ML-For-Beginners/translations/vi

🌐 Hỗ trợ đa ngôn ngữ

Hỗ trợ qua GitHub Action (Tự động & Luôn được Cập nhật)

Tiếng Ả Rập | Tiếng Bengal | Tiếng Bulgaria | Tiếng Miến Điện (Myanmar) | Tiếng Trung (Giản thể) | Tiếng Trung (Phồn thể, Hồng Kông) | Tiếng Trung (Phồn thể, Ma Cao) | Tiếng Trung (Phồn thể, Đài Loan) | Tiếng Croatia | Tiếng Séc | Tiếng Đan Mạch | Tiếng Hà Lan | Tiếng Estonia | Tiếng Phần Lan | Tiếng Pháp | Tiếng Đức | Tiếng Hy Lạp | Tiếng Do Thái | Tiếng Hindi | Tiếng Hungary | Tiếng Indonesia | Tiếng Ý | Tiếng Nhật | Tiếng Kannada | Tiếng Hàn | Tiếng Litva | Tiếng Mã Lai | Tiếng Malayalam | Tiếng Marathi | Tiếng Nepal | Tiếng Pidgin Nigeria | Tiếng Na Uy | Tiếng Ba Tư (Farsi) | Tiếng Ba Lan | Tiếng Bồ Đào Nha (Brazil) | Tiếng Bồ Đào Nha (Bồ Đào Nha) | Tiếng Punjab (Gurmukhi) | Tiếng Romania | Tiếng Nga | Tiếng Serbia (Cyrillic) | Tiếng Slovakia | Tiếng Slovenia | Tiếng Tây Ban Nha | Tiếng Swahili | Tiếng Thụy Điển | Tiếng Tagalog (Filipino) | Tiếng Tamil | Tiếng Telugu | Tiếng Thái | Tiếng Thổ Nhĩ Kỳ | Tiếng Ukraina | Tiếng Urdu | Tiếng Việt

Tham gia Cộng đồng của chúng tôi

Chúng tôi có một chuỗi "Học cùng AI" trên Discord đang diễn ra, tìm hiểu thêm và tham gia cùng chúng tôi tại Learn with AI Series từ 18 - 30 tháng 9, 2025. Bạn sẽ nhận được mẹo và thủ thuật khi sử dụng GitHub Copilot cho Khoa học Dữ liệu.

Học Máy cho Người Mới Bắt Đầu - Chương Trình Giảng Dạy

🌍 Du hành khắp thế giới khi chúng ta khám phá Học Máy thông qua các nền văn hóa toàn cầu 🌍

Các Cloud Advocates tại Microsoft vui mừng cung cấp một chương trình 12 tuần, 26 bài học về chủ đề Học Máy. Trong chương trình này, bạn sẽ tìm hiểu về những gì đôi khi được gọi là học máy cổ điển, sử dụng chủ yếu Scikit-learn như một thư viện và tránh deep learning, điều này được đề cập trong chương trình 'AI for Beginners'. Kết hợp các bài học này với chương trình 'Data Science for Beginners' của chúng tôi nữa nhé!

Hãy cùng chúng tôi đi khắp thế giới khi áp dụng các kỹ thuật cổ điển này vào dữ liệu từ nhiều khu vực trên thế giới. Mỗi bài học bao gồm bài kiểm tra trước và sau bài học, hướng dẫn bằng văn bản để hoàn thành bài học, một giải pháp, một bài tập, và nhiều hơn nữa. Phương pháp sư phạm dựa trên dự án của chúng tôi cho phép bạn học trong khi xây dựng, một cách đã được chứng minh giúp kỹ năng mới 'bám' lâu hơn.

✍️ Xin 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

🙏 Lời cảm ơn đặc biệt 🙏 tới các Microsoft Student Ambassador là tác giả, người đánh giá và những người đóng góp nội dung, đáng chú ý Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, và Snigdha Agarwal

🤩 Thêm lời cảm ơn đến Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, và Vidushi Gupta cho các bài học R của chúng tôi!

Bắt Đầu

Thực hiện các bước sau:

1. Fork kho lưu trữ: Nhấn nút "Fork" ở góc trên bên phải của trang này.
2. Clone kho lưu trữ: 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

🔧 Cần trợ giúp? Xem Hướng dẫn Khắc phục Sự cố để tìm giải pháp cho các vấn đề phổ biến về cài đặt, thiết lập và chạy bài học.

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

• Bắt đầu với bài kiểm tra khởi động trước bài giảng.
• Đọc bài giảng và hoàn thành các hoạt động, tạm dừng và suy ngẫm tại mỗi bài kiểm tra kiến thức.
• Cố gắng tạo các dự án bằng cách hiểu bài học thay vì chỉ chạy mã giải pháp; mã đó có sẵn trong các thư mục /solution trong mỗi bài học theo dự án.
• Làm bài kiểm tra sau bài giảng.
• Hoàn thành thử thách.
• Hoàn thành bài tập.
• Sau khi hoàn thành một nhóm bài học, hãy truy cập Bảng Thảo luận và "học một cách công khai" bằng cách điền vào bảng đánh giá PAT phù hợp. 'PAT' là một Công cụ Đánh giá Tiến độ (Progress Assessment Tool) — một bảng tiêu chí bạn điền để thúc đẩy việc học của mình. Bạn cũng có thể tương tác với các PAT khác để chúng ta cùng học hỏi.

Để nghiên cứu thêm, chúng tôi khuyến nghị theo dõi các mô-đun và lộ trình học của Microsoft Learn.

Giáo viên, chúng tôi đã đưa ra một vài gợi ý về cách sử dụng chương trình này.

---

Hướng dẫn bằng video

Một số bài học có sẵn dưới dạng video ngắn. Bạn có thể tìm tất cả những video này trong bài học, hoặc trên danh sách phát ML for Beginners trên kênh YouTube Microsoft Developer bằng cách nhấp vào hình ảnh bên dưới.

---

Gặp gỡ Đội ngũ

Gif bởi Mohit Jaisal

🎥 Nhấp vào hình ảnh ở 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 sư phạm khi xây dựng chương trình này: đảm bảo rằng nó mang tính thực hành dựa trên dự án và rằng nó bao gồm các bài kiểm tra thường xuyên. Ngoài ra, chương trình này có một chủ đề chung để tạo tính liên kết.

Bằng cách đảm bảo nội dung phù hợp với các dự án, quy trình trở nên hấp dẫn hơn đối với học sinh và việc ghi nhớ các khái niệm sẽ được tăng cường. Thêm vào đó, một bài kiểm tra ít áp lực trước lớp giúp học viên đặt mục tiêu học tập về một chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo việc ghi nhớ hơn nữa. Chương trình này được thiết kế để linh hoạt và thú vị và có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn theo cuối chu kỳ 12 tuần. Chương trình này cũng bao gồm một phần hậu bút về các ứng dụng thực tế của ML, có thể được sử dụng như điểm cộng thêm hoặc làm cơ sở cho thảo luận.

Tìm Bộ Quy tắc Ứng xử, Đóng góp, Dịch thuật, và Khắc phục Sự cố. 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
• hướng dẫn video (chỉ một số bài học)
• bài kiểm tra khởi động trước bài giảng
• bài học bằng văn bản
• đối với các bài học theo dự án, hướng dẫn từng bước về cách xây dựng dự án
• kiểm tra kiến thức
• một thử thách
• đọc bổ sung
• bài tập
• bài kiểm tra sau bài giảng

Một ghi chú về ngôn ngữ: Những bài học này chủ yếu được viết bằng Python, nhưng nhiều bài cũng có sẵn bằng R. Để hoàn thành một bài R, hãy vào thư mục /solution và tìm các bài R. Chúng bao gồm phần mở rộng .rmd mà biểu thị một tệp R Markdown có thể đơn giản được định nghĩa như việc nhúng code chunks (của R hoặc ngôn ngữ khác) và một YAML header (hướng dẫn cách định dạng đầu ra như PDF) trong một Markdown document. Do đó, nó đóng vai trò như một khung soạn thảo mẫu cho khoa học dữ liệu vì nó cho phép bạn kết hợp mã, đầu ra của mã và suy nghĩ của bạn bằng cách viết chúng ra trong Markdown. Hơn nữa, các tài liệu R Markdown có thể được xuất sang các định dạng đầu ra như PDF, HTML hoặc Word.

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

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Giới thiệu về học máy	Giới thiệu	Tìm hiểu các khái niệm cơ bản về học máy	Bài học	Muhammad
02	Lịch sử học máy	Giới thiệu	Tìm hiểu lịch sử nền tảng của lĩnh vực này	Bài học	Jen và Amy
03	Công bằng và học máy	Giới thiệu	Những vấn đề triết học quan trọng nào về công bằng mà học viên nên cân nhắc khi xây dựng và áp dụng mô hình ML?	Bài học	Tomomi
04	Kỹ thuật cho học máy	Giới thiệu	Các kỹ thuật nào các nhà nghiên cứu ML sử dụng để xây dựng mô hình ML?	Bài học	Chris và Jen
05	Giới thiệu về hồi quy	Hồi quy	Bắt đầu với Python và Scikit-learn cho các mô hình hồi quy	Python • R	Jen • Eric Wanjau
06	Giá bí ngô Bắc Mỹ 🎃	Hồi quy	Trực quan hóa và làm sạch dữ liệu để chuẩn bị cho ML	Python • R	Jen • Eric Wanjau
07	Giá bí ngô Bắc Mỹ 🎃	Hồi quy	Xây dựng mô hình hồi quy tuyến tính và đa thức	Python • R	Jen và Dmitry • Eric Wanjau
08	Giá bí ngô Bắc Mỹ 🎃	Hồi quy	Xây dựng một mô hình hồi quy logistic	Python • R	Jen • Eric Wanjau
09	Một ứng dụng web 🔌	Ứng dụng Web	Xây dựng một ứng dụng web để sử dụng mô hình đã được huấn luyện	Python	Jen
10	Giới thiệu phân loại	Phân loại	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 châu Á và Ấn Độ ngon miệng 🍜	Phân loại	Giới thiệu về các bộ phân loại	Python • R	Jen và Cassie • Eric Wanjau
12	Các món ăn châu Á và Ấn Độ ngon miệng 🍜	Phân loại	Thêm các bộ phân loại	Python • R	Jen và Cassie • Eric Wanjau
13	Các món ăn châu Á và Ấn Độ ngon miệng 🍜	Phân loại	Xây dựng một ứng dụng web gợi ý sử dụng mô hình của bạn	Python	Jen
14	Giới thiệu phân cụm	Phân cụm	Làm sạch, chuẩn bị và trực quan hóa dữ liệu; Giới thiệu về phân cụm	Python • R	Jen • Eric Wanjau
15	Khám phá thị hiếu âm nhạc Nigeria 🎧	Phân cụm	Khám phá phương pháp phân cụm K-Means	Python • R	Jen • Eric Wanjau
16	Giới thiệu xử lý ngôn ngữ tự nhiên ☕️	Xử lý ngôn ngữ tự nhiên	Tìm hiểu những kiến thức cơ bản về NLP bằng cách xây dựng một bot đơn giản	Python	Stephen
17	Các tác vụ NLP phổ biến ☕️	Xử lý ngôn ngữ tự nhiên	Mở rộng kiến thức NLP của bạn bằng cách hiểu các tác vụ phổ biến cần thiết khi xử lý cấu trúc ngôn ngữ	Python	Stephen
18	Dịch thuật và phân tích cảm xúc ♥️	Xử lý ngôn ngữ tự nhiên	Dịch thuật và phân tích cảm xúc với Jane Austen	Python	Stephen
19	Khách sạn lãng mạn ở châu Âu ♥️	Xử lý ngôn ngữ tự nhiên	Phân tích cảm xúc với đánh giá khách sạn 1	Python	Stephen
20	Khách sạn lãng mạn ở châu Âu ♥️	Xử lý ngôn ngữ tự nhiên	Phân tích cảm xúc với đánh giá khách sạn 2	Python	Stephen
21	Giới thiệu dự báo chuỗi thời gian	Chuỗi thời gian	Giới thiệu dự báo chuỗi thời gian	Python	Francesca
22	⚡️ Sử dụng điện toàn cầu ⚡️ - dự báo chuỗi thời gian với ARIMA	Chuỗi thời gian	Dự báo chuỗi thời gian với ARIMA	Python	Francesca
23	⚡️ Sử dụng điện toàn cầu ⚡️ - dự báo chuỗi thời gian với SVR	Chuỗi thời gian	Dự báo chuỗi thời gian với Support Vector Regressor	Python	Anirban
24	Giới thiệu học tăng cường	Học tăng cường	Giới thiệu học tăng cường với Q-Learning	Python	Dmitry
25	Giúp Peter tránh con sói! 🐺	Học tăng cường	Gym học tăng cường	Python	Dmitry
Postscript	Các kịch bản và ứng dụng ML trong thế giới thực	ML trong thế giới thực	Các ứng dụng ML cổ điển trong thế giới thực thú vị và đầy thông tin	Bài học	Nhóm
Postscript	Gỡ lỗi mô hình trong ML bằng bảng điều khiển RAI	ML trong thế giới thực	Gỡ lỗi mô hình trong Máy học bằng các thành phần bảng điều khiển Responsible AI	Bài học	Ruth Yakubu

tìm tất cả 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 kho lưu trữ này, cài Docsify trên máy cục bộ của bạn, và 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.

PDF

Tìm tệp pdf của chương trình học kèm liên kết tại đây.

🎒 Các Khóa Học Khác

Nhóm chúng tôi có các khóa học khác! Xem:

LangChain

---

Azure / Edge / MCP / Agents

---

Chuỗi Generative AI

---

Học cốt lõi

---

Loạt Copilot

Nhận trợ giúp

Nếu bạn gặp khó khăn hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Hãy tham gia cùng những người học khác và các nhà phát triển có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ nơi các câu hỏi luôn được chào đón và kiến thức được chia sẻ một cách tự do.

Nếu bạn có phản hồi về sản phẩm hoặc gặp lỗi khi xây dựng, hãy truy cập:

---

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 không chính xác. Tài liệu gốc bằng ngôn ngữ gốc nên được coi là nguồn có thẩm quyền. Đối với những thông tin quan trọng, khuyến nghị nên sử dụng dịch thuật chuyên nghiệp bởi con người. Chúng tôi không chịu trách nhiệm cho bất kỳ hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.