<pre style="text-align: center;">"[___WARNING_Kh&oacute;a học đang trong qu&aacute; tr&igrave;nh cập nhật nội dung mỗi tuần n&ecirc;n kh&ocirc;ng thể tr&aacute;nh khỏi sai s&oacute;t. Rất mong bạn đọc th&ocirc;ng cảm. 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> 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___]"</pre>
<h3 style="text-align: justify;">Giới thiệu kh&oacute;a học machine learning cơ bản với Python</h3>
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.
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.
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.
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.
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.
<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

Tối ưu h&agrave;m số (hay c&ograve;n gọi l&agrave; quy hoạch h&agrave;m số), theo nghĩa rộng l&agrave; qu&aacute; tr&igrave;nh t&igrave;m ra một lời giải khả thi nhất từ một tập c&aacute;c lời giải theo một ti&ecirc;u ch&iacute; n&agrave;o đ&oacute;. C&aacute;c b&agrave;i to&aacute;n tối ưu l&agrave; b&agrave;i to&aacute;n mu&ocirc;n thưở, dễ bắt gặp ở bất cứ một nh&oacute;m ng&agrave;nh khoa học n&agrave;o, từ khoa học m&aacute;y t&iacute;nh cho tới kinh tế.
Đơn giản, b&agrave;i to&aacute;n tối ưu l&agrave; b&agrave;i to&aacute;n cực trị h&oacute;a một h&agrave;m thực (tức h&agrave;m thuộc kh&ocirc;ng gian R) bằng c&aacute;ch lựa chọn th&ocirc;ng minh c&aacute;c đối số từ tập x&aacute;c định v&agrave; t&iacute;nh gi&aacute; trị h&agrave;m tại đối số đ&oacute;.
N&oacute;i rộng hơn, qu&aacute; tr&igrave;nh tối ưu ch&iacute;nh l&agrave; qu&aacute; tr&igrave;nh t&igrave;m ra gi&aacute; trị tốt nhất trong tập x&aacute;c định của một h&agrave;m mục ti&ecirc;u (objective function).
Một b&agrave;i to&aacute;n tối ưu c&oacute; thể được viết dưới dạng sau:
Cho: h&agrave;m&nbsp; &nbsp;$ f: A \mapsto &nbsp;\mathbb{R} $, từ tập $ A \mapsto \mathbb{R} $
T&igrave;m: 1 phần tử $x_0 \in A$ để thỏa m&atilde;n: $\begin{matrix}&nbsp; &nbsp; &nbsp; f(x_0) \leq f(x) \\ &nbsp; &nbsp; f(x_0) \geq f(x) \\ &nbsp; &nbsp; \end{matrix} \ \ \forall x \in A $
V&igrave; mệnh đề sau đ&acirc;y l&agrave; đ&uacute;ng: $$f(x_0) \geq f(x) \leftrightarrow{} -f(x_0) \leq -f(x)$$
n&ecirc;n thường một b&agrave;i to&aacute;n tối ưu cũng sẽ l&agrave; một b&agrave;i to&aacute;n cực tiểu h&oacute;a. Nhưng theo một g&oacute;c nh&igrave;n kh&aacute;c, ta c&oacute; thể &aacute;p dụng l&yacute; lẽ tr&ecirc;n với c&aacute;c b&agrave;i to&aacute;n cực đại h&oacute;a.
Trong Machine Learning, ta lu&ocirc;n cần gi&aacute;m s&aacute;t m&ocirc; h&igrave;nh học m&aacute;y bằng h&agrave;m chi ph&iacute; v&agrave; h&agrave;m mất m&aacute;t, nhằm t&igrave;m ra bộ tham số tối ưu nhất để cực tiểu h&oacute;a những h&agrave;m mục ti&ecirc;u.
Thường tập $A$ l&agrave; tập con của kh&ocirc;ng gian Euclid $\mathbb{R}$, được m&ocirc; tả r&otilde; r&agrave;ng bằng những điều kiện, tức những đẳng thức v&agrave; bất đẳng thức, m&agrave; những phần tử của $A$ bắt buộc phải tu&acirc;n theo.
Kh&ocirc;ng gian $A$ của $f$ được gọi l&agrave; kh&ocirc;ng gian t&igrave;m kiếm (search space) hoặc tập phương &aacute;n (choice set), v&agrave; những phần tử của $A$ được gọi l&agrave; những lời giải khả thi (candidate solution).
H&agrave;m $f$ ở đ&acirc;y được gọi l&agrave; một h&agrave;m mục ti&ecirc;u (objective function), h&agrave;m mất m&aacute;t (loss function), hoặc h&agrave;m chi ph&iacute; (cost function) với b&agrave;i to&aacute;n cực tiểu h&oacute;a; h&agrave;m chức năng (utility function) hoặc h&agrave;m mục ti&ecirc;u (fitness function) với b&agrave;i to&aacute;n cực đại h&oacute;a.
Trong ng&agrave;nh vật l&yacute;, ta gọi h&agrave;m mục ti&ecirc;u l&agrave; h&agrave;m năng lượng (energy function).
Một lời giải khả thi nếu thỏa m&atilde;n điều kiện cực trị to&agrave;n cục th&igrave; được gọi l&agrave; lời giải tối ưu (optimal solution).
Một cực tiểu địa phương $x^*$ được định nghĩa l&agrave; một th&agrave;nh phần sao cho $\forall x \in A, \exists \parallel x - x^* \parallel \leq \delta $, thỏa m&atilde;n $f(x^*) &lt; f(x)$. Hoặc c&oacute; thể n&oacute;i rằng, xung quanh một $x^*$, đều tồn tại những gi&aacute; trị h&agrave;m lớn hơn gi&aacute; trị h&agrave;m tại điểm $x^*$.
Ta c&oacute; thể định nghĩa cực đại tương tự như tr&ecirc;n.
D&ugrave; ta c&oacute; thể n&oacute;i rằng cực trị địa phương tốt hơn những lời giải l&acirc;n cận điểm đ&oacute;, một cực trị to&agrave;n cục sẽ tốt hơn to&agrave;n bộ những lời giải tr&ecirc;n miền A.
Những thuật to&aacute;n tối ưu được đề ra hiện nay cho b&agrave;i to&aacute;n cực trị h&oacute;a đều kh&ocirc;ng c&oacute; khả năng ph&acirc;n biệt được cực trị địa phương với cực trị to&agrave;n phần
K&yacute; ph&aacute;p:
Xem x&eacute;t k&yacute; ph&aacute;p sau: $$ \underset{\rm x\in \mathbb{R}}{\rm min} \ (x^2 + 1)$$
K&yacute; ph&aacute;p sau thể hiện gi&aacute; trị nhỏ nhất của h&agrave;m $f(x) = x^2 + 1$, khi chọn $x$ từ tập $\mathbb{R}$. Ở đ&acirc;y, gi&aacute; trị đ&oacute; l&agrave; $f(0) = 1$.
Tương tự như vậy, với k&yacute; ph&aacute;p:$$\underset{x \in \mathbb{R}}{\rm max} \ 2x$$
Ta cần t&igrave;m gi&aacute; trị lớn nhất của $g(x) = 2x$ khi $x \in \mathbb{R}$. V&igrave; đ&acirc;y l&agrave; b&agrave;i to&aacute;n tối ưu với h&agrave;m mất m&aacute;t kh&ocirc;ng giới hạn, n&ecirc;n kết quả của ph&eacute;p to&aacute;n n&agrave;y l&agrave; $\infty$, hoặc kh&ocirc;ng x&aacute;c định.
Đồng thời, h&atilde;y xem x&eacute;t k&yacute; ph&aacute;p sau:
$$\underset{\rm x \in (-\infty, -1]}{ \rm arg min} \ x^2 + 1$$
K&yacute; ph&aacute;p sau thể hiện gi&aacute; trị $x$ nhằm h&agrave;m $f(x) = x^2 + 1$ đạt gi&aacute; trị nhỏ nhất. Ở đ&acirc;y gi&aacute; trị của k&yacute; ph&aacute;p n&agrave;y l&agrave; $x = -1$.
K&yacute; ph&aacute;p sau: $$\underset{x, y}{arg max} \ x \ cos(y), s.t \ x \in [-5, 5], \ y \in \mathbb{R}$$
cho ph&eacute;p ta t&iacute;nh cặp gi&aacute; trị $\{x, y\}$ sao cho h&agrave;m $$f(x, y) = x \ cos(y)$$ đạt gi&aacute; trị lớn nhất, ở đ&acirc;y tức $\{x, y\}$ sẽ bằng $\{5, 2k \pi \}$ v&agrave; $\{-5, (2k + 1)\pi\}$, với $ k \in \mathbb{Z}$
$argmin$ v&agrave; $argmax$ l&agrave; viết tắt của argument of the minimum v&agrave; argument of the maximum, dịch l&agrave; đối số cho h&agrave;m đạt gi&aacute; trị nhỏ nhất v&agrave; đối số cho h&agrave;m đạt gi&aacute; trị lớn nhất.
<hr />
Fanpage Facebook:&nbsp;<a href="https://www.facebook.com/tek4.vn/">TEK4.VN</a>&nbsp;
Tham gia cộng đồng để chia sẻ, trao đổi v&agrave; thảo luận:&nbsp;<a href="https://www.facebook.com/groups/tek4.vn/">TEK4.VN - Học Lập Tr&igrave;nh Miễn Ph&iacute;</a>