Bạn đang xem thử công khai
Đăng nhập để lưu tiến độ, làm bài tập, thảo luận và nhận phản hồi.
Bài giảng đầy đủ cho Module 1 (khoảng 49 phút). Video sẽ tự dừng ở 5 điểm để bạn trả lời một câu hỏi ngắn — trả lời đúng mới xem tiếp được.
| Phút | Nội dung |
|---|---|
| 00:00 | AI, Machine Learning, Deep Learning và Data Science liên quan thế nào |
| 04:00 | Máy học ra sao: Data → Model → Prediction → Loss → Update |
| 07:30 | Các loại dữ liệu: bảng, văn bản, ảnh, âm thanh |
| 14:00 | Ba nhóm thuật toán: supervised, unsupervised, reinforcement |
| 21:00 | Các loại đặc trưng: numerical, categorical (nominal / ordinal / boolean) |
| 27:30 | Thuật ngữ: sample, feature vector, label |
| 31:00 | Vấn đề chất lượng dữ liệu: thiếu giá trị, sai định dạng |
| 37:30 | Chuẩn hoá đặc trưng số: Min-Max và z-score |
| 44:00 | One-hot encoding cho đặc trưng hạng mục |
| 47:30 | Tổng kết pipeline học máy 9 bước |
Normalization (Min-Max) — đưa giá trị về đoạn [0, 1]:
x_new = (x_old − x_min) / (x_max − x_min)
Standardization (z-score) — đưa về trung bình 0, độ lệch chuẩn 1:
x_new = (x_old − mean) / std
Hai phép này không thay thế nhau: Min-Max giữ nguyên hình dạng phân phối trong một khoảng cố định, z-score thì không giới hạn khoảng nhưng chịu ảnh hưởng ít hơn từ giá trị ngoại lai co giãn.
Xem video trước, trả lời các câu hỏi chèn giữa video, rồi làm quiz cuối bài. Các bài lý thuyết còn lại trong module đi sâu hơn vào từng bước tiền xử lý.