype nhanh các ứng dụng và bảng điều khiển dựa trên dữ liệu
SQL
Phần lớn dữ liệu thô của thế giới nằm trong các tập hợp bảng có tổ chức gọi là cơ sở dữ liệu quan hệ. Nhà phân tích dữ liệu và nhà khoa học dữ liệu phải biết cách xử lý và trích xuất dữ liệu từ các cơ sở dữ liệu này bằng SQL.
- Hữu ích cho mọi tổ chức lưu trữ thông tin trong cơ sở dữ liệu
- Một trong những kỹ năng được săn đón nhất trong kinh doanh
- Dùng để truy cập, truy vấn và trích xuất dữ liệu có cấu trúc được tổ chức trong kho dữ liệu có định dạng, ví dụ như cơ sở dữ liệu
- Phạm vi bao gồm truy vấn dữ liệu, thao tác dữ liệu, định nghĩa dữ liệu và kiểm soát truy cập dữ liệu
Cơ sở dữ liệu
Nhà khoa học dữ liệu, nhà phân tích và kỹ sư thường xuyên phải tương tác với cơ sở dữ liệu, nơi có thể lưu trữ lượng thông tin khổng lồ trong các bảng mà vẫn không làm chậm hiệu năng. Bạn có thể dùng SQL để truy vấn dữ liệu từ cơ sở dữ liệu và mô hình hóa các hiện tượng khác nhau trong dữ liệu cũng như mối quan hệ giữa chúng. Tìm hiểu sự khác nhau giữa các cơ sở dữ liệu phổ biến nhất trong bài viết blog của chúng tôi hoặc đọc phần tóm tắt bên dưới.
Microsoft SQL Server
- Hệ quản trị cơ sở dữ liệu quan hệ (RDBMS) thương mại, do Microsoft xây dựng và duy trì
- Có mặt trên hệ điều hành Windows và Linux
PostgreSQL
- RDBMS miễn phí và mã nguồn mở, được duy trì bởi PostgreSQL Global Development Group và cộng đồng
- Thân thiện với người mới bắt đầu
Oracle Database
- RDBMS phổ biến nhất, được 97% các công ty Fortune 100 sử dụng
- Yêu cầu kiến thức về PL/SQL, một phần mở rộng của SQL, để truy cập và truy vấn dữ liệu
Bảng tính
Bảng tính được sử dụng rộng rãi trong kinh doanh để biến khối dữ liệu thô khổng lồ thành những insight rõ ràng bằng cách tổ chức, phân tích và lưu trữ dữ liệu trong các bảng. Microsoft Excel và Google Sheets là phần mềm bảng tính phổ biến nhất, với cấu trúc linh hoạt cho phép nhập dữ liệu vào các ô của một bảng.
Google Sheets
- Miễn phí cho người dùng
- Cho phép cộng tác giữa người dùng thông qua chia sẻ liên kết và phân quyền
- Phân tích thống kê và trực quan hóa phải thực hiện thủ công
Microsoft Excel
- Yêu cầu giấy phép trả phí
- Không thuận tiện cho cộng tác như Google Sheets
- Có sẵn các hàm dựng sẵn cho phân tích thống kê và trực quan hóa
Công cụ business intelligence
Các công cụ business intelligence (BI) giúp mọi cấp độ kỹ năng—không chỉ các chuyên gia phân tích nâng cao—có thể khám phá dữ liệu. Đây là một trong những cách đơn giản nhất để làm việc với dữ liệu, cung cấp công cụ để thu thập dữ liệu ở một nơi, tìm ra điều gì sẽ tạo khác biệt, dự báo kết quả và còn nhiều hơn thế.
Tableau
Tableau là phần mềm trực quan hóa dữ liệu giống như một Microsoft Excel được tăng cường sức mạnh. Tính năng kéo thả thân thiện giúp bất kỳ ai cũng có thể truy cập, phân tích và tạo ra các trực quan hóa dữ liệu có tác động lớn.
- Phần mềm business intelligence (BI) và phân tích được sử dụng rộng rãi, được các công ty như Amazon, Experian và Unilever tin dùng
- Tính năng kéo thả thân thiện với người dùng
- Hỗ trợ nhiều nguồn dữ liệu bao gồm Microsoft Excel, Oracle, Microsoft SQL, Google Analytics và SalesForce
Microsoft Power BI
Microsoft Power BI cho phép người dùng kết nối và biến đổi dữ liệu thô, thêm cột và phép đo tính toán, tạo các biểu đồ đơn giản và kết hợp chúng thành các báo cáo tương tác.
- Công cụ dựa trên web cung cấp truy cập dữ liệu theo thời gian thực
- Tính năng kéo thả thân thiện với người dùng
- Tận dụng các hệ thống Microsoft sẵn có như Azure, SQL và Excel
Shell
Shell cung cấp giao diện dòng lệnh cho phép bạn điều khiển hệ điều hành máy tính chỉ với vài thao tác phím. Đôi khi được gọi là "chất keo phổ quát của lập trình", nó giúp người dùng kết hợp các chương trình hiện có theo những cách mới, tự động hóa các tác vụ lặp đi lặp lại và chạy chương trình trên các cụm máy và đám mây ở cách nửa vòng trái đất.
Scala
Scala là ngôn ngữ lập trình lai giữa hướng đối tượng và hàm, phổ biến cho các ứng dụng quy mô lớn và hạ tầng kỹ thuật dữ liệu. Được các công ty như Netflix, Airbnb và Morgan Stanley ưa chuộng, Scala nâng cao năng suất, khả năng mở rộng và độ tin cậy của ứng dụng.
Git
Quản lý phiên bản là một trong những công cụ mạnh mẽ của lập trình. Nó cho phép bạn theo dõi mình đã làm gì và khi nào, hoàn tác bất kỳ thay đổi nào bạn không muốn, và cộng tác ở quy mô lớn với người khác. Git là công cụ quản lý phiên bản hiện đại, rất phổ biến với các nhà khoa học dữ liệu và nhà phát triển phần mềm, giúp bạn hoàn thành nhiều việc hơn trong thời gian ngắn hơn và ít đau đầu hơn.
