ML-For-Beginners/translations/vi

🌐 Hỗ trợ đa ngôn ngữ

Được hỗ trợ qua GitHub Action (Tự động & Luôn cập nhật)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Tham gia cộng đồng

Machine Learning cho Người Mới Bắt Đầu - Một Giáo Trình

🌍 Du hành khắp thế giới khi chúng ta khám phá Machine Learning thông qua các nền văn hóa trên thế giới 🌍

Các Cloud Advocates tại Microsoft rất vui mừng được giới thiệu một giáo trình kéo dài 12 tuần, gồm 26 bài học về Machine Learning. Trong giáo trình này, bạn sẽ học về những gì đôi khi được gọi là machine learning cổ điển, chủ yếu sử dụng thư viện Scikit-learn và tránh deep learning, nội dung được đề cập trong giáo trình AI cho Người Mới Bắt Đầu. Hãy kết hợp các bài học này với giáo trình Khoa học Dữ liệu cho Người Mới Bắt Đầu của chúng tôi!

Hãy cùng chúng tôi du hành khắp thế giới khi áp dụng các kỹ thuật cổ điển này vào dữ liệu từ nhiều khu vực khác nhau trên thế giới. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, giải pháp, bài tập và nhiều hơn nữa. Phương pháp học dựa trên dự án của chúng tôi cho phép bạn học thông qua việc xây dựng, một cách đã được chứng minh để giúp kỹ năng mới "ghi nhớ".

✍️ Chân thành cảm ơn các tác giả Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu và Amy Boyd

🎨 Cảm ơn các họa sĩ minh họa Tomomi Imura, Dasani Madipalli, và Jen Looper

🙏 Đặc biệt cảm ơn 🙏 các Microsoft Student Ambassador, những người đã đóng góp nội dung, đánh giá và viết bài, đặc biệt là Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, và Snigdha Agarwal

🤩 Cảm ơn thêm các Microsoft Student Ambassador Eric Wanjau, Jasleen Sondhi, và Vidushi Gupta vì các bài học R của chúng tôi!

Bắt đầu

Thực hiện các bước sau:

1. Fork Repository: Nhấn vào nút "Fork" ở góc trên bên phải của trang này.
2. Clone Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

Tìm tất cả tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn của chúng tôi

Sinh viên, để sử dụng giáo trình này, hãy fork toàn bộ repo vào tài khoản GitHub của bạn và hoàn thành các bài tập một mình hoặc cùng nhóm:

• Bắt đầu với bài kiểm tra trước bài học.
• Đọc bài giảng và hoàn thành các hoạt động, dừng lại và suy ngẫm tại mỗi phần kiểm tra kiến thức.
• Cố gắng tạo các dự án bằng cách hiểu bài học thay vì chỉ chạy mã giải pháp; tuy nhiên, mã giải pháp có sẵn trong thư mục /solution của mỗi bài học dựa trên dự án.
• Làm bài kiểm tra sau bài học.
• Hoàn thành thử thách.
• Hoàn thành bài tập.
• Sau khi hoàn thành một nhóm bài học, hãy truy cập Bảng thảo luận và "học to" bằng cách điền vào rubric PAT phù hợp. PAT là Công cụ Đánh giá Tiến độ, một rubric bạn điền để nâng cao việc học của mình. Bạn cũng có thể phản hồi các PAT khác để chúng ta cùng học hỏi.

Để học thêm, chúng tôi khuyến nghị theo dõi các module và lộ trình học Microsoft Learn.

Giáo viên, chúng tôi đã bao gồm một số gợi ý về cách sử dụng giáo trình này.

---

Video hướng dẫn

Một số bài học có sẵn dưới dạng video ngắn. Bạn có thể tìm thấy tất cả các video này trong các bài học hoặc trên danh sách phát ML cho Người Mới Bắt Đầu trên kênh YouTube Microsoft Developer bằng cách nhấp vào hình ảnh dưới đây.

---

Gặp gỡ đội ngũ

Gif bởi Mohit Jaisal

🎥 Nhấp vào hình ảnh trên để xem video về dự án và những người đã tạo ra nó!

---

Phương pháp giảng dạy

Chúng tôi đã chọn hai nguyên tắc giảng dạy khi xây dựng giáo trình này: đảm bảo rằng nó dựa trên dự án thực hành và bao gồm các bài kiểm tra thường xuyên. Ngoài ra, giáo trình này có một chủ đề chung để tạo sự gắn kết.

Bằng cách đảm bảo rằng nội dung phù hợp với các dự án, quá trình học trở nên thú vị hơn cho sinh viên và khả năng ghi nhớ các khái niệm sẽ được tăng cường. Ngoài ra, một bài kiểm tra không áp lực trước lớp giúp sinh viên tập trung vào việc học một chủ đề, trong khi một bài kiểm tra thứ hai sau lớp đảm bảo ghi nhớ thêm. Giáo trình này được thiết kế để linh hoạt và thú vị, có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu từ nhỏ và trở nên phức tạp hơn vào cuối chu kỳ 12 tuần. Giáo trình này cũng bao gồm một phần phụ về các ứng dụng thực tế của ML, có thể được sử dụng như bài tập thêm hoặc làm cơ sở cho các cuộc thảo luận.

Tìm Quy tắc ứng xử, Hướng dẫn đóng góp, và Hướng dẫn dịch thuật của chúng tôi. Chúng tôi hoan nghênh phản hồi mang tính xây dựng của bạn!

Mỗi bài học bao gồm

• Sketchnote tùy chọn
• Video bổ sung tùy chọn
• Video hướng dẫn (chỉ một số bài học)
• Bài kiểm tra khởi động trước bài học
• Bài học viết
• Đối với các bài học dựa trên dự án, hướng dẫn từng bước về cách xây dựng dự án
• Kiểm tra kiến thức
• Một thử thách
• Đọc thêm
• Bài tập
• Bài kiểm tra sau bài học

Lưu ý về ngôn ngữ: Các bài học này chủ yếu được viết bằng Python, nhưng nhiều bài cũng có sẵn bằng R. Để hoàn thành một bài học R, hãy vào thư mục /solution và tìm các bài học R. Chúng bao gồm phần mở rộng .rmd, đại diện cho một tệp R Markdown, có thể được định nghĩa đơn giản là sự kết hợp của code chunks (của R hoặc các ngôn ngữ khác) và YAML header (hướng dẫn cách định dạng đầu ra như PDF) trong một Markdown document. Do đó, nó là một khung tác giả xuất sắc cho khoa học dữ liệu vì nó cho phép bạn kết hợp mã, đầu ra của nó và suy nghĩ của bạn bằng cách viết chúng trong Markdown. Hơn nữa, các tài liệu R Markdown có thể được kết xuất thành các định dạng đầu ra như PDF, HTML hoặc Word.

Lưu ý về bài kiểm tra: Tất cả các bài kiểm tra được chứa trong thư mục Quiz App, với tổng cộng 52 bài kiểm tra, mỗi bài gồm ba câu hỏi. Chúng được liên kết từ trong các bài học, nhưng ứng dụng kiểm tra có thể được chạy cục bộ; làm theo hướng dẫn trong thư mục quiz-app để chạy cục bộ hoặc triển khai lên Azure.

Số bài học	Chủ đề	Nhóm bài học	Mục tiêu học tập	Liên kết bài học	Tác giả
01	Giới thiệu về machine learning	Giới thiệu	Tìm hiểu các khái niệm cơ bản về machine learning	Bài học	Muhammad
02	Lịch sử của machine learning	Giới thiệu	Tìm hiểu lịch sử đằng sau lĩnh vực này	Bài học	Jen và Amy
03	Công bằng và machine learning	Giới thiệu	Những vấn đề triết học quan trọng nào về công bằng mà sinh viên nên cân nhắc khi xây dựng và áp dụng các mô hình ML?	Bài học	Tomomi
04	Các kỹ thuật học máy	Introduction	Các nhà nghiên cứu học máy sử dụng những kỹ thuật nào để xây dựng mô hình học máy?	Lesson	Chris và Jen
05	Giới thiệu về hồi quy	Regression	Bắt đầu với Python và Scikit-learn để xây dựng mô hình hồi quy	Python • R	Jen • Eric Wanjau
06	Giá bí ngô Bắc Mỹ 🎃	Regression	Trực quan hóa và làm sạch dữ liệu để chuẩn bị cho học máy	Python • R	Jen • Eric Wanjau
07	Giá bí ngô Bắc Mỹ 🎃	Regression	Xây dựng mô hình hồi quy tuyến tính và hồi quy đa thức	Python • R	Jen và Dmitry • Eric Wanjau
08	Giá bí ngô Bắc Mỹ 🎃	Regression	Xây dựng mô hình hồi quy logistic	Python • R	Jen • Eric Wanjau
09	Một ứng dụng web 🔌	Web App	Xây dựng một ứng dụng web để sử dụng mô hình đã được huấn luyện	Python	Jen
10	Giới thiệu về phân loại	Classification	Làm sạch, chuẩn bị và trực quan hóa dữ liệu; giới thiệu về phân loại	Python • R	Jen và Cassie • Eric Wanjau
11	Các món ăn ngon của châu Á và Ấn Độ 🍜	Classification	Giới thiệu về các bộ phân loại	Python • R	Jen và Cassie • Eric Wanjau
12	Các món ăn ngon của châu Á và Ấn Độ 🍜	Classification	Nhiều bộ phân loại hơn	Python • R	Jen và Cassie • Eric Wanjau
13	Các món ăn ngon của châu Á và Ấn Độ 🍜	Classification	Xây dựng ứng dụng web gợi ý sử dụng mô hình của bạn	Python	Jen
14	Giới thiệu về phân cụm	Clustering	Làm sạch, chuẩn bị và trực quan hóa dữ liệu; Giới thiệu về phân cụm	Python • R	Jen • Eric Wanjau
15	Khám phá sở thích âm nhạc Nigeria 🎧	Clustering	Khám phá phương pháp phân cụm K-Means	Python • R	Jen • Eric Wanjau
16	Giới thiệu về xử lý ngôn ngữ tự nhiên ☕️	Natural language processing	Tìm hiểu cơ bản về NLP bằng cách xây dựng một bot đơn giản	Python	Stephen
17	Các nhiệm vụ NLP phổ biến ☕️	Natural language processing	Nâng cao kiến thức về NLP bằng cách hiểu các nhiệm vụ phổ biến khi xử lý cấu trúc ngôn ngữ	Python	Stephen
18	Dịch thuật và phân tích cảm xúc ♥️	Natural language processing	Dịch thuật và phân tích cảm xúc với Jane Austen	Python	Stephen
19	Các khách sạn lãng mạn ở châu Âu ♥️	Natural language processing	Phân tích cảm xúc với đánh giá khách sạn 1	Python	Stephen
20	Các khách sạn lãng mạn ở châu Âu ♥️	Natural language processing	Phân tích cảm xúc với đánh giá khách sạn 2	Python	Stephen
21	Giới thiệu về dự báo chuỗi thời gian	Time series	Giới thiệu về dự báo chuỗi thời gian	Python	Francesca
22	⚡️ Sử dụng năng lượng thế giới ⚡️ - dự báo chuỗi thời gian với ARIMA	Time series	Dự báo chuỗi thời gian với ARIMA	Python	Francesca
23	⚡️ Sử dụng năng lượng thế giới ⚡️ - dự báo chuỗi thời gian với SVR	Time series	Dự báo chuỗi thời gian với Support Vector Regressor	Python	Anirban
24	Giới thiệu về học tăng cường	Reinforcement learning	Giới thiệu về học tăng cường với Q-Learning	Python	Dmitry
25	Giúp Peter tránh xa con sói! 🐺	Reinforcement learning	Học tăng cường với Gym	Python	Dmitry
Postscript	Các tình huống và ứng dụng học máy thực tế	ML in the Wild	Các ứng dụng thực tế thú vị và tiết lộ của học máy cổ điển	Lesson	Team
Postscript	Gỡ lỗi mô hình trong học máy bằng bảng điều khiển RAI	ML in the Wild	Gỡ lỗi mô hình trong học máy bằng các thành phần bảng điều khiển AI có trách nhiệm	Lesson	Ruth Yakubu

tìm tất cả các tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn của chúng tôi

Truy cập ngoại tuyến

Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng Docsify. Fork repo này, cài đặt Docsify trên máy của bạn, sau đó trong thư mục gốc của repo này, gõ docsify serve. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: localhost:3000.

PDFs

Tìm tệp pdf của giáo trình với các liên kết tại đây.

🎒 Các khóa học khác

Nhóm của chúng tôi sản xuất các khóa học khác! Hãy xem:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---

Tuyên bố miễn trừ trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc sự không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn tham khảo chính thức. Đối với các thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp từ con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.