<pre style="text-align: center;"><em>"[___WARNING_Kh&oacute;a học đang trong qu&aacute; tr&igrave;nh cập nhật nội dung mỗi tuần <br />n&ecirc;n kh&ocirc;ng thể tr&aacute;nh khỏi sai s&oacute;t. Rất mong bạn đọc th&ocirc;ng cảm. <br />Nếu c&oacute; bất cứ thắc mắc n&agrave;o h&atilde;y ib cho page <a href="https://www.facebook.com/tek4.vn">TEK4.VN</a> <br />hoặc thảo luận tại group <a href="https://www.facebook.com/groups/tek4.vn">TEK4.VN- Học Lập Tr&igrave;nh Miễn Ph&iacute;</a>_WARNING___]"</em></pre>
<h3 style="text-align: justify;">Giới thiệu kh&oacute;a học machine learning cơ bản với Python</h3>
<p style="text-align: justify;">Bạn nghe n&oacute;i về tr&iacute; tuệ nh&acirc;n tạo rồi machine learning v&agrave; muốn t&igrave;m hiểu về n&oacute;. Kh&oacute;a học n&agrave;y l&agrave; gi&agrave;nh cho bạn.</p>
<p style="text-align: justify;">Kh&oacute;a học n&agrave;y được thiết kế một c&aacute;ch b&agrave;i bản với những kiến thức từ cơ bản đến n&acirc;ng cao gi&uacute;p bạn c&oacute; khả năng l&agrave;m quen một c&aacute;ch dễ d&agrave;ng nhất với lĩnh vực machine learning.</p>
<p style="text-align: justify;">C&aacute;c chủ đề của kh&oacute;a học được thiết kế liền mạch với những giải th&iacute;ch dễ hiểu v&agrave; v&iacute; dụ minh họa thực tế. Với mỗi b&agrave;i học, bạn sẽ được l&agrave;m quen với c&aacute;c kỹ năng mới v&agrave; n&acirc;ng cao hiểu biết của m&igrave;nh về lĩnh vực học m&aacute;y đầy th&aacute;ch thức nhưng lại v&ocirc; c&ugrave;ng th&uacute; vị với nhiều ứng dụng thực tế n&agrave;y.</p>
<p style="text-align: justify;">Một điều đặc biệt nữa của kh&oacute;a học l&agrave; n&oacute; được thiết kế sao cho mỗi phần l&agrave; tương đối độc lập. V&igrave; vậy, bạn c&oacute; thể học to&agrave;n bộ kh&oacute;a học từ đầu đến cuối hoặc bạn cũng c&oacute; thể nhảy ngay v&agrave;o bất kỳ phần cụ thể n&agrave;o v&agrave; t&igrave;m hiểu những g&igrave; bạn cần ngay lập tức.</p>
<p style="text-align: justify;">Hơn nữa, kh&oacute;a học bao gồm nhiều b&agrave;i tập dựa tr&ecirc;n c&aacute;c nghi&ecirc;n cứu t&igrave;nh huống thực tế trong đời sống. V&igrave; vậy, bạn kh&ocirc;ng chỉ học l&yacute; thuyết m&agrave; c&ograve;n được thực h&agrave;nh rất nhiều v&iacute; dụ để x&acirc;y dựng c&aacute;c m&ocirc; h&igrave;nh của ri&ecirc;ng m&igrave;nh một c&aacute;ch thực thụ. Đặc biệt, bạn sẽ được luyện tập với c&aacute;c kh&aacute;i niệm NGAY LẬP TỨC với hệ thống b&agrave;i tập được hệ thống h&oacute;a v&agrave; đ&aacute;nh gi&aacute; trực tiếp tr&ecirc;n TEK4.VN.</p>
<h3 style="text-align: justify;">Kh&oacute;a học machine learning cơ bản với Python n&agrave;y d&agrave;nh cho ai?</h3>
<ul>
<li style="text-align: justify;">Bất cứ ai quan t&acirc;m đến Machine Learning.</li>
<li style="text-align: justify;">Học vi&ecirc;n đ&atilde; c&oacute; những kiến thức trung học phổ th&ocirc;ng về to&aacute;n v&agrave; muốn bắt đầu học Machine Learning.</li>
<li style="text-align: justify;">Bất kỳ ai đ&atilde; c&oacute; những kiến thức cơ bản về học m&aacute;y, như c&aacute;c thuật to&aacute;n cổ điển như hồi quy tuyến t&iacute;nh hoặc hồi quy logistic, nhưng vẫn muốn t&igrave;m hiểu th&ecirc;m về học m&aacute;y v&agrave; kh&aacute;m ph&aacute; c&aacute;c kh&iacute;a cạnh kh&aacute;c của machine learning.</li>
<li style="text-align: justify;">Bất kỳ ai gặp kh&oacute; khăn trong việc lập tr&igrave;nh để &aacute;p dụng c&aacute;c thuật to&aacute;n học m&aacute;y v&agrave;o b&agrave;i to&aacute;n thực tế.</li>
<li style="text-align: justify;">Bất kỳ sinh vi&ecirc;n đại học n&agrave;o muốn bắt đầu sự nghiệp trong lĩnh vực machine learning.</li>
<li style="text-align: justify;">Bất kỳ ai muốn n&acirc;ng cao kiến thức của bản th&acirc;n trong lĩnh vực Machine Learning.</li>
<li style="text-align: justify;">Bất kỳ người n&agrave;o kh&ocirc;ng h&agrave;i l&ograve;ng với c&ocirc;ng việc của họ v&agrave; muốn trở th&agrave;nh Nh&agrave; khoa học dữ liệu.</li>
<li style="text-align: justify;">Bất kỳ người n&agrave;o muốn tạo gi&aacute; trị gia tăng cho doanh nghiệp của họ bằng c&aacute;ch sử dụng c&aacute;c c&ocirc;ng cụ Machine Learning mạnh mẽ.</li>
</ul>

Machine Learning cơ bản với Python

<p style="text-align: justify;">Ở b&agrave;i trước ta đ&atilde; t&igrave;m hiểu về thuật to&aacute;n Gradient Descent, ta đ&atilde; biết Gradient Descent t&igrave;m điểm cực trị của $f(x)$ bằng c&aacute;ch giảm dần c&aacute;c gi&aacute; trị $x$ th&ocirc;ng qua c&ocirc;ng thức $x_{mới} =x_{cũ} - \eta f'(x_{cũ})$, ta cũng đ&atilde; t&igrave;m hiểu tại sao lại c&oacute; c&ocirc;ng thức như vậy. Ở b&agrave;i n&agrave;y ta sẽ đi thực hiện viết code để minh họa cho qu&aacute; tr&igrave;nh n&agrave;y. C&aacute;c g&oacute;i thư viện cần thiết cho v&iacute; dụ n&agrave;y cần c&agrave;i đặt l&agrave; tensorflow, d2l, numpy.</p>
<h2 id="minh-họa-thuật-to&aacute;n" style="text-align: justify;">Minh họa thuật to&aacute;n</h2>
<h3 id="import-thư-viện" style="text-align: justify;">Import thư viện</h3>
<pre class="language-python"><code>%matplotlib inline
import numpy as np
import tensorflow as tf
from d2l import tensorflow as d2l</code></pre>
<h3 style="text-align: justify;">Khởi tạo h&agrave;m số $f(x) = x^2$ v&agrave; t&iacute;nh đạo h&agrave;m $f('x) = 2x$</h3>
<pre class="language-python"><code># định nghĩa h&agrave;m f(x) = x^2
def f(x):
    return x**2

# T&iacute;nh đạo h&agrave;m của f(x) l&agrave; f'(x) = 2x
def f_grad(x):
    return 2 * x</code></pre>
<h3 style="text-align: justify;">X&acirc;y dựng h&agrave;m số phục vụ cho việc cập nhật lại c&aacute;c gi&aacute; trị mới cho $x$</h3>
<p style="text-align: justify;">H&agrave;m gd n&agrave;y sẽ trả về một danh s&aacute;ch c&aacute;c gi&aacute; trị của $x$ sau khi cập nhật.</p>
<pre class="language-python"><code>def gd(eta, f_grad):
    x = 10.0 # x được khởi tạo ban đầu bằng 10
    results = [x] # results sẽ l&agrave; list chứa c&aacute;c gi&aacute; trị mới của x sau c&aacute;c lần cập nhật
    #tạo v&ograve;ng for thể hiện sẽ cập nhật gi&aacute; trị mới cho x bao nhi&ecirc;u lần
    for i in range(10):
        x -= eta * f_grad(x) # cập nhật gi&aacute; trị mới cho x = x - n*f'(x)
        results.append(float(x))
    print(f'epoch 10, x: {x:f}')
    return results </code></pre>
<h3 style="text-align: justify;">Trực quan h&oacute;a tr&ecirc;n đồ thị</h3>
<pre class="language-python"><code>def show_trace(results, f):
    n = max(abs(min(results)), abs(max(results)))
    f_line = tf.range(-n, n, 0.01)
    d2l.set_figsize()
    d2l.plot([f_line, results],
             [[f(x) for x in f_line], [f(x) for x in results]], 'x', 'f(x)',
             fmts=['-', '-o'])</code></pre>
<p style="text-align: justify;">Sau khi đ&atilde; x&acirc;y dựng c&aacute;c h&agrave;m ta thực hiện gọi h&agrave;m show_trace</p>
<pre class="language-python"><code>results = gd(0.2, f_grad) # result = [10.0, 6.0, 3.5999999999999996, 2.1599999999999997, 1.2959999999999998, 0.7775999999999998, 0.46655999999999986, 0.2799359999999999, 0.16796159999999993, 0.10077695999999996, 0.06046617599999997]
show_trace(results, f)</code></pre>
<p style="text-align: justify;">V&agrave; kết quả hiện thị như sau:</p>
<p><img style="width: 600px; display: block; margin-left: auto; margin-right: auto;" src="https://tek4.vn/public_files/a491a135-aed6-400e-b553-49ca27fff5ed" alt="gd" /></p>
<p style="text-align: justify;">Nh&igrave;n h&igrave;nh tr&ecirc;n ta c&oacute; thể thấy khi khởi tạo gi&aacute; trị ban đầu cho $x$ l&agrave; $10$ th&igrave; $f(x)=100$, sau lần cập nhật thứ nhất th&igrave; $x$ l&uacute;c n&agrave;y l&agrave; $6$ v&agrave; $f(x) =36$ cứ tiếp tục như vậy đến lần cập nhật thứ $10$ &nbsp;th&igrave; l&uacute;c n&agrave;y f(x) đ&atilde; c&oacute; gi&aacute; trị xấp xỉ $0$ cũng l&agrave; gi&aacute; trị cực tiểu (điểm thấp nhất khi biểu diễn đồ thị).</p>
<h2 id="leanring-rate" style="text-align: justify;">Leanring rate</h2>
<p style="text-align: justify;">Trong c&ocirc;ng thức cập nhật gi&aacute; trị mới cho $x$ l&agrave; $x = x - \eta *f'(x)$ th&igrave; $\eta$ được gọi l&agrave; tốc độ học hay learning rate. Việc chọn &nbsp;$\eta$ &nbsp;ph&ugrave; hợp kh&aacute; quan trọng v&agrave; kh&ocirc;ng c&oacute; c&aacute;ch n&agrave;o hay một c&ocirc;ng thức cụ thể n&agrave;o cho việc chọn $\eta$ ch&iacute;nh x&aacute;c, c&aacute;c kĩ sư hay người thiết kế thuật to&aacute;n thường chọn &nbsp;$\eta$ dựa theo kinh nghiệm của m&igrave;nh v&agrave; qua c&aacute;c thử nghiệm để điều chỉnh &nbsp;$\eta$ sao cho ph&ugrave; hợp nhất.</p>
<p style="text-align: justify;">Nếu chọn &nbsp;$\eta$ &nbsp;qu&aacute; nhỏ th&igrave; phải qua rất nhiều lần cập nhật th&igrave; $f(x)$ mới đạt gi&aacute; trị tiệm cận gi&aacute; trị cực trị, ta c&oacute; thể thấy như trong h&igrave;nh dưới:</p>
<p><img style="width: 600px; display: block; margin-left: auto; margin-right: auto;" src="https://tek4.vn/public_files/2bd41660-ded0-4792-9b1b-956f0692c84f" alt="gd2" /></p>
<p style="text-align: justify;">ta c&oacute; thể thấy cũng với thuật to&aacute;n được x&acirc;y dựng ở phần 1.1 khi ta chọn &nbsp;$\eta = 0.05$ th&igrave; qua 10 lần cập nhật gi&aacute; trị của $f(x)$ vẫn chưa thể tiệm cận gi&aacute; trị cực tiểu. Ngước lại khi ta chọn &nbsp;$\eta$ &nbsp;lớn th&igrave; c&oacute; thể sẽ xảy ra t&igrave;nh trạng như sau:</p>
<p><img style="width: 600px; display: block; margin-left: auto; margin-right: auto;" src="https://tek4.vn/public_files/f2cd0b7c-f730-4cd5-b2d8-cef44c2130d0" alt="gd3" /></p>
<p style="text-align: justify;">Ở trường hợp ta chọn &nbsp;$\eta = 1.1$ th&igrave; h&agrave;m $f(x)$ đ&atilde; nhảy qua hai b&ecirc;n điểm cực tiểu, v&agrave; $f(x)$ sẽ rất kh&oacute; để c&oacute; thể tiệm cận được gi&aacute; trị cực tiểu.</p>
<p style="text-align: justify;">Như vậy việc chọn &nbsp;$\eta$ rất quan trọng v&agrave; n&oacute; ảnh hưởng đến tốc độ v&agrave; thời gian để m&ocirc; h&igrave;nh hội tụ, khi chọn &nbsp;$\eta$ ta thường thử lần lượt c&aacute;c gi&aacute; trị từ thấp đến cao v&agrave; th&ocirc;ng qua h&agrave;m mất m&aacute;t (Loss function) để c&oacute; thể điều chỉnh dần, c&oacute; thể tăng hoặc giảm &nbsp;$\eta$ t&ugrave;y v&agrave;o từng trường hợp để m&ocirc; h&igrave;nh c&oacute; thể hội tụ nhanh nhất.&nbsp;</p>
<hr />
<p style="text-align: center;"><em><strong>Fanpage Facebook:</strong>&nbsp;<a href="https://www.facebook.com/tek4.vn/">TEK4.VN</a></em>&nbsp;</p>
<p style="text-align: center;"><em><strong>Tham gia cộng đồng để chia sẻ, trao đổi v&agrave; thảo luận:</strong>&nbsp;<a href="https://www.facebook.com/groups/tek4.vn/">TEK4.VN - Học Lập Tr&igrave;nh Miễn Ph&iacute;</a></em></p>

Minh Họa Các Thuật Toán Với Python