Giới thiệu về Machine Learning

Hình dung cuốn này như một bộ giáo trình đại học chuyên sâu dạy từ đầu đến cuối về cách máy tính “học” từ dữ liệu. Nó bao gồm:

• Nền tảng toán học — Đại số tuyến tính, xác suất thống kê, giải tích. Phần này như học “chữ cái” trước khi đọc sách, khá nặng về công thức.
• Tối ưu hóa — Cách máy tính tìm ra “đáp án tốt nhất” bằng cách thử đi thử lại, giảm dần sai số. Giống như dò đường tìm chỗ thấp nhất trong một vùng đồi núi.
• Các mô hình dự đoán — Dạy máy nhận dạng, phân loại, dự báo từ dữ liệu (ví dụ: nhận dạng ảnh, phân loại email…).
• Các kỹ thuật nâng cao — Hồi quy tuyến tính, mạng neural, SVM, cây quyết định, và nhiều phương pháp khác.

Đây không phải tài liệu “đọc cho vui” — nó được viết cho sinh viên hoặc researcher có nền tảng toán tương đối vững. Nếu bạn muốn bắt đầu học ML thực tế và ứng dụng ngay, thì tài liệu này hơi nặng lý thuyết. Phù hợp hơn để tra cứu hoặc hiểu sâu bản chất các thuật toán khi cần.