[PT204] Học máy với Python

Tự tạo bộ phân loại đầu tiên và đánh giá độ chính xác của nó.

Học máy với Python là khóa học thứ tư của giai đoạn Xây dựng trong chương trình Lập trình AI với Python. Ứng dụng nhận diện ảnh, bộ lọc thư rác hay hệ thống gợi ý đều dựa trên học máy: máy tính tự tìm ra quy luật từ dữ liệu thay vì được lập trình từng quy tắc. Trong 12 tuần, bạn tự viết bằng Python những thuật toán học máy cơ bản, huấn luyện chúng trên dữ liệu thật, đo xem chúng đúng đến đâu và tìm cách làm chúng tốt hơn, công bằng hơn.

Khóa học dành cho ai

• Học sinh đã hoàn thành khóa Phân tích dữ liệu với Python.

• Học sinh đã biết đọc, làm sạch, tổng hợp dữ liệu và vẽ biểu đồ bằng Python, muốn hiểu AI thật sự "học" như thế nào.

Sau khóa học, bạn sẽ làm được gì

• Giải thích được học máy là gì, khác gì với lập trình bằng quy tắc và khác gì với AI tạo sinh.

• Chuẩn bị dữ liệu cho học máy: chọn đặc trưng, gán nhãn, chuẩn hóa, chia tập huấn luyện và tập kiểm tra.

• Tự viết thuật toán phân loại, dự đoán giá trị số và phân cụm bằng Python, hiểu rõ từng bước máy tính làm gì.

• Đánh giá mô hình bằng dữ liệu kiểm tra và cải thiện mô hình bằng cách cải thiện dữ liệu.

• Phát hiện mô hình hoạt động thiếu công bằng với một nhóm người dùng và đề xuất cách khắc phục.

• Tạo một chương trình phân loại của riêng bạn, kèm báo cáo đánh giá và bản mô tả giới hạn của mô hình.

Điểm nổi bật của khóa học

• Hiểu từ bên trong: bạn tự viết thuật toán học máy bằng những gì đã học về danh sách, từ điển và hàm, không dùng "hộp đen", nên hiểu vì sao mô hình đưa ra mỗi dự đoán.

• Học máy gắn với dữ liệu: kiến thức làm sạch dữ liệu, thống kê và biểu đồ từ khóa trước được dùng trực tiếp để chuẩn bị dữ liệu và đọc kết quả của mô hình.

• Đánh giá trung thực: bạn học cách đo đúng độ chính xác của mô hình, nhận ra khi nào một con số "đẹp" là đáng ngờ.

• AI có trách nhiệm: bạn kiểm tra mô hình có công bằng với mọi nhóm không, ghi rõ giới hạn của mô hình và hiểu trách nhiệm của người làm ra AI.

• Gắn với định hướng giáo dục AI: nội dung về dữ liệu, mô hình học máy và AI có trách nhiệm bám sát định hướng giáo dục trí tuệ nhân tạo cho học sinh phổ thông của Bộ Giáo dục và Đào tạo.

• Nhịp học: mỗi tuần khoảng 60 phút tự học trên nền tảng; mentor AI gợi mở khi bạn gặp khó, không làm hộ.

• Có sản phẩm thật: khóa học kết thúc bằng một chương trình phân loại do bạn tự huấn luyện trên bộ dữ liệu bạn chọn.

Nội dung khóa học

1. Học máy và dữ liệu: học máy là gì, các loại bài toán học máy, chuẩn bị dữ liệu cho mô hình.

2. Phân loại: thuật toán k láng giềng gần nhất, chuẩn hóa đặc trưng, đánh giá bộ phân loại.

3. Dự đoán và phân cụm: dự đoán giá trị số bằng hồi quy tuyến tính, gom nhóm dữ liệu bằng thuật toán k trung bình.

4. Học máy có trách nhiệm: cải thiện dữ liệu và mô hình, thiên kiến, giới hạn và trách nhiệm của người làm ra AI.

5. Dự án học máy: chọn bài toán, huấn luyện, đánh giá, cải tiến và trình bày mô hình của riêng bạn.