Học máy/3
< Học máy
Một sinh viên Khoa học máy tính viết cho tôi: “Thầy đã viết rằng Trí tuệ nhân tạo và Học máy là kĩ năng có nhu cầu cao nhưng trường em không dạy các môn này. Chương trình CS của chúng em vẫn hội tụ chủ yếu vào các ngôn ngữ lập trình như Java, C++, và JavaScript. Em thất vọng nhưng không biết phải làm gì. Xin thầy lời khuyên.”
Đáp: Học máy là lĩnh vực tăng trưởng nhanh chóng ngày nay và nhiều công ti đang tìm người tốt nghiệp có kĩ năng này. Nếu trường của em không có môn học theo chủ đề này, em có thể học từ Môn học trực tuyến mở cho đại chúng (MOOCs) trên Internet. Là sinh viên CS, em cần chủ động trong việc học của em và tìm ra cách học điều em cần thay vì chờ đợi nhà trường dạy môn học này.
Nếu em muốn học về học máy, thầy gợi ý rằng em bắt đầu bằng việc học “Môn học nhập môn” để hiểu học máy có thể và không thể làm được gì. Tri thức chung về lĩnh vực này sẽ giúp em đi xa hơn trong học tập của em và phát triển kĩ năng của em. Nhiều sinh viên thường bỏ môn nhập môn mà nhảy vào phần thực hiện hay học cách dùng công cụ. Đó là sai lầm vì họ chỉ học “thủ thuật” mà không biết cách áp dụng học máy một cách hiệu quả. Trong trường hợp đó, họ sẽ không đi xa trong nghề nghiệp của họ. Thầy thường nói với sinh viên của thầy: “Học công cụ nhưng không học nguyên lí giống như ăn ‘mì ăn liền’ mà không ăn ‘thức ăn cho người sành ăn.’”
Trước khi em bắt đầu làm việc trên các thuật toán học máy, em cần hiểu em đang giải quyết vấn đề gì. Em cần hỏi nhiều câu hỏi để chắc rằng em biết cái gì là vấn đề mà em muốn giải quyết. Bằng việc biết chúng, em có thể đặt các tham số của em một cách đúng đắn và tạo ra ưu tiên để trả lời cho từng câu hỏi vào từng lúc để cho em sẽ không bị tràn ngập bởi dữ liệu và trở nên lẫn lộn. Bằng việc biết câu hỏi này cần được trả lời với phân tích dữ liệu, em có thể nhận diện dữ liệu được cần để thu thập để cho em có thể thu thập chúng cũng như khối lượng dữ liệu đó để hỗ trợ cho các thuật toán học máy của em.
Bước tiếp là huấn luyện cho máy học và phải chắc rằng em có đủ dữ liệu cho nó học. Không có dữ liệu đủ, việc học máy của em sẽ không cho em hiệu năng em muốn. Đừng vội vàng để cho các thuật toán làm việc chừng nào em chưa có đủ dữ liệu. Có nhiều dữ liệu công khai sẵn có trên Internet mà em có thể dùng bằng việc duy trì hội tụ vào điều em muốn làm. Đừng cố áp dụng các thuật toán học máy cho mọi dữ liệu em có thể có, nó sẽ làm tràn ngập em. Chỉ lấy những dữ liệu liên quan tới vấn đề của em để xem liệu học máy của em có cho kết quả như mong đợi không. Đừng vội vàng về phạm sai lầm, phần lớn sinh viên của thầy cũng phạm sai lầm trong bước này nhưng họ cũng học được từ sai lầm của họ và em nên làm cùng điều đó. Một khi em có thể làm chủ bước này và làm cho việc học máy thành dự đoán được theo mục đích của em thì em có thể tiến sang các thuật toán phức tạp.
Sau khi phát triển kĩ năng học máy và biết cách giải quyết vấn đề, bước tiếp là “chơi” với các công cụ thương mại sẵn có trên Internet. Các website AWS của Amazon và Azure của Microsoft có nhiều công cụ cho phân tích dữ liệu mà em có thể học. Em có thể dùng dữ liệu của họ để làm quen với các công cụ rồi dùng dữ liệu riêng của em để huấn luyện công cụ để làm cho nó làm điều em cần. Học máy chỉ tốt như dữ liệu em cho chúng. Để xây dựng kĩ năng của em trong công nghệ học máy, em cần bắt đầu với dữ liệu tốt nhất theo đó máy có thể học được.
Tác phẩm, tác giả, nguồn
- Tác phẩm: Lời khuyên cho sinh viên
- Nguồn: Blog của giáo sư John Vu, Carnegie Mellon University.
- Wiki hóa: https://kipkis.com
