Liên hệ
Tiếng Việt
Tiếng Anh
Thứ bảy, 18/07/2026
Environment and Sustainable Development
Cập nhật vào: Thứ năm - 11/09/2025 22:25
Nhan đề chính: Environment and Sustainable Development
Nhan đề dịch: Giải mã máy học: Tính kỹ thuật hay sự đổi mới?
Tác giả: KC Santosh , Rodrigue Rizk , Siddhi K. Bajracharya
Nhà xuất bản: Springer Singapore
Năm xuất bản: 2024
Số trang: 146 tr.
Ngôn ngữ: Tiếng Anh
ISBN: 978-981-97-2720-9
SpringerLink
Lời giới thiệu: Việc sử dụng các mô hình học máy có sẵn (off-the-shelf) không đồng nghĩa với sự đổi mới. Sự đổi mới thực sự nằm ở hành trình liên tục khám phá, phát triển kỹ thuật và cải tiến không ngừng. Cuốn sách này được viết với mục tiêu trở thành kim chỉ nam, giúp người đọc định hướng trong bối cảnh trí tuệ nhân tạo đang không ngừng phát triển. Cuốn sách đi sâu vào các khía cạnh then chốt của học máy như lựa chọn mô hình, tinh chỉnh và tối ưu tham số, cũng như việc ứng dụng các mô hình tiền huấn luyện (pre-trained) và học chuyển giao (transfer learning). Cuốn sách cũng nhấn mạnh tầm quan trọng của việc sử dụng hiệu quả dữ liệu hạn chế, khả năng giải thích mô hình, kỹ thuật chọn đặc trưng (feature engineering), AutoML, tính ổn định và bảo mật, cũng như hiệu suất và khả năng mở rộng của mô hình.
Sự đổi mới trong lĩnh vực học máy là một vòng lặp liên tục của thử nghiệm và cải tiến, nhằm vượt qua các giới hạn hiện tại trong khi vẫn chú trọng đến khía cạnh đạo đức và tính ứng dụng thực tế. Cuốn sách này khuyến khích người đọc không nên giới hạn mình trong việc áp dụng các mô hình có sẵn mà cần tìm kiếm những cách tiếp cận sáng tạo, phù hợp với từng bài toán cụ thể.
Với trọng tâm là ba loại dữ liệu chính số liệu, văn bản và hình ảnh , chúng tôi mang đến các ứng dụng thực tế như phân tích dự đoán trong tài chính và bất động sản, khai thác văn bản từ tin tức và truyền thông, cũng như phát hiện bất thường trong hình ảnh y khoa. Để hỗ trợ việc tiếp thu và tái hiện, các tác giả cung cấp mã nguồn trên GitHub, bao gồm các thành phần cơ bản đến các công cụ học máy tiên tiến.
Từ khóa: Học máy; Dữ liệu lớn; Chuyển giao; Xử lý dữ liệu; Xử lý ngôn ngữ.
Nội dung cuốn sách gồm những phần sau:
- Giới thiệu
- Hiểu dữ liệu—Các phương thức và tiền xử lý
- Các khối xây dựng cơ bản: Từ học nông đến học sâu
- Thiết lập thử nghiệm
- Các trường hợp sử dụng AI ứng dụng—Từ dữ liệu số đến dữ liệu hình ảnh
- Học tập và biểu diễn đa phương thức
- Tính kỹ thuật hay sự đổi mới?
Nhan đề dịch: Giải mã máy học: Tính kỹ thuật hay sự đổi mới?
Tác giả: KC Santosh , Rodrigue Rizk , Siddhi K. Bajracharya
Nhà xuất bản: Springer Singapore
Năm xuất bản: 2024
Số trang: 146 tr.
Ngôn ngữ: Tiếng Anh
ISBN: 978-981-97-2720-9
SpringerLink
Lời giới thiệu: Việc sử dụng các mô hình học máy có sẵn (off-the-shelf) không đồng nghĩa với sự đổi mới. Sự đổi mới thực sự nằm ở hành trình liên tục khám phá, phát triển kỹ thuật và cải tiến không ngừng. Cuốn sách này được viết với mục tiêu trở thành kim chỉ nam, giúp người đọc định hướng trong bối cảnh trí tuệ nhân tạo đang không ngừng phát triển. Cuốn sách đi sâu vào các khía cạnh then chốt của học máy như lựa chọn mô hình, tinh chỉnh và tối ưu tham số, cũng như việc ứng dụng các mô hình tiền huấn luyện (pre-trained) và học chuyển giao (transfer learning). Cuốn sách cũng nhấn mạnh tầm quan trọng của việc sử dụng hiệu quả dữ liệu hạn chế, khả năng giải thích mô hình, kỹ thuật chọn đặc trưng (feature engineering), AutoML, tính ổn định và bảo mật, cũng như hiệu suất và khả năng mở rộng của mô hình.
Sự đổi mới trong lĩnh vực học máy là một vòng lặp liên tục của thử nghiệm và cải tiến, nhằm vượt qua các giới hạn hiện tại trong khi vẫn chú trọng đến khía cạnh đạo đức và tính ứng dụng thực tế. Cuốn sách này khuyến khích người đọc không nên giới hạn mình trong việc áp dụng các mô hình có sẵn mà cần tìm kiếm những cách tiếp cận sáng tạo, phù hợp với từng bài toán cụ thể.
Với trọng tâm là ba loại dữ liệu chính số liệu, văn bản và hình ảnh , chúng tôi mang đến các ứng dụng thực tế như phân tích dự đoán trong tài chính và bất động sản, khai thác văn bản từ tin tức và truyền thông, cũng như phát hiện bất thường trong hình ảnh y khoa. Để hỗ trợ việc tiếp thu và tái hiện, các tác giả cung cấp mã nguồn trên GitHub, bao gồm các thành phần cơ bản đến các công cụ học máy tiên tiến.
Từ khóa: Học máy; Dữ liệu lớn; Chuyển giao; Xử lý dữ liệu; Xử lý ngôn ngữ.
Nội dung cuốn sách gồm những phần sau:
- Giới thiệu
- Hiểu dữ liệu—Các phương thức và tiền xử lý
- Các khối xây dựng cơ bản: Từ học nông đến học sâu
- Thiết lập thử nghiệm
- Các trường hợp sử dụng AI ứng dụng—Từ dữ liệu số đến dữ liệu hình ảnh
- Học tập và biểu diễn đa phương thức
- Tính kỹ thuật hay sự đổi mới?
