Giới thiệu Học máy SVIP

Văn bản dưới đây là được tạo ra tự động từ nhận diện giọng nói trong video nên có thể có lỗi

• Xin chào các bạn mình là Gia Bảo đến từ
• khoa công nghệ thông tin trường Đại học
• Sư phạm Hà Nội hôm nay mình sẽ giới
• thiệu cho các bạn về học máy
• nội dung buổi học này thì sẽ bao gồm 3
• phần thứ nhất Chúng ta sẽ tìm hiểu học
• máy là gì tiếp theo sau đấy chúng ta sẽ
• phân nhóm học máy dựa trên các phương
• thức học và cuối cùng chúng ta sẽ tìm
• hiểu một số các bài toán về học máy cơ
• bản cũng như là làm quen học máy với
• ngôn ngữ Titan
• thì học máy là một lĩnh vực nhỏ của khoa
• học máy tính nó khả năng tự học hỏi dựa
• trên dữ liệu đưa vào mà không cần phải
• được lập trình cụ thể như chúng ta thấy
• đây thì học máy nó là một phạm trù nhỏ
• hơn của trí tuệ nhân tạo tức là thay vì
• chúng ta đưa cho máy tính các cái chỉ
• dẫn rõ ràng các cái hướng dẫn chi tiết
• thì ta sẽ cung cấp cho máy tính dữ liệu
• và máy tính sẽ sử dụng những người dữ
• liệu này để xây dựng được các quy luật
• và có thể tự thực hiện được các công
• việc một số ví dụ như là contract gbp
• hay là con series của Apple
• thì như mọi người thấy học máy đóng một
• vai trò rất là phổ biến trong đời sống
• hiện nay của chúng ta
• thì theo phương thức học máy người ta
• chưa ra làm ba loại chính là học có giám
• sát học không giám sát và học tăng cường
• ở nội dung môn học này thì chúng ta sẽ
• chủ yếu Tìm hiểu về học có giám sát và
• học không giám sát
• học có giám sát là thuật toán dự đoán
• đầu ra của một dữ liệu mới dựa trên các
• cặp dữ liệu đã biết từ trước một lưu ý
• trong học có giám sát đấy là cặp dữ liệu
• này phải được gắn nhãn từ trước hay còn
• được gọi là data label
• và đây cũng là nhóm phổ biến nhất trong
• các thuật toán mới xin Lênin Lấy một ví
• dụ như là khi chúng ta cung cấp dữ liệu
• cho máy tính một bức ảnh
• về người
• thì bức ảnh này phải được dán nhãn sẵn
• là Nam hoặc là nữ tùy vào yêu cầu bài
• toán
• ngược lại với học có giám sát thì học
• không giám sát với dữ liệu đầu vào chúng
• ta sẽ không đón được đầu ra hoặc là
• không được gắn nhãn sẵn và ai sẽ phải
• xây dựng được các quy luật từ những ngày
• dữ liệu này
• hai cách khác thì học không giám sát là
• khi chúng ta chỉ có đầu vào X mà không
• biết nhãn
• trong học có giám sát người ta lại chia
• ra làm hai nhóm chính là phân loại
• classification và hồi quy requestion thì
• phân loại là các nhãn của dữ liệu đầu
• vào được chia thành một số nhóm hữu hạn
• ví dụ như với bài Toán xác định giới
• tính của một bức ảnh người đưa vào là
• nam hay là nữ thì cái dữ liệu đầu vào
• của chúng ta bức ảnh phải được dán nhãn
• sẵn là Nam hoặc là nữ
• một trong hai trường hợp này và nó là
• một số nhóm hữu hạn còn hồi quy là ánh
• xạ dữ liệu đầu vào thành một giá trị
• liên tục một số thực
• Ví dụ như với việc dự đoán giá nhà thì
• mỗi một căn nhà là có một giá riêng có
• căn thì có giá là 39 đô có can thì lại
• có giá 50 đô các con số này thì không
• phải là con số hữu hạn
• để máy tính có thể hiểu được và để máy
• tính có thể học được thì chúng ta cần dữ
• liệu đầu vào hay người ta hay gọi là dữ
• liệu huấn luyện Training dataset ở đây
• thì mình có tập dữ liệu huấn luyện bao
• gồm rất nhiều ảnh n ảnh và mỗi bức ảnh
• này thì được gán nhãn sẵn là không Hoặc
• là một các nhãn này thì là một số nhóm
• hữu hạn nên nó là bài toán phân loại
• thì thông qua quá trình học hay còn gọi
• là khái quát hóa thì ta sẽ xây dựng được
• một cái hàm mô đun f của ảnh bằng I thì
• khi mà chúng ta đưa một bức ảnh khác vào
• cái hàng này thì ta phải ra được giá trị
• một là không
• Đó là một thì đấy chính là về bài toán
• phân loại
• lấy ví dụ như bài toán dự đoán giá nhà
• thì đây là tập dữ liệu huấn luyện của
• các thông số như là X1 là diện tích x2
• là số tầm X3 là khoảng cách tới trung
• tâm Vân Vân ở đây tôi X1 cho tới XL
• chính là dữ liệu data và y ở đây đóng
• vai trò là nhãn label
• thì chúng ta quan sát thấy nhãn của
• chúng ta là một con số thực không phải
• là một số nhóm hữu hạn nên bài toán này
• là bài toán hồi quy
• tương tự như là phân loại thì thông qua
• quá trình học chúng ta cũng xây dựng
• được một hàm môđun để khi đưa các dữ
• liệu vào cũng sẽ ra được một con số y
• nào đấy
• Thế thì một câu hỏi đặt ra là cùng một
• bài toán các dữ liệu cùng được gạt nhãn
• nhưng chúng ta học với hai thuật toán
• khác nhau thì làm thế nào để xác định
• được là môđun nào
• tốc độ chính xác cao hơn module nào
• thì để xác định được người ta sử dụng
• thêm một tập dữ liệu nữa được gọi là tập
• dữ liệu kiểm tra và tập dữ liệu này cũng
• sẽ được dán nhãn từ trước
• và đưa thông qua hai module này
• ví dụ với số 1 thì mô đun f dự đoán đúng
• số 1 và mô đun hát cũng dự đoán đúng số
• 1 với số 7 thì module s đã dự đoán nhầm
• thành số 1 thì có thể là số 7 nó có nét
• hơi giống với cả là số 1 nhưng moduh đã
• dự đoán đúng và với số 8 thì cả hai
• môđun đều dự đoán sai thì từ đấy chúng
• ta sẽ tính được tỷ lệ dự đoán đúng của
• mô đun f và mô đun H của God
• có độ chính xác cao hơn f
• Đấy là mới học có giám sát Còn với học
• không giám sát thì người ta cũng chia ra
• làm hai nhóm chính là phân nhóm
• Thạch ca nhóm ca có thể biết hoặc là
• chưa biết ở đây thì mình xác định là cao
• bằng 3
• thì với bức ảnh ban đầu này sau quá
• trình phân nhóm hoặc là quá trình học
• thì mình phân ra được thành 3 nhóm chính
• là màu đen màu đỏ và màu da người từng
• với cả ba nhóm Thế thì làm thế nào để
• máy tính có thể thực hiện được quá trình
• này
• như chúng ta đã biết thì mỗi một bức ảnh
• thì được cấu tạo bằng rất nhiều Pixel
• lấy ví dụ như bức ảnh này có kích thước
• là 30 Pixel x 25 Pixel ảnh này là ảnh
• màu nên mẫu Pixel sẽ có 3 thông số là
• rgb từ 0 cho tới 255
• Thế thì tao có thể biểu diễn bức ảnh này
• thành một ma trận hoặc là một cái bảng
• như sau Pixel số 1 thì có thông số 502
• và 13 thích xem số 2 thì có thông số như
• này tương tự như thế tới Pixel số 750
• như vậy ta sẽ chia ra được các cái Pixel
• mà có cái quy luật giống nhau về cùng
• một nhóm Ví dụ như ở đây là Pixel số 1
• thì là về nhóm 1 Pixel số 2 thì về nhóm
• không cách xem số 3 thì lại về nhóm 1
• tương tự như thế cho hết đến toàn bộ 750
• Pixel và cái nhóm này mọi người có thể
• coi như đấy là cái nhãn và việc cá Nhã
• cho các nhóm này thì tùy vào yêu cầu của
• bài Toán Mình có thể dán nhãn hoặc là
• không
• như mọi người cũng thấy thì với số ca
• càng lớn thì cái bức ảnh nó sẽ càng
• giống với cả cái bức ảnh ban đầu hơn Ví
• dụ như với các bạn 2 thì nó chỉ phân
• biệt được hai màu đấy là đen và trắng
• các bằng 5 thì sẽ phân biệt nhiều màu
• hơn
• tương tự như vậy cho đến cao bằng các
• càng lớn thì bức ảnh nó càng giống là
• bức ảnh ban đầu
• thì mình cung cấp một tập dữ liệu và
• luyện như sau X1 là diện tích x2 là số
• tầng X3 là khoảng cách tới trung tâm và
• x4 ở đây là giá nhà thì mọi người để ý
• thấy là tập dữ liệu huấn luyện của mình
• không bao gồm nhãn
• Thế thì thông qua quá trình học thì máy
• tính cũng sẽ xác định được một cái quy
• luật một quy tắc nào đấy để dự đoán ra
• được giá nhà của căn nhà từ 1001 là bao
• nhiêu thì tức là mình có thể sử dụng
• nhiều thuật toán khác nhau để khám phá
• ra một quy tắc dựa trên tập dữ liệu đã
• cho
• và đây chính là bài toán về
• và cuối cùng mình sẽ để môi cho các bạn
• bằng ngôn ngữ bay thật
• thì ở đây với tập dữ liệu huấn luyện của
• mình gồm 300 phần tử và chưa được dán
• nhãn
• mỗi phần tử này thì ở một vị trí khác
• nhau
• ở đây là một số các cái thư viện và một
• công số công cụ để hỗ trợ mình thực hiện
• việc phân nhóm này Phân cụ này một cách
• dễ hơn
• Ở đây mình sử dụng thuật toán King để
• phân thành 4 nhóm tương ứng với cả là
• cao bằng 4 thì mọi người để ý là sau quá
• trình phân nhóm các phần tử mà ở gần với
• nhau thì đã về cùng một nhóm và có cùng
• màu
• Thì đấy là quá trình phân nhóm của mình
• và cũng như là mình thực hiện nó ở trên
• ngôn ngữ bài tập
• kết lại thì hôm nay mình đã học qua thứ
• nhất là mình giới thiệu về học máy thứ
• hai mình phân nhóm học máy dựa trên các
• phương thức học thì bao gồm đấy là học
• nhóm học máy có giám sát và học máy
• không giám sát là hai loại cơ bản chính
• trong học bài có giám sát thì lại chia
• ra làm hai loại là phân loại
• và hồi quy
• với học không giám sát thì cũng tương tự
• chia ra làm 2 nhóm là phân nhóm watering
• và
• khám phá ra một quy luật giữa dân tộc dữ
• liệu đã cho từ trước
• và cuối cùng mình tìm hiểu một số các
• bài toán cơ bản cũng như là làm quen học
• máy với ngôn ngữ Titan