Cơ bản về học máy

Description

Bài học này giải thích machine learning (học máy) bằng ví dụ đời thường. Bạn sẽ hiểu máy không “học” như con người, mà tìm mẫu trong dữ liệu để dự đoán, phân loại hoặc gợi ý.

Learning objectives

Sau bài học, bạn có thể:

• Giải thích học máy là gì bằng ngôn ngữ đơn giản.
• Hiểu vai trò của dữ liệu, mẫu và dự đoán.
• Nhận ra ví dụ học máy trong ứng dụng hằng ngày.
• Biết vì sao dữ liệu kém có thể tạo kết quả kém.

Estimated duration

25 phút

Lesson content

Học máy là một cách xây dựng AI trong đó máy tính học từ dữ liệu thay vì chỉ làm theo từng quy tắc do con người viết sẵn.

Ví dụ, nếu muốn nhận diện email rác, ta có thể viết luật như “nếu có chữ miễn phí thì nghi ngờ”. Nhưng thư rác thay đổi liên tục. Học máy có thể xem rất nhiều email đã được đánh dấu là rác hoặc không rác, rồi tìm mẫu để phân loại email mới.

Ba ý quan trọng:

1. Dữ liệu: ví dụ đã có, như email, ảnh, giao dịch hoặc câu hỏi.
2. Mẫu: điểm lặp lại trong dữ liệu, ví dụ từ ngữ thường gặp trong thư rác.
3. Dự đoán: kết quả máy đưa ra cho dữ liệu mới, ví dụ “email này có thể là spam”.

Chất lượng dữ liệu rất quan trọng. Nếu dữ liệu cũ thiếu đa dạng, có lỗi hoặc thiên lệch, mô hình học máy có thể lặp lại những vấn đề đó.

Examples

• Ứng dụng ngân hàng phát hiện giao dịch bất thường dựa trên mẫu giao dịch trước đó.
• Website thương mại điện tử gợi ý sản phẩm dựa trên hành vi xem và mua hàng.
• Ứng dụng học ngoại ngữ dự đoán từ nào bạn cần ôn lại nhiều hơn.

Key takeaways

• Học máy là cách AI học mẫu từ dữ liệu để phân loại, dự đoán hoặc gợi ý.
• Máy không hiểu như con người; nó xử lý mẫu và xác suất.
• Dữ liệu tốt giúp kết quả đáng tin hơn, dữ liệu kém có thể gây sai lệch.
• Dự đoán của học máy cần được kiểm tra trong các quyết định quan trọng.

Exercises

Bài thực hành

Chọn một ví dụ như lọc thư rác, gợi ý phim hoặc dự đoán điểm kiểm tra. Viết ra: dữ liệu đầu vào là gì, máy cần tìm mẫu nào, và kết quả dự đoán là gì.

Tính năng tương tác sắp ra mắt

Gợi ý tự kiểm tra:

1. Bạn có phân biệt dữ liệu đầu vào và kết quả đầu ra không?
2. Mẫu được học có hợp lý không?
3. Có tình huống nào mô hình có thể dự đoán sai không?

Quiz

Câu hỏi ôn tập

1. Học máy khác gì với việc viết luật thủ công cho máy?

2. Ba yếu tố cơ bản của học máy trong bài này là gì?

3. Vì sao dữ liệu chất lượng kém có thể gây vấn đề?

Tính năng tương tác sắp ra mắt

Quiz answers

1. Viết luật thủ công là con người chỉ rõ từng quy tắc; học máy để máy tìm mẫu từ dữ liệu.
2. Dữ liệu, mẫu và dự đoán.
3. Vì mô hình học từ dữ liệu đó, nên lỗi, thiếu sót hoặc thiên lệch trong dữ liệu có thể đi vào kết quả.

Summary

Học máy là nền tảng quan trọng của nhiều hệ thống AI. Nó giúp máy tìm mẫu từ dữ liệu và đưa ra dự đoán, nhưng chất lượng dữ liệu và kiểm tra của con người vẫn rất quan trọng.

Next lesson

Bài tiếp theo: Cơ bản về học sâu — bạn sẽ học vì sao deep learning giúp AI xử lý hình ảnh, giọng nói và ngôn ngữ tốt hơn.