Bài Tập Thực Hành Môn Nhập Môn Phân Tích Dữ Liệu và Học Sâu

Chuyên khảo phân tích Bài tập thực hành môn nhập môn phân tích dữ liệu và học sâu, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Phân Tích Dữ Liệu và Học Sâu
• Đề tài: Bài Tập Thực Hành Nhập Môn Phân Tích Dữ Liệu và Học Sâu
• Loại tài liệu: Bài Tập Thực Hành
• Năm xuất bản: 2023
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• 1. LAB 1: TÌM HIỂU NGHIỆP VỤ DỮ LIỆU
• 2. LAB 5: HỌC CÁCH PHÂN TÍCH DỮ LIỆU
• 3. LAB 1: Ự Ữ Ệ
• 4. LAB 2: Ự Ữ Ệ
• 5. LAB 3: Ạ Ữ ỆU CƠ BẢ
• 6. LAB 4: Ự Ẩ Ị Ữ Ệ
• 7. LAB 5: BÀI TẬP TỔNG HỢP

Tóm tắt

I. Hướng Dẫn Bài Tập Phân Tích Dữ Liệu Học Sâu Cho Người Mới

Bắt đầu hành trình chinh phục khoa học dữ liệu cho người mới bắt đầu đòi hỏi sự kết hợp giữa lý thuyết và thực hành. Lý thuyết cung cấp nền tảng kiến thức, nhưng chỉ thông qua bài tập thực hành nhập môn phân tích dữ liệu và học sâu, các kỹ năng mới thực sự được mài giũa. Việc áp dụng kiến thức vào các project phân tích dữ liệu cụ thể giúp củng cố hiểu biết, phát hiện lỗ hổng và xây dựng kinh nghiệm thực chiến. Các bài tập này không chỉ là những dòng code; chúng là kịch bản mô phỏng các vấn đề thực tế, từ việc xử lý dữ liệu thô đến việc xây dựng các mô hình dự báo phức tạp. Mục tiêu cuối cùng là tạo ra một portfolio khoa học dữ liệu ấn tượng, chứng minh năng lực và sự sẵn sàng cho các vị trí công việc. Tài liệu "BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU" nhấn mạnh rằng mỗi buổi thực hành đều có sự hướng dẫn và sinh viên phải có trách nhiệm nghiên cứu, tìm tòi. Đây là nguyên tắc cốt lõi: học đi đôi với hành, lý thuyết gắn liền với các bộ dữ liệu thực hành.

1.1. Chuẩn bị môi trường Nền tảng với Python và Google Colab

Để bắt đầu, việc thiết lập một môi trường làm việc hiệu quả là bước không thể thiếu. Python cho khoa học dữ liệu là ngôn ngữ lập trình thống trị lĩnh vực này nhờ hệ sinh thái thư viện phong phú. Các công cụ như Jupyter Notebook và Google Colab cung cấp một giao diện tương tác, cho phép viết code, hiển thị kết quả và trực quan hóa dữ liệu trong cùng một tài liệu. Môi trường này đặc biệt hữu ích cho việc học và thử nghiệm. Cần cài đặt các thư viện cốt lõi bao gồm thư viện Pandas để thao tác dữ liệu, thư viện NumPy cho tính toán số học, Matplotlib và Seaborn cho trực quan hóa dữ liệu, và các framework học máy như Scikit-learn tutorial cho các mô hình truyền thống, cùng với TensorFlow cơ bản hoặc PyTorch cho người mới bắt đầu cho các tác vụ học sâu.

1.2. Tại sao thực hành là chìa khóa xây dựng portfolio khoa học dữ liệu

Một portfolio khoa học dữ liệu mạnh không chỉ liệt kê các khóa học đã hoàn thành mà phải trình bày các dự án thực tế. Mỗi bài tập thực hành nhập môn phân tích dữ liệu và học sâu hoàn thành là một viên gạch xây dựng nên portfolio đó. Nhà tuyển dụng tìm kiếm ứng viên có khả năng giải quyết vấn đề. Việc thực hành trên các Kaggle projects hoặc các bộ dữ liệu công khai cho thấy khả năng áp dụng kỹ thuật vào các bối cảnh khác nhau. Các dự án này chứng minh sự thành thạo trong việc làm sạch dữ liệu, khám phá insight, xây dựng mô hình và trình bày kết quả. Đây là bằng chứng xác thực nhất về kỹ năng, quan trọng hơn bất kỳ chứng chỉ nào.

II. Vượt Qua Rào Cản Tiền Xử Lý Dữ Liệu Trong Các Bài Tập

Một trong những thách thức lớn nhất khi thực hành là đối mặt với dữ liệu "bẩn". Dữ liệu trong thế giới thực hiếm khi hoàn hảo. Tài liệu gốc đã chỉ ra nhiều vấn đề thường gặp trong LAB 3 như thiếu dòng tiêu đề, nhiều biến lưu ở một cột, đơn vị không nhất quán, dòng trống, dữ liệu trùng lặp và ký tự không phải ASCII. Quá trình tiền xử lý dữ liệu (Data Preprocessing) chiếm phần lớn thời gian trong một dự án. Việc thành thạo các kỹ thuật này là cực kỳ quan trọng. Các bài tập thực hành nhập môn phân tích dữ liệu và học sâu thường bắt đầu với các tác vụ làm sạch cơ bản, ví dụ như xử lý giá trị thiếu trong cột 'Dân tộc' hay 'T1' của bộ dữ liệu điểm thi (LAB 1). Nắm vững các phương pháp này không chỉ giúp hoàn thành bài tập mà còn trang bị kỹ năng thiết yếu để xử lý các vấn đề dữ liệu phức tạp sau này. Đây là giai đoạn nền móng quyết định chất lượng của mọi phân tích và mô hình phía sau.

2.1. Xử lý dữ liệu thiếu Phương pháp Mean và giá trị mặc định

Dữ liệu thiếu (Missing values) là một vấn đề phổ biến. Tài liệu gốc đề cập rõ hai chiến lược xử lý cơ bản trong LAB 1: điền giá trị mặc định (số 0 cho cột 'Dân tộc') và thay thế bằng giá trị trung bình (phương pháp Mean cho cột 'T1'). Lựa chọn phương pháp phụ thuộc vào bản chất của biến số và nghiệp vụ dữ liệu. Ví dụ, với dữ liệu định lượng liên tục như điểm số, việc sử dụng giá trị trung bình (mean) hoặc trung vị (median) thường hợp lý hơn là điền số 0, vì số 0 có thể làm sai lệch phân phối của dữ liệu. Việc thực hành với thư viện Pandas qua các hàm như fillna() là cách tốt nhất để làm quen với các kỹ thuật này.

2.2. Kỹ thuật chuẩn hóa và biến đổi dữ liệu trong bài tập

Ngoài dữ liệu thiếu, việc biến đổi và tạo ra các đặc trưng mới (Feature Engineering) là một phần quan trọng của tiền xử lý dữ liệu. Trong LAB 1, các bài tập yêu cầu tạo biến mới như 'TBM' (điểm trung bình), 'XL' (xếp loại), và 'KQXT' (kết quả xét tuyển). Các thao tác này giúp chuyển đổi dữ liệu thô thành các định dạng hữu ích hơn cho phân tích. Ví dụ, việc tạo biến xếp loại 'Yếu', 'Trung bình', 'Xuất sắc' từ điểm số liên tục giúp đơn giản hóa việc phân nhóm và trực quan hóa dữ liệu. Tương tự, LAB 4 với bộ dữ liệu Titanic yêu cầu tách danh xưng (Mr, Mrs) từ cột tên và tạo biến 'familySize'. Đây là những kỹ năng cốt lõi để khai thác tối đa thông tin từ bộ dữ liệu thực hành.

III. Top Bài Tập Phân Tích Dữ Liệu Khám Phá Và Học Máy Cơ Bản

Sau khi dữ liệu được làm sạch, giai đoạn tiếp theo là phân tích dữ liệu khám phá (EDA) và xây dựng các mô hình học máy cơ bản. EDA là quá trình sử dụng các kỹ thuật thống kê và trực quan hóa dữ liệu để tìm hiểu sâu hơn về bộ dữ liệu, phát hiện các mẫu, điểm bất thường và kiểm tra các giả định. LAB 2 và LAB 5 trong tài liệu gốc là những ví dụ điển hình về EDA, yêu cầu sinh viên tạo các pivot table, vẽ biểu đồ tần số, biểu đồ hộp (boxplot) và biểu đồ phân tán (scatterplot). Quá trình này giúp trả lời các câu hỏi kinh doanh, ví dụ như "Việc bà mẹ hút thuốc có ảnh hưởng đến cân nặng trẻ sơ sinh không?". Từ những insight của EDA, các mô hình học máy cơ bản như hồi quy tuyến tính hay phân loại logistic có thể được xây dựng để đưa ra dự báo. Các bài tập này thường sử dụng thư viện Scikit-learn, một công cụ mạnh mẽ và dễ tiếp cận cho người mới bắt đầu.

3.1. Phân tích dữ liệu khám phá EDA qua trực quan hóa

Trực quan hóa là trái tim của EDA. Thay vì nhìn vào những con số khô khan, biểu đồ giúp câu chuyện của dữ liệu trở nên sống động. LAB 2 yêu cầu "Trực quan hóa dữ liệu theo nhóm phân loại", sử dụng biểu đồ cột để so sánh số lượng học sinh theo xếp loại và giới tính. LAB 5 đi sâu hơn bằng cách sử dụng histogram và boxplot để so sánh phân phối cân nặng của trẻ sơ sinh. Các thư viện như Matplotlib và Seaborn trong Python cho khoa học dữ liệu là công cụ không thể thiếu để tạo ra những biểu đồ chuyên nghiệp, từ đó rút ra các nhận xét quan trọng về dữ liệu. Ví dụ, một biểu đồ boxplot có thể ngay lập tức cho thấy sự khác biệt về giá trị trung vị và sự phân tán giữa hai nhóm.

3.2. Xây dựng mô hình hồi quy tuyến tính đầu tiên với Python

LAB 6 cung cấp một bài tập thực hành kinh điển về hồi quy tuyến tính: dự đoán kích thước giáp cua trước khi lột vỏ dựa vào kích thước sau khi lột vỏ. Bài tập này hướng dẫn toàn bộ quy trình: vẽ biểu đồ phân tán để kiểm tra mối quan hệ, tính hệ số tương quan, xây dựng phương trình hồi quy bằng Scikit-learn hoặc StatsModels, và cuối cùng là kiểm định mô hình. Đây là một bài tập nền tảng, giúp người học hiểu cách lượng hóa mối quan hệ giữa các biến và sử dụng mô hình để dự báo. Việc nắm vững hồi quy tuyến tính mở đường cho việc tìm hiểu các thuật toán học máy cơ bản phức tạp hơn.

IV. Cách Bắt Đầu Bài Tập Thực Hành Học Sâu Với Keras PyTorch

Học sâu (Deep Learning), một nhánh của học máy, đã tạo ra những đột phá trong nhiều lĩnh vực như nhận dạng hình ảnh và xử lý ngôn ngữ tự nhiên (NLP). Để bắt đầu, người học cần làm quen với khái niệm mạng nơ-ron nhân tạo. Các bài tập nhập môn thường tập trung vào việc xây dựng và huấn luyện các mô hình mạng nơ-ron đơn giản để giải quyết các vấn đề cụ thể. LAB 7 trong tài liệu gốc là một ví dụ xuất sắc, hướng dẫn xây dựng mô hình nhận dạng chữ số viết tay trên bộ dữ liệu thực hành MNIST. Các framework hiện đại như Keras tutorial, TensorFlow cơ bản, và PyTorch cho người mới bắt đầu đã đơn giản hóa đáng kể quá trình này, cho phép người học tập trung vào kiến trúc mô hình và quy trình huấn luyện thay vì các chi tiết toán học phức tạp. Thực hành với các bài tập này là cách nhanh nhất để nắm bắt các khái niệm cốt lõi của học sâu.

4.1. Nhận dạng hình ảnh Xây dựng mạng nơ ron với bộ dữ liệu MNIST

Bài toán nhận dạng hình ảnh với MNIST là một "Hello, World!" của học sâu. LAB 7 mô tả chi tiết các bước: tải dữ liệu, tiền xử lý ảnh (chuyển từ ma trận 28x28 thành vector 784 chiều, chuẩn hóa giá trị pixel về khoảng 0-1), xây dựng kiến trúc mạng nơ-ron nhân tạo tuần tự (Sequential model) bằng Keras, biên dịch mô hình với hàm mất mát và trình tối ưu hóa, và cuối cùng là huấn luyện trên dữ liệu. Quá trình này cung cấp một cái nhìn tổng quan nhưng đầy đủ về vòng đời của một dự án học sâu, từ dữ liệu đến mô hình có khả năng dự báo.

4.2. Giới thiệu Xử lý ngôn ngữ tự nhiên NLP cơ bản

Bên cạnh hình ảnh, văn bản là một dạng dữ liệu phi cấu trúc phổ biến khác. LAB 8 giới thiệu về xử lý ngôn ngữ tự nhiên (NLP), sử dụng thư viện NLTK. Các kỹ thuật cơ bản được đề cập bao gồm: phân tích tần suất từ, loại bỏ stopword (những từ phổ biến nhưng ít mang ý nghĩa), và phân tích cảm xúc (Sentiment Analysis). Bài tập phân tích đánh giá phim (movie reviews) để phân loại cảm xúc 'positive' hay 'negative' là một ứng dụng thực tiễn của NLP và kỹ thuật phân loại. Đây là bước đệm quan trọng để khám phá các mô hình NLP phức tạp hơn sau này.

V. Bí Quyết Xây Dựng Portfolio Khoa Học Dữ Liệu Từ Bài Tập

Hoàn thành các bài tập thực hành nhập môn phân tích dữ liệu và học sâu chỉ là bước đầu. Để thực sự tạo ra tác động, cần biến chúng thành các dự án hoàn chỉnh trong portfolio khoa học dữ liệu. Một dự án tốt không chỉ có code, mà còn phải có một câu chuyện rõ ràng: vấn đề là gì, dữ liệu được thu thập và xử lý ra sao, những phân tích nào đã được thực hiện, mô hình nào được xây dựng và kết quả mang lại ý nghĩa gì. Sử dụng Jupyter Notebook hoặc Google Colab để trình bày dự án một cách mạch lạc, kết hợp code, kết quả, biểu đồ và văn bản giải thích. Nền tảng Kaggle là một nguồn tài nguyên vô giá, cung cấp vô số bộ dữ liệu thực hành và các cuộc thi (Kaggle projects), cho phép cọ xát với các vấn đề thực tế và học hỏi từ cộng đồng toàn cầu. Một portfolio được xây dựng từ những dự án như vậy sẽ là minh chứng thuyết phục nhất về năng lực.

5.1. Chuyển đổi bài tập thành project phân tích dữ liệu hoàn chỉnh

Để nâng cấp một bài tập thành một project phân tích dữ liệu, cần bổ sung bối cảnh và mục tiêu. Ví dụ, với bài tập phân tích điểm thi (LAB 1-2), có thể đặt ra câu hỏi: "Yếu tố nào (khu vực, khối thi, giới tính) ảnh hưởng nhiều nhất đến kết quả xét tuyển?". Tài liệu hóa toàn bộ quy trình: từ việc mô tả dữ liệu, các bước tiền xử lý dữ liệu, kết quả của phân tích dữ liệu khám phá (EDA), cho đến việc xây dựng và đánh giá một mô hình dự đoán đơn giản. Trình bày kết quả một cách rõ ràng, sử dụng các biểu đồ trực quan và những kết luận có thể hành động được.

5.2. Sử dụng Kaggle projects để nâng cao kỹ năng thực chiến

Kaggle projects cung cấp một môi trường lý tưởng để áp dụng và mở rộng kiến thức. Tham gia vào một cuộc thi hoặc đơn giản là thực hành trên một bộ dữ liệu phổ biến như Titanic hay Dự đoán giá nhà. Các nền tảng này thường có các "notebook" công khai từ những người dùng khác, cho phép học hỏi các phương pháp tiếp cận và kỹ thuật code mới. Việc giải quyết một vấn đề từ đầu đến cuối trên Kaggle và viết một báo cáo chi tiết về nó là một cách tuyệt vời để bổ sung một dự án chất lượng cao vào portfolio khoa học dữ liệu của mình.

Trích đoạn nội dung tài liệu

BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU  Bài tập được thiết kế theo từng lab, mỗi lab là 3 tiết có sự hướng dẫn của GV.  Cuối mỗi buổi thực hành, sinh viên nộp lại phần bài tập mình đã thực hiện cho GV hướng dẫn.  Những câu hỏi mở rộng/khó giúp sinh viên trau dồi thêm kiến thức của môn học. Sinh viên phải có trách nhiệm nghiên cứu, tìm câu trả lời nếu chưa thực hiện xong trong giờ thực hành.

1 BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU Nội dung LAB 1:. Tìm hiểu nghiệp vụ dữ liệu. Nhập liệu bằng công cụ từ file excel. Xác định dữ liệu định tính và định lượng.

Hiệu chỉnh các thang đo phù hợp và kiểu giá trị dữ liệu cho từng biến số. Hiệu chỉnh dữ liệu và xử lý dữ liệu thiếu. Chuyển đổi (transformation) dữ liệu theo khoảng cho trước. Tạo biến số phụ thuộc theo biến độc lập.

Tạo biến định tính phân loại. Trình bày dữ liệu cơ bản. Trực quan hóa dữ liệu cơ bản. Thiếu dòng tiêu đề ở file csv.

Nhiều biến lưu ở một cột. Dữ liệu cột chứa các giá trị đơn vị không nhất quán. Dữ liệu có một dòng trống. Dữ liệu có các dòng trùng lặp.

Các ký tự không phải ASCII. Giá trị bị mất. Tiêu đề cột là giá trị chứ không phải tên biến. Exploration Data Analysis (EDA).

Kỹ thuật function chain trong Pandas – pipe(). 12 2 BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU LAB 5:. Học cách phân tích dữ liệu thông qua các giá trị tóm tắt dữ liệu và qua biểu diễn hình học của dữ liệu. So sánh hai tập dữ liệu.

Vẽ đồ thị phân tán (scatter plot) thể hiện mối tương quan giữa 2 đại lượng. Tính hệ số tương quan giữa 2 đại lượng. Xây dựng phương trình hồi quy tuyến tính. Kiểm định phương trình hồi quy tuyến tính.

Tính khoảng sai số khi dự đoán các đại lượng. Xác định và xử lý các giá trị có ảnh hưởng đến phương trình hồi quy. Dựa vào phương trình hồi quy đã xây dựng để dự báo. Mô tả dữ liệu MNIST cho bài toán nhận dạng chữ viết tay.

Quá trình học và dự báo. Giới thiệu về thư viện NLTK. Tìm 1 từ với NLTK. Phân tích tần số của các từ.

Lựa chọn các từ trong văn bản. Bigrams và collocations. Sử dụng văn bản trên mạng. Rút trích văn bản từ trang html.

Phân tích cảm xúc người dùng. Bài tập áp dụng. 47 3 BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU LAB 1: Ự Ữ Ệ Nội dung: Thao tác dữ liệu điểm thi đại học của học sinh được cho bởi bảng bên dưới Mục tiêu: Sinh viên đạt được kiến thức sau ể ệ ụ ữ ệ ậ ệ ằ ụ ừ Xác đị ữ ệu định tính và định lượ ệ ỉnh các thang đo phù hợ ể ị ữ ệ ừ ế ố ệ ỉ ữ ệ ử ữ ệ ế ển đổ ữ ệ ảng cho trướ ạ ế ố ụ ộ ến độ ậ ạ ến đị ạ Dữ liệu được mô tả như sau Dữ liệu lưu trữ điểm trung bình môn, khu vực, khối thi và điểm thi đại học của 100 học sinh. T1, L1, H1, S1, V1, X1, D1, N1 lần lượt là điểm trung bình các môn Toán, Lý ,Hóa, Sinh, Văn, Sử, Địa, Ngoại ngữ năm lớp 10 T2, L2, H2, S2, V2, X2, D2, N2 lần lượt là điểm trung bình các môn Toán, Lý , Sinh, Văn, Sử, Địa, Ngoại ngữ năm lớp 11 T6, L6, H6, S6, V6, X6, D6, N6 lần lượt là điểm trung bình các môn Toán, Lý ,Hóa, Sinh, Văn, Sử, Địa, Ngoại ngữ năm lớp 12 GT: Giới tính DT: Dân tộc KV, KT lần lượt là khu vực thi và khối thi DH1, DH2, DH3 lần lượt là điểm thi đại học môn 1, môn 2, môn 3 Sử dụng Pandas để thực hiện các yêu cầu sau đây Xác định và phân loại dữ liệu định tính và định lượng Định nghĩa các thang đo phù hợp cho từng biến số Sử dụng Python để tải dữ liệu lên chương trình và in ra màn hình 10 dòng đầu tiên và 10 dòng cuối cùng Thống kê dữ liệu thiếu cho cột dân tộc và hiệu chỉnh dữ liệu thiếu như sau: Mặc định thiếu thì điền giá trị 0.

Lập bảng tần số, tần suất để khảo sát dữ liệu thiếu, bao nhiêu dữ liệu riêng biệt (pand 2. Thực hiện thay thế dữ liệu thiếu bằng phương pháp điền dữ liệu 0 Thống kê dữ liệu thiếu cho biến T1 và hiệu chỉnh dữ liệu, lưu ý việc thay thế dữ liệu thiếu sử dụng phương pháp Mean. Lập bảng tần số, tần suất để khảo sát dữ liệu thiếu 2. Thực hiện thay thế dữ liệu thiếu bằng phương pháp Mean 4 BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU Hãy thực hiện xử lý lần lượt tất cả dữ liệu thiếu cho các biến về điểm số còn lại.

Tạo các biến TBM1, TBM2, TBM3 tương ứng với trung bình môn của các năm lớp 10, 11 và  Công thức tính: T Tạo các biến xếp loại XL1, XL2 và XL3 dựa trên TBM1,TBM2 và TBM3 cho từng năm lớp 10, 11, 12 như sau:  Nhỏ hơn 5.0 xếp loại: yếu (kí hiệu là Y)  Từ 5.5: trung bình (kí hiệu là TB)  Từ 6.0 trở lên: xuất sắc (kí hiệu là XS) Tạo các biến US_TBM1, US_TBM2 và US_TBM3 để chuyển điểm trung bình các năm lớp 10, 11 và 12 từ thang điểm 10 của Việt Nam sang thang điểm 4 của Mỹ. Sử dụng phương Tạo biến kết quả xét tuyển (kí hiệu là KQXT) nhằm xác định sinh viên đậu (giá trị ―1‖) và rớt ( giá trị ―0‖) vào các khối dựa trên điểm DH1, DH2 và DH3 như sau  Với khối A, A1 nếu [(DH1*2 + DH2 + DH3)/4] lớn hơn hoặc bằng 5.0 thì đậu, ngược lại là rớt  Với khối B nếu [(DH1 + DH2*2 + DH3)/4] lớn hơn hoặc bằng 5.0 thì đậu, ngược lại là rớt  Với khối khác nếu [(DH1+ DH2 + DH3)/3] lớn hơn hoặc bằng 5.0 thì đậu, ngược lại là rớt Lưu trữ dữ liệu xuống ổ đĩa thành file LAB 2: Ự Ữ Ệ Nội dung: Trực quan hóa dữ liệu điểm thi đã được xử lý Mục tiêu: Sinh viên đạt được kiến thức sau. ữ ệu cơ bả ự ữ ệu cơ bả ần 1: Thống kê dữ liệu Hãy sắp xếp dữ liệu điểm DH1 theo thứ tự tăng dần Hãy sắp xếp dữ liệu điểm DH2 tăng dần theo nhóm giới tính Hãy tạo pivot table để thống kê các giá trị count, Q2 và Q3 của DH1 theo KT Hãy tạo pi table để thống kê các giá trị count, Q2 và Q3 của DH1 theo KT và KV Hãy tạo pivot table để thống kê các giá trị count, Q2 và Q3 của DH1 theo KT, KV và DT Phần 2: Trình bày dữ liệu 5 BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU Hãy trình bày dữ liệu biến: GT Gợi ý Lập bảng tần số và tần suất Vẽ biểu đồ tần số (cột), biểu đồ tần suất (tròn) Hãy trình bày dữ liệu lần lượt các biến: Hãy trình bày dữ liệu biến DT với các học sinh là nam dữ liệu biến KV với các học sinh là nam thuộc dân tộc Kinh, có điểm thỏ mãn điều kiện (DH1 >= 5.0) Hãy trình bày dữ liệu lần lượt các biến DH1, DH2, DH3 lớn hơn bằng 5.0 và thuộc khu vực 2NT Phần 3: Trực quan hóa dữ liệu theo nhóm phân loại Trực quan dữ liệu học sinh nữ trên các nhóm XL1, XL2, XL3 dạng unstacked Gợi ý Lọc dữ liệu giới tính là nữ Oy: Chiều cao biểu đồ cột thể hiển số lượng học sinh theo xếp loại Màu sắc thể hiện giá trị xếp loại: [Y, TB, K, G, XS] Ox: thể hiện nh Trực quan dữ liệu KQXT trên nhóm học sinh có khối thi A, A1, B thuộc khu vực 1, 2 Trực quan dữ liệu số lượng thí sinh từng khu vực dựa trên từng nhóm khối thi Trực quan dữ liệu số lượng thí sinh đậu, rớt trên từng nhóm khối thi Trực quan dữ liệu số lượng thí sinh đậu rớt trên từng nhóm khu vực. Trực quan dữ liệu số lượng thí sinh đậu rớt dựa trên từng nhóm dân tộc Trực quan dữ liệu số lượng thí sinh đậu rớt dựa trên từng nhóm giới tính.

Phần 4: Trực quan hóa dữ liệu nâng cao Vẽ biểu đồ đường Simple cho biến T1 Kết quả Hãy tạo biến phân loại (phanlopt1) cho môn toán (T1) như sau: Từ 0 đến dưới 5 = kém (ký hiệu ―k‖) Từ 5 đến dưới 7 = trung bình (ký hiệu ―tb‖) Từ 7 đến dưới 8 = khá (ký hiệu ―k‖) Từ 8 trở lên = giỏi (ký hiệu ―g‖) 6 BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU Lập bảng tần số cho biến phanloait1 Vẽ biểu đồ đường Multiple Line cho biến T1 được phân loại bởi biến phanlopt1 Kết quả Vẽ biểu đồ Drop line cho biến T1 được phân loại bởi biến phanlopt1 Kết quả Phần 5: Mô tả dữ liệu và khảo sát dạng phân phối Hãy mô tả và khảo sát phân phối cho biến T1 Gợi ý Mô tả độ tập trung và phân tán của dữ liệu T1 Vẽ biểu đồ Box Plot và xác định các 10 đại lượng trong biểu đồ đó Mô tả hình dáng lệch của phân phối T1 dựa vào các đại lượng hướng tâm Vẽ biểu đồ Histogram biểu thị hình dáng phân phối Mô tả các đặc trưng của phân phối, mức độ lệch và mức độ nhọn 7 BÀI TẬP THỰC HÀNH MÔN NHẬP MÔN PHÂN TÍCH DỮ LIỆU VÀ HỌC SÂU Kiểm chứng phân phối chuẩn QQ Nhận xét và đánh giá về phân phối của T1 Hãy mô tả và khảo sát phân phối cho biến T1 trên từng nhóm phân lớp (phanlopT1) Gợi ý Trực quan hóa biểu đồ plot theo phân nhóm là giá trị của ‗phanlopT1‘.