Machine Learning là 1 trong những nội dung trọng tâm trong khóa học trí tuệ nhân tạo tại SOM-AIT. Bài viết dưới đây sẽ cung cấp cho bạn góc nhìn toàn cảnh về cách thức tiếp cận của giáo án machine learning cơ bản trong trường trình thạc sĩ ứng dụng khoa học dữ liệu và trí tuệ nhân tạo (PMDS). Cùng tìm hiểu nhé!
Giáo trình học Machine Learning tại trường SOM
Mục tiêu môn học machine learning cơ bản
Người học sẽ được bắt đầu học phần Machine Learning cơ bản ngay từ học kỳ đầu tiên của khóa học Thạc sĩ chuyên nghiệp về Khoa học dữ liệu và Ứng dụng Trí tuệ nhân tạo
(Chương trình PMDS). Môn học này hướng tới mục tiêu cung cấp kiến thức nền tảng, hiểu được nguyên lý vận hành và biết cách áp dụng machine learning căn bản cho 1 số bài thực hành đơn giản.
Thông qua sự hướng dẫn của giảng viên có cả background khoa học lẫn kỹ thuật, trường SOM muốn học viên cùng lúc nắm chắc kiến thức, vừa rèn luyện kỹ năng thực hành. Sau các chủ đề lý thuyết, người học sẽ học cách tự thiết kế, triển khai và đánh giá 1 số hệ thống thông minh.
Đề cương học machine learning
6 nội dung chính mà người học sẽ được lần lượt tiếp cận bao gồm:
1. Giới thiệu về machine learning: Vì đây là học kỳ đầu tiên cho nên giảng viên sẽ củng cố lại phần lý thuyết trước. Đây cũng có thể xem là bước khởi động nhằm đồng bộ năng lực các thành viên trong lớp trước khi đi vào các vấn đề phức tạp hơn.
2. Phân loại học tập có giám sát: Là 1 phân loại của machine learning, học tập có giám sát tiếp nhận thông tin, học thông qua các dữ liệu và đề xuất dưới sự giám sát của con người. Để hiểu sâu về phân loại này người học sẽ học về:
- Hồi quy tuyến tính, hồi quy logistics và mô hình tuyến tính tổng quát.
- Mô hình xác suất sáng tạo.
- Tối ưu hóa hồi quy và lập trình bậc 2.
- Các vector bổ trợ.
- Mô hình tập hợp và cách thức ra quyết định.
- Phương pháp phi tham số.
3. Mạng thần kinh nhân tạo
Mạng thần kinh nhân tạo hay neural network là tập con của machine learning. Bằng các dữ liệu có sẵn ở trong các lớp, neural network sẽ phân tích, xử lý và học những yêu cầu đầu vào 1 cách tự động. Ứng dụng dễ thấy nhất của mạng thần kinh nhân tạo là các phần mềm nhận diện khuôn mặt, giọng nói, chữ viết…
Với chủ điểm nội dung này, trường SOM giới thiệu tổng quan các thành phần như perceptron và lý giải nguyên lý hoạt động lấy cảm hứng từ khoa học thần kinh.
Sau đó, giảng viên sẽ diễn giải các khái niệm sâu hơn như neural network nhiều lớp, lan truyền ngược và cả kỹ thuật tối ưu hóa, phân tích đường cong.
→ Xem thêm tại: Neural networks là gì?
4. Lý thuyết về “cách học” của machine learning
Nội dung này sẽ thuần về lý thuyết chuyên sâu, từng bước lý giải cách tạo lặp thuật toán học máy. Trong đó, người học sẽ được hiểu về ứng dụng của phương sai, chính quy hóa, mô hình, các tính năng và chiều VC.
5. Phân loại học tập không giám sát
Đây cũng là 1 phân loại của học máy nhưng tương đối phức tạp hơn. Nếu như học tập có giám sát vẫn cần sự hiện diện của con người thì phân loại này sẽ tự vận hành. Nói cách khác, học tập không giám sát chỉ cần được xây dựng ban đầu và sẽ tự học, đề xuất thêm những cái mới dựa trên “kinh nghiệm” của chính mình. Bởi thế, nội dung này được xếp sau neural network- trọng tâm xây dựng học tập không giám sát.
Để áp dụng được phân loại này vào các dự án machine learning, người học sẽ phải nắm bắt được thông tin của:
- Phân cụm k-means
- Mô hình Gaussian hỗn hợp
- Phương pháp phân tích thành phần chính, thành phần độc lập
- Bộ mã hóa tự động
6. Gia số
Quá trình ra quyết định của Markov và Bellman, Q-Learning (học tăng cường), thuật toán value iteration và policy iteration sẽ được các giảng viên giới thiệu đến người học ở những buổi cuối của học phần machine learning cơ bản. Những thành phần này thường được sử dụng xây dựng mô hình học máy có độ khó cao. Cho nên chúng được sắp xếp ở sau cùng của giáo án.
Trải qua 6 chủ điểm nội dung trên, trường SOM giúp người học thấy được bức tranh tổng quát của machine learning cơ bản. Hơn nữa, những bài thực hành cũng là cách để học viên nắm chắc hơn khối lượng lý thuyết cần tiếp nạp.
Kết quả đầu ra
Kết thúc khóa học machine learning cơ bản, người học có thể:
- Lập kế hoạch thu thập dữ liệu theo từng phân loại, đáp ứng đích xác cho mục tiêu. Đây là kỹ năng căn bản nhưng nếu không được đào tạo bài bản sẽ ảnh hưởng nghiêm trọng đến hiệu suất, hao tổn nguồn lực và thời gian.
- Xây dựng thuật toán học máy phân tích và dự đoán dựa trên dữ liệu thực tế.
- Huấn luyện và và kiểm tra các mô hình học máy ở nhiều phân loại khác nhau.
- Tích hợp thuật toán machine learning vào hệ thống phần mềm trực tuyến.
Nhìn chung, định hướng đào tạo của trường SOM là trang bị cho học viên kiến thức đủ rộng để tùy biến sử dụng cho nhiều trường hợp. Các nội dung được sắp xếp theo thứ tự từ dễ đến khó để người học hiểu sâu, nắm chắc và biết được tính tương quan giữa chúng.
Nếu bạn thấy rằng những nội dung trên tạo cho bạn sự hứng thú và muốn trải nghiệm học phần machine learning cơ bản tại trường SOM nhưng lại nhiều đắn đo không biết những học phần còn lại có phù hợp với mình không thì có thể xem thêm toàn bộ lộ trình khóa học PMDS:
→ Lộ trình học lập trình trí tuệ nhân tạo (artificial intelligence) tại SOM
Song, trường SOM còn là trường đào tạo quản lý và công nghệ hàng đầu khu vực. Năm 2023, trường SOM được xếp là trường quản lý đứng đầu Thái Lan và đứng thứ 21 trên toàn châu Á. Với thế mạnh này, người học có thể tự tin với năng lực sau khi kết thúc khóa học, cũng như mở ra nhiều cơ hội hơn với chứng chỉ quốc tế được cấp bởi trường SOM.
Hãy để lại thông tin bên dưới nếu bạn còn thắc mắc về học phần machine learning, khóa học và thời gian biểu. Đội ngũ tư vấn của trường quản lý SOM-AIT sẽ liên lạc với bạn trong thời gian sớm nhất!
Có thể bạn quan tâm: Học machine learning ở đâu
