Giới thiệu Machine Learning và Cài đặt NumPy

Machine Learning cơ bản với NumPy

5.0 (5 đánh giá)
Tạo bởi Huy Trịnh Cập nhật lần cuối 11:42 01-02-2020 6.616 lượt xem 8 bình luận
Học nhanh

Danh sách bài học

Giới thiệu Machine Learning và Cài đặt NumPy

Dẫn nhập

Trong phần giới thiệu khóa học MACHINE LEARNING VỚI NUMPY chúng ta đã cùng nhau tìm hiểu về nội dung khóa học cũng như những kiến thức bạn sẽ được tiếp cận & ứng dụng các kiến thức của chúng ta.

Ở bài đầu tiên, Kteam sẽ Giới thiệu Machine Learning, lĩnh vực Kteam hướng dẫn trong toàn bộ khóa học này, đồng thời hướng dẫn các bạn cách Cài đặt NumPy.


Nội dung

Để theo dõi bài này tốt nhất bạn cần có kiến thức về:

Trong bài này chúng ta sẽ cùng tìm hiểu về:

  • Định nghĩa Machine Learning
  • Ứng dụng Machine Learning
  • Phân loại Machine Learning
  • Cách cài đặt NumPy
  • Import thư viện NumPy vào project

Machine Learning là gì ?

Định nghĩa

Machine learning (tạm dịch tiếng Việt là “máy học”) có thể được định nghĩa là lĩnh vực nghiên cứu dữ liệu mang lại cho máy tính khả năng học hỏi mà không cần được lập trình rõ ràng.

Nhờ có Machine Learning mà con người không phải quy định sẵn một bộ khung cứng cho phần mềm, giúp phần mềm/thuật toán có tính linh động hơn.

Ví dụ:

Ta có thể dự đoán giá bất động sản dựa trên diện tích (có thể có thêm nhiều yếu tố khác) mà không cần biết trước giá của mỗi m2 đất.

Ta có thể nhận biết đâu là chó, đâu là mèo mà không cần biết đặc điểm của từng con.

Cấu trúc

Từ kinh nghiệm E sẽ thực hiện công việc T với độ chính xác P. Sau đó sẽ cải thiện độ chính xác P qua các kinh nghiệm E đến khi đạt độ chính xác cao nhất.

Ví dụ:

Từ kinh nghiệm xem album ảnh chó, Tèo sẽ nhìn một con vật và cho biết nó có phải chó hay không nhưng chỉ có độ chính xác 50% (cứ 2 con thì Tèo đoán sai 1 lần). Tèo thấy độ chính xác của mình quá thấp nên xem kĩ lại album để dần cải thiện độ chính xác lên 99.69%.


Ứng dụng Machine Learning

Search engine (công cụ tìm kiếm)

Mỗi khi bạn vào google để search phim, báo hay bất kỳ từ khóa nào, gần như ngay lập tức google sẽ trả về những thông tin liên quan đến từ khóa đó. Liệu có một đội ngũ nhân viên túc trực 24/7 để tìm thông tin cho bạn? Tất nhiên là không! Với hàng triệu lượt truy cập mỗi phút, để đáp ứng nhu cầu, Machine Learning đã được ứng dụng để tìm kiếm. Không chỉ riêng Google, Machine Learning đã được rất nhiều tổ chức áp dụng để tìm kiếm.

Smart home – smart city

Machine Learning cũng được áp dụng vào đời sống hằng ngày, nâng cao chất lượng sống như học tập những thói quen của bạn để thực hiện giúp bạn những công việc đơn giản hay phân tích lưu lượng xe để chỉnh thời gian đèn đỏ cho phù hợp.

Y học

Hiện nay, Machine Learning đã được áp dụng vào y học để chẩn đoán một số bệnh thường gặp từ các triệu chứng, giúp tiết kiệm được một lượng lớn thời gian và kinh phí để thực hiện chẩn đoán theo cách truyền thống.

Chặn spam, quảng cáo

Cũng nhờ Machine Learning mà các mail spam hay quảng cáo khó chịu được tự động nhận biết và gỡ bỏ, đem lại trải nghiệm tốt nhất.

Các hệ thống tự động và bán tự động

Trong cách mạng công nghiệp 4.0 thì chắc hẳn không thể nhắc đến ứng dụng Machine Learning cho việc tự động hóa. Các dây chuyền sản xuất không cần quá nhiều nhân công hay xe tự lái đều là kết quả nghiên cứu lĩnh vực Machine Learning.


Phân loại Machine Learning

Ta có thể chia Machine Learning thành 2 loại chính:

Supervised Learning (Học có giám sát)

Supervised Learning sẽ nhận training set là các cặp giả thiết – kết quả để train và đưa ra output dựa trên các cặp dữ liệu training.

Ví dụ:

Tèo đọc sổ giá đất mẫu với các cặp diện tích – giá tiền sau đó đoán được giá của một miếng đất dựa vào diện tích.

Regression (hồi quy)

Tìm một hàm số phù hợp với training set, từ đó dự đoán output.

Ví dụ:

Với training set như trên thì ta có thể tìm được hàm f(x) = -1 + x từ đó đoán được nếu x = 4 thì y = 3.

Classification (phân loại)

Phân loại input dựa vào 1 hàm số phân tách giữa các loại. Kteam sẽ nói rõ hơn ở những bài sau.

Ví dụ:

Phân loại các loài động vật, phân loại email…

Unsupervised Learning (Học không giám sát)

Ở Supervised Learning training set của chúng ta là các cặp giả thiết – kết quả thì ở Unsupervised Learning ta chỉ có giả thiết mà không biết trước kết quả - outcomes của chúng ta ra sao.

Ví dụ:

Tèo đọc 1 tờ báo và phân nhóm các tin tương tự nhau như: kinh tế, thể thao, chính trị…

Clustering (Phân nhóm)

Tìm các điểm chung trong các input và phân nhóm các input theo điểm chung đó.

Ví dụ:

Phân nhóm các bài báo, phân nhóm khách hàng…

Non-Clustering (Không phân nhóm)

Tìm ra quy luật trong chaos – hỗn độn.

Ví dụ:

Phân tách các giọng nói đè lên nhau…


Cài đặt môi trường làm việc

Cài đặt Python

Kteam đã hướng dẫn các bạn cách cài đặt môi trường Python tại: CÀI ĐẶT MÔI TRƯỜNG PYTHON.

Cài đặt Sublime Text

Editor dùng trong khóa học là Sublime Text: HƯỚNG DẪN CÀI ĐẶT SUBLIME TEXT.

Cài đặt NumPy – Matplotlib

Mở cmd với quyền admin:

Tips: Bạn có thể mở nhanh cmd bằng tổ hợp phím Win + R; cmd; Enter.

Gõ lệnh:

python -m pip install [--user] numpy matplotlib

Kteam khuyến khích bạn sử dụng --user để tránh bị lỗi nếu không có quyền truy cập toàn máy tính (local machine). --user chỉ cài đặt NumPy cho user hiện tại.

Thư viện matplotlib dùng để vẽ biểu đồ. Kteam khuyến khích bạn cài đặt thêm thư viện này nhằm thuận tiện cho việc debug.

Lưu ý: nếu trong quá trình cài đặt gặp lỗi, bạn có thể kiểm tra:

  • Đã cài đặt python hay chưa?
  • Kết nối internet ổn định.
  • Còn đủ dung lượng để cài đặt không?
  • Câu lệnh cài đặt phải chính xác (đôi khi copy kí tự ‘-‘  có thể bị sai.)

Sau khi cài đặt thành công NumPy, bạn có thể import thư viện trong Python:

import numpy as np #import numpy and uses shorter keyword
print(np.pi) #print pi number using NumPy


Kết luận

Bài này đã giới thiệu sơ lược cho các bạn về Machine Learning, cách cài đặt môi trường làm việc trong serial này.

Ở bài sau, Kteam sẽ giới thiệu về MATRIX VÀ VECTOR VỚI NUMPY.

Cảm ơn bạn đã theo dõi bài viết. Hãy để lại bình luận hoặc góp ý của mình để phát triển bài viết tốt hơn. Đừng quên “Luyện tập – Thử thách – Không ngại khó”.


Thảo luận

Nếu bạn có bất kỳ khó khăn hay thắc mắc gì về khóa học, đừng ngần ngại đặt câu hỏi trong phần BÌNH LUẬN bên dưới hoặc trong mục HỎI & ĐÁP trên thư viện Howkteam.com để nhận được sự hỗ trợ từ cộng đồng.

Nội dung bài viết

Tác giả/Dịch giả

Chào các bạn!! Mình là Huy - một cậu bé đam mê lập trình :D Trong một mùa hè rảnh rỗi trước năm cuối cấp đầy cam go, sau khi đã cày hết 7749 bộ anime thì mình muốn làm một việc gì đó "có ích cho đời" hơn. Từ đó mình đã thành 1 Kter :)))

Liên hệ: huytrinhm@gmail.com

Khóa học

Machine Learning cơ bản với NumPy

Với mục đích giới thiệu đến mọi người về Machine Learning cũng như tạo điểm khởi đầu cho các bạn mới, muốn tham gia và tìm hiểu ban đầu về lĩnh vực khá hot này. Cùng Kteam tìm hiểu về Machine Learning cơ bản với ngôn ngữ Python.

Thông qua khóa học MACHINE LEARNING VỚI NUMPY, Kteam sẽ hướng dẫn các kiến thức cơ bản của thuật toán Machine Learning để các bạn có thể tạo ra những sản phẩm Machine Learning của riêng mình.

 

Đánh giá

nguyenhuy1999 đã đánh giá 16:20 06-02-2020

good !!!

Đặng Gia Khánh Editor, Author đã đánh giá 02:18 02-02-2020

leoodz đã đánh giá 01:08 02-02-2020

Huy Trịnh Author đã đánh giá 22:21 01-02-2020

Nhàn đã đánh giá 21:31 01-02-2020

Bình luận

Để bình luận, bạn cần đăng nhập bằng tài khoản Howkteam.

Đăng nhập
S.mask đã bình luận 10:16 02-04-2020

em đã cài đặt thành công nhưng mà khi dùng import numpy as np thì nó báo lỗi
Traceback (most recent call last):
  File "D:/IT/untitled/Machine Learning.py", line 1, in <module>
    import numpy as np
ModuleNotFoundError: No module named 'numpy'
 

ctn3m0 đã bình luận 14:42 01-03-2020

AttributeError: partially initialized module 'numpy' has no attribute 'pi' (most likely due to a circular import)

em bị lỗi này là sao vậy ạ?

Đỗ Xuân Trường đã bình luận 17:49 18-02-2020

cho e xin tài liệu từ bài 4 trở đi với ạ 

nguyenhuy1999 đã bình luận 16:20 06-02-2020

cho em xin tài liệu bài 3 trở đi với ạ :D

Không có video.