#class_name { color: red; }

.class_name { color: red; }

class_name { color: red; }

:class_name { color: red; }

#

.

@

&

#id_name { color: blue; }

.id_name { color: blue; }

id_name { color: blue; }

:id_name { color: blue; }

Xác định kiểu trình bày đường viền bao quanh

Xác định kích thước vùng đệm

Xác định chiều rộng vùng nội dung

Xác định chiều cao vùng nội dung

Xác định chiều rộng vùng nội dung

Xác định kích thước vùng đệm

Xác định kiểu trình bày đường viền bao quanh

Xác định chiều cao vùng nội dung

Kích thước vùng đệm là 50 pixel

Kích thước vùng nội dung là 50 pixel

Kích thước vùng lề là 50 pixel

Chiều cao vùng nội dung là 50 pixel

Kích thước vùng lề của đoạn văn là 30 pixel

Khoảng cách giữa vùng nội dung và đường viền là 30 pixel, đường viền có kiểu liền nét

Đoạn văn sẽ được căn giữa trên trang

Đường viền của đoạn văn sẽ có màu đỏ

Lập trình phần mềm

Sửa chữa, cài đặt và bảo trì thiết bị máy tính

Kiểm thử phần mềm

Quản lý cơ sở dữ liệu

Thiết kế giao diện website

Đảm bảo an toàn dữ liệu, bảo mật thông tin

Xây dựng phần mềm ứng dụng

Lập trình game

Kỹ sư phần mềm

Kỹ sư an toàn thông tin

Quản trị viên hệ thống

Nhân viên hỗ trợ kỹ thuật

Nhà thiết kế đồ họa

Nhà phát triển trang web

Kỹ sư an toàn thông tin

Kỹ sư trí tuệ nhân tạo

Kỹ sư GIS

Kỹ sư điện toán đám mây

Nhà thiết kế UX/UI

Kiểm thử viên phần mềm

Phương pháp truyền dữ liệu qua sóng điện từ

Phương pháp truyền dữ liệu qua dây cáp hoặc thiết bị truyền dẫn

Phương pháp truyền dữ liệu qua vệ tinh

Phương pháp truyền dữ liệu qua Bluetooth

Dây cáp đồng

Dây cáp quang

Sóng điện từ

Cáp đồng trục

Không cần sử dụng dây cáp

Không bao giờ bị nhiễu sóng

Tốc độ luôn nhanh hơn hữu tuyến

Chỉ có thể sử dụng trong mạng viễn thông

Router

Modem

Switch

Server

Kết nối các mạng LAN với nhau

Cung cấp kết nối Internet từ nhà cung cấp dịch vụ

Xây dựng bảng định tuyến để truyền dữ liệu

Tạo điểm truy cập không dây

Router

Switch

Modem

Access Point

Gõ văn bản bằng bàn phím

Sao chép dữ liệu từ USB

Lọc thư rác, chẩn đoán bệnh, phân tích thị trường, nhận dạng tiếng nói và chữ viết, dịch tự động

Cài đặt phần mềm cho máy tính

Soạn thảo văn bản thủ công

Lọc thư rác trong hộp thư điện tử

Sử dụng máy tính bỏ túi để tính toán

In tài liệu bằng máy in

Giao thuốc cho bệnh nhân

Phân phối tài liệu y tế

Chẩn đoán bệnh từ hình ảnh hoặc dữ liệu y tế

Quản lý hồ sơ nhân viên

Lưu trữ từ vựng trong sách giáo khoa

Tạo bài tập ngữ pháp thủ công

Dịch tự động giữa các ngôn ngữ khác nhau

Sắp xếp trang sách theo thứ tự

Vẽ tranh

Phân tích thị trường chứng khoán

Lắp ráp máy móc

Giao tiếp cơ bản hàng ngày

Tự động phát hiện mối quan hệ trong dữ liệu.

Xây dựng hệ điều hành mới.

Tạo ra các phần mềm diệt virus.

Quản lý cơ sở dữ liệu.

Chuẩn bị dữ liệu.

Đánh giá mô hình.

Thu thập dữ liệu.

Triển khai ứng dụng mô hình.

Các mẫu dữ liệu được gán với nhãn đầu ra tương ứng.

Các dữ liệu không có nhãn.

Dữ liệu chỉ chứa thuộc tính đặc trưng.

Dữ liệu không cần chuẩn bị trước.

Phân loại thư rác.

Phân cụm dữ liệu khách hàng.

Phân tích thị trường chứng khoán.

Dự đoán giá cổ phiếu.

Không có nhãn.

Được gán nhãn với đầu ra cụ thể.

Chỉ chứa các thuộc tính đặc trưng của đối tượng.

Dữ liệu được chuẩn bị trước và có cấu trúc.

Phân cụm dữ liệu khách hàng.

Dự đoán giá nhà dựa trên dữ liệu lịch sử.

Phân tích văn bản để tìm các chủ đề.

Xác định spam trong email.

Phân tích triệu chứng và kết quả xét nghiệm để dự đoán bệnh.

Viết đơn thuốc cho bệnh nhân.

Điều chỉnh máy móc y tế.

Tổ chức lịch làm việc của bác sĩ.

Xây dựng chiến lược tiếp thị hiệu quả.

Đánh giá hiệu suất nhân viên.

Quản lý kho hàng.

Tổ chức các sự kiện quảng cáo.

Thu thập và chuẩn bị dữ liệu chứa các mẫu cần thiết cho bài toán cần giải quyết.

Sử dụng các thuật toán để trích xuất các đặc trưng từ dữ liệu đã thu thập.

Mô hình học máy “học” các tri thức từ các đặc trưng của dữ liệu.

Sử dụng phần dữ liệu kiểm tra để đánh giá hiệu suất của mô hình.

Máy tính có thể thực hiện được mọi nhiệm vụ con người giao.

Máy tính có thể hỗ trợ con người thực hiện công việc.

Máy tính có thể thực hiện mọi nhiệm vụ nguy hiểm hay cho con người.

Máy tính có thể giải quyết tốt các nhiệm vụ hơn con người.

Giúp máy tính thực hiện các nhiệm vụ để hỗ trợ công việc của con người trong nhiều lĩnh vực.

Giúp con người học hỏi nhanh hơn và hiệu quả hơn trong lĩnh vực khoa học.

Tạo ra cảm xúc thực sự cho máy tính.

Thay thế con người.

Dự đoán kết quả dựa trên dữ liệu hiện tại.

Phân loại các đối tượng vào các lớp khác nhau.

Phân tích các thông số tiêu dùng, diễn biến thị trường.

Mở rộng kết nối không dây.

Sử dụng các thuật toán để trích xuất các đặc trưng từ dữ liệu đã thu thập.

Triển khai mô hình học máy.

Thu thập và chuẩn bị dữ liệu chứa các mẫu cần thiết cho bài toán cần giải quyết.

Sử dụng dữ liệu kiểm tra để đánh giá hiệu suất của mô hình.

Đọc hiểu nội dung văn bản.

Phân loại, nhận dạng văn bản.

Phân loại, nhận dạng video.

Phân loại, nhận dạng âm thanh.

Dữ liệu có nhãn.

Dữ liệu không có nhãn.

Dữ liệu lưu trữ trong hộp thư.

Dữ liệu lưu trữ trong máy tính người dùng.

Tự động hóa sản xuất

Lưu trữ thông tin y tế

Hỗ trợ ra quyết định dựa trên dữ liệu

Tăng tốc độ kết nối mạng y tế

Một lĩnh vực chỉ sử dụng toán học để phân tích dữ liệu.

Một lĩnh vực nghiên cứu các ứng dụng của máy tính trong lĩnh vực nghệ thuật.

Một lĩnh vực liên ngành kết hợp toán học, thống kê và khoa học máy tính để phân tích và trực quan hóa dữ liệu.

Một lĩnh vực nghiên cứu về cách thức hoạt động của các thiết bị điện tử.

Tạo ra phần mềm mới

Khai thác thông tin từ dữ liệu để hỗ trợ ra quyết định

Lưu trữ dữ liệu vào kho dữ liệu

Tăng tốc độ mạng Internet

Xác định vấn đề

Thu thập dữ liệu

Thực hiện quảng cáo

Đánh giá và giải thích

Phát triển công cụ vẽ hình kỹ thuật

Tạo ra các bộ vi xử lý mới

Gợi ý sản phẩm phù hợp cho người dùng trên các trang thương mại điện tử

Nâng cấp hệ điều hành máy tính

Dự án Bộ gen người HGP

Phát triển trí tuệ nhân tạo với các trợ lý ảo

Nghiên cứu và phát triển các phương pháp dạy học truyền thống

Phát hiện gian lận tron

Dự án Bộ gen người HGP

Phát triển trí tuệ nhân tạo với các trợ lý ảo

Nghiên cứu và phát triển các phương pháp dạy học truyền thống

Phát hiện gian lận trong giao dịch tài chính

Triển khai mô hình học máy

Tăng cường đội ngũ nhân viên kiểm tra

Sử dụng phần mềm chống virus mới

Cải thiện giao diện người dùng

Phát triển các phần mềm để phân tích dữ liệu.

Nghiên cứu các kĩ thuật lưu trữ dữ liệu có dung lượng lớn.

Khám phá tri thức và trích xuất thông tin hữu ích từ dữ liệu.

Thiết kế hệ thống mạng máy tính để chia sẻ dữ liệu.

Thu thập dữ liệu.

Xác định vấn đề.

Chuẩn bị dữ liệu.

Đánh giá.

Cảm xúc của con người.

Hành động của con người.

Dữ liệu mẫu và mối liên hệ.

Nguyên lí kinh tế.

Thay thế con người trong việc ra quyết định.

Khám phá các mẫu dữ liệu, quy luật ẩn trong dữ liệu.

Phân tích các đặc điểm, thuộc tính, quan hệ giữa các thành phần dữ liệu.

Biểu diễn dữ liệu thông qua đồ hoạ, biểu đồ, hình ảnh.

Thu thập và lưu trữ dữ liệu.

Xử lí và phân tích dữ liệu.

Trích rút tri thức từ dữ liệu.

Ứng dụng tri thức vào thực tiễn.

Nâng cao hiệu quả ra quyết định.

Giảm thiểu rủi ro và tổn thất.

Tiết kiệm thời gian và chi phí.

Truy xuất dữ liệu riêng tư.

Máy tính chỉ dùng để lưu trữ dữ liệu lớn chứ không phân tích được.

Máy tính không thể xử lý nhiều dữ liệu nếu không có sự can thiệp của con người.

Việc sử dụng máy tính và thuật toán hiệu quả giúp xử lý dữ liệu lớn nhanh chóng và chính xác.

Tốc độ xử lý không quan trọng bằng việc có nhiều dữ liệu.

Viết đơn thuốc bằng tay

Lưu trữ hồ sơ bệnh án trên giấy

Phát hiện bệnh từ hình ảnh X-quang bằng mô hình học máy

Xây dựng phòng khám mới

Dữ liệu từ cảm biến nhiệt độ

Dữ liệu vệ tinh từ hệ thống của Google

Dữ liệu từ cảm biến âm thanh dưới nước

Dữ liệu từ camera theo dõi

Tập hợp dữ liệu được viết bằng chữ in hoa

Dữ liệu được lưu trong các thiết bị di động

Tập hợp dữ liệu có khối lượng rất lớn, đa dạng và được tạo ra với tốc độ cao

Dữ liệu chứa nhiều hình ảnh và âm thanh

Tốc độ (Velocity)

Tính đa dạng (Variety)

Dung lượng pin thiết bị lưu trữ

Kh

Tốc độ (Velocity)

Tính đa dạng (Variety)

Dung lượng pin thiết bị lưu trữ

Khối lượng (Volume)

Viết bài văn ngắn bằng tay

Ghi chép thông tin học sinh vào sổ

Hệ thống mạng xã hội xử lý hàng triệu bài đăng mỗi ngày

Tạo bảng điểm cho một lớp học

Độ tin cậy của dữ liệu

Tốc độ tạo ra và xử lý dữ liệu

Tính đa dạng của dữ liệu

Giá trị của dữ liệu

Khối lượng của dữ liệu

Tốc độ xử lý dữ liệu

Nhiều loại dữ liệu khác nhau như văn bản, hình ảnh, âm thanh

Độ tin cậy của dữ liệu

Là những dữ liệu mà các công cụ truyền thống có thể lưu trữ và xử lí một cách hiệu quả

Là những dữ liệu mà các công cụ truyền thống khó có thể lưu trữ và xử lí một cách hiệu quả

Là những dữ liệu mà các công cụ hiện đại khó có thể lưu trữ và xử lí một cách hiệu quả

Là những dữ liệu mà các công cụ công nghệ mới khó có thể lưu trữ và xử lí một cách hiệu quả

Là quá trình kiểm tra dữ liệu với mục đích tìm ra các thông tin hữu ích từ dữ liệu để đưa ra kết luận hoặc dự đoán.

Là quá trình kiểm tra, làm sạch, chuyển đổi và lập mô hình dữ liệu với mục đích tìm ra các thông tin hữu ích từ dữ liệu để đưa ra kết luận hoặc dự đoán.

Là quá trình làm sạch dữ liệu với mục đích tìm ra các thông tin hữu ích từ dữ liệu để đưa ra kết luận hoặc dự đoán.

Là quá trình lập mô hình dữ liệu với mục đích tìm ra các thông tin hữu ích

Phân tích dự đoán

Phân tích dự án

Phân tích giai đoạn

Phân tích mô tả

Sơ đồ, biểu đồ, đồ thị.

Hình ảnh

Sơ đồ hình học

Văn bản

Đưa ra quyết định về vấn đề cần giải quyết

Đưa ra kết quả của vấn đề cần giải quyết

Đưa ra dự đoán (dự báo) hoặc phân loại dữ liệu mới.

Giúp người sử dụng dễ nhận ra các mẫu hoặc xu hướng, có cái nhìn rõ ràng, tổng thể về vấn đề cần giải quyết.

Chỉ lưu trữ dữ liệu

Chỉ tạo ra dữ liệu

Xử lý và phân tích dữ liệu hiệu quả

Chỉ hiển thị dữ liệu

Dự đoán xu hướng tương lai

Tìm ra thông tin mới

Tóm tắt dữ liệu quá khứ và trình bày trực quan

Tạo ra dữ liệu mới

Dữ liệu có cấu trúc

Dữ liệu phi cấu trúc

Dữ liệu số

Dữ liệu văn bản

Một máy tính đơn lẻ với hiệu năng cao

Tập hợp nhiều máy tính hoạt động như một máy tính duy nhất

Một loại siêu máy tính

Máy tính dùng cho việc lập trình

Giảm khối lượng dữ liệu

Tăng tính đa dạng của dữ liệu

Thực hiện nhiều phép tính đồng thời

Cải thiện tính xác thực của dữ liệu

Nhận dạng giọng nói là một trong những ứng dụng phổ biến của Học máy.

Các mô hình học máy có thể nhận dạng được phương ngữ nhưng không nhận dạng được các giọng điệu ngữ điệu khác nhau.

Các hệ thống nhận dạng giọng nói thông qua việc phân tích một lượng lớn dữ liệu để hiểu rõ bối cảnh của cuộc hội thoại.

Mô hình học máy có thể nhận dạng được phương ngữ và giọng điệu của người nói, cho phép hệ thống nhận dạng giọng nói hiểu nhiều ngôn ngữ và phương ngữ.

Dữ liệu phản hồi chính xác của người dùng khi xếp hạng chất lượng bản dịch là yếu tố hỗ trợ mô hình học máy cải thiện độ chính xác.

Ứng dụng dịch tự động có thể giúp giảm thời gian, chi phí khi cần dịch văn bản.

Mô hình Học máy trong dịch tự động chỉ cần một lượng nhỏ dữ liệu đầu vào vẫn có thể cho kết quả dịch tốt.

Mặc dù ứng dụng dịch tự động có thể tạo ra kết quả dịch tương đối chính xác, nhưng vẫn cần sự can thiệp của con người để phản ánh sắc thái ngôn ngữ.

Mô hình học máy có khả năng dự đoán xu hướng và hành vi của người tiêu dùng.

Mô hình học máy có thể dự đoán chính xác 100% xu hướng thị trường.

Mô hình học máy có thể giúp các tổ chức biết được phản ứng của thị trường để đưa ra quyết định hợp lý.

Mô hình học máy có thể giúp phân loại phản hồi của khách hàng về chất lượng sản phẩm.

Khối lượng (Volume) của dữ liệu thường nhỏ, dễ dàng quản lý.

Tốc độ (Velocity) của dữ liệu tạo ra nhanh chóng và cần xử lý theo thời gian thực.

Tính đa dạng (Variety) của dữ liệu bao gồm các loại dữ liệu như văn bản, hình ảnh, và âm thanh.

Tính xác thực (Veracity) liên quan đến độ tin cậy và chính xác của dữ liệu.

Máy tính có thể lưu trữ và xử lý khối lượng lớn dữ liệu, hỗ trợ đắc lực cho Khoa học dữ liệu hiện đại.

Máy tính chỉ cần cấu hình mạnh là có thể tự động đưa ra quyết định mà không cần đến thuật toán.

Sử dụng thuật toán phù hợp giúp xử lý dữ liệu hiệu quả hơn về thời gian và tài nguyên.

Trong thực tế, các tổ chức lớn như Google.

Tính đa dạng (Variety) của dữ liệu thể hiện qua việc hệ thống phải xử lý nhiều ngôn ngữ, giọng điệu, và cách nói khác nhau.

Do dữ liệu được thu thập từ người dùng toàn cầu, nên không cần kiểm tra tính chính xác và đáng tin cậy của dữ liệu đầu vào.

Các thuật toán học sâu (Deep Learning) có thể giúp trợ lý ảo hiểu được ngữ cảnh của câu nói thay vì chỉ nhận diện từng từ riêng lẻ.

Hệ thống cần xử lý dữ liệu với tốc độ cao để đưa ra phản hồi ngay lập tức, thể hiện tốc độ (Velocity) của dữ liệu lớn.

Dữ liệu tài chính có tính tốc độ (Velocity) cao vì giá cổ phiếu thay đổi liên tục theo thời gian.

Dữ liệu tài chính không cần phải được phân tích thường xuyên.

Các thuật toán phân tích dữ liệu không thể dự đoán được biến động giá cổ phiếu.

Dữ liệu tài chính chỉ cần được thu thập từ một nguồn duy nhất.

Khoa học dữ liệu chỉ liên quan đến toán học và thống kê, không bao gồm khoa học máy tính.

Một trong những mục tiêu chính của khoa học dữ liệu là phát hiện tri thức từ dữ liệu và phát triển kiến thức mới.

Trong các giai đoạn của dự án khoa học dữ liệu, việc ra quyết định và triển khai không cần dựa vào kết quả phân tích dữ liệu.

Để tối ưu hóa quyết định, khoa học dữ liệu sử dụng thuật toán tối ưu hóa và điều chỉnh quyết định dựa trên dữ liệu.

Máy tính đóng vai trò quan trọng trong việc xử lí và phân tích dữ liệu lớn trong Khoa học dữ liệu.

Học máy có thể được sử dụng để dự đoán xu hướng thị trường chứng khoán.

Một ví dụ về ứng dụng của học máy là hệ thống đề xuất sản phẩm trên các trang thương mại điện tử.

Học máy không thể được sử dụng để phát hiện bệnh từ hình ảnh y tế.