ONE is preparing: 01 / INITIALIZING MODEL ROUTER. Evaluating routing across providers.
Current state
01 / INITIALIZING MODEL ROUTER.

Evaluating routing across providers.

Start learning
← Giới thiệu

AI Foundation

Dữ liệu — thức ăn của ML

Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.

Dữ liệu là thức ăn của Machine Learning. Chất lượng đầu vào quyết định chất lượng đầu ra. Làm quen với đặc trưng, nhãn, và ba tập train/val/test.

lesson20 minGiới thiệuAI Foundation

Bắt đầu

Dữ liệu là thức ăn của ML

Chất lượng đầu vào = chất lượng đầu ra.

Bạn có thể có đầu bếp giỏi nhất thế giới, nhưng nếu nguyên liệu là thịt ôi, rau héo — đĩa ăn cuối cùng cũng chỉ là rác. ML cũng thế.

Loại dữ liệuKết quả
Dữ liệu tệSai, thiếu, lệch → mô hình kém, thậm chí có hại
Dữ liệu ổnĐủ, sạch, đa dạng → mô hình dùng được
Dữ liệu tuyệtChất lượng cao, nhiều ví dụ → mô hình xuất sắc

“Rác vào, rác ra” — câu nằm lòng của mọi người làm ML. 60-70% công việc là làm sạch và chuẩn bị dữ liệu, không phải chạy thuật toán.

Thử đoán

Bảng 10.000 căn hộ có 4 cột: diện tích, quận, số phòng, giá. Bạn muốn dạy mô hình đoán GIÁ cho căn hộ mới.

Predict first

Khi huấn luyện và khi dự đoán, bạn đưa vào cột nào?

Tiếp theo, bạn sẽ thấy dữ liệu ML trông như thế nào — và tự chọn cột nào là nhãn, cột nào là đặc trưng.

Khám phá

Bảng dữ liệu nhà ở Hà Nội

Mỗi hàng là một mẫu, mỗi cột là một thuộc tính. Đọc bảng rồi trả lời hai câu hỏi bên dưới.

QuậnDiện tích (m²)Giá (triệu)
Cầu Giấy523200
Ba Đình554800
Hoàng Mai752900
Hà Đông903600

Predict first

Cột nào là nhãn — thứ máy cần học để đoán?

Nếu bạn ẩn hết đặc trưng, máy còn gì để học?

Chia dữ liệu thành ba phần

Dữ liệu không thể dùng hết một lần. Ta chia làm ba: Train (để học), Val (để tinh chỉnh), Test (để chấm điểm cuối).

Với dữ liệu cho người mới, tỉ lệ chia nào là phổ biến?

Đi sâu

Bốn chặng của một bộ dữ liệu tốt

Mỗi mẫu đi qua bốn chặng. Bấm từng chặng để xem vì sao 60-70% thời gian của người làm ML dành cho chuẩn bị dữ liệu.

Từ dữ liệu thô đến tập sẵn sàng huấn luyện

1 / 4
  1. 1. 1. Thu thập

    Crawl web, mua từ nhà cung cấp, tự ghi nhận từ app, chụp ảnh tay… Mỗi nguồn một định dạng: CSV, Excel, JSON, PDF, ảnh, video. Ví dụ thô: ‘cau giay, 52m2, ???’ · ‘Ba Đình , 55m², 4800triệu’ · ‘Hoàng Mai, NULL, 2900 triệu’.

Thử thách

Mỗi mẫu thuộc tập nào?

Ba mẫu mới. Với mục đích nào thì mỗi mẫu thuộc tập nào?

Mẫu này dùng để máy điều chỉnh trọng số khi học. Nó thuộc tập nào?
Mẫu này dùng để chọn cấu hình khi bạn đang làm mô hình. Nó thuộc tập nào?
Mẫu này chỉ mở một lần, khi mô hình đã xong, để chấm điểm cuối. Nó thuộc tập nào?
Bạn có 300 ảnh X-quang bệnh nhân. Team hỏi: ‘Chia thế nào?’ Đề xuất tốt nhất là?
Team phát hiện: 95% dữ liệu là nam, 5% là nữ. Khi deploy, mô hình nhận diện giọng hoạt động tệ với nữ. Đây là vấn đề gì?

Aha

Mô hình giỏi nhất thế giới + dữ liệu tệ = kết quả tệ.

Mô hình đơn giản + dữ liệu xuất sắc = kết quả đáng tin.

Nếu chỉ được chọn một thứ để đầu tư thời gian khi mới bắt đầu — hãy chọn làm sạch dữ liệu, không phải chọn thuật toán xịn hơn.

Kết nối

Bạn vừa gặp ba khái niệm trụ cột của dữ liệu ML: mẫu (hàng), đặc trưng (cột đầu vào), nhãn (cột cần đoán). Và quan trọng nhất: ba tập train / val / test.

Sau bài này, hãy tiếp tục tới Machine Learning là gì? nếu bạn chưa học, hoặc sẵn sàng hơn thì đi thẳng vào ba kiểu học máy — nơi các bộ dữ liệu này được đem ra sử dụng thật.

Sáu điều nhớ kỹ

  • Mẫu

  • Đặc trưng

  • Nhãn

  • Train · Val · Test

  • Tỉ lệ 70/15/15

  • Rác vào, rác ra

Continue the path

Lesson 3 of 106