Lời nói đầu¶
AI là một ngành khoa học đang rất phát triển trên thế giới. Chúng ta không thể phủ nhận vai trò của những mô hình và thuật toán đang ngày càng quan trọng đối với con người. Nó len lỏi vào cuộc sống hàng ngày của bạn, thay đổi thói quen của bạn mà bạn có thể không nhận ra. Khi bạn lướt facebook, những tin tức mà bạn đọc được đều là kết quả đã được khuyến nghị từ thuật toán. Bạn lướt một trang web và nhận được các banner quảng cáo đúng sản phẩm mình cần. Bạn vào một bệnh viện khám bệnh, kết quả của bạn nhận được có thể một phần được đóng góp từ dự đoán của thuật toán. Điện thoại của bạn có thể phân biệt được bạn và em trai của bạn. Tất cả những điều này giúp cuộc sống của chúng ta trở nên tiện tích hơn rất nhiều.
Ngày nay AI đang thu hút được sự đầu tư mạnh mẽ từ các công ty công nghệ trên toàn cầu và thậm chí nó nằm trong chiến lược cạnh tranh giữa các quốc gia. Do nhận được sự đầu tư mạnh mẽ như vậy nên các công việc liên quan tới AI cũng được coi là mang lại một mức thu nhập cao hơn so với những ngành khác. AI đồng thời cũng thu hút được một lượng người học đông đảo không chỉ tại Việt Nam mà còn trên thế giới.
Bạn là một người mới bắt đầu học AI nhưng không biết nên bắt đầu học từ đâu và học như thế nào? Bạn bối rối khi đứng trước vô vàn các khoá học trên mạng mà không biết nên học theo hay không? Đây chính là cuốn sách mà bạn đang tìm kiếm. Cuốn sách này sẽ hệ thống xuyên suốt kiến thức từ cơ bản tới nâng cao trong machine learning. Các nội dung không chỉ chú trọng lý thuyết nhàm chán, mà trái lại được cân bằng với thực hành. Mục tiêu của cuốn sách mang lại đó là hiểu thuật toán và biết cách áp dụng vào giải quyết các case studies cụ thể.
Cụ thể hơn, nó sẽ cover rộng các mảng trong machine learning và deep learning có tính ứng dụng cao như:
Machine learning: Bạn sẽ đi từ thuật toán cơ bản nhất linear regression tới thuật toán phức tạp hơn như SVM, Random Forest. Nội dung sẽ được thiết kế để không gây khó hiểu về toán và chú trọng tới cách áp dụng.
Computer Vision: Các lớp mô hình để giải quyết các bài toán image classification, image segmentation, object detection, faceid, face landmarker.
NLP: Những mô hình chính được sử dụng để giải quyết bài toán sửa lỗi chính tả, phân loại cảm xúc, NER, PoS, sinh văn bản.
Recommeder system: Mô hình khuyến nghị sản phẩm theo collaborative-filtering, content-base và session-base.
Bạn đọc quan tâm tới ứng dụng của machine learning trong tài chính có thể đọc các các chương:
Ứng dụng của mô hình credit scoring.
Mô hình chuỗi thời gian.
Nếu bạn là người quan tâm tới kiến trúc của các mạng deep neural network, cuốn sách cũng sẽ cung cấp cho bạn:
Lịch sử hình thành và phát triển các mạng CNN
Lớp các kiến trúc RNN, LSTM, GRU và đặc biệt model BERT trong NLP
Nếu bạn muốn củng cố kiến thức về toán thì cuốn sách này sẽ giúp bạn ôn tập lại:
Đại số tuyến tính
Giải tích ma trận
Lý thuyết Xác suất và thống kê
Nếu bạn quan tâm nhiều hơn tới khía cạnh thực hành, cuốn sách sẽ hướng dẫn bạn cách xây dựng và huấn luyện mô hình thông qua các case study mẫu. Bên cạnh đó bạn sẽ được hướng dẫn chi tiết về những packages phổ biến bao gồm:
Xử lý dữ liệu machine learning: pandas, numpy
Xây dựng mô hình machine learning: scikit-learn
Visualization: matplotlib, plotly
Các framework trong deep learning: pytorch, tensorflow, mxnet.
Các tips và tricks khi sử dụng ngôn ngữ python.
Kinh nghiệm của tác giả về quá trình tìm hiểu vấn đề, phân tích bài toán và xây dựng mô hình sẽ được đúc rút từ quá trình thực hiện các dự án thực tế cũng sẽ được chia sẻ.
Cuốn sách cũng cung cấp cho bạn các kỹ thuật mới để nâng cao độ chính xác cho mô hình như feature engineering trong machine learning và data augumentation, transfer learning, curriculum learning, knowledge distillation trong deep learning.
Ngoài ra đối với các bạn sinh viên nghèo thì việc đầu tư máy tính hỗ trợ GPU là một việc khó khăn. Cuốn sách sẽ gợi ý cho bạn những nền tảng cung cấp GPU miến phí.
Tác giả hi vọng rằng đây sẽ là một cuốn sách hữu ích đối với bạn đọc.