Học AI & Lập trình
Tổng quan Deep Learning cho Computer Vision
ML khác DL ở đâu, ảnh xám và ảnh màu được biểu diễn bằng con số ra sao, và ba bài toán cốt lõi của Computer Vision: phân loại, phát hiện, phân vùng.
Bài viết về AI / Machine Learning
Học AI & Lập trình
Từ Linear Classifier đến Neural Network
Từ hàm điểm f(x) = Wx + b: trọng số “nhìn” thấy gì, vì sao bắt buộc cần hàm kích hoạt và cách nhiều neuron ghép thành mạng nơ-ron sâu.
Học AI & Lập trình
Cross-validation, Pipeline, GridSearchCV: đánh giá mô hình trung thực
Vì sao một lần chia train/val không đủ, cách dùng StratifiedKFold, Pipeline chống rò rỉ dữ liệu và GridSearchCV chọn tham số với scikit-learn, có code chạy được.
Kiến thức
Overfitting và chia train/val/test không rò rỉ: đọc đường loss, tìm ảnh trùng
Nhận biết quá khớp qua loss train/val, chia dữ liệu theo lô và ngày, tìm ảnh trùng bằng dHash, đo hiệu quả dropout, augmentation, early stopping.
Projects
Dự án AI: phân loại phản hồi khách hàng tiếng Việt
TF-IDF + Logistic Regression cho văn bản tiếng Việt: chuẩn hóa Unicode, n-gram, giải thích mô hình và chuyển người xử lý khi không chắc.
Học AI & Lập trình
Gradient descent từ đầu với NumPy: loss, gradient và learning rate
Tự đạo hàm MSE, cài gradient descent bằng NumPy cho bài hiệu chỉnh pixel–mm, thấy learning rate nhỏ, vừa, phân kỳ bằng số và vì sao phải chuẩn hóa.
Học AI & Lập trình
Phân loại OK/NG bằng scikit-learn từ đặc trưng hình học
Trích đặc trưng contour bằng OpenCV, huấn luyện Random Forest, xem đặc trưng quan trọng và chọn ngưỡng theo yêu cầu lọt lỗi của nhà máy.
Projects
Dự án AI: dự đoán hỏng hóc máy từ dữ liệu cảm biến
Tạo đặc trưng theo thời gian, chia dữ liệu đúng cách, huấn luyện gradient boosting và đánh giá theo góc nhìn bảo trì.
Kiến thức
Machine Learning là gì? Luật viết tay, học máy và các loại bài toán nhà máy
Phân biệt lập trình truyền thống và học máy qua ví dụ OK/NG chạy được, gọi đúng tên bài toán phân loại, hồi quy, phân cụm, bất thường và quy trình dự án ML.