Machine learning là gì là câu hỏi phổ biến trong những năm gần đây. Các ứng dụng của machine learning đang ngày càng được ứng dụng nhiều vào trong thực tế cuộc sống. Nó cũng góp phần tác động tích cực lên cuộc sống của con người. Vậy machine learing là gì? Nó ứng dụng như thế nào?

Machine learing là gì?

Trả lời cho câu hỏi machine learing là gì, theo Wikipedia, Học máy (machine learning) là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống “học” tự động từ dữ liệu để giải quyết những vấn đề cụ thể.

Ví dụ như các máy có thể “học” cách phân loại thư điện tử xem có phải thư rác (spam) hay không và tự động xếp thư vào thư mục tương ứng. Học máy rất gần với suy diễn thống kê (statistical inference) tuy có khác nhau về thuật ngữ.

Học máy có liên quan lớn đến thống kê, vì cả hai lĩnh vực đều nghiên cứu việc phân tích dữ liệu, nhưng khác với thống kê, học máy tập trung vào sự phức tạp của các giải thuật trong việc thực thi tính toán. Nhiều bài toán suy luận được xếp vào loại bài toán NP khó, vì thế một phần của học máy là nghiên cứu sự phát triển các giải thuật suy luận xấp xỉ mà có thể xử lý được.

Học máy có hiện nay được áp dụng rộng rãi bao gồm máy truy tìm dữ liệu, chẩn đoán y khoa, phát hiện thẻ tín dụng giả, phân tích thị trường chứng khoán, phân loại các chuỗi DNA, nhận dạng tiếng nói và chữ viết dịch tự động, chơi trò chơi, cử động rô bốt… và còn nhiều ứng dụng khác nữa.

Đến đây, bạn đã đã hiểu được, machine learning là gì rồi phải không?

Quy trình làm việc của machine learning gồm những bước sau: thu thập dữ liệu, tiền xử lý, huấn luyện mô hình, đánh giá mô hình, cải thiện.

• Thu thập dữ liệu: để máy tính có thể bắt đầu học, bạn phải cung cấp cho nó một bộ dữ liệu dataset. Bạn có thể sử dụng những bộ dữ liệu được cung cấp trước đó, hoặc có thể thu thập dữ liệu ( tuy nhiên nếu tự thu thập sẽ tốn nhiều thời gian).

Một lưu ý nhỏ cho bước này là những dữ liệu mà bạn thu thập được cần phải chính xác, không hoặc ít sai sót, vì thế bạn mới có thể tiến hành áp dụng cho học máy. Dữ liệu đầu vào chất lượng sẽ giúp kết quả đầu ra được chất lượng.

• Tiền xử lý: Bước này dùng để chuẩn hóa dữ liệu, loại bỏ những thuộc tính không cần thiết, gán nhãn dữ liệu, mã hóa một số đặc trưng, trích xuất đặc trưng. Bước thu thập dữ liệu càng nhiều thì bước này càng mất nhiều thời gian để xử lý.
• Huấn luyện mô hình: bước này được thực hiện khi dữ liệu được dán nhãn và xử lý. Người ta sẽ cho máy học những dữ liệu đó.
• Đánh giá mô hình: Sau bước huấn luyện, cần phải tiến hành đánh giá để kiểm tra độ chính xác của học máy để có những phương pháp phù hợp. Thông thường, độ chính xác của mô hình trên 80% sẽ được coi là mô hình đủ tiêu chuẩn.
• Cải thiện: Sau khi đánh giá mô hình, các mô hình hay giai đoạn nào còn chưa tốt thì cần phải tiến hành chính sửa, cho máy học lại để cải thiện chất lượng.

Phân loại machine learning

Có nhiều cách để phân loại machine learning. Thông thường, người ta chia thành 2 loại:

• Học có giám sát
• Học không có giám sát.

Trước hết, hãy cùng tìm hiểu về học có giám sát.

Học có giám sát là việc cho máy tính học những dữ liệu đã được dán nhã (label). Hay nói cách khác, với mỗi đầu vào, ta sẽ nhận được một kết quả đầu ra tương ứng.

Chẳng hạn, bạn có dữ liệu đầu vào là 10000 bức ảnh, bạn muốn cho máy học bằng phương pháp học có giám sát, bạn sẽ mất thời gian để dán nhãn từng

bức ảnh đó để phân loại chúng. Việc này sẽ tốn rất nhiều thời gian và công sức, và nó cũng là một hạn chế của Machine learning.

Học không có giám sát

Học không có giám sát là việc cho máy tính học trên những dữ liệu không có giám sát. Các thuật toán trong machine learning sẽ tim ra được sự tương quan về dữ liệu, mô hình hóa dữ liệu. Hay chính là việc làm cho máy tính có kiến thức, hiểu về dữ liệu, từ đó chúng có thể phân loại các dữ liệu về sau thành cách nhóm, lớp.

Việc học không giám sát này chỉ yêu cầu những dữ liệu đầu vào nhưng không cần dán nhãn (label). Nó được sử dụng nhiều trong cấu trúc mối quan hệ dữ liệu.

Bài toán phân cụm sẽ là một ví dụ điển hình cho việc học máy. Nó sẽ tìm kiếm điểm chung và ghép cụm lại với nhau trong quá trình học.

Ứng dụng của machine

Sau khỉ hiểu được machine learning là gì, hãy cùng tìm hiểu vê ứng dụng của nó nhé!

Ngày nay, machine learning được ứng dụng nhiều trong thực tế cuộc sống, có thể kể đến như: tài chính ngân hàng, sinh học, tự động hóa, robotic, mạng máy tính, khoa học vũ trụ, quảng cáo, thị giác máy tính, xử lý ngôn ngữ tự nhiên.

Chẳng hạn, con người ứng dụng machine learning trong thị giác máy tính nhằm nhận diện khuôn mặt người dùng.

Người ta sẽ nhập đầu vào là hình ảnh của một đối tượng khác hàng. Máy tính sẽ nhận diện và ghi nhớ qua những hình ảnh với những góc độ khác nhau trên khuôn mặt nhằm nhận diện khách hàng.

Sau đó, machine learning sẽ xử lý để đưa ra những nhận diện và kết quả nhận diện của khách hàng. Ứng dụng này được sử dụng trong nhận diện khuôn mặt và ngày càng có xu hướng gia tăng.

Bên cạnh câu hỏi machine leaning là gì thì internet of things là gì cũng nhận được sự quan tâm từ mọi người.

Internet of things là gì?

Internet Vạn Vật, hay cụ thể hơn là Mạng lưới vạn vật kết nối Internet hoặc là Mạng lưới thiết bị kết nối Internet (tiếng Anh: Internet of Things, viết tắt IoT) là một liên mạng trong đó các thiết bị, phương tiện vận tải (được gọi là “thiết bị kết nối” và “thiết bị thông minh”), phòng ốc và các trang thiết bị khác được nhúng với các bộ phận điện tử, phần mềm, cảm biến, cơ cấu chấp hành cùng với khả năng kết nối mạng máy tính giúp cho các thiết bị này có thể thu thập và truyền tải dữ liệu.

Năm 2013, tổ chức Global Standards Initiative on Internet of Things (IoT-GSI) đinh nghĩa IoT là “hạ tầng cơ sở toàn cầu phục vụ cho xã hội thông tin, hỗ trợ các dịch vụ (điện toán) chuyên sâu thông qua các vật thể (cả thực lẫn ảo) được kết nối với nhau nhờ vào công nghệ thông tin và truyền thông hiện hữu được tích hợp,” và với mục đích ấy một “vật” là “một thứ trong thế giới thực (vật thực) hoặc thế giới thông tin (vật ảo), mà vật đó có thể được nhận dạng và được tích hợp vào một mạng lưới truyền thông”.

Một ví dụ cho Internet of things là những ngôi nhà thông minh hiện nay. Bạn hãy tưởng tượng mình sở hữu một căn nhà được kết nối internet tới từng đồ vật. Khi trở về nhà, bạn chỉ cần sử dụng điện thoại thông minh để kết nối tới toàn bộ vật dụng trong nhà. Hay đơn giản hơn, bạn chỉ cần sử dụng chính giọng nói của mình để điều khiển chúng.

Thật tuyệt vời phải không?

Những lợi ích có thể kể đến từ Internet of things:

• Đối với doanh nghiệp: giúp các công ty phát hiện ra khi một thành phần có khả năng lỗi và trao đổi nó trước khi nó gây ra thiệt hại. Các công ty cũng có thể sử dụng dữ liệu do các cảm biến này tạo ra để làm cho hệ thống và chuỗi cung ứng của họ hiệu quả hơn, bởi vì họ sẽ có dữ liệu chính xác hơn nhiều về những gì đang thực sự xảy ra.
• Đối với người tiêu dùng: Như đã nói ở trên, từ Internet of thing mang đến cho con người rất nhiều lợi ích, từ những ngôi nhà thông minh nói riêng đến những vật dụng trong nhà, phương tiện đi lại như ô tô nói riêng.
  

  Internet of things là gì?

Internet đang dần len lỏi vào mọi mặt của đời sống, và dự đoán rằng, Internet of things sẽ là xu hướng tất yếu trong tương lai. Vì thế, những câu trả lời về machine learning là gì, hay Internet of things là gì sẽ ngày càng được giải đạp cụ thể.

Trên đây là bức tranh tổng quát nhất của chúng tôi về câu trả lời đơn giản nhất cho câu hỏi machine learning là gì, hay Internet of things là gì. Tìm hiểu kĩ về chúng, bạn sẽ thấy nó còn phức tạp, khó hơn nhiều, nhưng nó cũng vô cùng thú vị, đáng để bạn bỏ thêm thời gian và công sức để tìm hiểu. Hy vọng bạn thích bài viết này của Lifeweb. Nếu bạn muốn tìm hiểu thêm về những chủ đề và lĩnh vực khác, hãy click thêm vào những bài viết khác để tìm hiểu nhé.