Ứng dụng Machine Learning vào thực tế như thế nào?

Mình thấy chủ yếu khi sử dụng các thư viện thì mình cũng cần tune parameters cho phù hợp với bài toán của riêng mình; các pre-trained models kèm sẵn với các thư viện chưa chắc đã đáp ứng được yêu cầu này.

Việc học ML ít nhất cũng giúp mình biết parameters mình đang tune có ý nghĩa gì :P Ngoài ra nắm được các thuật toán/mô hình cũng giúp mình đưa ra quyết định dùng mô hình nào cho bài toán nào, thiết kế cấu trúc như thế nào, vv...

Xây dựng cơ sở lý luận và cách approach giải quyết vấn đề. Cái khó ở dây là việc bạn đặt ra bài toán và các chỉ số để bạn tối ưu nó. Ngoài ra, còn có việc giải thích các kết quả output. Tốt thì tốt như thế nào? Xấu thì xấu như thế nào và tại sao? Việc bạn tunning các parameters này có ý nghĩa gì Vd: cùng một cái recommendation engine, nhưng trong các trường hợp khác nhau thì mình cần sử dụng khác nhau. Data khác nhau như thế nào? Ưu điểm và nhưoc điểm các phương pháp khác nhau.

Chào bạn, Machine Learning là một lĩnh vực rất gần, và đôi lúc có sự tương quan nhất định đối với toán học, điển hình như môn xác suất thống kê.

Bên cạnh đó, Machine Learning xuất hiện trong mọi ngành nghề, lĩnh vực trong đời sống:

• Nhận diện kí tự, chữ viết tay
• Nhận diện khuông mặt
• Lọc Spam cho email
• Phân loại nội dung báo chí
• Xử lý ngôn ngữ tự nhiên (như Siri, Cortana,…)
• Xe tự lái
• Chẩn đoán bệnh trong y khoa
• Phân tích hành vi người dùng (trong siêu thị, thương mại điện tử,…)
• Gợi ý bài viết, gợi ý sản phẩm,…
• Phát hiện lừa đảo trong giao dịch ngân hàng
• Dự báo thời tiết
• Chat bot, robot,…
• Monitoring cho server, hệ thống phòng thủ an ninh mạng,…
• The Great Firewall của China
• Các dây chuyền sàn lọc, kiểm định chất lượng sản phẩm, trái cây,...