Mục tiêu cuốn sách¶
Đây là một dự án nhằm ủng hộ cộng đồng AI Việt Nam được tác giả viết dựa trên việc tổng hợp những bài viết từ blog của mình. Cuốn sách này có tựa đề là “Machine Learning lý thuyết tới thực hành”. Lý do tác giả lựa chọn tiêu đề như vậy là vì nó thể hiện đúng mục tiêu của cuốn sách đó là cân bằng giữa lý thuyết và thực hành.
Trong cuốn sách này sẽ trình bày các thuật toán từ cơ bản tới nâng cao kèm theo code thực hành và bài tập.
Các kiến thức về toán đại số tuyến tính, giải tích ma trận và xác suất sẽ được chú trọng.
Các kỹ thuật visualization và xử lý dữ liệu trên python cho người mới bắt đầu.
Các ứng dụng của machine learning trong các bài toán phổ biến như phân loại nợ xấu, phân loại bệnh, dự báo chuỗi thời gian, phân khúc khách hàng.
Các thuật toán image classification, object detection, face id trong computer vision.
Các bài toán seq2seq, sentiment analysis, NER, POS và các lớp mô hình LSTM, GRU, BERT trong NLP.
Các module như pandas, numpy, sklearn, matplotlib sẽ được hướng dẫn theo hướng thực hành qua case study liên quan tới Machine Learning.
Bạn sẽ nắm vững cách training và deploy model deep learning trên pytorch, tensorflow.
Cuốn sách hướng tới các bạn chưa biết gì về AI có thể hiểu cách thuật toán hoạt động và tự huấn luyện được mô hình AI ở mỗi chương. Trong cuốn sách mình dự kiến sẽ trình bày các nội dung chính như sau:
Kiến thức cơ bản về python: Nhằm hướng dẫn cho các bạn mới bắt đầu làm quen với ngôn ngữ lập trình python. Bạn đọc sẽ nắm vững cấu trúc dữ liệu và câu lệnh điều kiện và vòng lặp trên python. Làm quen với cài đặt môi trường, sử dụng IDE và đặc biệt là sử dụng google colab và kaggle.
Toán và xác suất: Ôn tập lại các kiến thức về đại số tuyến tính, giải tích ma trận và xác suất để hỗ trợ bạn hiểu lý thuyết về thuật toán tốt hơn.
Mô hình Machine learning: Các mô hình dự báo và mô hình phân loại với các case studies ứng dụng thực tiễn.
Mô hình Deep learning: Các mô hình trong Computer Vision và NLP