Bài 25. LÀM QUEN VỚI HỌC MÁY

KHỞI ĐỘNG

Khi truy cập tài khoản thư điện tử, ngoài các thư trong Hộp thư đến (Inbox) em có thể thấy nhiều thư được tự động phân loại vào Hộp thư rác (Spam). Hãy quan sát Hình 25.1 và cho biết việc phân loại này được thực hiện như thế nào.

Giải rút gọn:

Việc phân loại thư vào Hộp thư rác (Spam) thông qua quá trình sau:

1. Hộp thư đến (Inbox):

• Tiếp nhận và hiển thị tất cả thư đến.

2. Bộ lọc thư:

• Công cụ/hệ thống xác định thư rác.

• Phân tích nội dung, thông tin thư bằng quy tắc và thuật toán.

3. Thư rác:

• Thư được xác định là spam sẽ tự động chuyển vào Hộp thư rác.

• Giúp người dùng phân biệt thư quan trọng và thư rác.

1. TÌM HIỂU SƠ LƯỢC VỀ HỌC MÁY

Hoạt động 1: Tìm hiểu bộ lọc thư điện tử:

Bộ lọc thư điện tử, thường là tập hợp các quy tắc, được thiết kế để phát hiện và đánh dấu các thư rác trước khi chúng được chuyển vào hộp thư của người dùng. Có quy tắc chỉ đơn giản là trong nội dung hoặc tiêu đề thư có các cụm từ đáng ngờ như “miễn phí”, “giảm giá”, “rẻ bất ngờ".... hay địa chỉ thư của người gửi hoặc địa chỉ của máy chủ gửi thư thuộc vào một “danh sách đen” xác định. Theo em, có thể xây dựng các bộ lọc thư này bằng cách nào?

Giải rút gọn:

Để xây dựng bộ lọc thư điện tử, có thể sử dụng các phương pháp học máy.

Câu hỏi 1: Chọn phương án đúng. Học máy là:

A. Chương trình máy tính có khả năng đưa ra quyết định hay dự đoán dựa trên dữ liệu.

B. Khả năng phân tích dữ liệu thu nhận được của máy tính để đưa ra dự đoán hoặc quyết định dựa trên các quy tắc được xác định rõ ràng.

C. Việc sử dụng các phương pháp và kĩ thuật cho phép máy tính học từ dữ liệu để đưa ra dự đoán hoặc quyết định mà không cần lập trình cụ thể.

D. Chương trình máy tính có khả năng tự cải thiện hiệu suất thực hiện nhiệm vụ thông qua việc cập nhật các dữ liệu mới sau khi hoàn thành nhiệm vụ đó nhiều lần.

Giải rút gọn:

Câu A là đúng: Chương trình máy tính có khả năng đưa ra quyết định hay dự đoán dựa trên dữ liệu.

Câu C là đúng: Học máy sử dụng phương pháp và kỹ thuật cho phép máy tính học từ dữ liệu để đưa ra dự đoán hoặc quyết định mà không cần lập trình cụ thể. Thay vì viết rõ ràng các quy tắc và hướng dẫn cho máy tính, chúng ta cung cấp dữ liệu huấn luyện và để máy tính tự học từ dữ liệu đó.

Câu hỏi 2: Tại sao cần chia dữ liệu học máy thành hai phần: dữ liệu huấn luyện và dữ liệu kiểm tra?

Giải rút gọn:

Dữ liệu huấn luyện và dữ liệu kiểm tra được chia ra để đánh giá hiệu suất của mô hình học máy:

- Dữ liệu huấn luyện được sử dụng để huấn luyện mô hình, tức là mô hình học từ dữ liệu này để tìm ra các mẫu và quy luật trong dữ liệu. 

- Dữ liệu kiểm tra được sử dụng để đánh giá hiệu suất của mô hình đã được huấn luyện.

2. PHÂN LOẠI VAI TRÒ CỦA HỌC MÁY TRONG THỰC TẾ

Hoạt động 2: Tìm hiểu vai trò của Học máy trong thực tế

Trong Mục 1 em đã được giới thiệu một số ứng dụng thực tế của Học máy. Hãy kể tên một vài công việc mà ngày nay không thể thiếu vai trò của Học máy.

Giải rút gọn:

Một số công việc mà ngày nay không thể thiếu vai trò của Học máy:

- Lọc thư rác.

- Chẩn đoán bệnh.

- Phân tích thị trường.

- Nhận dạng tiếng nói.

- Nhận dạng chữ viết.

- Dịch tự động.

Câu hỏi: Vai trò quan trọng của Học máy trong các lĩnh vực khác nhau được thể hiện như thế nào?

Giải rút gọn:

Học máy có vai trò quan trọng trong nhiều lĩnh vực khác nhau và thể hiện sự quan trọng của nó qua các khía cạnh sau:

Tóm tắt vai trò quan trọng của Học máy:

1. Xử lý dữ liệu lớn:

• Xử lý nhanh chóng, hiệu quả lượng lớn dữ liệu.

• Tìm ra mẫu, xu hướng quan trọng, thông tin hữu ích, tri thức ẩn trong dữ liệu.

2. Tự động hóa nhiệm vụ phức tạp:

• Ví dụ: tự động lọc thư rác, tiết kiệm thời gian, công sức con người.

3. Chẩn đoán và dự đoán:

• Lĩnh vực y tế: xây dựng mô hình chẩn đoán bệnh, dự đoán tình trạng sức khỏe.

• Cải thiện khả năng chẩn đoán, đưa ra phương án điều trị phù hợp.

4. Phân tích và dự báo thị trường:

• Phân tích dữ liệu thị trường từ nhiều nguồn.

• Xác định xu hướng, dự báo biến động giá cả, hỗ trợ quyết định kinh doanh.

• Giúp nhà đầu tư, nhà kinh doanh hiểu rõ thị trường, đưa ra chiến lược đầu tư hiệu quả.

5. Nhận dạng và xử lý âm thanh, hình ảnh:

• Nhận dạng, xử lý ảnh, tiếng nói, chữ viết tay.

• Ví dụ: nhận dạng tiếng nói (phân biệt người nói), hỗ trợ người khiếm thính.

6. Dịch tự động:

• Xây dựng mô hình dịch tự động, dịch văn bản, tiếng nói đa ngôn ngữ.

• Loại bỏ rào cản ngôn ngữ, tạo điều kiện giao tiếp, trao đổi thông tin quốc tế.

LUYỆN TẬP

Tại sao có thể nói Học máy có vai trò không thể thiếu trong các ứng dụng mà dữ liệu không ngừng thay đổi theo thời gian? Hãy chỉ ra một vài minh họa cụ thể.

Giải rút gọn:

1. Công cụ hữu ích, trí tuệ nhân tạo:

• Học máy đóng góp vào sự phát triển của nhiều ứng dụng thực tế.

2. Ví dụ cụ thể:

• Xử lý dữ liệu lớn, thời gian thực: Xác định tự động mẫu, xu hướng quan trọng trong dữ liệu.

• Tự động hóa nhiệm vụ phức tạp: Phát hiện thư rác, phân loại ảnh,...

• Bổ sung tri thức, hỗ trợ chuyên gia: Xây dựng, bổ sung tri thức trong y học, tài chính, khoa học tự nhiên.

• Tự động cập nhật mô hình: Cập nhật mô hình với dữ liệu mới, liên tục.

VẬN DỤNG

Ngoài hai phương pháp học máy cơ bản nêu trong bài, một số tài liệu còn đề cập tới phương pháp học bán giám sát và học tăng cường. Hãy tìm hiểu về các phương pháp học máy này trên Internet.

Giải rút gọn:

Học bán giám sát:

• Sử dụng dữ liệu có nhãn (gần nhãn) và không nhãn để huấn luyện mô hình.

• Dữ liệu gần nhãn: Ví dụ hình ảnh mèo/chó được gắn nhãn "mèo/chó".

• Mục tiêu: Dự đoán kết quả cho các ví dụ mới chưa gặp.

• Ứng dụng: Xử lý ngôn ngữ tự nhiên, phân loại hình ảnh,...

Học tăng cường:

• Tác nhân tương tác với môi trường, nhận phần thưởng/hình phạt dựa trên hành động.

• Mục tiêu: Học cách thực hiện hành động tối đa hóa phần thưởng.

• Ứng dụng: Chế tạo robot, chơi game, tối ưu hóa.