Slide bài giảng Khoa học máy tính 12 Kết nối bài 25: Làm quen với Học máy

Tóm lược nội dung

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.

Bài làm rút gọn:

Việc phân loại thư vào Hộp thư rác (Spam) là một quá trình gồm: Hộp thư đến (Inbox) -> Bộ lọc thư -> 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?

Bài làm rút gọn:

Có thể sử dụng các phương pháp học máy để xây dựng bộ lọc thư điện tử.

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.

Bài làm rút gọn:

Câu đúng là A, C.

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

Bài làm rút gọn:

- 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.

Bài làm rút gọn:

- Chẩn đoán bệnh.

- Lọc thư rác.

- Dịch tự động.

- Phân tích thị trường.

- Nhận dạng chữ viết.

- Nhận dạng tiếng nói.

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

Bài làm rút gọn:

- Tự động hóa nhiệm vụ phức tạp.

- Xử lý dữ liệu lớn.

- Phân tích và dự báo thị trường.

- Chẩn đoán và dự đoán.

- Dịch tự động.

- Nhận dạng và xử lý âm thanh và hình ảnh.

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.

Bài làm rút gọn:

- 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 là vì: Học máy là một công cụ hữu ích, là một phần quan trọng của trí tuệ nhân tạo, đóng góp vào sự phát triển của nhiều ứng dụng thực tế.

- Một vài ví dụ cụ thể:

+ Tự động hóa nhiệm vụ phức tạp: Trước đây, nhiều nhiệm vụ phức tạp đòi hỏi sự can thiệp của con người. Nhưng với học máy, chúng ta có thể tự động hoá các nhiệm vụ này. Ví dụ, học máy có thể tự động phát hiện thư rác trong email hoặc phân loại ảnh dựa trên nội dung.

+ Xử lý dữ liệu lớn và thời gian thực: Học máy cho phép xử lý một lượng lớn dữ liệu một cách nhanh chóng và hiệu quả. Chương trình học máy có thể tự động xác định các mẫu và xu hướng quan trọng trong dữ liệu, giúp chúng ta hiểu rõ hơn về sự biến đổi và thay đổi trong dữ liệu theo thời gian.

+ Tự động cập nhật mô hình: Học máy không ngừng bổ sung dữ liệu và tự động cập nhật mô hình đã được huấn luyện. Điều này đặc biệt quan trọng trong các ứng dụng có dữ liệu đa dạng và thay đổi liên tục theo thời gian, ví dụ như phát hiện các mẫu thư rác mới, triệu chứng bệnh mới, hay bản dịch ngôn ngữ mới.

+ Bổ sung tri thức và hỗ trợ chuyên gia: Học máy giúp chuyên gia và nhà nghiên cứu xây dựng và bổ sung tri thức. Chúng ta có thể học từ dữ liệu và áp dụng tri thức này vào các lĩnh vực như y học, tài chính, và khoa học tự nhiên.

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.

Bài làm rút gọn:

Các phương pháp học máy:

- Học bán giám sát (Supervised Learning).

- Học tăng cường (Reinforcement Learning).