Machine Learning for Beginners: Khoá Học ML Của Microsoft
/ML-For-Beginners
Machine Learning for Beginners - A Curriculum là chương trình học 12 tuần, 26 bài học của Microsoft, dạy machine learning cổ điển bằng Scikit-learn và cố tình bỏ qua deep learning. Mỗi bài học có bài kiểm tra trước và sau buổi học, cùng một dự án thực hành. Hãy chọn nếu bạn muốn lộ trình có cấu trúc cho regression, classification, clustering; bỏ qua nếu bạn đã nắm Scikit-learn cơ bản và muốn học deep learning.
Tổng Quan Về Chương Trình Học ML for Beginners
Machine Learning for Beginners - A Curriculum là chương trình học miễn phí 12 tuần của đội Cloud Advocates thuộc Microsoft, xây quanh 26 bài học và kho 52 bài kiểm tra ba câu hỏi mỗi bài. Chương trình chỉ tập trung vào machine learning cổ điển với Scikit-learn, còn deep learning được dẫn sang chương trình AI for Beginners riêng của Microsoft. Mỗi bài học gồm bài giảng viết, dự án nhỏ, và bài kiểm tra theo chủ đề khám phá văn hoá các nước.
Cấu Trúc Chương Trình Học Và Tài Nguyên Học Tập
- ✓26 bài học trải trong 12 tuần, chia theo nhóm chủ đề thể hiện trong bảng bài học: Introduction, Regression, Web App, Classification, Clustering, Natural Language Processing, và Time Series.
- ✓Kho 52 bài kiểm tra, mỗi bài ba câu hỏi, chia thành một bài kiểm tra khởi động trước buổi học và một bài kiểm tra sau buổi học, chạy trong một quiz-app riêng có thể chạy tại máy hoặc triển khai lên Azure.
- ✓Mỗi bài học gồm một bài giảng viết, các câu hỏi kiểm tra kiến thức, một thử thách, tài liệu đọc thêm, và một bài tập; các bài học theo dự án còn có hướng dẫn xây dựng từng bước cùng lời giải hoàn chỉnh trong thư mục /solution.
- ✓Các bộ dữ liệu theo vùng miền làm ví dụ xuyên suốt: giá bí ngô ở Bắc Mỹ cho regression, dữ liệu ẩm thực châu Á và Ấn Độ cho classification, thị hiếu âm nhạc Nigeria cho clustering K-Means, và văn bản của Jane Austen cùng đánh giá khách sạn cho phân tích cảm xúc trong NLP.
- ✓Hỗ trợ song song Python và R: các bài học R nằm trong thư mục /solution của từng chủ đề dưới dạng file R Markdown (.rmd), kết hợp code chunk của R với phần khai báo YAML, có thể xuất ra PDF, HTML, hoặc Word.
- ✓Một bài học Web App riêng hướng dẫn đóng gói mô hình đã huấn luyện vào một ứng dụng web nhỏ, thay vì để mô hình nằm im trong notebook.
- ✓Một rubric "PAT" (Progress Assessment Tool) trên bảng thảo luận của GitHub Discussions cho phép người học tự đánh giá tiến độ và phản hồi tiến độ của người khác sau mỗi nhóm bài học.
- ✓Một số bài học có sketchnote và video ngắn tuỳ chọn kèm theo, cùng một playlist đầy đủ trên kênh YouTube dành cho nhà phát triển của Microsoft.
Ai Có Thể Hưởng Lợi Từ Chương Trình Học Này?
- •Người tự học lập trình muốn một lộ trình có cấu trúc để học machine learning cổ điển, thay vì tự gom nhặt các bài hướng dẫn rời rạc.
- •Lập trình viên Python đã biết ngôn ngữ này nhưng chưa dùng qua Scikit-learn, regression, hay classification.
- •Người dùng R, vì các chủ đề chính đều có lời giải R Markdown song song cho các bài học regression và classification.
- •Giảng viên muốn xây giáo án: repo này có file for-teachers.md gợi ý cách dùng trong lớp học, đi cùng giáo án, bài kiểm tra, và bài tập có sẵn.
- •Người học muốn có dự án đưa vào hồ sơ cá nhân, vì một số nhóm bài học kết thúc bằng một ứng dụng nhỏ hoạt động thật, như công cụ dự đoán giá, hệ gợi ý, hay bộ phân loại cảm xúc.
Điểm Mạnh
- ✓Phạm vi cố tình thu hẹp: nhờ bỏ qua deep learning, các bài học về regression, classification, và clustering được đào sâu thật sự thay vì lướt qua mọi thứ một cách hời hợt.
- ✓Có sẵn cơ chế ôn tập chủ động — mỗi bài học đều bắt buộc một cặp bài kiểm tra trước và sau buổi học, không chỉ đọc thụ động.
- ✓Dữ liệu thật và đa dạng (giá bí ngô, dữ liệu ẩm thực theo vùng, âm nhạc Nigeria, đánh giá khách sạn, văn bản Jane Austen) thay vì lặp lại một hai bộ dữ liệu mẫu suốt khoá học.
- ✓Có track bài học R song song nên người dùng R không bị bỏ lại với một khoá học chỉ dành cho Python.
- ✓Giấy phép MIT cùng cơ chế dịch tự động sang hơn 50 ngôn ngữ qua GitHub Action, giúp nội dung dễ tái sử dụng và tiếp cận được nhiều người ngoài tiếng Anh.
Phạm Vi Các Chủ Đề Machine Learning Được Đề Cập
- △Deep learning nằm ngoài phạm vi một cách rõ ràng; README dẫn phần nội dung đó sang chương trình học AI for Beginners riêng của Microsoft thay vì đưa vào đây.
- △Chương trình chỉ trình bày machine learning cổ điển qua Scikit-learn, nên không có nội dung về PyTorch, TensorFlow, hay kiến trúc mạng nơ-ron.
- △Việc clone toàn bộ repo sẽ nặng hơn khi tính cả hơn 50 bản dịch ngôn ngữ, dù đã có sẵn lệnh sparse-checkout để bỏ qua thư mục /translations.
- △Các phần tuỳ chọn như sketchnote và video ngắn không xuất hiện ở mọi bài học, nên phần nội dung bổ sung không đồng đều giữa các bài.
- △Không có chứng chỉ hoàn thành hay công nhận chính thức nào được ghi nhận; đây là khoá học tự chấm, tự học theo tiến độ riêng, không phải chương trình được công nhận.
Các Lộ Trình Học Liên Quan Của Microsoft
Câu Hỏi Thường Gặp
Machine Learning for Beginners - A Curriculum bao gồm machine learning cổ điển, chia theo nhóm Introduction, Regression, một bài học Web App, Classification, Clustering, và Natural Language Processing, tất cả xây trên nền Scikit-learn là thư viện chính.
Deep learning không nằm trong Machine Learning for Beginners - A Curriculum: README dẫn phần nội dung đó sang chương trình học AI for Beginners riêng của Microsoft, vì khoá học này chỉ tập trung vào machine learning cổ điển.
Các bài học trong Machine Learning for Beginners - A Curriculum viết chủ yếu bằng Python, và nhiều chủ đề còn có thêm bản R, với lời giải R được lưu dưới dạng file R Markdown (.rmd) trong thư mục /solution của từng bài.
README trình bày Machine Learning for Beginners - A Curriculum như một khoá học 12 tuần, 26 bài học, nhưng được thiết kế đủ linh hoạt để học trọn vẹn hoặc từng phần theo tốc độ riêng của bạn.
Mỗi bài học trong Machine Learning for Beginners - A Curriculum đều đi kèm một bài kiểm tra khởi động trước buổi học, một bài kiểm tra sau buổi học, và một bài tập, lấy từ kho 52 bài kiểm tra ba câu hỏi mỗi bài cho toàn khoá.
Machine Learning for Beginners - A Curriculum được phát hành theo giấy phép MIT, theo thông tin trên trang GitHub của repo.
Ai nên thử — và ai nên bỏ qua
Hãy thử Machine Learning for Beginners - A Curriculum nếu bạn muốn một lộ trình có hướng dẫn, học qua dự án cho machine learning cổ điển, kết hợp đọc bài học với bài kiểm tra và một sản phẩm chạy thật, và bạn thấy thoải mái với việc fork một repo GitHub rồi chạy Jupyter notebook. Bỏ qua nếu bạn đã nắm Scikit-learn cơ bản và muốn nhảy thẳng vào deep learning hoặc triển khai mô hình vào sản phẩm thật, hoặc nếu bạn thích theo một khoá học dài liền mạch hơn là lần lượt qua 26 thư mục bài học riêng lẻ.
Repo liên quan
Vẫn đang phân vân về ML-For-Beginners?
Một cú bấm sẽ gửi câu hỏi kèm trang này cho AI — xem AI nói gì về ML-For-Beginners.