📚 AI Encyclopedia A-Z by VietDBA Academy
KHÓA 2 – MACHINE LEARNING FOUNDATION
MODULE M12
🧩 FEATURE ENGINEERING
Nghệ thuật biến dữ liệu thành tri thức
"Thuật toán giỏi không thể cứu được dữ liệu tệ. Nhưng dữ liệu tốt có thể giúp cả mô hình đơn giản hoạt động rất hiệu quả."
🎯 M12.1 MỤC TIÊU
Sau module này bạn sẽ:
✅ Hiểu Feature là gì.
✅ Biết Feature khác dữ liệu gốc như thế nào.
✅ Hiểu Feature Engineering.
✅ Biết khi nào cần Feature Engineering.
✅ Biết khi nào Deep Learning tự học Feature.
✅ Có thể thiết kế Feature cho Oracle, PostgreSQL, Telecom và AI Enterprise.
📚 MỤC LỤC
🎬 M12.1 Câu chuyện mở đầu 📖 M12.2 Feature là gì? 🧠 M12.3 Tại sao AI không dùng dữ liệu thô? ⚙️ M12.4 Feature Engineering hoạt động như thế nào? 🏗️ M12.5 Các loại Feature 📊 M12.6 Ví dụ Oracle 📡 M12.7 Ví dụ Viễn thông 🏦 M12.8 Ví dụ Ngân hàng 🤖 M12.9 Deep Learning còn cần Feature Engineering không? ⚠️ M12.10 Sai lầm phổ biến 💡 M12.11 Góc chuyên gia 🧪 M12.12 Workshop 🧠 M12.13 Mindmap 📋 M12.14 Checklist 🎨 M12.15 Infographic
🎬 M12.1 CÂU CHUYỆN MỞ ĐẦU
👨⚕️ Một bác sĩ giỏi nhìn bệnh nhân như thế nào?
Một bệnh nhân bước vào.
Bác sĩ không chỉ nhìn:
👨
↓
Nam.
40 tuổi.
Mà bác sĩ còn quan tâm:
❤️ Huyết áp
🌡️ Nhiệt độ
🩸 Đường huyết
💓 Nhịp tim
🫁 Nhịp thở
🧪 Xét nghiệm
Những thông tin này giúp bác sĩ đưa ra chẩn đoán chính xác hơn.
Trong Machine Learning cũng vậy.
Dữ liệu thô giống như việc chỉ biết "nam, 40 tuổi".
Feature giống như những chỉ số có giá trị để mô hình học.
📖 M12.2 FEATURE LÀ GÌ?
Định nghĩa
Feature (Đặc trưng) là thông tin đầu vào mà mô hình sử dụng để học và đưa ra dự đoán.
Ví dụ.
Bạn muốn dự đoán giá nhà.
Dữ liệu có thể gồm:
🏠 Diện tích
🏢 Số tầng
🛏️ Số phòng ngủ
🚗 Chỗ đậu xe
📍 Khoảng cách đến trung tâm
Đó đều là Feature.
Không phải cột nào cũng là Feature
Ví dụ.
ID 1001 1002 1003
ID.
Không giúp dự đoán.
↓
Không nên dùng.
🧠 M12.3 TẠI SAO AI KHÔNG DÙNG DỮ LIỆU THÔ?
Ví dụ.
Oracle Alert Log.
ORA-00600 15:32 DB01 CPU 98% Memory 90% Tablespace 95%
Nếu đưa nguyên log.
↓
AI rất khó học.
Ta cần biến đổi.
↓
Feature.
Ví dụ.
CPU=98 MEM=90 ORA600=1 Disk=95 Hour=15
Lúc này.
Mô hình dễ học hơn.
⚙️ M12.4 FEATURE ENGINEERING
Quy trình
Raw Data ↓ Cleaning ↓ Transform ↓ Feature ↓ Model
Ví dụ.
Ngày.
2026-08-12
↓
Biến thành.
Month Week Weekend Quarter
↓
AI học tốt hơn.
🏗️ M12.5 CÁC LOẠI FEATURE
📊 Numeric
Ví dụ.
CPU.
RAM.
IOPS.
Latency.
📝 Category
Ví dụ.
Oracle.
PostgreSQL.
MySQL.
📅 Time
Ví dụ.
Giờ.
Ngày.
Tháng.
Cuối tuần.
🌍 Location
Ví dụ.
Miền Bắc.
Miền Nam.
Data Center.
Cloud.
📈 Statistical
Ví dụ.
Average.
Maximum.
Minimum.
Variance.
Moving Average.
📊 M12.6 CASE STUDY ORACLE DBA
Muốn AI dự đoán.
Database.
Sắp đầy.
Không chỉ dùng.
Tablespace%.
Mà còn thêm.
| Feature | Ý nghĩa |
|---|---|
| 📈 Tăng trưởng/ngày | Tốc độ tăng dung lượng |
| ⏳ Ngày còn lại | Ước lượng đến khi đầy |
| 🗂️ Loại tablespace | SYSTEM, SYSAUX, USERS... |
| 📅 Ngày trong tuần | Có chu kỳ tải không |
| ⏰ Giờ trong ngày | Có giờ cao điểm không |
↓
AI dự đoán chính xác hơn.
📡 M12.7 CASE STUDY VIỄN THÔNG
Dự đoán nghẽn mạng.
Feature.
📞 Cuộc gọi.
📶 RSSI.
📡 SINR.
📊 Throughput.
📍 Cell ID.
🧭 Hướng di chuyển.
🕒 Giờ.
📅 Ngày lễ.
🌧️ Thời tiết (nếu có).
Không chỉ KPI mạng.
Mà cả bối cảnh vận hành.
🏦 M12.8 CASE STUDY NGÂN HÀNG
Muốn phát hiện.
Fraud.
Feature.
💰 Giá trị giao dịch.
📍 Địa điểm.
📱 Thiết bị.
🌎 Quốc gia.
🕒 Thời gian.
💳 Khoảng cách giữa hai giao dịch liên tiếp.
Ví dụ.
10 phút.
Thanh toán.
Việt Nam.
↓
5 phút.
Thanh toán.
Mỹ.
↓
Rủi ro.
Rất cao.
🤖 M12.9 DEEP LEARNING CÒN CẦN FEATURE ENGINEERING KHÔNG?
Đây là câu hỏi rất hay.
Câu trả lời là:
Có, nhưng vai trò thay đổi.
Machine Learning.
↓
Con người tạo Feature.
Deep Learning.
↓
Mô hình tự học nhiều Feature.
Nhưng.
Trong doanh nghiệp.
Ta vẫn phải:
✔ Làm sạch.
✔ Chuẩn hóa.
✔ Chọn dữ liệu.
✔ Thiết kế nhãn.
✔ Kết hợp dữ liệu từ nhiều nguồn.
Feature Engineering không biến mất, mà chuyển trọng tâm.
⚠️ M12.10 NHỮNG SAI LẦM THƯỜNG GẶP
❌ Dùng tất cả các cột làm Feature.
❌ Không xử lý dữ liệu thiếu.
❌ Đưa Feature chứa thông tin của tương lai vào mô hình dự báo (Data Leakage).
❌ Tạo quá nhiều Feature nhưng không đánh giá giá trị của chúng.
❌ Không hiểu ý nghĩa nghiệp vụ của Feature.
💡 M12.11 GÓC CHUYÊN GIA
Trong các dự án AI doanh nghiệp, SME (Subject Matter Expert) thường là người quyết định chất lượng Feature.
Ví dụ:
- DBA hiểu ý nghĩa của AWR và Alert Log.
- Kỹ sư viễn thông hiểu KPI mạng.
- Chuyên gia tín dụng hiểu dấu hiệu gian lận.
Một AI Engineer giỏi cần biết cách làm việc với SME để tạo ra những Feature phản ánh đúng bản chất nghiệp vụ.
🧪 M12.12 WORKSHOP
🟢 Lab 1
Chọn một bảng Oracle.
Ví dụ.
CUSTOMER
Liệt kê:
- Cột nào nên dùng làm Feature?
- Cột nào không nên?
- Vì sao?
🟡 Lab 2
Thiết kế Feature cho AI dự đoán lỗi Oracle.
Nguồn dữ liệu:
- Alert Log
- AWR
- ASH
- OEM
- OS Metrics
Mỗi nguồn hãy đề xuất ít nhất 5 Feature có giá trị.
🔴 Lab 3
Bạn là AI Architect của MobiFone.
Hãy thiết kế bộ Feature cho bài toán:
Dự đoán thuê bao có khả năng rời mạng (Churn Prediction).
Phân loại:
- 📊 Feature từ CRM.
- 📞 Feature từ Billing.
- 📡 Feature từ mạng.
- 💬 Feature từ chăm sóc khách hàng.
- 📱 Feature từ ứng dụng My MobiFone.
Đánh giá:
- Feature nào dễ thu thập?
- Feature nào có thể gây rủi ro về quyền riêng tư?
- Feature nào cần được cập nhật theo thời gian thực?
🧠 M12.13 MINDMAP
FEATURE │ ┌──────────────┼──────────────┐ │ │ │ Numeric Category Time │ │ │ └──────────────┼──────────────┘ │ Statistical │ ▼ Feature Engineering │ ▼ Better Model
📋 M12.14 CHECKLIST
- ☐ Tôi hiểu Feature là gì.
- ☐ Tôi phân biệt được dữ liệu thô và Feature.
- ☐ Tôi biết vì sao Feature Engineering quan trọng.
- ☐ Tôi biết Deep Learning vẫn cần chuẩn bị dữ liệu tốt.
- ☐ Tôi có thể đề xuất Feature cho một bài toán doanh nghiệp.
🎨 M12.15 INFOGRAPHIC
┌────────────────────────────────────────────────────────────┐ │ 🧩 FEATURE ENGINEERING │ ├────────────────────────────────────────────────────────────┤ │ 📥 Raw Data │ │ │ │ │ ▼ │ │ 🧹 Cleaning │ │ │ │ │ ▼ │ │ 🔧 Transform & Create Features │ │ │ │ │ ▼ │ │ 🧠 Machine Learning / Deep Learning │ │ │ │ │ ▼ │ │ 📈 Better Prediction │ ├────────────────────────────────────────────────────────────┤ │ 💡 Feature tốt = Mô hình tốt hơn │ │ ⚠️ Tránh Data Leakage và Feature vô nghĩa │ └────────────────────────────────────────────────────────────┘
TƯ VẤN: Click Here hoặc Hotline/Zalo 090.29.12.888
=============================
Website không chứa bất kỳ quảng cáo nào, mọi đóng góp để duy trì phát triển cho website (donation) xin vui lòng gửi về STK 90.2142.8888 - Ngân hàng Vietcombank Thăng Long - TRAN VAN BINH
=============================
Nếu bạn không muốn bị AI thay thế và tiết kiệm 3-5 NĂM trên con đường trở thành DBA chuyên nghiệp hay làm chủ Database thì hãy đăng ký ngay KHOÁ HỌC ORACLE DATABASE A-Z ENTERPRISE, được Coaching trực tiếp từ tôi với toàn bộ bí kíp thực chiến, thủ tục, quy trình của gần 20 năm kinh nghiệm (mà bạn sẽ KHÔNG THỂ tìm kiếm trên Internet/Google) từ đó giúp bạn dễ dàng quản trị mọi hệ thống Core tại Việt Nam và trên thế giới, đỗ OCP.
- CÁCH ĐĂNG KÝ: Gõ (.) hoặc để lại số điện thoại hoặc inbox https://m.me/tranvanbinh.vn hoặc Hotline/Zalo 090.29.12.888
- Chi tiết tham khảo:
https://bit.ly/oaz_w
=============================
2 khóa học online qua video giúp bạn nhanh chóng có những kiến thức nền tảng về Linux, Oracle, học mọi nơi, chỉ cần có Internet/4G:
- Oracle cơ bản: https://bit.ly/admin_1200
- Linux: https://bit.ly/linux_1200
=============================
KẾT NỐI VỚI CHUYÊN GIA TRẦN VĂN BÌNH:
📧 Mail: binhoracle@gmail.com
☎️ Mobile/Zalo: 0902912888
👨 Facebook: https://www.facebook.com/BinhOracleMaster
👨 Inbox Messenger: https://m.me/101036604657441 (profile)
👨 Fanpage: https://www.facebook.com/tranvanbinh.vn
👨 Inbox Fanpage: https://m.me/tranvanbinh.vn
👨👩 Group FB: https://www.facebook.com/groups/DBAVietNam
👨 Website: https://www.tranvanbinh.vn
👨 Blogger: https://tranvanbinhmaster.blogspot.com
🎬 Youtube: https://www.youtube.com/@binhguru
👨 Tiktok: https://www.tiktok.com/@binhguru
👨 Linkin: https://www.linkedin.com/in/binhoracle
👨 Twitter: https://twitter.com/binhguru
👨 Podcast: https://www.podbean.com/pu/pbblog-eskre-5f82d6
👨 Địa chỉ: Tòa nhà Sun Square - 21 Lê Đức Thọ - Phường Mỹ Đình 1 - Quận Nam Từ Liêm - TP.Hà Nội
=============================
cơ sở dữ liệu, cơ sở dữ liệu quốc gia, database, AI, trí tuệ nhân tạo, artificial intelligence, machine learning, deep learning, LLM, ChatGPT, DeepSeek, Grok, oracle tutorial, học oracle database, Tự học Oracle, Tài liệu Oracle 12c tiếng Việt, Hướng dẫn sử dụng Oracle Database, Oracle SQL cơ bản, Oracle SQL là gì, Khóa học Oracle Hà Nội, Học chứng chỉ Oracle ở đầu, Khóa học Oracle online,sql tutorial, khóa học pl/sql tutorial, học dba, học dba ở việt nam, khóa học dba, khóa học dba sql, tài liệu học dba oracle, Khóa học Oracle online, học oracle sql, học oracle ở đâu tphcm, học oracle bắt đầu từ đâu, học oracle ở hà nội, oracle database tutorial, oracle database 12c, oracle database là gì, oracle database 11g, oracle download, oracle database 19c/21c/23c/23ai, oracle dba tutorial, oracle tunning, sql tunning , oracle 12c, oracle multitenant, Container Databases (CDB), Pluggable Databases (PDB), oracle cloud, oracle security, oracle fga, audit_trail,oracle RAC, ASM, oracle dataguard, oracle goldengate, mview, oracle exadata, oracle oca, oracle ocp, oracle ocm , oracle weblogic, postgresql tutorial, mysql tutorial, mariadb tutorial, ms sql server tutorial, nosql, mongodb tutorial, oci, cloud, middleware tutorial, docker, k8s, micro service, hoc solaris tutorial, hoc linux tutorial, hoc aix tutorial, unix tutorial, securecrt, xshell, mobaxterm, putty
