Giao diện
Giải Thuật Nền Tảng Cho Khoa Học Dữ Liệu
Môn học Giải thuật nền tảng cho Khoa học dữ liệu (Foundations of Data Science / Algorithmic Foundations of Data Science) trình bày cách mô hình hóa và giải các bài toán dữ liệu quy mô lớn. Các chủ đề gồm tính toán phân tán Map-Reduce, phân tích liên kết (PageRank), tìm kiếm tương đồng (MinHash, LSH) và chỉ mục véc-tơ. Phần sau xét thuật toán dòng dữ liệu (Streaming), nén dữ liệu và cấu trúc dữ liệu ngoài bộ nhớ chính.
Lộ trình Môn học Trọng tâm
Danh mục Bài học
| Bài | Tên chuyên đề | Trạng thái |
|---|---|---|
| Bài 01 | Bài toán dữ liệu lớn và mô hình thuật toán (Đặc tả, độ đo tương đồng Jaccard, tiêu chí đánh giá thuật toán và nguyên lý Bonferroni) | Đã hoàn thành |
| Bài 02 | Mô hình tính toán Map-Reduce (Mô hình lập trình Map/Reduce/Combine, nhân ma trận, mô hình chi phí và thực hành Hadoop) | Đã hoàn thành |
| Bài 03 | PageRank: Mô hình và tính toán (Random Surfer, Power Iteration, xử lý Dead Ends và Spider Traps) | Đang biên soạn |
| Bài 04 | PageRank theo chủ đề và chống spam liên kết (Topic-Sensitive & TrustRank) | Chờ nạp bài |
| Bài 05 | Tìm tập tương đồng & Kỹ thuật Shingling / MinHash | Chờ nạp bài |
| Bài 06 | Tìm kiếm lân cận cục bộ (Locality-Sensitive Hashing - LSH) | Chờ nạp bài |
| Bài 07 | Tìm kiếm véc-tơ quy mô lớn (Vector Search, HNSW, PQ) | Chờ nạp bài |
| Bài 08 | Khai phá dòng dữ liệu I: Lấy mẫu và Bộ lọc Bloom (Bloom Filter) | Chờ nạp bài |
| Bài 09 | Khai phá dòng dữ liệu II: Đếm phân biệt (Flajolet-Martin) và Count-Min Sketch | Chờ nạp bài |
| Bài 10 | Nén dữ liệu không mất mát: Mã hoá Huffman và Lempel-Ziv | Chờ nạp bài |
| Bài 11 | Nén dữ liệu có mất mát: Biến đổi Cosin rời rạc (DCT) và JPEG | Chờ nạp bài |
| Bài 12 | Thuật toán ngoài bộ nhớ chính (External Memory) & Sắp xếp ngoài (Merge Sort) | Chờ nạp bài |
| Bài 13 | Cấu trúc dữ liệu cây ngoài bộ nhớ: B-Tree và các biến thể | Chờ nạp bài |
| Bài 14 | Chỉ mục không gian: R-Tree và truy vấn phạm vi đa chiều | Chờ nạp bài |
| Bài 15 | Phân cụm dữ liệu quy mô lớn (BFR, CURE) và Tổng kết học phần | Chờ nạp bài |
Giáo trình & Nguồn Tham khảo Chuẩn Quốc tế
- Jure Leskovec, Anand Rajaraman, & Jeffrey D. Ullman, Mining of Massive Datasets (MMDS - 3rd Edition), Cambridge University Press. Bản PDF và slide trực tuyến miễn phí chính thức tại mmds.org. Tài liệu cốt lõi về MapReduce, LSH, PageRank và khai phá dòng dữ liệu. Khóa học trực tuyến đi kèm: Stanford CS246: Mining Massive Datasets.
- Avrim Blum, John Hopcroft, & Ravindran Kannan, Foundations of Data Science, Cambridge University Press. Bản PDF trực tuyến chính thức từ Đại học Cornell: Cornell Foundations of Data Science (PDF). Cung cấp nền tảng lý thuyết chặt chẽ về dữ liệu cao chiều, phân rã ma trận, đồ thị ngẫu nhiên và mô hình xác suất.
- Jeffrey Dean & Sanjay Ghemawat, MapReduce: Simplified Data Processing on Large Clusters, Google / OSDI 2004. Bài báo gốc kinh điển: OSDI'04 Paper (PDF).
- Jiawei Han, Micheline Kamber, & Jian Pei, Data Mining: Concepts and Techniques (3rd Edition), Morgan Kaufmann. Giáo trình chuẩn mực về tiền xử lý dữ liệu, khai phá luật kết hợp, phân cụm và phân lớp.
- Charu C. Aggarwal, Data Mining: The Textbook, Springer. Tài liệu tham khảo toàn diện về các giải thuật khai phá dữ liệu, độ đo khoảng cách, đồ thị và chuỗi thời gian.
- Đề cương bài giảng UET.DSE2053 · Giải thuật nền tảng cho Khoa học dữ liệu, Viện Trí tuệ Nhân tạo & Khoa CNTT, Trường Đại học Công nghệ (ĐHQGHN).