Máy học (Machine Learning) là một lĩnh vực của Trí tuệ nhân tạo (AI), cho phép máy tính tự học từ dữ liệu thay vì phải lập trình sẵn mọi quy tắc.
Thay vì nói cho máy “phải làm gì”, ta:
Ví dụ:
Cho máy xem nhiều email → máy học cách phân biệt email spam và không spam
Ví dụ:
Thuật toán: Linear Regression, Decision Tree, SVM, Neural Network
Ví dụ:
Thuật toán: K-means, Hierarchical Clustering, PCA
Ví dụ:
Thuật toán: Q-learning, Deep RL
Máy học hoạt động thế nào?
Thay vì nói cho máy “phải làm gì”, ta:
- Cung cấp dữ liệu
- Máy tìm ra quy luật
- Dùng quy luật đó để dự đoán/quyết định
Ví dụ:Cho máy xem nhiều email → máy học cách phân biệt email spam và không spam
Các loại máy học chính
Học có giám sát (Supervised Learning)
- Dữ liệu có nhãn
- Dùng để dự đoán hoặc phân loại
Ví dụ:
- Nhận diện chữ viết tay
- Dự đoán giá nhà
Thuật toán: Linear Regression, Decision Tree, SVM, Neural Network
Học không giám sát (Unsupervised Learning)
- Dữ liệu không có nhãn
- Máy tự tìm cấu trúc ẩn
Ví dụ:
- Phân nhóm khách hàng
- Phát hiện hành vi bất thường
Thuật toán: K-means, Hierarchical Clustering, PCA
Học tăng cường (Reinforcement Learning)
- Máy học bằng thưởng – phạt
- Phù hợp cho quyết định theo chuỗi
Ví dụ:
- Robot học đi
- AI chơi cờ, game
Thuật toán: Q-learning, Deep RL
Quy trình máy học cơ bản
- Thu thập dữ liệu
- Làm sạch & xử lý dữ liệu
- Chọn mô hình
- Huấn luyện mô hình
- Đánh giá & cải thiện
- Triển khai
Ứng dụng thực tế
- Nhận diện khuôn mặt
- Gợi ý phim/sản phẩm
- Xe tự lái
- Dịch ngôn ngữ
- Phát hiện gian lận
máy lọc