Các loại machine learning bạn nên biết

• Tầm quan trọng của đường ống dữ liệu AI trong học máy
• Tìm hiểu về vai trò của Học máy trong dự đoán địa điểm khảo cổ
• Vai trò của Kỹ thuật tính năng AI trong các ứng dụng học máy
• Ứng dụng học máy trong việc tìm kiếm sự sống ngoài Trái Đất
• Tìm hiểu các khái niệm cơ bản về hệ thống thông tin AI

Các thuật toán học máy có thể được đào tạo theo nhiều cách, với mỗi các loại machine learning có ưu và nhược điểm. Dựa trên các phương pháp và cách học này, học máy được phân loại rộng rãi thành bốn loại chính. Theo dõi ngay tại bài viết dưới đây:

1. Máy học có giám sát

Đây là một trong các loại machine learning liên quan đến việc giám sát, trong đó máy móc được đào tạo trên các tập dữ liệu được gắn nhãn và cho phép dự đoán kết quả đầu ra dựa trên đào tạo được cung cấp. Tập dữ liệu được gắn nhãn chỉ định rằng một số tham số đầu vào và đầu ra đã được ánh xạ. Do đó, máy được đào tạo với đầu vào và đầu ra tương ứng. Một thiết bị được tạo ra để dự đoán kết quả bằng cách sử dụng tập dữ liệu thử nghiệm trong các giai đoạn tiếp theo.

Ví dụ: một tập dữ liệu đầu vào gồm hình ảnh con vẹt và con quạ. Ban đầu, máy được huấn luyện để hiểu các bức tranh, bao gồm màu sắc, mắt, hình dạng và kích thước của con vẹt và con quạ. Sau khi đào tạo, một hình ảnh đầu vào của một con vẹt được cung cấp và máy dự kiến ​​sẽ xác định đối tượng và dự đoán đầu ra. Máy được đào tạo sẽ kiểm tra các đặc điểm khác nhau của đối tượng, chẳng hạn như màu sắc, mắt, hình dạng,… Đây là quá trình nhận dạng đối tượng trong học máy có giám sát.

2. Học máy không giám sát

Học không giám sát đề cập đến một kỹ thuật học tập không có sự giám sát. Tại đây, máy được đào tạo bằng cách sử dụng tập dữ liệu không được gắn nhãn và được kích hoạt để dự đoán kết quả đầu ra mà không cần bất kỳ sự giám sát nào. Một thuật toán học tập không giám sát nhằm mục đích nhóm tập dữ liệu chưa được sắp xếp dựa trên những điểm tương đồng, khác biệt và mẫu của đầu vào.

Ví dụ: hãy xem xét một tập dữ liệu đầu vào về hình ảnh của một thùng chứa đầy trái cây. Ở đây, các hình ảnh không được biết đến với mô hình học máy. Khi chúng ta nhập tập dữ liệu vào mô hình ML, nhiệm vụ của mô hình là xác định mẫu của các đối tượng, chẳng hạn như màu sắc, hình dạng hoặc sự khác biệt được nhìn thấy trong các hình ảnh đầu vào và phân loại chúng. Sau khi phân loại, máy sẽ dự đoán kết quả đầu ra khi nó được kiểm tra với bộ dữ liệu kiểm tra.

>>> Đọc thêm bài viết liên quan: Machine learning là gì? Những đóng góp của machine learning

3. Học máy bán giám sát

Học máy bán giám sát là một trong các loại machine learning phổ biến bao gồm các đặc điểm của cả học máy có giám sát và không giám sát. Nó sử dụng sự kết hợp của các tập dữ liệu được gắn nhãn và không được gắn nhãn để đào tạo các thuật toán của nó. Sử dụng cả hai loại bộ dữ liệu, học bán giám sát khắc phục được những hạn chế của các tùy chọn nêu trên.

Hãy xem xét một ví dụ về một sinh viên đại học. Học sinh học một khái niệm dưới sự giám sát của giáo viên ở trường đại học được gọi là học có giám sát. Trong học tập không có giám sát, một học sinh tự học cùng một khái niệm ở nhà mà không có sự hướng dẫn của giáo viên. Trong khi đó, một sinh viên sửa đổi khái niệm sau khi học dưới sự hướng dẫn của một giáo viên trong trường đại học là một hình thức học tập bán giám sát. 

4. Học máy phản hồi

Học tập củng cố là một quá trình dựa trên phản hồi. Tại đây, thành phần AI sẽ tự động ghi lại môi trường xung quanh bằng phương pháp thử nghiệm, thực hiện hành động, học hỏi kinh nghiệm và cải thiện hiệu suất. Thành phần được thưởng cho mỗi hành động tốt và bị phạt cho mỗi hành động sai. Do đó, thành phần học tập củng cố nhằm mục đích tối đa hóa phần thưởng bằng cách thực hiện các hành động tốt.

Không giống như học có giám sát, học tăng cường thiếu dữ liệu được gắn nhãn và các tác nhân chỉ học qua kinh nghiệm. Ví dụ như trò chơi điện tử chỉ định môi trường và mỗi bước di chuyển của tác nhân cường hóa sẽ xác định trạng thái của nó. Người đại diện có quyền nhận phản hồi thông qua hình phạt và phần thưởng, do đó ảnh hưởng đến điểm số chung của trò chơi. Mục tiêu cuối cùng của đại lý là đạt điểm cao. Học tập củng cố được áp dụng trong các lĩnh vực khác nhau như lý thuyết trò chơi, lý thuyết thông tin và hệ thống đa tác nhân.

Nguyễn Cúc