Đào Thanh Phong

ECP Engineer Master

Founder of ENGMA Co.

Mail: engma.company@gmail.com

AI - MACHINE LEARNING BASICPhân Nhóm Thuật Toán

Công Ty TNHH Thương Mại Dịch Vụ Kỹ Thuật EngmaAddress : 220/1 Nguyễn Trọng Tuyển, P8, Q.Phú Nhuận, TP.HCM.

Phone: (0084) 8399 77249 – Fax: (0084) 8399 44348

Cell phone: 0938136444

Email: info@engma.com.vn

Theo

Phương Thức Học

Theo chức năng

TRÍ TUỆ NHÂN TẠO - MÁY TỰ HỌC CƠ BẢN

Phân Nhóm Thuật Toán

✓ Thuật Toán Hồi Quy (Regression Algorithms)

✓ Thuật Toán Phân Loại (Classification Alg)

✓ Thuật Toán dựa trên Cá Thể (Instance-based Alg)

✓ Thuật Toán chuẩn Hoá (Regularization Alg)

✓ Thuật Toán Bayesian (Bayesian Alg).

✓ Thuật Toán Clustering

✓ Thuật Toán Nơron Nhân Tạo (Artificial Neural Network Alg)

✓ Thuật Toán Giảm Kích thước (Dimensionality Reduction Alg)

✓ Thuật Toán tổng hợp (ensemble Alg)

✓ Học Có Giám Sát (Supervised Learning)

✓ Học Không Giám Sát (unsupervised Learning)

✓ Học Bán Giám Sát (Semi-supervised learning)

✓ Học Củng Cố (Reinforcement Learning)

Dữ liệu đầu vào: dưới dạng (input, outcome)

đã xác định trước đó.1

Mục đích giải bài toán: từ dữ liệu đầu vào

(chữ viết tay khoản 10 K dữ liệu) xác định

chữ số viết tay của bất kỳ người nào?

3

Ý tưởng: giống như trẻ em, dạy học từ

Alphabet, sau đó trẻ bị phân biệt các chữ.4

NMIT:

Dữ liệu

chữ số

viết tay

1. Học Có Giám Sát (Supervised Learning Alg.)

2Supervised Learning cho phép:

Xác định outcome của bất ký 1 dữ liệu new input

nào.

3

Thuật toán: gọi các cặp dữ liệu đã biết là (data, label), dưới dạng toán học:

X: ma trận data (input)

Y: ma trận label (outcome)

X x Y : training data – dữ

liệu đào tạo

Bài toán: Với x bất kỳ (new input, data) , xác định giá trị y (outcome, label)

tương ứng.

Gọi f là hàm số xấp xỉ: y(i) = f(x(i)), mọi i=1,2,…N.

Mục đích : tìm f sao cho y=f(x) với SAI SỐ f(x(i))-y(i) là nhỏ nhất.

Facebook: tag name trên hình ảnh→xác định người & không phải người

1. Học Có Giám Sát (Supervised Learning Alg.)

NMIT: dữ

liệu chữ

số viết tay

Classification

Algorithms

(Thuật Toán Phân

Loại).

Regression

Algorithms

(Thuật Toán Hồi

Quy).

2. Học Có Giám Sát – Thuật Toán

Supervised Learning -Algorithms

Học Có Giám Sát (Supervised Learning)

Classification Algorithms (Thuật Toán Phân Loại).

Áp Dụng : Khi outcome là 1 số hữu hạn

loại khác nhau.

Ví dụ: Người & Không phải Người là 2

classifications;

Gmail: mail là spam hay không phải spam;

tín dụng: nợ xấu hay không phải.

Hệ thống tag hình ảnh – Facebook:

Người hay Không phải Người.

Regression Algorithms (Thuật Toán Hồi Quy).

Áp Dụng : Khi outcome (label) không thể

chia theo loại (nhóm) mà là 1 giá trị thực

cụ thể.

Ví dụ: dự đoán giá căn hộ (x m2; y phòng

ngủ, z km so với thành phố). Hoặc tính

tuổi (label) khi nhìn mặt (input, data).

Hệ thống tag hình ảnh – Facebook:

Người hay Không phải Người.

3. Học Không Giám Sát – Thuật Toán

Unsupervised Learning -Algorithms

Học Không Giám Sát (Unsupervised Learning)

Clustering

(Phân

nhóm).

Association

Algorithms

(Thuật Toán

Xã hội)

Clustering (Phân nhóm).

Áp Dụng : Khi input (data) có thể phân thành từng

nhóm khác nhau.

Ví dụ: Phân nhóm loại khách hàng dựa vào hành

vi mua hàng.

Ý tưởng: giống như đưa cho trẻ con những mẫu

hình tam giác- tròn-vuông, màu sắc khác nhau và

yêu cầu phân nhóm các mẫu. Nhiều khả năng trẻ

con sẽ phân theo màu sắc hoặc hình dạng <Việc

phân nhóm này là không có “giám sát” – không định nghĩa rỏ ràng các nhóm.

Phân loại nhóm khách hàng.

Association Algorithms

Áp Dụng : khám phá 1 Quy Luật dựa trên dử

liệu có trước.

Ví dụ: Khách nam khi mua quần áo thì thường

mua thêm đồng hồ, hay người xem phim spider

man thì sẽ xem superman.

Ý tưởng: thúc đẩy bán hàng, tiếp cận đúng đối tượng tiềm năng.

Associ

ation

Ruler

Là trung gian giữa Giám Sát & Không Giám Sát.

Ý tưởng: phần lớn các bài

toán ở dạng này vì chi phí

thu thập dữ liệu Y là cao, và chi phí X thấp hơn.

Là khi dữ liệu đầu vào X

có không đầy đủ các Outcome (label) Y.

4.Học Bán Giám Sát – Thuật Toán

Semi-supervised Learning -Algorithms

Học Bán

Giám Sát

(Semi-

supervised Learning)

Là các bài toán

giúp cho một hệ

thống tự động xác

định hành vi dựa

trên hoàn cảnh để

đạt được lợi ích

cao nhất

(maximizing the

performance)

Ví dụ: áp dụng

trong game, xác

định bước tiếp

theo để đạt điểm

cao nhất. Trò Chơi

Mario.

5. Học Củng Cố – Thuật Toán

Reinformcement Learning -Algorithms

AlphaGo: bao gồm 2 thuật toán: Supervised Learning & Reinformcement Learning

Học Củng Cố

(Reinformcement

Learning)

6. Từ Cần Nhớ

Theo

Phương Thức Học

Theo

chức năng

❑ Học Có Giám Sát (Supervised Learning)

❑ Học Không Giám Sát (unsupervised Learning)

❑ Học Bán Giám Sát (Semi-supervised learning)

❑ Học Củng Cố (Reinforcement Learning)

❑ Thuật Toán Hồi Quy (Regression Algorithms)

❑ Thuật Toán Phân Loại (Classification Alg)

❑ Thuật Toán dựa trên Cá Thể (Instance-based Alg)

❑ Thuật Toán chuẩn Hoá (Regularization Alg)

❑ Thuật Toán Bayesian (Bayesian Alg).

❑ Thuật Toán Clustering

❑ Thuật Toán Nơron Nhân Tạo (Artificial Neural Network Alg)

❑ Thuật Toán Giảm Kích thước (Dimensionality Reduction Alg)

❑ Thuật Toán tổng hợp (ensemble Alg)

A Tour of Machine Learning AlgorithmsĐiểm qua các thuật toán Machine Learning hiện đại

7. Tài Liệu Tham Khảo

ThanksEmail: daviddao@engma.com.vn