Trong chương này, chúng ta sẽ định nghĩa Machine Learning và mối liên hệ của nó với khoa học dữ liệu và trí tuệ nhân tạo. Sau đó, chúng ta sẽ giải mã các thuật ngữ quan trọng trong Machine Learning và kết thúc với quy trình làm việc để xây dựng mô hình.

Machine Learning là gì?

Tạo gợi ý phim

AI, data science và machine learning bước vào quán bar...

Điều gì đúng về Machine Learning?

Các khái niệm về Machine Learning

Thuật ngữ Machine learning

Supervised vs unsupervised

Quy trình làm việc của Machine Learning

Các bước xây dựng mô hình

Một bước đúng

Giờ bạn đã nắm các kiến thức cơ bản về Machine Learning, hãy đào sâu hơn một chút. Kết thúc chương này, bạn sẽ biết các loại hình Machine Learning khác nhau, cũng như cách đánh giá và cải thiện mô hình của mình.

Học có giám sát

Khởi động

Nhiệm vụ

Classification

Regression

Hồi quy hay phân loại?

Học không giám sát

Supervised

Unsupervised

Không cần giám sát đâu

Khám phá các cụm

Đánh giá hiệu suất

Đúng

Đúng hay sai?

Miền hỗn độn

Cải thiện hiệu suất

Tùy chọn

Điều chỉnh siêu tham số (Hyperparameter Tuning)

Giảm số chiều (Dimensionality Reduction)

Phương pháp tổ hợp (Ensemble Methods)

Con đường lên đỉnh còn dài

Khám phá việc tinh chỉnh siêu tham số (hyperparameter tuning)

Các mô hình Machine Learning

Trong chương này, chúng ta sẽ tìm hiểu về Deep Learning bắt đầu từ mạng nơ-ron. Tiếp theo, chúng ta sẽ xem kỹ hai trường hợp sử dụng phổ biến của Deep Learning: thị giác máy tính và xử lý ngôn ngữ tự nhiên. Chúng ta sẽ khép lại khóa học bằng việc thảo luận về các giới hạn và rủi ro của Machine Learning.

Học sâu

Deep learning là gì?

Tôi có nên dùng deep learning không?

Thị giác máy tính

Dữ liệu ảnh

Quy trình

Xử lý ngôn ngữ tự nhiên

Phân tích cảm xúc

Phân loại các tác vụ machine learning

Bag of words

Giới hạn của Machine Learning

Dùng hộp đen hay không dùng hộp đen?

Phát hiện thiên lệch trong dự đoán vỡ nợ khoản vay

Chúc mừng bạn!

Deep Learning

Course Glossary: Understanding Machine Learning

Điều gì đứng sau cơn sốt Machine Learning? Trong khóa học phi kỹ thuật này, bạn sẽ học mọi điều mà trước đây còn ngại hỏi về Machine Learning. Không cần viết mã. Các bài tập thực hành sẽ giúp bạn vượt qua mớ biệt ngữ và hiểu cách công nghệ thú vị này vận hành mọi thứ, từ xe tự lái đến gợi ý mua sắm cá nhân trên Amazon của bạn.

Machine Learning hoạt động như thế nào, khi nào nên dùng, và khác gì so với AI? Tất cả đều sẽ được đề cập. Hãy trau dồi kỹ năng trong lĩnh vực đang có nhu cầu cao và tầm ảnh hưởng lớn này, và khám phá vì sao Machine Learning là dành cho mọi người!

Video có kèm bản chép lời trực tiếp, bạn có thể truy cập bằng cách nhấp "Show transcript" ở góc dưới bên trái của video.

Bảng thuật ngữ của khóa học nằm ở bên phải trong phần tài nguyên.

Để nhận tín chỉ CPE, bạn cần hoàn thành khóa học và đạt 70% ở bài đánh giá đủ điều kiện. Bạn có thể đi đến bài đánh giá bằng cách nhấp vào mục gọi chú ý về tín chỉ CPE ở bên phải.

<h2>Học về các khái niệm cơ bản của Học máy</h2> 
Điều gì ẩn sau sự phổ biến của học máy? Trong khóa học không chuyên sâu này, quý vị sẽ được tìm hiểu mọi khía cạnh về học máy mà trước đây quý vị có thể đã e ngại không dám hỏi. Không cần phải lập trình.
<br><br>
Quý vị sẽ tìm hiểu các khái niệm cơ bản nhưng thiết yếu để bắt đầu hành trình học máy, thông qua các bài tập thực hành để củng cố kiến thức của mình. Điều này bao gồm việc phát triển sự hiểu biết vượt ra ngoài thuật ngữ chuyên ngành và tìm hiểu cách công nghệ tiên tiến này hỗ trợ mọi thứ, từ xe tự lái đến các đề xuất mua sắm cá nhân trên Amazon của bạn. 
<br><br>
<h2>Khám phá các khái niệm cơ bản về Học máy</h2> 
Cách thức hoạt động của học máy là gì, khi nào có thể áp dụng nó, và sự khác biệt giữa trí tuệ nhân tạo (AI) và học máy là gì? Khóa học này bao gồm tất cả các chủ đề này.
<br><br>
Quý vị sẽ bắt đầu bằng việc tìm hiểu về học máy, khám phá định nghĩa cơ bản của nó và mối quan hệ của nó với khoa học dữ liệu và trí tuệ nhân tạo. Sau đó, quý vị sẽ làm quen với từ vựng của nó và kết thúc với quy trình học máy để xây dựng mô hình.
<br><br>
Chúng tôi kết thúc khóa học bằng cách đi sâu hơn vào học sâu. Quý vị sẽ tìm hiểu hai trường hợp sử dụng phổ biến của học sâu: thị giác máy tính và xử lý ngôn ngữ tự nhiên (NLP), đồng thời nhận thức được những giới hạn và rủi ro của học máy.

Khóa học 2 giờ này giới thiệu các khái niệm cơ bản về học máy, từ vựng, mô hình và học sâu.

Tìm hiểu Machine Learning

Giới thiệu về học máy mà không cần lập trình.

Cơ bản về Trí tuệ Nhân tạo

Hiểu về các chủ đề dữ liệu

Ma trận nhầm lẫn được dùng để đánh giá hiệu năng phân loại.

Đánh giá hiệu năng của mô hình học không giám sát khó hơn và phụ thuộc vào mục tiêu ban đầu của bạn.

Dương tính giả (False Positive) là giá trị được dự đoán là dương tính nhưng thực tế là âm tính.

Accuracy luôn là một chỉ số hữu ích và giàu thông tin.

Âm tính giả (False Negative) là giá trị được dự đoán là dương tính nhưng thực tế là âm tính.

Đúng hay sai?

Tìm hiểu Machine Learning

Bài tập tương tác thực hành