Thứ Tư, Tháng Mười Hai 1, 2021
inss
HomeMarketingData VisualizationBẠN ĐÃ BIẾT HẾT CÁC CÔNG VIỆC TRONG NGÀNH DATA SCIENCE? (Phần...

BẠN ĐÃ BIẾT HẾT CÁC CÔNG VIỆC TRONG NGÀNH DATA SCIENCE? (Phần 2)

Tiếp nối phần 1, mình xin tổng hợp chia sẻ về các nhiệm vụ chuyên môn hoá trong mảng Trí tuệ nhân tạo (AI), cụ thể là các ứng dụng của AI trong từng ngành nghề như Y tế, Banking, Finances, Marketing, E-Commerce, Giao thông vận tải,… và chức năng công việc bạn có thể ứng tuyển trong tương lai.

Trong khi các công ty hoàn toàn có thể tìm kiếm chuyên viên tổng hợp dữ liệu (Data GeneralistsMr.Do Everything) có thể làm mọi vị trí liên quan đến dữ liệu thì nhiều tổ chức hiện đang tìm kiếm các chuyên gia dữ liệu chuyên sâu để hoàn thiện đội nhóm của mình, nơi mỗi thành viên của nhóm có kiến ​​thức nền tảng chuyên môn thay vì biết tất cả.

Xu hướng chuyên môn hóa ngày càng gia tăng vì khi đó các công ty có thể thực sự tập trung vào các trường hợp sử dụng cụ thể cho Khoa học dữ liệu có liên quan đến doanh nghiệp của mình.

Bài viết này sẽ giải thích hai ứng dụng chuyên môn đã chứng kiến ​​sự gia tăng nhu cầu tuyển dụng trong các vị trí, cụ thể là là Trí tuệ nhân tạo (AI), bao gồm Học máy (Machine learning), Thị giác máy tính (Computer vision) và Hình ảnh (Imaging), Lập trình ngôn ngữ tư duy (NLP) và Internet of Things (IoT).

1. Trí tuệ nhân tạo (Artificial Intelligence)

Trí tuệ nhân tạo (AI) ngày nay được phổ biến rộng rãi, và trở thành chủ đề thảo luận của nhiều chuyên gia và sinh viên muốn xây dựng sự nghiệp thành công, của các công ty muốn tận dụng AI để tăng tỷ suất lợi nhuận trong kinh doanh, của các cơ quan và tổ chức phi lợi nhuận đang cố gắng cải thiện chất lượng sống của người dân bằng mô hình thành phố thông minh.

Trong khi AI đang thắng thế trong các cuộc trò chuyện gần đây, nhiều người đang bàn luận về AI vẫn không thực sự hiểu AI là gì.

Cụm từ Trí tuệ nhân tạo trong hình dung của đại chúng dường như gợi lên hình ảnh một con robot AI thống trị thế giới, điều khiển loài người, nhưng ý nghĩa của AI có thể còn đơn giản hơn những gì chúng ta nghĩ.

Trí tuệ nhân tạo được định nghĩa là tất cả phương tiện có thể giúp máy móc thực hiện các nhiệm vụ đặc trưng mô phỏng trí thông minh của con người, chẳng hạn như hoạt động học hỏi từ quá khứ, hiểu ngôn ngữ, nhìn và nhận dạng các vật thể và hình ảnh.

Trong những bộ phim như The Terminator, The Matrix, and Ex Machina, giấc mơ của con người là hình ảnh AI được “đóng gói hoàn hảo” như “robot giống con người“.

Tuy nhiên, trong thực tế, công dụng và ý nghĩa thực sự của AI được sử dụng phổ biến, dễ hiểu hơn và được chia thành các lĩnh vực riêng biệt thú vị.

Trí tuệ nhân tạo có thể được chia thành các nhiệm vụ riêng lẻ “giống như con người”, có thể kể đến những nhiệm vụ đề cập dưới đây:

  • Nhiệm vụ học từ quá khứ gọi là Học máy (Machine Learning)
  • Nhiệm vụ nhìn và nhận biết các đối tượng và hình ảnh gọi là Thị giác Máy tính (Computer Vision).
  • Nhiệm vụ hiểu ngôn ngữ là Xử lý ngôn ngữ tự nhiên (Natural Language Processing)
  • Nhiệm vụ trải nghiệm thế giới vật chất là Internet of Things (IoT)

Tất nhiên, ngoài các ứng dụng trên, AI còn có rất nhiều ứng dụng khác như nhận dạng giọng nói, lập kế hoạch hoặc robot. Trong số đó, 4 ứng dụng kể trên có nhu cầu nhân lực lao động ngày càng tăng.

Mặc dù chỉ có một nhóm rất nhỏ những người làm AI là chuyên gia trong tất cả các lĩnh vực, người lao động không cần thiết phải cố gắng giống họ, quan trọng là sự chuyên môn hóa trong một lĩnh vực sẽ đưa bạn đến vị thế ưu tú.

Sau đây sẽ là những mô tả cụ thể các ứng dụng kể trên:

1.1 Học máy (ML): Học hỏi từ quá khứ

Học máy là ứng dụng của AI cho phép máy tính học theo một cách cụ thể – Đó là nhận dạng mẫu. Những mẫu này được tìm thấy trong Dữ liệu.

Máy (Machine) = Máy hoặc máy tính của bạn

Học tập (Learning) = Tìm kiếm các mẫu trong dữ liệu

Ứng dụng phổ biến của học máy:

Mạng xã hội:

Dòng thời gian được quản lý trên Twitter, Facebook chatbots, Pinterest, mục Khám phá nội dung, Match.com sử dụng ML để dự đoán các tùy chọn đối sánh nhất định cho độ tương thích đạt kết quả tốt hơn.

Tài chính và Thương mại điện tử:

Equifax dự đoán hoạt động gian lận đối với một khoản tín dụng thẻ, United Healthcare dự đoán mức độ gian lận và lạm dụng trong yêu cầu bảo hiểm.

Nhiều công ty Dự đoán tỷ lệ chuyển đổi của khách hàng hoặc cải thiện trải nghiệm khách hàng và phân khúc khách hàng cho các dịch vụ được nhắm mục tiêu tốt hơn.

Y tế và Sinh học:

Dự đoán các chẩn đoán của bệnh nhân để bác sĩ xem xét, tìm ra các dạng đột biến gen có thể là tiền đề của ung thư.

Các ứng dụng mới và thú vị:

Các tổ chức học thuật và các công ty như Google đã rất tất bật trong những năm gần đây khi đa dạng hóa Machine Learning sang các lĩnh vực như công nghệ chống lão hóa, thiết bị y tế, giám sát môi trường…

1.2 Thị giác máy tính và xử lý hình ảnh:

Thị giác máy tính và xử lý hình ảnh :Nhận dạng các đối tượng và hình ảnh (Computer vision and image)

Thị giác máy tính và xử lý hình ảnh cũng là một thành phần của trí tuệ nhân tạo cho phép máy tính xử lý hình ảnh gần với mức độ mà não người hoạt động.

Nó liên quan đến các hệ thống AI có nhiệm vụ phân tích thông tin trực quan từ các hình ảnh tĩnh cũng như video. Mỗi ngày, công nghệ này càng phát triển để tự động hóa và hỗ trợ cho nhân viên bảo hiểm, bác sĩ, chuyên gia tư vấn sắc đẹp hoặc thậm chí là người lái xe ô tô.

Ứng dụng phổ biến của thị giác máy tính và xử lý ảnh:

Báo cáo tai nạn ô tô:

Các chuyên gia thị giác máy tính đang tạo ra các hệ thống xem xét ảnh tai nạn xe hơi để công ty bảo hiểm chấp nhận yêu cầu bồi thường.

Hình ảnh Y tế:

Hình ảnh y tế như chụp X-quang, quét MRI, tầm soát ung thư và sinh thiết đang được các bệnh viện xem xét để chẩn đoán bệnh.

Thời trang và Làm đẹp:

Khuôn mặt của khách hàng được chụp ảnh cho các công ty làm đẹp để đưa ra các đề xuất sản phẩm tốt hơn.

Ô tô tự lái:

Ô tô tự lái dựa vào quá trình xử lý hình ảnh tiên tiến để điều hướng thế giới xung quanh.

Social Media:

Tính năng gợi ý gắn thẻ Facebook.

2. Internet of Things (IoT):

Internet of Things : Cảm biến mang Internet vào thế giới thực

Việc sử dụng các cảm biến (và dữ liệu chúng tạo ra) đã bùng nổ trong vài năm qua. Internet-of-Things (IoT) là quá trình gắn các cảm biến vào các vật thể vật lý, như ghế hoặc đèn và kết nối các cảm biến đó với internet.

Mối quan hệ giữa AI và IoT đã được mô tả giống như mối quan hệ giữa bộ não con người (AI) và cơ thể (IoT).

Tất cả các cảm biến được kết nối tạo nên Internet of Things giống như cơ thể của chúng ta, chúng cung cấp dữ liệu thô về những gì đang diễn ra trên thế giới.

Trí tuệ nhân tạo giống như bộ não của chúng ta, hiểu được dữ liệu đó và quyết định những hành động cần thực hiện. Chuyên viên dữ liệu Internet-of-Things luôn được nhiều dự án đa dạng tìm kiếm và tuyển dụng

Ứng dụng phổ biến của IoT

Dự đoán bảo trì:

Sử dụng hình ảnh nhiệt hồng ngoại tiên tiến, rung phân tích và các cảm biến khác để dự đoán khi nào các máy móc quan trọng sẽ hỏng hóc hoặc cần bảo trì cho các ngành như sản xuất và vận tải.

Phòng Cấp cứu:

Tổ chức ER đang khám phá việc sử dụng các cảm biến để tối ưu hóa việc phân bổ giường và thời gian lưu trú của bệnh nhân trong các tình trạng khác nhau để cung cấp dịch vụ chăm sóc hiệu quả.

Giám sát Môi trường:

Giám sát chất lượng không khí dọc theo các tuyến đường chính, gần bệnh viện hoặc trường học.

Giám sát Giao thông:

Theo dõi lượng xe và các vụ va chạm gần xảy ra để tối ưu hóa nỗ lực quy hoạch thành phố.

Theo dõi hàng tồn kho:

Các công ty sử dụng cảm biến để đo lường hiệu quả hơn hàng tồn kho và quản lý chuỗi cung ứng của họ.

Với bài viết trên, bạn đã có thể hình dung bức tranh tổng thể các công việc ngành Data Science.

RELATED ARTICLES

LEAVE A REPLY

Please enter your comment!
Please enter your name here

- Advertisment -spot_img
- Advertisment -spot_img

Most Popular

Recent Comments