- Bài 1: Giới thiệu về Machine Learning
- Bài 2: Machine Learning - AI ngày nay có thể làm gì?
- Bài 3: Machine Learning - AI truyền thống
- Bài 4: Machine Learning - Machine Learning là gì?
- Bài 5: Machine Learning - Phân loại
- Bài 6: Machine Learning - Phân loại (p2)
- Bài 7: Machine Learning - Supervised Learning
- Bài 8: Machine Learning - Thư viện Scikit learn
- Bài 9: Machine Learning - Unsupervised learning
- Bài 10: Machine Learning - Artificial Neural Networks
- Bài 11: Machine Learning - Deep Learning
- Bài 12: Machine Learning - Skills
- Bài 13: Machine Learning - Implementing
- Bài 14: Khởi đầu với neural network
- Bài 15: Xử lý ảnh sử dụng Neural Network
- Bài 16: Mạng neuron tích chập
- Bài 17: Machine Learning - Kết luận
- Bài 18: Rút gọn : Phần 1
- Bài 19: Rút gọn - phần 2
- Bài 20: Rút gọn - phần 3
Bài 3: Machine Learning - AI truyền thống - AI - Machine Learning cơ bản
Đăng bởi: Admin | Lượt xem: 1943 | Chuyên mục: Machine Learning
Cuộc hành trình của AI bắt đầu vào những năm 1950 khi sức mạnh tính toán chỉ bằng một phần nhỏ so với ngày nay. AI bắt đầu với các dự đoán được thực hiện bởi máy theo kiểu một nhà thống kê thực hiện các dự đoán bằng máy tính của mình. DO đó, toàn bộ sự phát triển AI ban đầu chủ yếu dựa trên các kỹ thuật thống kê.
Trong bài này, chúng ta sẽ thảo luận chi tiết những kỹ thuật thống kê này mang ý nghĩa gì ?
Kỹ thuật thống kê:
Sự phát triển của các ứng dụng AI ngày nay bắt đầu bằng việc sử dụng các kỹ thuật thống kê truyền thống từ lâu đời. Các bạn hẳn đã sử dụng phép nội suy đường thẳng để dự đoán một giá trị trong tương lai. Có một số kỹ thuật thống kê khác được áp dụng thành công trong việc phát triển gọi là các chương trình AI. Các chương trình AI ngày nay phức tạp hơn rất nhiều và sử dụng các kỹ thuật vượt xa các kỹ thuật thống kê được sử dụng bởi các chương trình AI ban đầu
Một số ví dụ về kỹ thuật thống kê được sử dụng để phát triển ứng dụng AI được liệt kê như sau :
- Hồi quy (Regression)
- Phân loại (Classification)
- clustering
- Lý thuyết xác suất (probability theories)
- Cây quyết định (Decistion Trees)
Ở đây, mình chỉ liệt kê một số kỹ thuật chính chủ yếu được sử dụng để các bạn bắt đầu với AI mà không làm bạn bất ngờ về sự rộng lớn của AI. Nếu bạn đang phát triển các ứng dụng AI dựa trên dữ liệu bị hạn chế, bạn sẽ sử dụng các kỹ thuật này
Tuy nhiên, ngày nay dữ liệu trở nên khổng lồ. Để phân tích loại dữ liệu khổng lồ mà ta đang có, các kỹ thuật thống kê không giúp ích được gì nhiều vì chúng có một số hạn chế riêng. Do đó, các phương pháp tiên tiến hơn như học sâu (deep learning) được phát triển để giải quyết nhiều vấn đề phức tạp.
Ở các bài sau, chúng ta sẽ hiểu hơn machine learning là gì và cách nó được sử dụng để phát triển các ứng dụng AI phức tạp như thế nào?
Theo dõi VnCoder trên Facebook, để cập nhật những bài viết, tin tức và khoá học mới nhất!
- Bài 1: Giới thiệu về Machine Learning
- Bài 2: Machine Learning - AI ngày nay có thể làm gì?
- Bài 3: Machine Learning - AI truyền thống
- Bài 4: Machine Learning - Machine Learning là gì?
- Bài 5: Machine Learning - Phân loại
- Bài 6: Machine Learning - Phân loại (p2)
- Bài 7: Machine Learning - Supervised Learning
- Bài 8: Machine Learning - Thư viện Scikit learn
- Bài 9: Machine Learning - Unsupervised learning
- Bài 10: Machine Learning - Artificial Neural Networks
- Bài 11: Machine Learning - Deep Learning
- Bài 12: Machine Learning - Skills
- Bài 13: Machine Learning - Implementing
- Bài 14: Khởi đầu với neural network
- Bài 15: Xử lý ảnh sử dụng Neural Network
- Bài 16: Mạng neuron tích chập
- Bài 17: Machine Learning - Kết luận
- Bài 18: Rút gọn : Phần 1
- Bài 19: Rút gọn - phần 2
- Bài 20: Rút gọn - phần 3