Slide bài giảng Khoa học máy tính 12 Cánh diều bài 1: Giới thiệu về Học máy

Tóm lược nội dung

BÀI 1. GIỚI THIỆU VỀ HỌC MÁY

KHỞI ĐỘNG

Cho Hình 1 và ba nhân phân loại là "vuông”, “tròn”, “tam giác”. Cần gán nhãn phân loại cho từng đối tượng trong Hình 1. Em hãy trả lời các câu hỏi sau:

1) Nếu con người thực hiện thì nhiệm vụ trên là dễ hay khó?

2) Theo em, máy tính có thể tự động thực hiện nhiệm vụ trên thay cho con người hay không? Lập trình để máy tính làm công việc này là dễ hay khó?

Bài làm rút gọn:

1) Đối với con người thực hiện:

Dễ dàng:

+Hình ảnh có độ phân giải cao, các đối tượng được phân biệt rõ ràng.

+Các hình dạng cơ bản (vuông, tròn, tam giác) dễ nhận biết.

+Nhiệm vụ chỉ yêu cầu gán nhãn đúng cho từng đối tượng.

2) Đối với máy tính thực hiện:

Có thể:

• Sử dụng các thuật toán học máy, cụ thể là phân loại hình ảnh, để tự động gán nhãn cho các đối tượng.
• Các mô hình học máy đã được huấn luyện trên tập dữ liệu ảnh lớn có thể nhận diện các hình dạng cơ bản với độ chính xác cao.

Lập trình:

Khó:

• Yêu cầu kiến thức chuyên môn về học máy, xử lý ảnh và lập trình.
• Cần thu thập và chuẩn bị tập dữ liệu huấn luyện phù hợp.
• Lựa chọn và điều chỉnh mô hình học máy phù hợp với nhiệm vụ.

Tuy nhiên:

• Việc lập trình sẽ dễ dàng hơn nếu sử dụng các thư viện và công cụ học máy có sẵn.
• Có nhiều mô hình học máy được phát triển sẵn có thể áp dụng cho bài toán phân loại hình ảnh.

1. KHÁI NIỆM HỌC MÁY

2. HỌC CÓ GIÁM SÁT

HOẠT ĐỘNG

Xét các bài toán sau:

1) Hệ thống thư điện tử cần xác định các email nghi là thư rác và đánh dấu nó thuộc loại “Spam” (thư rác) để cảnh báo cho người nhận. Nhữung email còn lại thuộc loại “no spam”.

2) Ngân hàng cần xác định khách hàng thuộc loại “tốt”, “bình thường” hay “xấu” để giải quyết định hạn mức cho vay và lãi suất áp dụng

Theo em, những bài toán trên và nhiệm vụ ở phần khởi động có những điểm chung là gì?

Bài làm rút gọn:

- Cả ba bài toán đều là bài toán phân loại:

• Phân loại email thành "Spam" và "no spam".
• Phân loại khách hàng thành "tốt", "bình thường" và "xấu".
• Phân loại hình ảnh thành "vuông", "tròn" và "tam giác".

- Cả ba bài toán đều sử dụng thuật toán học máy để phân loại dữ liệu.

- Cả ba bài toán đều cần thu thập và chuẩn bị tập dữ liệu huấn luyện phù hợp.

3. HỌC KHÔNG GIÁM SÁT

HOẠT ĐỘNG

Cho một số quả, theo em máy tính có trả lời được mấy loại quả hay không?

Bài làm rút gọn:

Hiện nay, với sự phát triển của công nghệ học máy, đặc biệt là mạng nơ-ron nhân tạo, máy tính có thể đạt được độ chính xác cao trong việc phân loại quả.

4.  MỘT SỐ ỨNG DỤNG CỦA HỌC MÁY

LUYỆN TẬP

Mỗi phát biểu sau về học máy là đúng hay sai?

a) Học không giám sát sử dụng dữ liệu huấn luyện không có nhãn.

b) Học có giám sát sử dụng dữ liệu kiểm tra để đánh giá kết quả huấn luyện.

c) Học có giám sát dành cho huấn luyện máy tính phân cụm.

d) Học có giám sát và không giám sát đều giúp máy tính giải quyết cùng một bài toán như nhau.

Bài làm rút gọn:

a) Đúng.

b) Đúng. 

c) Sai. 

d) Sai. 

VẬN DỤNG

ChatGPT là một hệ thống AI nổi tiếng có nhiều khả năng khác nhau. Hãy kể ra một vài khả năng mà theo em có sự đóng góp của học máy để phát triển hệ thống này

Bài làm rút gọn:

• Huấn luyện ChatGPT trên một lượng lớn dữ liệu.
• Giúp ChatGPT học cách nhận biết các mẫu trong dữ liệu và sử dụng các mẫu đó để thực hiện các nhiệm vụ khác nhau.
• Cải thiện hiệu suất của ChatGPT theo thời gian.

TỰ KIỂM TRA

Câu 1: Học máy là gì? Sự khác nhau giữa học có giám sát và học không giám sát là gì?

Bài làm rút gọn:

- Học máy là một nhánh của trí tuệ nhân tạo (AI) cho phép máy tính học hỏi từ dữ liệu và tự cải thiện hiệu suất theo thời gian mà không cần được lập trình rõ ràng.

- Phân biệt học có giám sát và học không giám sát

+ Học có giám sát:

• Sử dụng dữ liệu có nhãn, nghĩa là mỗi ví dụ dữ liệu được gắn với kết quả mong muốn.
• Ví dụ: Dữ liệu huấn luyện cho hệ thống phân loại ảnh mèo và chó có thể bao gồm hình ảnh của mèo và chó được gắn nhãn "mèo" hoặc "chó".
• Mục tiêu: Học cách dự đoán chính xác kết quả cho dữ liệu mới.

+ Học không giám sát:

• Sử dụng dữ liệu không có nhãn.
• Ví dụ: Dữ liệu huấn luyện cho hệ thống phân cụm khách hàng có thể bao gồm thông tin về hành vi mua hàng của khách hàng.
• Mục tiêu: Tìm ra các cấu trúc và mối tương quan ẩn trong dữ liệu.

Câu 2: Hãy kể một vài ứng dụng cụ thể trong đó có thể sử dụng học máy để thực hiện nhiệm vụ phân loại và phân cụm.

Bài làm rút gọn:

• Google Photos: Google Photos sử dụng học máy để phân loại ảnh theo khuôn mặt, địa điểm và các đối tượng trong ảnh.
• Netflix: Netflix sử dụng học máy để đề xuất phim và chương trình truyền hình cho người dùng dựa trên lịch sử xem phim của họ.
• Amazon: Amazon sử dụng học máy để đề xuất sản phẩm cho khách hàng dựa trên lịch sử mua hàng của họ.