Khám phá bí ẩn sống sót từ dữ liệu Titanic: AI nói gì?

Mở đầu: Titanic không chỉ là một thảm kịch

Đã hơn một thế kỷ trôi qua kể từ ngày con tàu Titanic huyền thoại chìm xuống lòng Đại Tây Dương, nhưng câu chuyện của nó vẫn luôn là một nguồn cảm hứng bất tận. Không chỉ là biểu tượng của sự xa hoa và bi kịch, Titanic còn để lại một di sản cực kỳ thú vị cho dân công nghệ: bộ dữ liệu Titanic. Đây chắc chắn là món ăn “khai vị” mà bất kỳ ai học Data Science đều từng nghe qua.

Bộ dữ liệu Titanic không chỉ là một tập hợp các con số khô khan. Nó ẩn chứa những câu chuyện về con người, sự phân biệt giai cấp, và cả cách mà những quyết định trong thời điểm khủng hoảng có thể quyết định sự sống còn. Trong bài viết này, chúng ta sẽ cùng "vén màn bí mật" của bộ dữ liệu này, sử dụng các công cụ quen thuộc như Pandas, Matplotlib, và Seaborn để khám phá xem điều gì thực sự quyết định ai sống, ai chết trên Titanic.

---

Bộ dữ liệu Titanic: Một kho vàng cho dân Data Science

Bộ dữ liệu Titanic, thường được cung cấp bởi Kaggle, là một trong những bộ dữ liệu phổ biến nhất để học và thực hành Data Science. Nó bao gồm thông tin về hơn 1300 hành khách, như:

- Tuổi tác
- Giới tính
- Tầng lớp xã hội (hạng vé)
- Giá vé
- Số lượng người thân đi cùng
- Và đặc biệt, trạng thái sống sót (Survived: 1 hoặc 0)

Điều thú vị ở đây là dữ liệu này không chỉ phản ánh những con số, mà nó còn kể một câu chuyện. Ví dụ, bạn có bao giờ thắc mắc tại sao phụ nữ và trẻ em lại có tỷ lệ sống sót cao hơn? Hay liệu người giàu trên tàu có thực sự được ưu tiên không? Đây chính là những câu hỏi mà chúng ta sẽ trả lời qua từng bước phân tích bộ dữ liệu này.

---

Làm quen với các công cụ phân tích dữ liệu

1. Pandas: Người bạn đầu tiên

Pandas là thư viện không thể thiếu để xử lý dữ liệu trong Python. Nó giúp bạn load, xem, và thao tác với dữ liệu một cách nhanh chóng. Ví dụ, để load bộ dữ liệu Titanic, bạn chỉ cần vài dòng code đơn giản:

```python
import pandas as pd
data = pd.read_csv('titanic.csv')
print(data.head())
```

Pandas còn cung cấp các hàm như `groupby`, `describe` để bạn có thể nhanh chóng nhìn ra patterns trong dữ liệu.

2. Matplotlib và Seaborn: Khi dữ liệu cần trực quan hóa

Như người ta nói, "Một bức tranh đáng giá ngàn lời nói." Đúng vậy, việc trực quan hóa dữ liệu giúp chúng ta hiểu nhanh và sâu hơn. Matplotlib và Seaborn là hai công cụ mạnh mẽ để tạo biểu đồ, từ bar chart, pie chart cho đến heatmap.

Ví dụ, để vẽ biểu đồ tỷ lệ sống sót theo giới tính, bạn có thể dùng Seaborn như sau:

```python
import seaborn as sns
import matplotlib.pyplot as plt
sns.barplot(x='Sex', y='Survived', data=data)
plt.show()
```

Kết quả? Bạn sẽ thấy ngay rằng phụ nữ có tỷ lệ sống sót cao hơn đàn ông rất nhiều.

---

Những yếu tố quyết định sự sống còn

1. Giới tính: Phụ nữ và trẻ nhỏ được ưu tiên

Một trong những phát hiện rõ ràng nhất từ dữ liệu Titanic là "Ladies first" – phụ nữ có tỷ lệ sống sót cao hơn đáng kể so với nam giới. Theo dữ liệu:

- Phụ nữ: ~74% sống sót
- Nam giới: ~18% sống sót

Điều này không chỉ phản ánh nguyên tắc "Women and children first" mà còn cho thấy sự bất bình đẳng giới trong những tình huống khủng hoảng. Bạn có thể tưởng tượng nếu tình huống xảy ra trong thời đại ngày nay, liệu kết quả có khác không?

2. Hạng vé: Sự phân biệt giai cấp

Hạng vé không chỉ là một con số, mà nó đại diện cho tầng lớp xã hội của hành khách. Những người ở hạng nhất (First Class) có tỷ lệ sống sót cao hơn rất nhiều so với hạng ba. Tại sao? Câu trả lời nằm ở sự ưu tiên trong việc tiếp cận thuyền cứu sinh.

```python
sns.barplot(x='Pclass', y='Survived', data=data)
plt.show()
```

Kết quả biểu đồ sẽ cho thấy rõ ràng:

- Hạng 1: ~63% sống sót
- Hạng 2: ~47% sống sót
- Hạng 3: ~24% sống sót

Điều này nói lên điều gì? Trong thời kỳ đó, sự giàu có không chỉ mang lại sự thoải mái mà còn quyết định cả mạng sống.

3. Tuổi tác: Trẻ em có lợi thế

Dữ liệu cũng cho thấy trẻ em (dưới 16 tuổi) có tỷ lệ sống sót cao hơn so với người lớn. Điều này phản ánh sự ưu tiên của xã hội đối với trẻ em trong những tình huống nguy cấp. Bạn có thể kiểm tra điều này bằng cách chia dữ liệu thành các nhóm tuổi và so sánh tỷ lệ sống sót:

```python
data['AgeGroup'] = pd.cut(data['Age'], bins=[0, 16, 60, 80], labels=['Child', 'Adult', 'Senior'])
sns.barplot(x='AgeGroup', y='Survived', data=data)
plt.show()
```

Kết quả? Trẻ em thực sự được ưu tiên, nhưng đáng tiếc là không phải tất cả đều được cứu.

4. Số lượng người thân đi cùng

Nghe có vẻ lạ, nhưng việc bạn đi cùng gia đình hay đi một mình cũng ảnh hưởng đến khả năng sống sót của bạn. Những người đi cùng gia đình thường có tỷ lệ sống sót cao hơn, có lẽ vì họ hỗ trợ và bảo vệ lẫn nhau.

```python
sns.barplot(x='SibSp', y='Survived', data=data)
plt.show()
```

Tuy nhiên, nếu đi cùng quá đông người, tỷ lệ sống sót lại giảm đi đáng kể, có thể vì việc tổ chức sơ tán trở nên phức tạp hơn.

---

Bài học cho developer từ dự án Titanic

Phân tích dữ liệu Titanic không chỉ là một bài tập thực hành, mà còn mang lại nhiều bài học cho developer, đặc biệt là những ai muốn theo đuổi Data Science:

1. Hiểu dữ liệu là chìa khóa: Không chỉ chạy code, bạn cần hiểu ý nghĩa của từng cột dữ liệu và cách chúng kết nối với nhau.
2. Kể câu chuyện từ dữ liệu: Một biểu đồ đẹp chưa đủ, bạn cần biết cách kể câu chuyện đằng sau nó.
3. Đừng bỏ qua yếu tố con người: Dữ liệu không chỉ là số liệu. Nó phản ánh hành vi, quyết định và cảm xúc của con người.

---

Kết luận: Titanic là bài học vượt thời gian

Dữ liệu Titanic không chỉ giúp chúng ta thực hành kỹ năng phân tích, mà còn là một tấm gương phản chiếu xã hội của một thời kỳ đã qua. Nó cho chúng ta thấy rằng những quyết định trong thời khắc nguy hiểm không chỉ dựa trên logic, mà còn chịu ảnh hưởng bởi văn hóa, tầng lớp, và thậm chí là cảm xúc cá nhân.

Với các developer Việt Nam, đây là một ví dụ tuyệt vời để học cách xử lý dữ liệu thực tế, đồng thời hiểu rằng việc làm Data Science không chỉ là tạo ra các mô hình AI chính xác, mà còn là học cách khai thác và kể chuyện từ dữ liệu. Nếu bạn chưa từng thử sức với bộ dữ liệu này, hãy bắt đầu ngay hôm nay. Biết đâu, bạn lại khám phá ra điều gì đó mới mẻ mà cả thế giới chưa nhận ra?

Hãy nhớ, dữ liệu không bao giờ nói dối – nhưng hiểu được nó, đó mới là nghệ thuật!

---