machine learning

1. Các vị

1.1. unsupervised learning

1.1.1. cũng cần có các dữ liệu dùng để "học", nhưng không phải đưa ra các kết quả cụ thể nào.

1.2. supervised learning

1.2.1. cần có các dữ liệu dùng để "học", và phải đưa ra được một kết quả nhất định (như thuật toán lọc spam ở trên).

1.3. reinforcement learning

1.3.1. AI sẽ được thưởng dựa trên những gì nó làm được. Học củng cố có thể giúp máy móc đạt được những khả năng như hiểu được làm sao để chơi một game máy tính thông qua một quá trình thử và lỗi (trial-and-error), dựa trên việc nghiên cứu làm cách nào để tăng điểm số của mình.

1.4. semi-supervised learning

1.4.1. cũng cần có các dữ liệu dùng để "học", và có thể đưa ra được một vài kết quả khác nhau.

2. Khái niệm

2.1. Máy học là ngành học cung cấp cho máy tính khả năng học hỏi mà không cần được lập trình một cách rõ ràng

3. Làm thế nào để có hệ thống machine learning tốt?

3.1. Khả năng chuẩn bị dữ liệu

3.2. Thuật toán – căn bản & nâng cao

3.3. Quy trình tự động và quy trình lặp lại

3.4. Khả năng scale

3.5. Ensemble modeling

4. Những đối tượng

4.1. Các dịch vụ tài chính

4.2. Chăm sóc sức khỏe

4.3. Chính phủ

4.4. Marketing và sales

4.5. Dầu khí