Mới đây trên Twitter, anh chàng data scientist kiêm giáo viên, @mdancho84, đã chia sẻ hành trình tạo ra một "team data science không người" nhờ AI. Nghe thôi đã thấy xịn xò rồi đúng không? Anh ấy thẳng thắn thừa nhận rằng việc dọn dẹp dữ liệu (data cleaning) là một công việc siêu chán, và điều này chắc chắn là nỗi lòng của không ít anh em trong ngành. Thread này không chỉ nói về những khó khăn mà các data scientist gặp phải, mà còn bật mí những giải pháp sáng tạo, tận dụng AI để tự động hóa mấy công việc lặp đi lặp lại này.

Ngay từ tweet đầu tiên, anh ấy đã chia sẻ lý do tại sao muốn "giải thoát" khỏi cái cảnh dọn dẹp dữ liệu bằng cách phát triển một AI agent. Anh còn cẩn thận làm hẳn một "mục lục" để hướng dẫn mọi người từng bước xây dựng một con AI chuyên dọn dẹp dữ liệu. Tweet này còn kèm theo một video (chắc là siêu xịn) để minh họa cách làm, từ việc dùng thư viện Python cho đến các kỹ thuật phát triển.

Tầm quan trọng của việc tự động hóa dọn dẹp dữ liệu thì khỏi phải bàn. Như anh ấy nói, tự động hóa giúp xử lý mấy bộ dữ liệu khổng lồ, giảm công sức tay chân, và đảm bảo dữ liệu được chuẩn chỉnh. Trong thời đại mà dữ liệu cứ tăng chóng mặt như bão, việc có dữ liệu sạch là điều kiện tiên quyết để phân tích và ra quyết định hiệu quả.

Ở tweet thứ hai, anh ấy mời mọi người đăng ký tham gia workshop "AI for Data Scientists" trực tiếp. Đây là một lời nhắc nhở nhẹ nhàng rằng, dù AI có xịn đến đâu, thì con người vẫn là yếu tố quan trọng để hiểu và áp dụng công nghệ một cách hiệu quả.

Thread này cũng nhắc đến mấy thư viện Python "huyền thoại" trong việc dọn dẹp dữ liệu, như NumPy, Pandas, và Matplotlib. Đây là những công cụ cơ bản giúp xử lý dữ liệu, tính toán số học, và vẽ biểu đồ. Chắc chắn mấy thư viện này là "cạ cứng" trong dự án AI data science team mà anh ấy đang làm, giúp tối ưu hóa quy trình làm việc và để mọi người tập trung vào những việc "đỉnh" hơn.

Ngoài ra, sự xuất hiện của mấy con Large Language Models (LLMs) như ChatGPT trong quy trình data science cũng mở ra nhiều cơ hội thú vị. Mấy con này có khả năng nhận diện mẫu trong dữ liệu lớn, nên rất hữu ích trong việc tự động hóa dọn dẹp và phân tích dữ liệu. Tiềm năng của LLMs trong việc nâng cao chất lượng dữ liệu hoàn toàn phù hợp với mục tiêu "giảm gánh nặng dọn dẹp" mà anh ấy đặt ra.

Mấy công cụ như DataLab và Echobase cũng là ví dụ điển hình cho xu hướng AI hóa trong data science. DataLab có giao diện chat để tương tác với dữ liệu siêu mượt, còn Echobase thì tập trung vào mấy con AI agent chuyên xử lý các tác vụ như dọn dẹp. Những công cụ này có thể là nguồn cảm hứng cho dự án AI agent mà anh ấy đang phát triển, cho thấy AI có thể làm được nhiều thứ hay ho trong data science.

Khi bàn về dọn dẹp dữ liệu và tự động hóa, không thể không nhắc đến vai trò quan trọng của chất lượng dữ liệu trong việc thành công của các mô hình machine learning và phân tích dữ liệu. Thread này nhấn mạnh việc loại bỏ mấy công việc dọn dẹp nhàm chán bằng AI, giúp các data scientist có thêm thời gian và năng lượng để làm những việc "chất" hơn.

Tóm lại, hành trình của @mdancho84 là một ví dụ cực kỳ thuyết phục về việc tích hợp AI vào data science. Tự động hóa dọn dẹp dữ liệu không chỉ giúp tăng hiệu quả mà còn trao quyền cho các data scientist tập trung vào phân tích chiến lược và ra quyết định. Nhìn về tương lai, sự kết hợp giữa chuyên môn của con người và công cụ AI chắc chắn sẽ định hình lại ngành data science, làm cho nó dễ tiếp cận và hiệu quả hơn cho tất cả mọi người.