Chia sẻ cơ bản sử dụng machine learning để giải quyết bài toán.
– Bước 1: bạn cần định nghĩa được model, bao gồm đầu vào, đầu ra, và hàm dự đoán, ở đây ví dụ là linear function y = ax + b, với deep learning là non-linear.
– Bước 2: bạn cần tính được sai lệch giữa đầu vào và đầu ra, ở đây gọi là loss, và cần optimize loss, ví dụ sử dụng đạo hàm [gradient descent optimizer], về cơ bản gọi là lim(y) = delta(y)/delta(x), sẽ tiến đến giới hạn.
– Bước 3: bắt đầu quá trình train, về cơ bản là bạn có 1 không gian gồm số mẫu, và size của mẫu, là bộ số input_size + num_epchos, thực hiện việc tính giá trị loss và optimize nó tính lại được trọng số a,b của hàm prediction, quá trình này là estimator của learn phrase, khi đó giá trị loss này thường là rất nhỏ.
– Bước 4: thực hiện việc nhận dạng là đưa vào 1 input khác với số lặp ví dụ là 1, xét ví dụ là nhận dạng số, mảng loss của ta là mảng 10 phần tử, thì sẽ lấy giá trị loss nhỏ nhất tại vị trí của số tương ứng, đầu vào sẽ coi như là mảng 10 phần tử, số 1 tương ứng với [0,1,0,0,0,0,0,0,0,0,0]. Mạng có hidden layer đặt tên là bias.
Tham khảo thêm: Việc làm cho lập trình machine learning tại Topdev
Nguồn: Techtalk via thanhtupham
- V Virtualbox Headless Frontend là gì?
- T Thái cực trong lập trình – Functional Programming
- R React Native Developer là gì? Kỹ năng cần có của lập trình viên React Native
- T Thiết kế hệ thống – Các hệ thống lớn như Facebook hoạt động như thế nào?
- I Internationalization và Localization trong Java
- D Django là gì? Tất cả những điều cần biết về framework này
- M Monstache là gì? Đồng bộ mongodb sang Elasticsearch với Monstache
- D Dependency Inversion, Dev xịn là phải biết
- L Lập trình game với Java cho người mới bắt đầu
- I Immutable là gì? Sự khác nhau giữa Immutable với Mutable