Machine Learning là gì? Các loại hình Machine Learning

Machine Learning là gì?

Machine Learning là một tập hợp con của Trí tuệ nhân tạo (AI) sử dụng các thuật toán máy tính để phân tích dữ liệu và đưa ra quyết định thông minh dựa trên những gì nó đã học được. Thay vì tuân theo các thuật toán dựa trên quy tắc cố định, Machine Learning xây dựng các mô hình để phân loại và đưa ra dự đoán từ dữ liệu.

Ví dụ:

Để xác định xem một trái tim có bị suy hay không, chúng ta có thể sử dụng Machine Learning để phân tích các tập dữ liệu như nhịp tim mỗi phút, chỉ số khối cơ thể, tuổi, giới tính và kết quả của việc tim có bị suy hay không. Machine Learning sẽ học hỏi và tạo ra một mô hình có thể dự đoán kết quả dựa trên các dữ liệu đầu vào.

Sự khác biệt giữa Machine Learning và thuật toán truyền thống

• Thuật toán truyền thống: Sử dụng dữ liệu và quy tắc để phát triển một thuật toán đưa ra câu trả lời. Thuật toán này không thay đổi.
• Machine Learning: Sử dụng dữ liệu và câu trả lời để tạo ra thuật toán. Mô hình Machine Learning sẽ tự xác định các quy tắc và câu lệnh điều kiện khi nhận được dữ liệu đầu vào. Mô hình này có thể được huấn luyện liên tục và sử dụng để dự đoán các giá trị trong tương lai.

Ví dụ:

Trong ví dụ về tim mạch ở trên, nếu sử dụng thuật toán truyền thống, chúng ta sẽ lấy dữ liệu như nhịp tim và chỉ số BMI để tạo ra một thuật toán xác định xem tim có bị suy hay không. Về cơ bản, đó sẽ là một câu lệnh "if-then-else". Khi chúng ta nhập dữ liệu đầu vào, chúng ta sẽ nhận được câu trả lời dựa trên thuật toán đã được xác định.

Ngược lại, Machine Learning sẽ sử dụng dữ liệu và câu trả lời để tạo ra thuật toán. Mô hình sẽ tự xác định logic và các tham số trong thuật toán.

Các loại hình Machine Learning

Supervised Learning (Học có giám sát)

• Thuật toán được huấn luyện trên dữ liệu được gắn nhãn bởi con người.
• Càng nhiều mẫu được cung cấp, thuật toán càng trở nên chính xác hơn trong việc phân loại dữ liệu mới.

Ví dụ:

Cung cấp cho chương trình Machine Learning một lượng lớn hình ảnh về chim và huấn luyện mô hình để trả về nhãn "chim" bất cứ khi nào nó được cung cấp một hình ảnh về chim.

Unsupervised Learning (Học không giám sát)

• Thuật toán được cung cấp dữ liệu không được gắn nhãn và tự tìm ra các mẫu.
• Hữu ích cho việc phân cụm dữ liệu, trong đó dữ liệu được nhóm lại theo mức độ tương đồng với các điểm dữ liệu lân cận.

Ví dụ:

Cung cấp cho thuật toán Machine Learning một luồng liên tục lưu lượng truy cập mạng và để nó tự học hỏi hoạt động mạng cơ bản bình thường, cũng như các hoạt động bất thường và có thể là độc hại đang diễn ra trên mạng.

Reinforcement Learning (Học tăng cường)

• Thuật toán được cung cấp một tập hợp các quy tắc và ràng buộc và tự học cách đạt được mục tiêu.
• Thuật toán thử các kết hợp hành động khác nhau và được thưởng hoặc phạt tùy thuộc vào việc quyết định có tốt hay không.

Ví dụ:

Sử dụng Reinforcement Learning để dạy máy chơi cờ vua hoặc điều hướng một chướng ngại vật.

Mô hình Machine Learning

Mô hình Machine Learning là một thuật toán được sử dụng để tìm các mẫu trong dữ liệu mà lập trình viên không cần phải lập trình rõ ràng các mẫu này.

Machine Learning là một tập hợp con của AI sử dụng các thuật toán máy tính để phân tích dữ liệu và đưa ra quyết định. Không giống như lập trình truyền thống sử dụng các quy tắc cố định, các mô hình Machine Learning phát triển bằng cách học hỏi từ dữ liệu. Có ba loại hình Machine Learning chính: Supervised Learning, Unsupervised Learning và Reinforcement Learning.