Data Analytics Hub

📑 [CHIA SẺ TÀI LIỆU] MỘT SỐ CHEATSHEET DÀNH CHO NGÔN NGỮ R

💥 Các bạn tìm hiểu về dữ liệu, nhất là mảng xác suất thống kê hẳn đã biết đến R. Đây là một trong những ngôn ngữ phổ biến nhất được sử dụng trong thống kê, phân tích và trực quan hóa dữ liệu. R cũng là công cụ khá mạnh để chạy các thuật toán học máy (Machine Learning), với các thư viện được phát triển liên tục nhằm đơn giản hóa các tác vụ về khoa học dữ liệu.

RStudio là một môi trường phát triển tích hợp (IDE) cho R và được sử dụng rất phổ biến Thực chất có thể coi cả R và RStudio đều là những phiên bản khác nhau của cùng một thứ. RStudio cho phép truy cập trực tiếp và lập trình bằng ngôn ngữ R, cũng như hỗ trợ rất nhiều tính năng nâng cao, giúp cho việc quản lý và phân tích dữ liệu với R được hiệu quả hơn.

💥 Cũng giống như các ngôn ngữ lập trình khác, R có rất nhiều cú pháp (syntax), phục vụ cho những mục đích khác nhau. Một trong những cách học các câu lệnh và cú pháp nhanh nhất chính là qua các cheatsheets. Chính vì vậy, hôm nay page xin chia sẻ với các bạn “kho” cheatsheet của R, nhằm giúp các bạn tiếp cận với ngôn ngữ này dễ dàng hơn.

👉 Các bạn hãy khám phá tại đây nhé https://www.rstudio.com/resources/cheatsheets/

Còn nếu các bạn chưa có trải nghiệm với R và muốn tìm hiểu về R, page sẽ có một số bài viết hướng dẫn cơ bản trong thời gian tới nhé!

-----
⚙ Data Analytics Hub
📬 Email: [email protected]
📩 Tư vấn trực tiếp: m.me/DataAnalyticsHubVN

📝 [CHIA SẺ TÀI LIỆU] MẠNG NƠ-RON NHÂN TẠO

🔥 Chủ đề hôm nay của page là về Phân tích dự đoán (Predictive Analytics), mà cụ thể hơn là về Deep Learning – một lĩnh vực nghiên cứu vô cùng hấp dẫn trong những năm gần đây. Tài liệu được chia sẻ trong bài viết này đề cập đên nền tảng của Deep Learning, chính là Neural Networks.

Neural Networks hay còn gọi là Mạng nơ-ron nhân tạo là mạng sử dụng các mô hình toán học phức tạp để xử lý thông tin, “bắt chước” cách hoạt động của bộ não con người, cho phép các chương trình máy tính nhận ra những mối quan hệ trong dữ liệu và giải quyết các vấn đề phổ biến trong AI, đặc biệt là các bài toán dự đoán (phân loại khách hàng, phân tích ngôn ngữ, nhận diện hình ảnh, âm thanh, v.v.).

Nếu bạn muốn hoặc mới bắt đầu tìm hiểu về Neural Networks cũng như Deep Learning thì có thể theo dõi loạt video dưới đây, với những kiến thức khá cơ bản về thuật toán này cùng ứng dụng của nó trong việc phân loại hình ảnh.

🔥 Loạt bài giảng này đến từ kênh Youtube Statquest của tác giả Josh Starmer, mà page đã từng giới thiệu trước đây. Điểm nổi bật của kênh này là cách tiếp cận vấn đề khá vui vẻ, nhưng không làm mất đi sự căn bản và độ sâu của kiến thức. Chính vì vậy mà một chủ đề tương đối khó nhằn như Neural Networks cũng trở nên khá dễ hiểu và gần gũi.

👉 Hãy cùng tìm hiểu cách máy móc mô phỏng lại hành vi của não người tại đây nhé: https://bit.ly/3oTbsR4
-----
⚙ Data Analytics Hub
📬 Email: [email protected]
📩 Tư vấn trực tiếp: m.me/DataAnalyticsHubVN

🤝🤝 AMAZON & MIT HỢP TÁC GIẢI QUYẾT BÀI TOÁN TỐI ƯU HÓA TUYẾN ĐƯỜNG

💥 Hôm nay page xin chia sẻ với các bạn một bài viết trên blog của Amazon về việc hồi đầu năm nay, “ông lớn” ngành bán lẻ này đã từng bắt tay với Viện Công nghệ Massachusetts phát động một cuộc thi nhằm cải thiện bài toán người giao hàng (TSP), mà page đã giới thiệu trong thời gian qua.

Qua bài viết này, các bạn có thể hiểu thêm được vai trò quan trọng của bài toán người giao hàng – Travelling Salesman Problem, nhất là đối với những doanh nghiệp hoạt động trong lĩnh vực cung ứng, logistics và vận tải như Amazon.

💥 Cụ thể, bộ phận hậu cần của Amazon có nhiệm vụ phát triển các phần mềm nhằm tìm ra được tuyến đường vận chuyển hiệu quả nhất cho các tài xế, dựa vào dữ liệu về các địa điểm giao hàng. Tuy vậy, mặc dù các tuyến đường đã được lên kế hoạch sẵn, nhưng trong thực tế, nhiều khi các tài xế lại không thực hiện đúng như những gì đã đề ra. Có khá nhiều nguyên nhân cho tình trạng này, ví dụ như tắc đường, tai nạn giao thông, vấn đề về chỗ đỗ xe, … Việc điều hướng sang một lộ trình khác có thể ảnh hưởng tới chi phí vận tải của Amazon, cũng như thời gian giao hàng, chất lượng dịch vụ và trải nghiệm người dùng.

Chính vì vậy, tháng 2/2021, Amazon và MIT đã đồng tài trợ cho một cuộc thi mang tên “Amazon Last Mile Routing Research Challenge”, chủ yếu dành cho giới học thuật, nhằm tìm ra thêm thông tin mang tính real-time cho bài toán TSP. Amazon cung cấp gần 10,000 bản ghi dữ liệu quá khứ về lộ trình thực tế của tài xế từ 5 khu vực tại Mỹ, yêu cầu các đội thi xây dựng những mô hình Machine Learning có thể dự đoán được việc điều hướng của tài xế.

🎁 Tổng giải thưởng của cuộc thi lên tới 175 nghìn USD. Trong cùng link chi sẻ bên dưới, các bạn có thể thấy thêm một bài viết khác về kết quả của cuộc thi vào tháng 8/2021. Trong đó, giải nhất với giá trị 100 nghìn USD đã được trao cho bộ 3 giáo sư – phó giáo sư đến từ Canada, Đức và Đan Mạch.

===

👇 Như các bạn đã theo dõi thì page có kha khá bài viết về TSP cùng một số cách giải cơ bản. Cùng tìm hiểu xem vấn đề này đang phát triển như thế nào tại các công ty lớn trong thực tế nhé!

https://www.amazon.science/blog/amazon-mit-team-up-to-add-driver-know-how-to-delivery-routing-models

----
⚙ Data Analytics Hub
📬 Email: [email protected]
📩 Tư vấn trực tiếp: m.me/DataAnalyticsHubVN

Amazon, MIT team up to add driver know-how to delivery-routing models In a new competition, research teams will train machine learning models to factor in drivers’ deviations from computed routes.