Aug 19, 2023

Tác động ngày càng tăng của AI đối với Khoa học dữ liệu trong năm 2023

Các xu hướng AI mới nổi như xử lý ngôn ngữ tự nhiên, học tăng cường và thị giác máy tính đều được thiết lập để mang đến ranh giới tiếp theo của Khoa học dữ liệu , cung cấp các công cụ mạnh mẽ cho phép các chuyên gia trích xuất giá trị tối đa từ dữ liệu của họ. Dưới đây là những tác động của AI đối với Data Science đã và đang diễn ra trong năm 2023.

Tác động của AI lên các lĩnh vực khác ngày càng lớn

1. Sự trỗi dậy của máy học tự động (AutoML)

AutoML đi đầu trong các xu hướng AI mới nổi, sẵn sàng mang lại những thay đổi mang tính cách mạng cho lĩnh vực Data Science. Công nghệ này giúp đơn giản hóa đáng kể việc tạo các mô hình máy học bằng cách tự động hóa các tác vụ phức tạp như lựa chọn mô hình, điều chỉnh siêu tham số và kỹ thuật tính năng.

Việc áp dụng autoML sẽ không chỉ tăng cường quá trình dân chủ hóa AI, cho phép các chuyên gia có chuyên môn tối thiểu về ML phát triển các mô hình hiệu quả mà còn mở ra một kỷ nguyên mới về hiệu quả và năng suất trong khoa học dữ liệu.

2. Giải mã các quyết định AI với Explainable AI (XAI)

Khi các mô hình AI trở nên phức tạp hơn, quy trình ra quyết định của chúng thường trở nên thiếu rõ ràng. Vấn đề khó chịu này đã sinh ra xu hướng về các mô hình AI có thể giải thích được (XAI).

XAI nhằm mục đích làm sáng tỏ cách AI đưa ra các quyết định của mình, mang lại mức độ minh bạch và dễ hiểu mới, những điều ngày càng quan trọng khi AI tiếp tục tìm thấy các ứng dụng mới trong các lĩnh vực quan trọng như chăm sóc sức khỏe, tài chính và luật.

Đối với các nhà khoa học dữ liệu hoạt động trong các lĩnh vực đang phát triển này, việc hiểu thấu đáo về XAI sẽ là điều không thể thiếu để giao tiếp hiệu quả và tuân thủ quy định.

3. Giải phóng tiềm năng với học tăng cường (RL)

Mặc dù không phải là một khái niệm mới, nhưng học tăng cường (RL) đang nhanh chóng đạt được sức hút trong lĩnh vực Data Science. Từ vị trí đặt quảng cáo đến hệ thống đề xuất, cách tiếp cận thích ứng và được cá nhân hóa của RL hứa hẹn mang lại những thay đổi mang tính chuyển đổi bằng cách tối ưu hóa các quy trình khác nhau.

Đặc biệt, năm nay dự kiến sẽ chứng kiến việc áp dụng RL tăng tốc nhanh chóng khi các doanh nghiệp nhận ra và khai thác tiềm năng chưa được khai thác của nó.

4. Cân bằng thông tin chi tiết và quyền riêng tư với học tập liên kết

Học tập liên kết là một phương pháp phi tập trung để đào tạo các mô hình học máy

Nhu cầu ngày càng tăng về quyền riêng tư và bảo mật dữ liệu mạnh mẽ trên tất cả các lĩnh vực CNTT đã dẫn đến sự xuất hiện nhanh chóng của một khái niệm được gọi là Federated Learning (học tập liên kết). Kỹ thuật này cho phép các mô hình AI học hỏi từ nhiều thiết bị hoặc máy chủ phi tập trung chứa các mẫu dữ liệu cục bộ, bỏ qua nhu cầu trao đổi dữ liệu nhạy cảm.

Khi các quy định về quyền riêng tư tiếp tục được thắt chặt trên toàn thế giới, học tập liên kết có thể cung cấp cho các nhà khoa học dữ liệu một cách để mở khóa những hiểu biết có giá trị trong khi vẫn duy trì quyền riêng tư của người dùng.

5. Mở khóa thông tin chi tiết với Graph Neural Networks (GNNs)

Graph neural networks (GNNs) hay mạng lưới thần kinh đô thị ngày càng trở nên phù hợp hơn, với các bộ dữ liệu phức tạp hơn, được kết nối với nhau ngày càng khả dụng.

Không giống như các mô hình AI truyền thống, GNN được trang bị để xử lý dữ liệu tạo thành biểu đồ, khiến chúng trở thành tài sản vô giá cho các nhà khoa học dữ liệu làm việc trong các nhiệm vụ như phân tích mạng xã hội, hệ thống đề xuất và thậm chí cả hóa học phân tử.

6. Tăng tốc tính toán với học máy lượng tử

Quantum machine learning hay học máy lượng tử, còn được gọi là QLM, là một xu hướng chính trong AI đã tác động đến một số lĩnh vực của khoa học dữ liệu. Sự giao thoa thú vị giữa học máy và vật lý lượng tử này được thiết lập đã mang lại sự gián đoạn đáng kể cho toàn ngành, khiến các công ty thuộc mọi loại hình và quy mô phải theo dõi.

Với tiềm năng của máy tính lượng tử để thực hiện các phép tính phức tạp nhanh hơn máy tính cổ điển, chúng có thể tăng tốc các tác vụ phân tích và xử lý dữ liệu, một sự phát triển mà mọi nhà khoa học dữ liệu nên theo dõi.

7. Đơn giản hóa việc lập trình bằng AI

Việc tích hợp AI ngày càng nhiều vào các tác vụ viết mã đang thay đổi cách thức phát triển phần mềm và Khoa học dữ liệu hoạt động.

Các ví dụ nổi bật về công nghệ này, như Copilot của GitHub, chứng minh tiềm năng tự động hóa các tác vụ mã hóa thông thường, cải thiện chất lượng mã và giảm lỗi. Xu hướng này hứa hẹn một sự thúc đẩy đáng kể cho hiệu quả trong lĩnh vực này.

8. Vượt qua những thách thức về dữ liệu với việc tạo dữ liệu tổng hợp

Tạo dữ liệu tổng hợp, bao gồm việc tạo dữ liệu nhân tạo gần giống với dữ liệu thực, cung cấp giải pháp cho những thách thức trong việc thu thập dữ liệu.

Đặc biệt có lợi khi các mối lo ngại về quyền riêng tư hạn chế tính khả dụng của dữ liệu hoặc khi các sự kiện hiếm gặp khó nắm bắt trong quá trình thu thập dữ liệu, việc tạo dữ liệu tổng hợp có khả năng xác định lại cách các nhà khoa học dữ liệu đào tạo mô hình của họ.

Hơn nữa, nó mang lại tiềm năng cho các tình huống thử nghiệm được cải thiện, cho phép đánh giá nghiêm ngặt các mô hình học máy trong các điều kiện khác nhau, do đó nâng cao độ bền và độ tin cậy của chúng.

9. Tăng cường các mô hình với dữ liệu tăng cường

Một xu hướng khác được gọi là data augmentation (dữ liệu tăng cường), bao gồm việc tạo dữ liệu mới bằng cách sửa đổi các bộ dữ liệu hiện có, hứa hẹn to lớn trong việc cải thiện hiệu suất và độ bền của mô hình.

Xu hướng AI mới nổi này đặc biệt có lợi trong các lĩnh vực có dữ liệu hạn chế, chẳng hạn như hình ảnh y tế. Tăng cường dữ liệu dự kiến sẽ trở thành một công cụ thiết yếu cho các nhà khoa học dữ liệu nhằm tạo ra các mô hình chính xác và mạnh mẽ hơn.

10. Ưu tiên quyền riêng tư và hiệu quả với Edge AI

Sự phổ biến của các thiết bị Internet of Things (IoT) đã dẫn đến sự xuất hiện của Edge AI, liên quan đến việc xử lý dữ liệu trực tiếp trên thiết bị thay vì trên đám mây.

Mang lại nhiều lợi ích đáng chú ý về tốc độ, quyền riêng tư và hiệu quả chi phí, Edge AI là một xu hướng quan trọng sẽ ảnh hưởng đến cách thức và vị trí các tác vụ xử lý dữ liệu được thực hiện, khiến các nhà khoa học dữ liệu cần phải chú ý.

11. Tinh chỉnh khả năng hiểu ngôn ngữ của con người với Natural Language Processing (NLP)

Mặc dù NLP không phải là một lĩnh vực mới, nhưng sự phát triển liên tục và sự tinh vi ngày càng tăng của nó khiến nó trở thành một xu hướng quan trọng cần theo dõi.

Những tiến bộ như mô hình máy biến áp và phân tích tình cảm được cải thiện cung cấp cho các nhà khoa học dữ liệu những công cụ mạnh mẽ để hiểu và tạo ra ngôn ngữ của con người, cách mạng hóa việc phân tích và tương tác dữ liệu, đồng thời mở ra những cánh cửa cơ hội mới.

12. Đi tiên phong trong sự phát triển nhanh chóng về trí tuệ nhân tạo cho thị giác máy tính

Computer vision (Thị giác máy tính) đã chứng kiến sự gia tăng mức độ phổ biến trong những năm gần đây và động lực này dự kiến sẽ tiếp tục vào năm 2023 với hàng loạt công nghệ tiên tiến sắp ra mắt. Một trường hợp điển hình là việc phát hành YOLOv8 gần đây, điều này chứng tỏ rằng sự đổi mới trong lĩnh vực này còn lâu mới kết thúc, báo trước một năm tiến bộ và cải tiến liên tục.

Tạo dữ liệu tổng hợp, một cách tiếp cận mà chúng ta đã thảo luận trước đó, đóng một vai trò then chốt trong thị giác máy tính, làm nền tảng cho nhiều tiến bộ trong lĩnh vực này. Sự phát triển nhanh chóng của nó nhấn mạnh tầm quan trọng của nó trong việc tạo ra các bộ dữ liệu đa dạng và phức tạp để đào tạo các mô hình thị giác máy tính ngày càng phức tạp.

Trên đây là những tác động rõ ràng mà AI đã và đang tạo ra tại thời điểm này cho Data Science. Hy vọng bài viết này sẽ giúp các bạn có được những thông tin hữu ích. Đừng quên đón xem các bài viết mới nhất sẽ được cập nhật tại BAC's Blog.

Nguồn tham khảo:
https://www.dataversity.net/

Nhu cầu đào tạo doanh nghiệp

BAC là đơn vị đào tạo BA đầu tiên tại Việt Nam. Đối tác chính thức của IIBA quốc tế. Ngoài các khóa học public, BAC còn có các khóa học in house dành riêng cho từng doanh nghiệp. Chương trình được thiết kế riêng theo yêu cầu của doanh nghiệp, giúp doanh nghiệp giải quyết những khó khăn và tư vấn phát triển.

CÁC KHOÁ HỌC BUSINESS ANALYST BACs.VN DÀNH CHO BẠN

Khoá học Online:

Khoá học Offline:

Tại Tp.HCM:

Tại Hà Nội:

Tham khảo lịch khai giảng TẤT CẢ các khóa học mới nhất

Ban biên tập nội dung - BAC

Click để đọc tiếp

Các Business Analyst cần trau dồi những công nghệ gì trong năm 2025

Đối với sự phát triển nhanh chóng của công nghệ ngày này, việc không ngừng trau dồi và học hỏi là điều bắt buộc mà các Business Analyst phải làm để phát triển hơn trong lĩnh vực phân tích nghiệp vụ. Trong bài viết này, các bạn hãy cùng BAC tìm hiểu các xu hướng và các kỹ năng mới để làm hành trang trên sự nghiệp Business Analyst nhé!
Sự khác biệt giữa UAT và Usability Testing Business Analyst cần lưu ý

UAT và Usability Testing thường được mang lên bàn cân để so sánh nhưng, đây là 2 phương pháp kiểm thử khác nhau. Trong khi Usability Testing đảm bảo sự hài lòng của người dùng thì UAT lại giúp các Business Analyst xác thực chức năng. Cả hai đều là một phần không thể thiếu để cung cấp một sản phẩm chất lượng cao. Hãy cùng BAC tìm hiểu ngay nhé!
API là gì? Khám phá cầu nối giữa các ứng dụng

API là nền tảng quan trọng kết nối các ứng dụng và dịch vụ trong kỷ nguyên số, tạo ra sự linh hoạt, hiệu quả và mở rộng cho các hệ thống. Bài viết sau giới thiệu API, cách hoạt động, các kiểu kiến trúc phổ biến cùng các công cụ kiểm thử API như Postman.
Meta AI là gì và cách sử dụng Meta AI hiệu quả 2025

Meta AI là một công cụ Trí Tuệ Nhân Tạo do chính công ty mẹ của Facebook, Instagram, WhatsApp ra mắt. Đây được xem là một cuộc cách mạng sẽ làm thay đổi cách mà các doanh nghiệp và người dùng sử dụng mạng xã hội.

Bình luận

Nguyễn Thị Mai Bình

Business Analyst

Với một người ngoại đạo như mình thì những chuyên đề về "kỹ thuật" của BA hết sức quan trọng. Ví dụ như sử dụng các diagram để mô hình hóa requirement, viết User Story/Use case, v...v..

Đến với khóa học Fundamental Business Analysis, mình đã được gặp thầy Lộc, một người người rất nhiệt tình và có tâm. Ngoài việc chia sẻ các kinh nghiệm thực tế trên lớp thì thầy còn dành thời gian ra để tư vấn, hỗ trợ, góp ý CV cho mình. Bên cạnh đó trung tâm và anh Phụng cũng hỗ trợ gửi CV, kết nối học viên tới mạng lưới các công ty đối tác chất lượng, điều này giúp học viên như mình tìm được công việc phù hợp nhất. Cảm ơn BAC.
Xem chi tiết +
Phạm Quế

Business Analyst

Khoá học Product Design của BAC đã cung cấp cho tôi nhiều kiến thức và nền tảng vô cùng hữu ích. Giảng viên giảng dạy rất nhiệt tình, truyền cho chúng tôi ngọn lửa đam mê và nhiệt huyết trong ngành. Đồng thời chia sẻ các kiến thức và kỹ năng cần thiết trong bài giảng một cách dễ hiểu hơn. Số lượng học viên không quá nhiều nên chất lượng giảng giạy vô cùng tốt. Giảng viên sửa bài tập 1-1 nên bài giảng sẽ chuyên sâu hơn.
Xem chi tiết +
Nguyễn Văn Long

Chuyên viên về chế độ kế toán & Giải pháp nghiệp vụ Tài chính kế toán trong ứng dụng CNTT - Tập đoàn Điện lực Việt Nam (EVN)

Tôi đã tham gia khóa Phân tích nghiệp vụ phần mềm cơ bản 3.0 tại BAC. Ở đây, tài liệu đào tạo cung cấp nhiều nội dung bổ ích và trình bày dễ hiểu. Giảng viên rất nhiệt tình, ngoài nội dung giảng dạy theo giáo trình còn chia sẻ nhiều kinh nghiệm thực tiễn, các câu hỏi của học viên đều được giải đáp ngay trên lớp và có minh họa từ các dự án trong thực tế. Sau tất cả, tôi cảm ơn BAC và Thầy giáo Thái Sơn.
Xem chi tiết +