[skip netlify] PUBLISHER #285

* PUSH ATTACHMENT : ExcaliDraw.md

* PUSH NOTE : Người làm dữ liệu đối diện với sự thiếu sót của dữ liệu thế nào.md

* PUSH ATTACHMENT : Excalidraw.md

* PUSH NOTE : Obsidian tập trung hoàn toàn vào việc nhập liệu và bỏ qua việc quản lý tác vụ.md

* PUSH NOTE : Obsidian Hub được thiết kế để không phải dùng plugin gì cũng dùng được ngay.md

* PUSH NOTE : Obsidian.md

* PUSH NOTE : Fibery.md

* PUSH NOTE : Airtable.md

* PUSH NOTE : Mục tiêu và câu hỏi phỏng vấn.md

* PUSH NOTE : Bản khảo sát nhu cầu học lập trình.md

* PUSH NOTE : Kế hoạch.md

* PUSH NOTE : Kế hoạch tổ chức các buổi hướng dẫn sử dụng Trấn Kỳ.md

* PUSH NOTE : Mỗi tuần có 450 người học.md

* PUSH NOTE : Giả thiết về tiếp nhận của người đọc bài giới thiệu buổi hướng dẫn cụ thể.md

* PUSH NOTE : Giả thiết về đối tượng cần học cách lập trình.md

* PUSH NOTE : Giả thiết về tiếp nhận của người đã đọc bài Các buổi đáp ứng nhu cầu học cách sử dụng công cụ và tư duy lập trình.md

* PUSH NOTE : Giả thiết về nhu cầu công việc.md

* PUSH NOTE : Giả thiết về người tham gia.md

* PUSH NOTE : Về chữ Nguồn.md

* PUSH NOTE : Tôi có thể giúp gì.md

* PUSH NOTE : Dự án này cần những gì để phát triển.md

* PUSH NOTE : Nơi này là nơi nào？.md

* PUSH NOTE : Những dấu mốc.md

* PUSH NOTE : Mọi người hay thảo luận ở đâu？.md

* PUSH NOTE : Hướng dẫn tải kho.md

* PUSH NOTE : Khác biệt giữa cộng đồng Obsidian tiếng Việt ở Facebook và Discord.md

* PUSH NOTE : ❓Môi trường nghĩ giúp ta hiểu được những thứ phi tuyến bằng việc tuyến tính hoá nó, còn công nghệ là thứ khiến ta làm được những thứ phi tuyến kể cả khi mình không thoát khỏi sự tuyến tính.md

* PUSH NOTE : Các công ty ít có lợi trong việc đầu tư nghiên cứu môi trường tư duy.md

* PUSH NOTE : Con người có khả năng tự nhận thức ra lỗi tư duy của mình, dù khả năng đó không hoàn hảo.md

* PUSH NOTE : Chúng ta không quen thuộc với luỹ thừa.md

* PUSH NOTE : Các buổi cà phê bạn bè chủ yếu là thu hút người chưa biết về dự án thông qua cá tính của mình.md

* PUSH NOTE : Cộng đồng từ chưa tỉnh thức đến tỉnh thức ít nhất cũng 2 năm.md

* PUSH NOTE : ❓ Học code bằng việc debug product code sẽ nhanh hơn.md

* PUSH NOTE : Viết phần mềm chỉ chiếm khoảng ⅓ thời gian, còn lại là dành cho bảo trì (thêm bớt chức năng, sửa lỗi, v.v.).md

* PUSH NOTE : Tính năng giống như thú nuôi, ta dễ quên những thứ cần có cho nó.md

* PUSH NOTE : Kể cả những người đã làm lố thời gian quá nhiều vẫn luôn lạc quan mình sẽ làm xong sớm.md

* PUSH NOTE : 90% lượng code ban đầu tốn 90% thời gian lập trình. 10% lượng code còn lại tốn thêm 90% thời gian lập trình.md

* PUSH NOTE : Tài liệu sử dụng nếu được viết lúc phần mềm được viết gần xong sẽ chủ yếu ghi lại những thứ tác giả nghĩ mình cần nhớ, còn những thứ quyết định quan trọng thì tác giả đã quên do đã sống với nó quá lâu.md

* PUSH NOTE : Sự phức tạp của code sẽ tự cân bằng nó.md

* PUSH NOTE : Thật trớ trêu khi ngành kỹ thuật phần mềm viết nên những phần mềm để giúp các ngành khác tạo bản thiết kế hiệu quả hơn, nhưng lại không thể viết nên một phần mềm để tạo bản thiết kế cho chính ngành của mình.md

* PUSH NOTE : Ngôn ngữ lập trình bậc cao không giúp con người làm được nhiều hơn những gì ngôn ngữ lập trình bậc thấp làm được. Nó chỉ giúp con người làm ra ít lỗi hơn mà thôi.md

* PUSH NOTE : Người mới lập trình thường chỉ biết muốn biết làm sao để code chạy được. Người có kinh nghiệm còn quan tâm đến tính dễ bảo trì, mở rộng và bắt lỗi của code.md

* PUSH NOTE : Mỗi một nhiệm vụ đều chứa những cái không biết, vì nếu đã biết rồi thì nó đã trở thành thư viện.md

* PUSH NOTE : Mọi thứ ban đầu không phức tạp. Chỉ đến khi có nhiều người dùng và tính năng thì nó mới bắt đầu phức tạp.md

* PUSH NOTE : Khi thiết lập xong ta sẽ mong đợi là không phải đụng lại nó lần nữa.md

* PUSH NOTE : Làm thứ phức tạp hơn thì dễ, làm thứ tốt hơn thì khó.md

* PUSH NOTE : Code được dùng nhiều hơn được đọc, được đọc nhiều hơn được viết.md

* PUSH NOTE : Chất lượng phần mềm, đặc biệt là native, không còn quan trọng nữa.md

* PUSH NOTE : Ý tưởng logo là cục đá đang được đẽo gọt, hàm ý ❝You shape your tools, and they shape you❞.md

* PUSH NOTE : Obsidian xem liên kết là công dân hạng nhất.md

* PUSH NOTE : Obsidian phù hợp cho các dự án nhỏ, không có nhiều tiền.md

* PUSH NOTE : Obsidian miễn phí, không có chức năng nào phải trả tiền hay tính theo đầu người.md

* PUSH NOTE : Obsidian không gọi vốn để theo đúng định hướng của mình.md

* PUSH NOTE : Đơn vị nhỏ nhất của Obsidian là file, không phải block.md

* PUSH NOTE : Obsidian khó tạo liên kết hai chiều được.md

* PUSH NOTE : Việc hợp tác qua mạng trên Obsidian tốt nhất là qua Git.md

* PUSH NOTE : Obsidian không sử dụng dữ liệu dạng bảng.md

* PUSH NOTE : Obsidian không mạnh về quản lý tác vụ.md

* PUSH NOTE : Obsidian lưu dữ liệu ở định dạng đơn giản.md

* DELETE FILE : docs/⚔️ Hướng dẫn Obsidian và Git/💎 Giới thiệu về Obsidian/Theo tính năng của plugin/2. Hệ thống hoá thông tin/Excalidraw.md

* DELETE FILE : docs/⚡Hiểu biết sâu/Công nghệ thông tin/Dữ liệu, AI/Người trong ngành khoa học dữ liệu đối diện với sự thiếu sót của dữ liệu thế nào.md

* DELETE FILE : docs/📜Tài nguyên/Giải pháp kỹ thuật/Phần mềm làm việc nhóm (groupware)/Phần mềm minh hoạ cho nhóm/ExcaliDraw.md

Author: ooker777

docs/⚡Hiểu biết sâu/Công nghệ thông tin/Dữ liệu, AI/Người làm dữ liệu đối diện với sự thiếu sót của dữ liệu thế nào.md

@@ -0,0 +1,26 @@
+---
+share: true
+created: 2026-01-16T12:53
+updated: 2026-01-17T08:47
+title: Người làm dữ liệu đối diện với sự thiếu sót của dữ liệu thế nào?
+---
+> [!Attention] Lưu ý
+> Đây chỉ là quan sát dựa trên giới hạn kiến thức và giả định cá nhân; tác giả chưa tìm trích dẫn nào.
+
+## Dữ liệu đến từ đâu?
+**Ở các ngành khoa học xã hội, dữ liệu đến từ sự đo đếm của con người về chính mình, vốn đã mang tính phân loại rồi.** VD: bao nhiêu người là nam, bao nhiêu người tin là có thần linh, bao nhiêu người truy cập web, v.v. Và những sự phân loại này đã mang tính thiên kiến ngay từ đầu rồi. Dù ta có thể tìm cách để đồng ý với nhau là số người truy cập web là một con số khách quan, thì vẫn còn rất nhiều loại dữ liệu khác ta sẽ nói là chủ quan. Tức là kiểu dữ liệu là không đồng nhất. Và cũng vì dữ liệu chỉ là từ sự phân loại, nên có lẽ việc xử lý cũng chỉ tập trung vào việc chọn mô hình thống kê phù hợp là đủ. (Xác suất thống kê được xem là một lĩnh vực hơi cô độc trong toán, vì nó ít kết nối với các lĩnh vực khác.) 
+
+Trong khi đó, ở các ngành khoa học tự nhiên, đặc biệt là ở vật lý, các thí nghiệm đã vượt qua khả năng nắm bắt của giác quan rồi. **Ở các ngành này, dữ liệu có từ cảm biến.** Tất cả cảm biến đều hoạt động bằng việc cộng hưởng với một tần số năng lượng nào đó. Cơ bản chúng là những cái radio mini, nếu gặp trúng tần số thì nó báo tín hiệu. Việc thí nghiệm giống như việc dò vài triệu cái đài cùng lúc. Dù ta xếp loại dữ liệu do chúng tạo ra là chủ quan hay khách quan, thì chúng cũng đều đồng nhất. Tức là có tính phân loại thấp.
+
+Chưa kể, mô hình xử lý dữ liệu trong vật lý cũng không dừng ở việc chạy các phép thống kê, mà còn phải giúp xây dựng lý thuyết vật lý. Các lý thuyết phải giải thích được tại sao cảm biến ở vị trí này lại cho ra con số này vào thời điểm này, và tiên đoán được các con số đó sẽ ra sao nếu sắp xếp chúng theo kiểu khác. Để xây dựng các lý thuyết này phải đụng đến đủ loại toán cao cấp. Ví dụ như phương trình Schrödinger dùng số ảo và vi phân, phương trình Einstein dùng tensor. Mệnh đề "vũ trụ của chúng ta là một vũ trụ có nhóm đối xứng SU(3)×SU(2)×U(1)" là một mệnh đề chứa một khái niệm trong đại số trừu tượng là nhóm đối xứng, và nó phù hợp với dữ liệu hiện giờ. Và thực tế là các lý thuyết này có độ thành công cao, làm tăng thêm niềm tin rằng toán học là ngôn ngữ của tự nhiên.
+
+## Cách tư duy khi nhìn vào thiếu sót của dữ liệu
+Tóm lại, các ngành khác nhau sẽ có các tư duy về dữ liệu khác nhau. Nên khi đặt vấn đề rằng những người trong ngành khoa học dữ liệu đối diện với sự thiếu sót của dữ liệu thế nào, thì phải xem xuất phát điểm của họ từ đâu. Nếu từ góc nhìn của các ngành xã hội thì họ thấy mọi thứ đều là sự kiến tạo, rằng dữ liệu luôn chứa thiên kiến của người thu thập nó. Họ sẽ xem bản thân việc lấy dữ liệu đã là có luôn có vấn đề. Còn nếu từ góc nhìn của các ngành tự nhiên, thì tuy là họ cũng thấy việc lấy dữ liệu chứa rất nhiều sai sót tiềm tàng, thì họ cũng không nặng nề chuyện người thu thập dữ liệu có thiên kiến. Với họ, đó chỉ là một biểu hiện của việc mô hình hiện tại chưa đủ mạnh để giải thích được hết các quan sát. Và đó là chuyện hiển nhiên, không có gì phải xấu hổ. Họ không thấy quan niệm "tự bản thân việc lấy dữ liệu đã là có vấn đề" là cần thiết; "[mọi mô hình đều sai, nhưng một số thì hữu ích](../../Ngh%C4%A9%20v%E1%BB%81%20vi%E1%BB%87c%20ngh%C4%A9/B%E1%BA%A3n%20th%E1%BB%83%20lu%E1%BA%ADn/M%E1%BB%8Di%20m%C3%B4%20h%C3%ACnh%20%C4%91%E1%BB%81u%20sai,%20nh%C6%B0ng%20m%E1%BB%99t%20s%E1%BB%91%20th%C3%AC%20h%E1%BB%AFu%20%C3%ADch.md)" là đủ rồi. 
+
+họ sẽ thấy đó là do mình chưa đủ dữ liệu, hoặc do giới hạn của công nghệ để có loại dữ liệu mình cần, hoặc do sai sót trong việc chọn mô hình xử lý, chứ không xem bản thân dữ liệu từ đầu đã là có vấn đề.
+
+Do nhu cầu xử lý dữ liệu ở vật lý phức tạp hơn ở các ngành khoa học xã hội nhiều, nên có lẽ nhu cầu xây dựng lý thuyết mới ở khoa học dữ liệu cũng chủ yếu đến từ vật lý. Nghĩa là, ở cấp độ học thuật vấn đề thiên kiến của dữ liệu có lẽ ít khi được đặt ra, vì nó cũng không có gì mới. Nhưng điều đó sẽ ảnh hưởng tới việc giảng dạy cho sinh viên.
+
+Việc tối đa hóa lợi nhuận gắn liền với việc tối đa hóa hành vi trả tiền. Có lẽ tư bản đã chăm sóc ngành khoa học dữ liệu đến mức tài liệu trong ngành này gần như không bàn gì khác ngoài phục vụ cho nhu cầu xử lý dữ liệu có tính phân loại cao. Tiền thì chắc là khách quan, nên với những người không trực tiếp làm việc với dữ liệu như những người ở cấp lãnh đạo, nếu có đặt câu hỏi về độ đáng tin của dữ liệu, sẽ thường thấy thiếu sót đến từ giới hạn của việc thu thập dữ liệu. Nhưng vì lý do cho việc trả tiền thì chắc là chủ quan, nên có lẽ những người thực sự làm công việc xử lý dữ liệu sẽ để ý hơn về thiên kiến của dữ liệu.
+
+Khái niệm:: [Dữ liệu](../../%CE%9E%20Kh%C3%A1i%20ni%E1%BB%87m/D%E1%BB%AF%20li%E1%BB%87u.md)