- 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 13: Machine Learning - Implementing - AI - Machine Learning cơ bản
Đăng bởi: Admin | Lượt xem: 1507 | Chuyên mục: Machine Learning
Để phát triển các ứng dụng ML, bạn sẽ phải quyết định về nền tảng, IDE và ngôn ngữ để phát triển. Có một số lựa chọn có sẵn. Hầu hết trong số này sẽ đáp ứng yêu cầu của bạn một cách dễ dàng vì tất cả chúng đều cung cấp việc triển khai các thuật toán AI đã được thảo luận cho đến nay.
Nếu bạn đang tự phát triển thuật toán ML, bạn cần hiểu kỹ các khía cạnh sau:
Ngôn ngữ bạn chọn - điều này về cơ bản là bạn thành thạo một trong những ngôn ngữ được hỗ trợ trong phát triển ML.
IDE mà bạn sử dụng - Điều này sẽ phụ thuộc vào mức độ quen thuộc của bạn với các IDE hiện có và mức độ thoải mái của bạn.
Nền tảng phát triển - Có một số nền tảng có sẵn để phát triển và triển khai. Hầu hết trong số này là miễn phí để sử dụng. Trong một số trường hợp, bạn có thể phải trả phí bản quyền vượt quá số lượng sử dụng nhất định. Dưới đây là danh sách ngắn gọn về lựa chọn ngôn ngữ, IDE và nền tảng để bạn sẵn sàng tham khảo.
1. Lựa chọn ngôn ngữ :
Danh sách các ngôn ngữ hỗ trợ phát triển ML :
- Python
- R
- Matlab
- Octave
- Julia
- C++
- C
Danh sách này về cơ bản không toàn diện; tuy nhiên, nó bao gồm nhiều ngôn ngữ phổ biến được sử dụng trong phát triển ML. Tùy thuộc vào mức độ sử dụng thông thạo ngôn ngữ của bạn, hãy chọn một ngôn ngữ để phát triển các mô hình của bạn và thử nghiệm.
2. IDEs :
- R Studio
- Pycharm
- iPython/Jupyter Notebook
- Julia
- Spyder
- Anaconda
- Rodeo
- Google –Colab
Danh sách trên không phải là toàn diện. Mỗi người đều có những ưu điểm và phẩm chất riêng. Người đọc được khuyến khích thử các IDE khác nhau này trước khi thu hẹp lại thành một IDE duy nhất.
3. Platforms:
- IBM
- Microsoft Azure
- Google Cloud
- Amazon
- Mlflow
Một lần nữa danh sách này không đầy đủ. Người đọc được khuyến khích đăng ký các dịch vụ nói trên và tự mình dùng thử.
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