Sau khi đã đi tổng quát về ML(Machine Learning), bài này cafedev sẽ tìm hiểu về ứng dụng của nó trong thực tế hiện nay, mà rất ít người chưa biết hết.
Nội dung chính
1. Giới thiệu
ML là một trong những công nghệ thú vị nhất mà người ta từng có. Như đã thấy rõ ngay từ cái tên, nó mang đến cho chiếc máy tính giống với con người hơn: Khả năng học hỏi. ML đang được sử dụng tích cực ngày nay, có lẽ ở nhiều nơi hơn người ta mong đợi. Chúng ta có thể sử dụng một thuật toán học hàng chục lần mà không hề biết. Các ứng dụng của ML bao gồm:
- Công cụ tìm kiếm web: Một trong những lý do tại sao các công cụ tìm kiếm như google, bing, v.v. hoạt động rất tốt là do hệ thống đã học cách xếp hạng các trang thông qua một thuật toán học phức tạp.
- Ứng dụng gắn thẻ ảnh: Dù là facebook hay bất kỳ ứng dụng gắn thẻ ảnh nào khác, khả năng gắn thẻ bạn bè thậm chí còn xảy ra nhiều. Tất cả đều có thể xảy ra nhờ một thuật toán nhận dạng khuôn mặt chạy sau ứng dụng.
- Trình phát hiện thư rác: Nơi lưu thư của chúng ta như Gmail hoặc Hotmail thực hiện rất nhiều công việc khó khăn cho chúng ta trong việc phân loại thư và chuyển thư rác vào thư mục thư rác. Điều này một lần nữa đạt được nhờ một trình phân loại thư rác chạy ở phần cuối của ứng dụng thư.
Ngày nay, các công ty đang sử dụng ML để cải thiện các quyết định kinh doanh, tăng năng suất, phát hiện dịch bệnh, dự báo thời tiết và làm nhiều việc khác. Với sự phát triển theo cấp số nhân của công nghệ, chúng ta không chỉ cần các công cụ tốt hơn để hiểu dữ liệu chúng ta hiện có mà còn cần chuẩn bị cho mình những dữ liệu mà chúng ta sẽ có. Để đạt được mục tiêu này, chúng ta cần chế tạo những cỗ máy thông minh. Chúng ta có thể viết một chương trình để làm những việc đơn giản. Nhưng đối với hầu hết các lần Xử lý một cách thông minh trong nó là khó khăn. Cách tốt nhất để làm điều đó là có một số cách để ML tự học mọi thứ. Một cơ chế để học – nếu một cỗ máy có thể học từ đầu vào thì nó sẽ thực hiện công việc khó khăn cho chúng ta. Đây là lúc ML bắt đầu hoạt động.
2. Một số ví dụ về học máy là:
- Khai thác cơ sở dữ liệu để phát triển tự động hóa: Các ứng dụng điển hình bao gồm dữ liệu nhấp chuột vào Web để có trải nghiệm người dùng tốt hơn (User eXperience), hồ sơ y tế để tự động hóa tốt hơn trong chăm sóc sức khỏe, dữ liệu sinh học và nhiều hơn nữa.
- Các ứng dụng không thể được lập trình: Có một số tác vụ không thể được lập trình vì máy tính chúng ta sử dụng không được mô hình hóa theo cách đó. Ví dụ bao gồm Lái xe tự động, Nhiệm vụ nhận dạng từ dữ liệu không theo thứ tự (Nhận dạng khuôn mặt / Nhận dạng chữ viết tay), Xử lý ngôn ngữ tự nhiên, Tầm nhìn máy tính, v.v.
Hiểu về cách học của con người: Đây là phần gần nhất mà chúng ta đã hiểu và bắt chước bộ não con người. Đó là sự khởi đầu của một cuộc cách mạng mới, AI thực sự. Bây giờ, Sau khi hiểu rõ ngắn gọn, chúng ta hãy đi đến một định nghĩa chính thức hơn về Học máy
Arthur Samuel (1959): “ML là một lĩnh vực nghiên cứu cung cấp cho máy tính khả năng học mà không cần được lập trình rõ ràng.” Samuel đã viết một chương trình chơi Checker có thể học theo thời gian. Lúc đầu, nó có thể dễ dàng thắng. Nhưng theo thời gian, nó đã học được tất cả các vị trí trên bàn cờ mà cuối cùng sẽ dẫn anh ta đến chiến thắng hay thua và do đó trở thành một người chơi cờ giỏi hơn chính Samuel. Đây là một trong những nỗ lực ban đầu để xác định ML.
Tom Michel (1999): “Một chương trình máy tính được cho là học hỏi từ trải nghiệm E đối với một số loại nhiệm vụ T và thước đo hiệu suất P, nếu hiệu suất của nó ở các nhiệm vụ trong T, được đo bằng P, cải thiện theo kinh nghiệm E.” Đây là một định nghĩa chính thức và toán học hơn. Đối với chương trình Cờ vua:
- E là số trò chơi.
- T đang chơi cờ vua trên máy tính.
- P là thắng / thua của máy tính.
Trong hướng dẫn Tiếp theo, chúng ta sẽ phân loại các loại vấn đề của Học máy và cũng sẽ thảo luận về các gói hữu ích và thiết lập môi trường cho ML và cách chúng ta có thể sử dụng nó để thiết kế các dự án mới.
Nguồn và Tài liệu tiếng anh tham khảo:
Tài liệu từ cafedev:
- Full series tự học Python từ cơ bản tới nâng cao tại đây nha.
- Tự học ML bằng Python từ cơ bản tới nâng cao.
- Ebook về python tại đây.
- Các series tự học lập trình MIỄN PHÍ khác
- Nơi liên hệ hợp tác hoặc quảng cáo cùng Cafedevn tại đây.
Nếu bạn thấy hay và hữu ích, bạn có thể tham gia các kênh sau của cafedev để nhận được nhiều hơn nữa:
Chào thân ái và quyết thắng!
, bài này cafedev sẽ tìm hiểu về ứng dụng của nó trong thực tế hiện nay, mà rất ít người chưa biết hết.){kind=link}