Vietnam Journal of Science Science for a better world

Khoa học phân tích dữ liệu - Phần 2: Làm thế nào để trở thành nhà khoa học phân tích dữ liệu?

By thanhlong · April 29, 2017

Khoa học phân tích dữ liệu - Phần 2: Làm thế nào để trở thành nhà khoa học phân tích dữ liệu?

Trong thời đại công nghệ thông tin phát triển như vũ bão hiện nay, hầu hết tất cả mọi người từ mọi nơi trên thế giới đều có thể truy cập được vào những kho kiến thức đồ sộ trên mạng internet. Như tại Hoa Kỳ, để trở thành một nhà khoa học dữ liệu, bạn không cần phải có tấm bằng thạc sĩ hay tiến sĩ.

Trong kỳ này, Vietnam Journal of Science xin tiếp tục giới thiệu với một chương trình mở kiến thức và nền tảng chuẩn bị để tự trang bị hành trang cho mình việc chuẩn bị trở thành một nhà khoa học dữ liệu với những môn như khoa học máy tính, toán và thông kê, cũng như một vài nguồn thông tin hữu ích để giúp cho quý độc giả mở rộng được sự hiểu biết tới lĩnh vực Khoa Học Dữ Liệu. Các bạn độc giả có thể góp ý và bổ sung bằng cách gửi email về cho tác giả hoặc bình luận thêm dưới mục.

Tác giả cũng xin gửi lời cám ơn đến TS. Lê Chí Ngọc - giảng viên Viện Toán ứng dụng và Tin học, ĐHBK-ĐHGQHN, TS. Hồng Trung Dũng - nhà khoa học dữ liệu công ty Tenpoint7, anh Trần Bình Ngọc - Cộng đồng Grokking về những góp ý và bổ sung để khung chương trình này được hoàn thiện hơn.

Khuyến cáo

NỘI DUNG CHƯƠNG TRÌNH

I. NHẬP MÔN

**1. Giới thiệu về khoa học dữ liệu/ Udacity  **

Link: https://www.udacity.com/course/intro-to-data-science—ud359

Trong lớp học này, bạn sẽ đi bao quát các chủ đề là nền tảng của khoa học dữ liệu. Cụ thể như: thao tác dữ liệu, phân tích dữ liệu với thống kê và máy học (Machine Learning), Giao tiếp bằng số liệu cùng miêu tả thông tin, dữ liệu ở quy mô rộng - Làm việc với Dữ liệu lớn (Big Data). Ở đây lớp học sẽ tập trung vào bề rộng và trình bày những chủ đề ngắn gọn thay vì chỉ vào một chủ đề duy nhất theo chiều sâu.

**2. Khóa học Khoa học Dữ liệu từ Harvard  **

Link: http://cm.dce.harvard.edu/2014/01/14328/publicationListing.shtml

Github: http://cs109.github.io/2015/

Các chủ đề được đề cập tới là xử lý dữ liệu, quản lý dữ liệu, phân tích dữ liệu thăm dò để đưa ra các giả thuyết, dự đoán, tri thức dựa trên các phương pháp thống kê như hồi quy, phân lớp, phân cụm, trình diễn kết quả thông qua minh họa, diễn dịch và các tóm tắt.

3. Khoa học dữ liệu với công cụ mã nguồn mở (sách $27)

Link: http://bit.ly/book-datasciencewithopensourcetools

Qua sách này, bạn sẽ biết về minh họa dữ liệu, ước lượng (Estimation), các mô hình từ Arguments Scaling, lập luận từ các mô hình xác suất, thống kê cổ điển cho đến khai phá dữ liệu, phân cụm, PCA (phân lớp), kỹ thuật ánh xạ thu gọn (Map/Reduce), phân tích dự báo (Predictive Analytics). Các ví dụ mã nguồn từ R, Python, Sage, C, Thư viện Khoa học GNU.

II. KIÊN THỨC TOÁN [2]

1. Đại số tuyến tính & Lập trình

3.Thống kê:

 

III. KIẾN THỨC TÍNH TOÁN

Nhận môi trường của bạn và chạy với các khoa học dữ liệu Toolbox

1. Các thuật toán

2. Những mô hình máy tính phân tán (Distributed Computing)

3. Cơ sở dữ liệu

**4.Khai phá dữ liệu  **

 

https://github.com/datasciencemasters/go/blob/master/specializations.md#web-scraping—crawling

5. Máy học (Machine learning)

a. Nền Tảng & lý thuyết

b. Phần thực hành

 

6. Mô hình xác suất

7. Xử lý ngôn ngữ tự nhiên

IV. Python (các thư viện)

Pandas Cookbook (thư viện cấu trúc dữ liệu): http://bit.ly/jvnspandascookbook

Nhiều thư viện có thể được tìm thấy trong “awesome machine learning” repo và trong các chuyên ngành liên quan

                https://github.com/josephmisiti/awesome-machine-learning#python

                https://github.com/datasciencemasters/go/blob/master/specializations.md

1. Thao tác dữ liệu và phân tích

2. Máy học

scikit-learn - Thư viện máy học cơ bản http://scikit-learn.org/stable/

**3. Mạng  **

networkx - Mạng Modeling & Viz: https://networkx.github.io/

4.Thống kê

5. Xử lý ngôn ngữ tự nhiên (Natural Language Processing)

6. Các thư viện   minh họa

7. Khoa học Dữ liệu iPython với máy tính xách tay

8. Bộ dữ liệu

Hiện nay đang ở đây http://bit.ly/osdsm-datasets-link

VIII.Các tài nguyên khác

Metacademy - Nơi bạn khám phá lộ trình để học về các khóa khoa học máy tính.

4. Các cuộc thi online

Kaggle  Crowdanalytix  TunedIt  Clopinte  KDD Cup Innocentive  Topcoder HackerRank

 

Tác giả:  Phượng Nguyễn, hiện đang công tác và nghiên cứu về trí tuệ nhân tạo tại Việt Nam.

Thạc sĩ ngành toán- tin học tại trường Đại học Bắc Paris, CH Pháp,

Biên tập viên Vietnam Journal of Science.

Email:  phuongng@vjsonline.org

Nguồn tham khảo chính

1. http://datasciencemasters.org/

2. http://www.quora.com/What-are-some-good-resources-for-learning-about-numerical-analysis

3. https://www.class-central.com/report/open-source-data-science/

4. http://www.zipfianacademy.com/blog/post/46864003608/a-practical-intro-to-data-science

← All articles