ML-For-Beginners/translations/vi

🌐 Hỗ trợ Đa Ngôn Ngữ

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

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

Ưa thích sao chép về máy?

Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ, điều này làm tăng đáng kể kích thước tải xuống. Để sao chép mà không có bản dịch, hãy dùng sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Điều này cung cấp cho bạn mọi thứ bạn cần để hoàn thành khóa học với tốc độ tải xuống nhanh hơn nhiều.

Tham gia Cộng đồng của Chúng tôi

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

Máy Học cho Người Mới Bắt Đầu - Một Chương Trình Học

🌍 Du lịch khắp thế giới khi chúng ta khám phá Máy Học thông qua các nền văn hóa trên thế giới 🌍

Nhóm Cloud Advocates tại Microsoft vui mừng giới thiệu một chương trình học 12 tuần, gồm 26 bài học tất cả về Máy Học. Trong chương trình này, bạn sẽ tìm hiểu về cái mà đôi khi gọi là máy học cổ điển, chủ yếu sử dụng thư viện Scikit-learn và tránh học sâu, phần này được bao gồm trong chương trình AI cho Người Mới Bắt Đầu của chúng tôi. Hãy kết hợp các bài học này với chương trình 'Khoa học Dữ liệu cho Người Mới Bắt Đầu' của chúng tôi nữa nhé!

Hãy cùng chúng tôi du lịch 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 các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, một giải pháp, một bài tập và nhiều hơn thế nữa. Phương pháp giảng dạy 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".

✍️ Lời cảm ơn sâu sắc đến các tác giả của chúng tôi 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 cả các họa sĩ minh họa Tomomi Imura, Dasani Madipalli, và Jen Looper

🙏 Lời cảm ơn đặc biệt 🙏 đến các đại sứ sinh viên Microsoft là tác giả, người đánh giá và đóng góp nội dung, đặc biệt là Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila và Snigdha Agarwal

🤩 Thêm lời biết ơn đến các đại sứ sinh viên Microsoft 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 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 giúp đỡ? Hãy xem Hướng dẫn Khắc phục Sự cố của chúng tôi để có các giải pháp cho các vấn đề thường gặp về cài đặt, thiết lập và chạy bài học.

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

• Bắt đầu với bài kiểm tra làm quen trước bài giảng.
• Đọc bài giảng và hoàn thành các hoạt động, dừng lại và suy nghĩ tại mỗi phần kiểm tra kiến thức.
• Cố gắng tạo các dự án bằng cách hiểu bài học hơn là chỉ chạy mã giải pháp; tuy nhiên mã đó có sẵn trong thư mục /solution của 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 Diễn đàn Thảo luận và "học tập công khai" bằng cách điền vào bảng đánh giá PAT thích hợp. 'PAT' là Công cụ Đánh Giá Tiến Trình, một bảng đánh giá bạn điền để nâng cao việc học của mình. Bạn cũng có thể phản hồi các PAT khác để chúng ta cùng học tập.

Để học nâng cao hơn, chúng tôi khuyên bạn làm theo các mô-đun và lộ trình học trên Microsoft Learn.

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

---

Video hướng dẫn

Một số bài học có sẵn dưới dạng video ngắn. Bạn có thể tìm thấy tất cả trong bài học hoặc trên playlists ML for Beginners trên kênh Microsoft Developer YouTube bằng cách nhấp vào hình bên dưới.

---

Gặp gỡ Đội ngũ

Gif bởi Mohit Jaisal

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

---

Phương pháp giảng dạy

Chúng tôi đã chọn hai nguyên tắc sư phạm trong khi xây dựng chương trình này: đảm bảo rằng nó là dự án thực hành và bao gồm các bài kiểm tra thường xuyên. Thêm vào đó, chương trình có một chủ đề chung để tạo sự gắn kết.

Bằng cách đảm bảo nội dung phù hợp với các dự án, quá trình học trở nên hấp dẫn hơn cho học sinh và khả năng ghi nhớ các khái niệm sẽ được tăng cường. Thêm nữa, bài kiểm tra mức độ thấp trước lớp đặt mục tiêu học tập cho học sinh về một chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo ghi nhớ cao hơn. Chương trình này được thiết kế để linh hoạt và vui nhộn, có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn dần cho đến cuối chu kỳ 12 tuần. Chương trình còn bao gồm phần mở rộng về ứng dụng thực tế của ML, có thể dùng như điểm thưởng hoặc làm cơ sở thảo luận.

Tìm các quy định về Ứng xử, Đóng góp, Dịch thuật, và Khắc phục sự cố của chúng tôi. Chúng tôi hoan nghênh phản hồi mang tính xây dựng của bạn!

Mỗi bài học bao gồm

• ghi chú sơ đồ tùy chọn
• video bổ trợ tùy chọn
• video hướng dẫn (một số bài học)
• bài kiểm tra làm quen trước bài giảng
• bài học viết
• đối với bài học dự án, hướng dẫn từng bước cách xây dựng dự án
• kiểm tra kiến thức
• thử thách
• đọc thêm bổ trợ
• bài tập
• bài kiểm tra sau bài giảng

Ghi chú về ngôn ngữ: Các bài học chủ yếu được viết bằng Python, nhưng nhiều bài cũng có sẵn bằng R. Để hoàn thành bài học R, hãy vào thư mục /solution và tìm các bài học R. Chúng bao gồm phần mở rộng .rmd, là tệp R Markdown có thể hiểu đơn giản là nhúng đoạn mã (bằng R hoặc các ngôn ngữ khác) và đầu đề YAML (hướng dẫn cách định dạng đầu ra như PDF) trong một tài liệu Markdown. Do đó, nó là một khung tác giả mẫu mực cho khoa học dữ liệu vì cho phép bạn kết hợp mã, kết quả và suy nghĩ của mình bằng cách viết chúng trực tiếp trong Markdown. Hơn nữa, tài liệu R Markdown có thể được xuất ra định dạng PDF, HTML hoặc Word. Lưu ý về các bài kiểm tra: Tất cả các bài kiểm tra đều nằm trong Thư mục Ứng dụng Quiz, với tổng cộng 52 bài kiểm tra, mỗi bài có ba câu hỏi. Chúng được liên kết trong các bài học nhưng ứng dụng quiz có thể chạy cục bộ; hãy làm theo hướng dẫn trong thư mục quiz-app để lưu trữ cục bộ hoặc triển khai lên Azure.

Số Bài Học	Chủ Đề	Nhóm Bài Học	Mục Tiêu Học Tập	Bài Học Liên Kết	Tác Giả
01	Giới thiệu về học máy	Giới thiệu	Hiểu các khái niệm cơ bản đằng sau học máy	Bài học	Muhammad
02	Lịch sử của 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 về sự công bằng mà sinh viên nên cân nhắc khi xây dựng và áp dụng mô hình ML là gì?	Bài học	Tomomi
04	Các kỹ thuật học máy	Giới thiệu	Các nhà nghiên cứu ML sử dụng những kỹ thuật nào 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 các 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 mô hình hồi quy logistic	Python • R	Jen • Eric Wanjau
09	Ứng dụng Web 🔌	Ứng dụng Web	Xây dựng ứng dụng web để sử dụng mô hình đã huấn luyện	Python	Jen
10	Giới thiệu về 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 ngon châu Á và Ấn Độ 🍜	Phân loại	Giới thiệu về các bộ phân loại	Python • R	Jen và Cassie • Eric Wanjau
12	Các món ăn ngon châu Á và Ấn Độ 🍜	Phân loại	Thêm nhiều bộ phân loại hơn	Python • R	Jen và Cassie • Eric Wanjau
13	Các món ăn ngon châu Á và Ấn Độ 🍜	Phân loại	Xây dựng một ứng dụng gợi ý dựa trên mô hình của bạn	Python	Jen
14	Giới thiệu về 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 sở thích âm nhạc ở Nigeria 🎧	Phân cụm	Khám phá phương pháp phân cụm K-Means	Python • R	Jen • Eric Wanjau
16	Giới thiệu về xử lý ngôn ngữ tự nhiên ☕️	Xử lý ngôn ngữ tự nhiên	Học những kiến thức cơ bản về NLP qua việc xây dựng một bot đơn giản	Python	Stephen
17	Các tác vụ NLP phổ biến ☕️	Xử lý ngôn ngữ tự nhiên	Nâng cao kiến thức NLP qua việc hiểu các tác vụ phổ biến khi làm việc với 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 nhận xét khách sạn 1	Python	Stephen
20	Khách sạn lãng mạn ở châu Âu ♥️	Xử lý ngôn ngữ tự nhiên	Phân tích cảm xúc với nhận xét khách sạn 2	Python	Stephen
21	Giới thiệu dự báo chuỗi thời gian	Chuỗi thời gian	Giới thiệu về dự báo chuỗi thời gian	Python	Francesca
22	⚡️ Sử dụng điện năng thế giới ⚡️ - dự báo chuỗi thời gian ARIMA	Chuỗi thời gian	Dự báo chuỗi thời gian với ARIMA	Python	Francesca
23	⚡️ Sử dụng điện năng thế giới ⚡️ - dự báo chuỗi thời gian SVR	Chuỗi thời gian	Dự báo chuỗi thời gian với Hồi quy Vector Hỗ trợ	Python	Anirban
24	Giới thiệu học tăng cường	Học tăng cường	Giới thiệu về học tăng cường với Q-Learning	Python	Dmitry
25	Giúp Peter tránh con sói! 🐺	Học tăng cường	Học tăng cường Gym	Python	Dmitry
Hậu ký	Các kịch bản và ứng dụng ML trong thực tế	ML ngoài đời	Các ứng dụng thú vị và minh họa thực tế của ML cổ điển	Bài học	Nhóm
Hậu ký	Gỡ lỗi mô hình trong ML qua dashboard RAI	ML ngoài đời	Gỡ lỗi mô hình trong học máy sử dụng các thành phần dashboard 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. Hãy fork repo này, cài đặt Docsify trên máy của bạn, sau đó tại thư mục gốc của repo này, gõ docsify serve. Website sẽ được phục vụ trên cổng 3000 trên localhost của bạn: localhost:3000.

PDF

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

🎒 Các Khóa Học Khác

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

LangChain

---

Azure / Edge / MCP / Agents

---

Chuỗi bài AI Tạo Sinh

---

Học Tập Cốt Lõi

---

Chuỗi 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 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 được hoan nghênh và kiến thức được chia sẻ tự do.

Nếu bạn có phản hồi về sản phẩm hoặc gặp lỗi trong quá trình xây dựng, vui lòng truy cập:

---

Tuyên bố miễn 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 bản địa nên được coi là nguồn thông tin chính xác và đáng tin cậy. Đối với các thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hoặc giải thích sai lệch nào phát sinh từ việc sử dụng bản dịch này.