Tuần 1 - Bài 1: Giới thiệu Machine Learning

🎯 Mục tiêu bài học

Sau bài học này, học viên sẽ:

• Hiểu Machine Learning là gì và khác gì với lập trình truyền thống
• Phân biệt được các loại Machine Learning
• Nắm được workflow chuẩn của một ML project
• Thiết lập được môi trường phát triển

1. Machine Learning là gì?

1.1 Định nghĩa

Machine Learning (Học máy) là một nhánh của Trí tuệ nhân tạo (AI) cho phép máy tính học từ dữ liệu mà không cần lập trình tường minh cho từng trường hợp.

"A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E." — Tom Mitchell

1.2 So sánh với lập trình truyền thống

Ví dụ: Nhận diện email spam

2. Các loại Machine Learning

2.1 Supervised Learning (Học có giám sát)

Dữ liệu có nhãn (label) - biết trước kết quả đúng.

Công thức tổng quát:

$y = f(X) + \epsilon$

Trong đó:

• $X$: Features (đặc trưng đầu vào)
• $y$: Labels (nhãn/kết quả)
• $f$: Hàm mà model cần học
• $\epsilon$: Nhiễu

Ví dụ:

• Regression: Dự đoán giá nhà (giá là số liên tục)
• Classification: Phân loại email spam/không spam

2.2 Unsupervised Learning (Học không giám sát)

Dữ liệu không có nhãn - model tự tìm pattern/cấu trúc.

Ví dụ:

• Clustering: Phân nhóm khách hàng
• Dimensionality Reduction: Giảm số features (PCA, t-SNE)

2.3 Reinforcement Learning (Học tăng cường)

Model học thông qua thử và sai, nhận reward/penalty.

Ví dụ: AlphaGo, xe tự lái, game AI

2.4 Bảng tóm tắt các loại ML

3. Workflow chuẩn của ML Project

3.1 ML Pipeline Chi tiết

4. Các khái niệm quan trọng

4.1 Features và Labels

$X = \begin{bmatrix} x_1^{(1)} & x_2^{(1)} & \cdots & x_n^{(1)} \\ x_1^{(2)} & x_2^{(2)} & \cdots & x_n^{(2)} \\ \vdots & \vdots & \ddots & \vdots \\ x_1^{(m)} & x_2^{(m)} & \cdots & x_n^{(m)} \end{bmatrix}, \quad y = \begin{bmatrix} y^{(1)} \\ y^{(2)} \\ \vdots \\ y^{(m)} \end{bmatrix}$

• m: Số samples (observations)
• n: Số features

4.2 Training vs Testing

1from sklearn.model_selection import train_test_split
2
3# Chia data
4X_train, X_test, y_train, y_test = train_test_split(
5    X, y, test_size=0.2, random_state=42
6)

4.3 Overfitting vs Underfitting

$\text{Total Error} = \text{Bias}^2 + \text{Variance} + \text{Irreducible Error}$

5. Thực hành: Thiết lập môi trường

5.1 Cài đặt thư viện

1# Cài đặt các thư viện cần thiết
2pip install numpy pandas scikit-learn matplotlib seaborn

1# Import thư viện
2import numpy as np
3import pandas as pd
4from sklearn.model_selection import train_test_split
5from sklearn.linear_model import LinearRegression
6import matplotlib.pyplot as plt
7import seaborn as sns

5.2 Ví dụ đầu tiên: Dự đoán giá nhà

1from sklearn.datasets import fetch_california_housing
2from sklearn.model_selection import train_test_split
3from sklearn.linear_model import LinearRegression
4from sklearn.metrics import mean_squared_error, r2_score
5import numpy as np
6
7# 1. Load data
8housing = fetch_california_housing()
9X, y = housing.data, housing.target
10
11# Xem thông tin
12print(f"Số samples: {X.shape[0]}")
13print(f"Số features: {X.shape[1]}")
14print(f"Feature names: {housing.feature_names}")
15
16# 2. Train/Test split
17X_train, X_test, y_train, y_test = train_test_split(
18    X, y, test_size=0.2, random_state=42
19)
20
21print(f"Training set: {X_train.shape}")
22print(f"Test set: {X_test.shape}")
23
24# 3. Train model
25model = LinearRegression()
26model.fit(X_train, y_train)
27
28# 4. Predict
29y_pred = model.predict(X_test)
30
31# 5. Evaluate
32mse = mean_squared_error(y_test, y_pred)
33rmse = np.sqrt(mse)
34r2 = r2_score(y_test, y_pred)
35
36print(f"\n📊 Model Performance:")
37print(f"MSE: {mse:.4f}")
38print(f"RMSE: {rmse:.4f}")
39print(f"R² Score: {r2:.4f}")
40
41# 6. Visualize predictions
42import matplotlib.pyplot as plt
43
44plt.figure(figsize=(10, 6))
45plt.scatter(y_test, y_pred, alpha=0.5)
46plt.plot([y_test.min(), y_test.max()], 
47         [y_test.min(), y_test.max()], 
48         'r--', lw=2)
49plt.xlabel('Actual Price')
50plt.ylabel('Predicted Price')
51plt.title('Actual vs Predicted House Prices')
52plt.grid(alpha=0.3)
53plt.show()

Output mẫu:

1Số samples: 20640
2Số features: 8
3Feature names: ['MedInc', 'HouseAge', 'AveRooms', ...]
4 
5Training set: (16512, 8)
6Test set: (4128, 8)
7 
8📊 Model Performance:
9MSE: 0.5558
10RMSE: 0.7455
11R² Score: 0.5757

6. Ưu và nhược điểm của ML

Bài tập tự luyện

1. Bài tập 1: Phân loại các bài toán sau là Supervised hay Unsupervised:

   • Dự đoán bệnh nhân bị tiểu đường
   • Phân nhóm khách hàng theo hành vi
   • Dự đoán giá cổ phiếu
   • Phát hiện gian lận thẻ tín dụng

2. Bài tập 2: Cài đặt môi trường và chạy ví dụ dự đoán giá nhà ở trên

3. Bài tập 3: Tìm hiểu thêm về Reinforcement Learning và cho 2 ví dụ thực tế

4. Bài tập 4: So sánh Bias vs Variance - cho ví dụ cụ thể

Tài liệu tham khảo

• Scikit-learn User Guide
• Google ML Crash Course
• Kaggle Learn - Intro to Machine Learning
• Machine Learning Ultimate Cheat Sheet