Tự học và phát triển ứng dụng thực tế AI, ML, DL, DS

Related Articles

Xây dựng website tự động tạo văn bản sử dụng OpenAI GPT-2

05/01/2023

Đếm số lượng chỗ trống trong bãi đỗ xe sử dụng OpenCV Python

06/01/2022

Ứng dụng AI cảnh báo người lạ đột nhập

16/09/2021

Nhằm bắt kịp xu hướng về trí tuệ nhân tạo, Ngô Tôn .IT xin giới thiệu tới các bạn series các bài viết giúp các bạn tự học và phát triển các sản phẩm ứng dụng thực tế về Artificial Intelligence (AI), Machine Learning (ML), Deep Learning (DL) và Data Science (DS) .

Mở đầu

Ngày nay, trí tuệ nhân tạo đã không còn gì lạ lẫm với mọi người, đi đâu chúng ta cũng được nghe thấy các từ như AI, Machine learning, Deep learning, Data science, Big data, Computer vision, NLP, IoT … Cũng có rất nhiều tài liệu hay trang web chia sẻ cũng như hướng dẫn mọi người tự học và làm ở mức nghiên cứu các bài toán ứng dụng.

Bản thân mình cũng đã tốt nghiệp chuyên ngành Khoa học máy tính (Computer science) và rất thích lĩnh vực này, nhưng thực sự thấy việc tự học và làm ra sản phẩm ứng dụng thực tế rất khó khăn. Vì thế, mình quyết định mở ra chuyên mục chuyên về AI, ML, DL, DS để bản thân mình tự học cũng như chia sẻ với các bạn trong tầm hiểu biết của bản thân mình.

Các bài viết mình thực hiện được tổng hợp từ rất nhiều nguồn, không đặt nặng về lý thuyết. Đi kèm đó sẽ là các bài hướng dẫn các bạn phát triển sản phẩm ứng dụng thực tế chứ không dừng lại ở mức độ học và nghiên cứu. Do đó, có thể các bài viết của mình sẽ không có sắp xếp theo trình độ hay lĩnh vực cụ thể, chúng đa dạng về thể loại nhưng mình chỉ tập trung tại 4 lĩnh vực chính và đó cũng là tiêu đề của chuyên mục đó là AI, ML, DL, và DS.

Giải thích đơn giản về Artificial Intelligence (AI), Machine Learning (ML), Deep Learning (DL) và Data Science (DS)

1. Trí tuệ nhân tạo (AI) – Trí tuệ con người được thể hiện bằng máy móc
   • Trí thông minh được thể hiện bởi máy móc
   • Được định nghĩa rộng bao gồm bất kỳ mô phỏng nào về trí thông minh của con người
   • Mở rộng và phân nhánh các lĩnh vực nghiên cứu, phát triển và đầu tư
   • Bao gồm robotics, suy luận dựa trên quy luật (rule-based), xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật biểu diễn tri thức (đồ thị tri thức – knowledge graphs)…
2. Học máy (ML) – Một phương pháp để thực hiện được trí tuệ nhân tạo
   • Là một lĩnh vực con của AI nhằm mục đích dạy cho máy tính khả năng thực hiện các tác vụ với dữ liệu mà không cần lập trình rõ ràng
   • Sử dụng các phương pháp tiếp cận số và thống kê, bao gồm cả mạng thần kinh nhân tạo để mã hóa việc học trong các mô hình
   • Các mô hình được xây dựng bằng cách “huấn luyện” (training) hoặc thông qua cách sử dụng
3. Học sâu (DL) – Một kỹ thuật triển khai học máy
   • Là lĩnh vực con của ML sử dụng các kỹ thuật đặc biệt liên quan đến mạng nơ-ron nhân tạo nhiều lớp (2+)
   • Phân lớp cho phép các cấp độ trừu tượng và học tập theo tầng (ví dụ: đường -> hình dạng -> đối tượng -> cảnh)
   • Được tích hợp tính toán chuyên sâu bởi dịch vụ đám mây, GPU và HW chuyên dụng như FPGA, TPU, v.v.
4. Khoa học dữ liệu (DS) – Các phương pháp khoa học, thuật toán và hệ thống để trích xuất tri thức (knowledge) hoặc hiểu biết sâu sắc (insights) từ dữ liệu lớn (Big data)
   • Còn được gọi là dự đoán (Predictive) hay phân tích nâng cao (Advanced Analytics)
   • Các thuật toán, kỹ thuật và công cụ tính toán để xử lý các tập dữ liệu lớn
   • Tập trung vào việc chuẩn bị và lập mô hình dữ liệu cho các nhiệm vụ ML & DL
   • Bao gồm các phương pháp thống kê, thao tác dữ liệu và công nghệ truyền trực tuyến (ví dụ: Spark, Hadoop)
   • Kỹ năng và công cụ chính đằng sau việc xây dựng công nghệ AI hiện đại

Hi vọng mọi người cùng quan tâm ủng hộ Ngô Tôn .IT để cộng đồng về trí tuệ nhân tạo được phát triển mạnh mẽ. Hẹn các bạn vào các bài viết sắp tới 🙂