[Dự án AI] Giảm chiều dữ liệu (PCA) & trực quan hoá hồ sơ học lực nhiều môn

Mục tiêu

Dự án nối tiếp trực tiếp dự án "Phân cụm học sinh theo phong cách học tập" (Nhóm B, dùng KMeans trên 2-3 đặc điểm) — nhưng lần này dữ liệu có tới 8 chiều (8 môn học), không thể vẽ trực tiếp lên biểu đồ 2D hay 3D như trước. Học sinh học kỹ thuật PCA (Principal Component Analysis — Phân tích thành phần chính) để "nén" 8 chiều xuống còn 2 chiều trước khi phân cụm và trực quan hoá — đây là nền tảng của rất nhiều ứng dụng AI thật (nén ảnh, trực quan hoá dữ liệu gene, hệ gợi ý quy mô lớn).

Thời lượng: 4 tiết học (180 phút)

• Tiết 1 (cell 1-7): đặt vấn đề dữ liệu nhiều chiều, lý thuyết PCA (trực quan), tạo/đọc hiểu dữ liệu mô phỏng 8 môn học
• Tiết 2 (cell 8-14): chuẩn hoá dữ liệu, thực hiện PCA, đọc hiểu explained_variance_ratio_ và hệ số loadings (đặc trưng nào đóng góp vào từng thành phần chính)
• Tiết 3 (cell 15-20): phân cụm (KMeans) trên không gian đã giảm chiều, trực quan hoá, đọc hồ sơ từng cụm và đặt tên gợi ý
• Tiết 4 (cell 21-26): ý nghĩa thực tiễn PCA trong đời thật, tư duy phản biện về giới hạn của phân cụm không giám sát và đạo đức khi dùng để "gán nhãn" định hướng học sinh, mục Tìm hiểu thêm, câu hỏi vận dụng

Em sẽ làm được gì

• Hiểu trực quan PCA "nén" dữ liệu nhiều chiều xuống ít chiều hơn như thế nào, và vì sao cần chuẩn hoá dữ liệu trước khi làm PCA
• Đọc hiểu explained_variance_ratio_ — biết được giảm chiều "mất" bao nhiêu % thông tin gốc
• Đọc hiểu hệ số loadings để hiểu (một phần) ý nghĩa của các trục PCA mới tạo ra
• Phân cụm và đặt tên có căn cứ cho từng nhóm học sinh dựa trên hồ sơ điểm số thật
• Phản biện về giới hạn của PCA (đánh đổi giữa dễ trực quan hoá và dễ giải thích) và giới hạn đạo đức khi dùng phân cụm để "gán nhãn" định hướng học sinh

Về thư viện scikit-learn và dữ liệu

Cần bấm thêm nút "scikit-learn" trong mục "Thư viện thêm" (~72MB) SAU KHI đã bấm "Bắt đầu tải & chạy Notebook", TRƯỚC KHI chạy Cell 9. Dự án dùng dữ liệu MÔ PHỎNG nhúng sẵn trong Cell 4 (chạy được ngay, không cần chuẩn bị file) — Cell 7 hướng dẫn cách thay bằng dữ liệu CSV thật (ẩn danh, điểm 8 môn của cả lớp) nếu muốn mở rộng.