Mọi bài học

Khóa học

AI lớp 9: Python và học máy

Dùng Python, NumPy và pandas để huấn luyện và đánh giá các mô hình học máy cổ điển.

Học các bài theo thứ tự. Cuối cùng, bạn viết được Python với cấu trúc dữ liệu và hàm dùng lại được. Bạn cộng được vectơ, tính được xác suất, và tìm được trung bình cùng độ lệch chuẩn. Bạn tải, làm sạch và vẽ biểu đồ một bảng bằng NumPy và pandas được. Bạn khớp được một đường thẳng với dữ liệu, huấn luyện bộ phân loại hồi quy logistic, cây quyết định và k láng giềng gần nhất, và nhóm dữ liệu bằng k-means. Bạn tính được độ chính xác, độ chuẩn xác và độ phủ, phát hiện học quá khớp, so sánh mô hình với mốc đơn giản, và trình bày dự đoán từ một tập dữ liệu môi trường.

Cách dùng các bài học này

  • Bắt đầu ở bài có chữ Làm việc này. Tự làm được dòng dưới tiêu đề rồi hãy đi tiếp.
  • Chơi Trò chơi trước. Rồi làm Bài kiểm tra. Đúng 8/10 câu thì đạt. Phiếu bài tập ở trên giấy. Đáp án ở cuối.
  • Mỗi bài xây trên bài trước. Ghi mỗi thí nghiệm: bạn đổi gì, chuyện gì xảy ra và vì sao.
  • Bài lập trình dùng Python trong sổ tay trực tuyến miễn phí. Chỉ dùng công cụ AI mà thầy cô cho phép. Giải thích mã do AI viết cho bạn. Đừng đưa dữ liệu cá nhân vào tập dữ liệu bạn chia sẻ.

Mỗi bài có trò chơi, bài kiểm tra và phiếu bài tập.

0/36

Lập trình Python

  1. 1Ôn cú phápViết Python với biến, điều kiện và vòng lặp.
    • Dùng biến, kiểu và f-strings.
    • Viết khối if, for và while.
    • Đọc traceback và sửa lỗi.
  2. 2Cấu trúc dữ liệuChọn cấu trúc dữ liệu: danh sách, bộ, tập hợp hoặc từ điển.
    • Dùng mỗi cấu trúc dữ liệu cho việc nó làm tốt nhất.
    • Viết comprehension cho danh sách và từ điển.
    • Lồng các cấu trúc để giữ bản ghi.
  3. 3Hàm và mô-đunViết và kiểm thử hàm dùng lại được.
    • Dùng đối số mặc định và đối số từ khóa.
    • Viết kiểm thử bằng assert.
    • Nhập hàm của bạn từ một mô-đun.
  4. 4Tập lệnh dữ liệuViết một tập lệnh làm sạch tệp văn bản.
    • Đọc tệp từng dòng.
    • Sửa dòng hỏng và bỏ qua dòng trống.
    • Ghi dữ liệu sạch vào một tệp mới.

Toán cho học máy

  1. 5VectơCộng vectơ và tìm khoảng cách giữa các điểm.
    • Biểu diễn một điểm dữ liệu thành vectơ.
    • Cộng vectơ và nhân chúng với một số.
    • Tính khoảng cách Euclid và tích vô hướng.
  2. 6Xác suấtTính xác suất đơn giản và xác suất có điều kiện.
    • Tính xác suất của một sự kiện.
    • Tính xác suất có điều kiện từ một bảng.
    • Mô phỏng tung đồng xu để đối chiếu đáp án.
  3. 7Thống kêTìm trung bình, phương sai và độ lệch chuẩn.
    • Tính từng số bằng tay và bằng mã.
    • Giải thích độ lệch chuẩn cho bạn biết điều gì.
    • So sánh hai tập dữ liệu theo độ phân tán.
  4. 8Thí nghiệm toánVẽ dữ liệu và mô tả độ phân tán.
    • Vẽ một biểu đồ tần suất.
    • Vẽ một biểu đồ phân tán.
    • Mô tả tâm, độ phân tán và điểm ngoại lai.

Khoa học dữ liệu

  1. 9NumPyTính trên cả mảng với NumPy.
    • Tạo mảng và đổi hình dạng.
    • Dùng phép toán trên cả mảng thay cho vòng lặp.
    • Lấy phần tử và lát cắt của mảng.
  2. 10pandasTải, lọc và nhóm một bảng với pandas.
    • Tải CSV vào một DataFrame.
    • Lọc hàng và chọn cột.
    • Nhóm và tóm tắt dữ liệu.
  3. 11Làm sạch dữ liệuLàm sạch dữ liệu: xử lý giá trị thiếu và kiểu sai.
    • Tìm giá trị thiếu.
    • Điền hoặc bỏ chúng, và giải thích lựa chọn.
    • Sửa kiểu sai và hàng trùng.
  4. 12Trực quan hóaVẽ biểu đồ trả lời một câu hỏi.
    • Chọn biểu đồ đúng cho câu hỏi.
    • Ghi nhãn trục và thêm tiêu đề.
    • Tìm một biểu đồ gây hiểu nhầm và sửa nó.

Nền tảng học máy

  1. 13Học máy là gìGiải thích một mô hình học một quy luật từ dữ liệu như thế nào.
    • So sánh viết quy tắc và học từ dữ liệu.
    • Giải thích mô hình, tham số và huấn luyện.
    • Nêu ba cách dùng học máy ngoài đời.
  2. 14Học có giám sát và không giám sátPhân biệt việc học có giám sát với việc học không giám sát.
    • Nói rằng học có giám sát dùng nhãn.
    • Nói rằng học không giám sát tìm cấu trúc khi không có nhãn.
    • Xếp 10 việc vào hai nhóm này.
  3. 15Các bước học máyLiệt kê các bước từ dữ liệu đến một mô hình chạy được.
    • Sắp các bước: câu hỏi, dữ liệu, đặc trưng, huấn luyện, đánh giá, triển khai.
    • Nói mỗi bước có thể sai ở đâu.
    • Nói vì sao các bước lặp lại.
  4. 16So sánh các việc của học máyGhép bài toán với hồi quy, phân loại hoặc phân cụm.
    • Nói mỗi việc dự đoán điều gì.
    • Ghép 10 bài toán với một việc.
    • Viết lại một bài toán thành việc khác.

Hồi quy

  1. 17Hồi quy tuyến tínhKhớp một đường thẳng với dữ liệu.
    • Giải thích độ dốc và hệ số chặn.
    • Khớp một đường thẳng bằng scikit-learn.
    • Vẽ đường thẳng lên trên dữ liệu.
  2. 18Đặc trưngChọn đặc trưng và đưa chúng về cùng thang.
    • Dùng nhiều hơn một đặc trưng.
    • Đưa đặc trưng về cùng một khoảng.
    • Mã hóa một đặc trưng dạng loại.
  3. 19Sai sốĐo sai số bằng sai số bình phương trung bình.
    • Tính phần dư.
    • Tính sai số bình phương trung bình và sai số tuyệt đối trung bình.
    • Vẽ phần dư để tìm một quy luật.
  4. 20Dự đoán sốHuấn luyện một mô hình hồi quy và dự đoán giá trị mới.
    • Huấn luyện trên một phần dữ liệu.
    • Dự đoán phần còn lại.
    • Báo sai số bằng đơn vị thật.

Phân loại

  1. 21Hồi quy logisticHuấn luyện một bộ phân loại hồi quy logistic.
    • Giải thích nó biến một điểm số thành xác suất như thế nào.
    • Huấn luyện nó và dự đoán xác suất.
    • Đổi ngưỡng rồi so sánh.
  2. 22Cây quyết địnhHuấn luyện một cây quyết định và đọc các lần tách.
    • Huấn luyện một cây.
    • Vẽ và đọc các lần tách.
    • Giới hạn độ sâu và so sánh điểm.
  3. 23k láng giềng gần nhấtPhân loại bằng k láng giềng gần nhất và chọn k.
    • Giải thích k láng giềng gần nhất bỏ phiếu như thế nào.
    • Thử vài giá trị của k.
    • Nói vì sao việc đưa về cùng thang quan trọng với k láng giềng gần nhất.
  4. 24Huấn luyện bộ phân loạiSo sánh ba bộ phân loại trên một tập dữ liệu.
    • Huấn luyện cả ba trên cùng một lần chia.
    • So sánh điểm của chúng.
    • Chọn một và giải thích vì sao.

Học không giám sát

  1. 25Độ tương tựĐo hai mẫu giống nhau đến mức nào.
    • Dùng khoảng cách Euclid.
    • Dùng độ tương tự cosine.
    • Tìm các mục giống nhau nhất trong một tập dữ liệu.
  2. 26k-meansNhóm dữ liệu bằng phân cụm k-means.
    • Làm từng bước k-means bằng tay.
    • Chạy nó trong scikit-learn.
    • Vẽ các cụm.
  3. 27Chọn kDùng phương pháp khuỷu tay để chọn số cụm.
    • Chạy k-means với vài giá trị của k.
    • Vẽ đường cong khuỷu tay.
    • Xem các cụm có hợp lý không.
  4. 28Nhóm các mẫuPhân cụm một tập dữ liệu và mô tả từng nhóm.
    • Phân cụm một tập dữ liệu thật.
    • Tóm tắt từng cụm.
    • Đặt tên cho từng cụm.

Đánh giá mô hình

  1. 29Chia tập huấn luyện và tập testChia dữ liệu thành tập huấn luyện và tập test, rồi giải thích vì sao.
    • Chia bằng train_test_split.
    • Dùng một tập kiểm định để chỉnh.
    • Dùng kiểm định chéo.
  2. 30Độ chính xác, độ chuẩn xác và độ phủTính độ chính xác, độ chuẩn xác và độ phủ.
    • Lập một ma trận nhầm lẫn.
    • Tính từng thước đo từ ma trận đó.
    • Chọn thước đo hợp với bài toán.
  3. 31Học quá khớpPhát hiện học quá khớp bằng cách so sánh điểm huấn luyện và điểm test.
    • Huấn luyện một mô hình bị học quá khớp.
    • Vẽ điểm huấn luyện và điểm test.
    • Giảm học quá khớp rồi so sánh.
  4. 32Mốc đơn giảnSo sánh một mô hình với một mốc đơn giản.
    • Lập một mốc đơn giản luôn đoán đáp án hay gặp nhất.
    • So sánh mô hình của bạn với nó.
    • Giải thích khi nào một mô hình không đáng dùng.

Dự án học máy

  1. 33Chọn một tập dữ liệuChọn một tập dữ liệu môi trường mở và một câu hỏi.
    • Tìm một tập dữ liệu mở về thời tiết hoặc chất lượng không khí.
    • Viết một câu hỏi mà nó trả lời được.
    • Chọn hồi quy hoặc phân loại.
  2. 34Chuẩn bị và khám pháLàm sạch dữ liệu và vẽ biểu đồ các quy luật chính.
    • Làm sạch dữ liệu.
    • Vẽ biểu đồ ba quy luật.
    • Chọn đặc trưng.
  3. 35Huấn luyện và so sánhHuấn luyện hai mô hình và so sánh chúng với một mốc đơn giản.
    • Huấn luyện hai mô hình.
    • So sánh chúng với một mốc đơn giản.
    • Xem có học quá khớp không.
  4. 36Dự đoán điều kiện môi trườngTrình bày kết quả, giới hạn và bước tiếp theo.
    • Cho xem kết quả và biểu đồ của bạn.
    • Giải thích giới hạn của mô hình.
    • Đề xuất bước tiếp theo.