em sinh viên kinh tế những cũng đang dc học về marchine learning, dù kh hoc cntt nhưng em cũn có chút kiến thức toán với nghe nói dễ hiểu ghe love love love
Cảm ơn bạn đã theo dõi video của mình! PCA (hay Principle Component Analysis) cũng là một phương pháp hiệu quả để giảm chiều dữ liệu trong feature extraction, và mình mạn phép gom nó vào nhóm Data Analysis nha bạn! Tuy nhiên một lưu ý nhỏ là đối với từng dataset khác nhau thì chúng ta cũng sẽ có cách tiếp cận khác nhau trong khâu feature extraction ạ!
Do mình chưa có nhiều kinh nghiệm nên xảy ra chút vấn đề với khâu audio ở phần Voice Over, tuy nhiên vẫn không ảnh hưởng nhiều đến video nhé! Xin lỗi mọi người vì sự bất tiện này và mình sẽ cải thiện ở video sau ạ!
ai giải thích giúp mình với là tại sao phải chia 80% train và đặc biệt là 10% validation và 10% test không ạ. Em chưa hiểu chỗ này lắm ạ. Theo như em hiểu là mình có thể dùng 80% để train rồi dùng 20% để valid thôi ạ
Chào bạn. Nói đơn giản thì training và validation set sẽ được sử dụng để cho quá trình model training và hyper-parameter tuning để cho ra một mô hình 'tối ưu' nhất. Và test set sẽ được sử dụng để đánh giá mô hình này một cách khách quan. Bạn có thể xem bài viết này để hiểu rõ hơn nhé machinelearningmastery.com/difference-test-validation-datasets/
cho em hỏi với ạ, nếu mà mình tối ưu hóa trong matlab sau khi tối ưu xong mình muốn gọi hàm hồi quy tuyến tính trên matlab thì code sao anh ạ, em cảm ơn ạ
Dạ, cho mình gửi link data nhé: www.kaggle.com/datasets/sulianova/cardiovascular-disease-dataset. Ngoài ra thì còn rất nhiều các bộ dữ liệu khác về cardiovascular diseases mà bạn có thể tìm kiếm trên nền tảng kaggle đó ạ!
Trong khi phát triển model mình sẽ sử dụng tập validation để lựa chọn hoặc thêm/bớt các feature đó bạn. Vì nhiệm vụ của tập test chỉ là đánh giá kết quả của mô hình trên những dữ liệu nó chưa từng thấy qua. Nếu mình sử dụng tập test này để lựa chọn mô hình luôn thì kết quả của mô hình trên tập test sẽ không còn khách quan/chính xác nữa, vì chúng ta đã cố chọn ra model tốt nhất trên tập test (đây vốn là nhiệm vụ của tập validation)!
Cho anh gửi nhé: www.kaggle.com/datasets/sulianova/cardiovascular-disease-dataset. Ngoài ra thì em có thể tìm kiếm rất nhiều các bộ dữ liệu khác về cardiovascular diseases trên nền tảng kaggle nghen!
Hình như video gặp chút vấn đề ở phần Voice Over đúng không bạn? Do mình chưa có kinh nghiệm trong khâu ghi âm lắm nên bị lỗi phần này. Mong bạn thông cảm nhé!
Có lẽ do khả năng trình bày của mình chưa đủ tốt để có thể truyền đạt trọn vẹn về Machine Learning , nếu có thể thì bạn hãy xem video sau của Google để hiểu rõ hơn về nội dung này nhé: th-cam.com/video/HcqpanDadyQ/w-d-xo.html
Bạn chỉ giới thiệu về công dụng và trình bày công cụ để áp dụng Machine Learning, chứ chưa giải thích được Machine Learning models thực chất là gì, bằng cách nào mà ML models có thể giúp 'suy ra' kết quả (inference) từ input data. Không nên đặt tiêu đề quá lố có tính chất câu view rằng đây là tất cả những gì cần biết về ML trong 10 phút.
Cảm ơn bạn đã xem video và để lại lời góp ý cho mình! Mong là bạn sẽ theo dõi kênh của mình để có thể thấy được sự cải thiện trong tương lai! EDIT: Mình đã chỉnh sửa tiêu đề để bớt tính "quá lố và câu view" lại rồi ạ! Cảm ơn bạn Cu To đã góp ý!
Bạn có thể search google với từ khóa "mô hình perceptron". để hiểu rõ các bước mà một machine learning model nó làm là gì nha (perceptron là một model đơn giản nhất), cũng khá hay đấy
giỏi quá em, kiến thức tốt, nói chuyện lưu loát, phát âm chuẩn dễ nghe. Anh trái ngành vẫn thường xuyên xem
Dạ cảm ơn anh đã theo dõi video và dành lời khen ạ!
em sinh viên kinh tế những cũng đang dc học về marchine learning, dù kh hoc cntt nhưng em cũn có chút kiến thức toán với nghe nói dễ hiểu ghe love love love
Cảm ơn em đã dành thời gian xem và có lời khen cho video của anh nha!
Video hay quá anh ơi, em cũng đang tìm hiểu về machine learning, tìm được video cover đầy đủ thế này tốt quá.
Cảm ơn bạn đã theo dõi và dành lời khen cho video của mình!
Phần lựa chọn các đặc trưng để xây dựng mô hình, theo mình thì nên sử dụng phương pháp PCA
Cảm ơn bạn đã theo dõi video của mình! PCA (hay Principle Component Analysis) cũng là một phương pháp hiệu quả để giảm chiều dữ liệu trong feature extraction, và mình mạn phép gom nó vào nhóm Data Analysis nha bạn! Tuy nhiên một lưu ý nhỏ là đối với từng dataset khác nhau thì chúng ta cũng sẽ có cách tiếp cận khác nhau trong khâu feature extraction ạ!
Em cảm ơn anh nhiều ạ, anh giảng dễ hiểu lắm
Cảm ơn em đã dành lời khen cho video nha!
Nếu các bạn có bất kì thắc mắc nào, đừng ngần ngại để lại comment trên video này nhé!
Cảm ơn các bạn đã theo dõi video của mình!
Cho em xin thông tin khóa học
Do mình chưa có nhiều kinh nghiệm nên xảy ra chút vấn đề với khâu audio ở phần Voice Over, tuy nhiên vẫn không ảnh hưởng nhiều đến video nhé! Xin lỗi mọi người vì sự bất tiện này và mình sẽ cải thiện ở video sau ạ!
Khá đầy đủ và chi tiết, cám ơn em
Mong bạn ra nhiều bài tập về sklearn, pandas, matplotlib 🤗
ai giải thích giúp mình với là tại sao phải chia 80% train và đặc biệt là 10% validation và 10% test không ạ. Em chưa hiểu chỗ này lắm ạ. Theo như em hiểu là mình có thể dùng 80% để train rồi dùng 20% để valid thôi ạ
xem mấy lần không hiểu validation set và test set khác nhau điểm nào
Chào bạn. Nói đơn giản thì training và validation set sẽ được sử dụng để cho quá trình model training và hyper-parameter tuning để cho ra một mô hình 'tối ưu' nhất. Và test set sẽ được sử dụng để đánh giá mô hình này một cách khách quan. Bạn có thể xem bài viết này để hiểu rõ hơn nhé machinelearningmastery.com/difference-test-validation-datasets/
cho em hỏi với ạ, nếu mà mình tối ưu hóa trong matlab sau khi tối ưu xong mình muốn gọi hàm hồi quy tuyến tính trên matlab thì code sao anh ạ, em cảm ơn ạ
có thể cho mình xin link datasets bệnh nhân ở phút 2:30 được không ạ
Dạ, cho mình gửi link data nhé: www.kaggle.com/datasets/sulianova/cardiovascular-disease-dataset.
Ngoài ra thì còn rất nhiều các bộ dữ liệu khác về cardiovascular diseases mà bạn có thể tìm kiếm trên nền tảng kaggle đó ạ!
Mình vẫn chưa rõ là tập test mà thấp thì mình sẽ bổ sung thêm feature thì không được hay sao nhỉ.
Trong khi phát triển model mình sẽ sử dụng tập validation để lựa chọn hoặc thêm/bớt các feature đó bạn. Vì nhiệm vụ của tập test chỉ là đánh giá kết quả của mô hình trên những dữ liệu nó chưa từng thấy qua.
Nếu mình sử dụng tập test này để lựa chọn mô hình luôn thì kết quả của mô hình trên tập test sẽ không còn khách quan/chính xác nữa, vì chúng ta đã cố chọn ra model tốt nhất trên tập test (đây vốn là nhiệm vụ của tập validation)!
Step wise ổn không anh
A ơi cho e xin link data về heart disease a ví dụ kia đc k ạ
Cho anh gửi nhé: www.kaggle.com/datasets/sulianova/cardiovascular-disease-dataset.
Ngoài ra thì em có thể tìm kiếm rất nhiều các bộ dữ liệu khác về cardiovascular diseases trên nền tảng kaggle nghen!
Cảm ơn video của anh rất nhiều , chưa quá hoàn hảo nhưng giúp em hiểu được phần nào về ML chúc anh nhiều sức khỏe và ra thêm nhiều video hữu ích nữa
vid bị lỗi âm thanh hay sao á anh
Hình như video gặp chút vấn đề ở phần Voice Over đúng không bạn? Do mình chưa có kinh nghiệm trong khâu ghi âm lắm nên bị lỗi phần này. Mong bạn thông cảm nhé!
Hiểu chết liền🤣🤣
Có lẽ do khả năng trình bày của mình chưa đủ tốt để có thể truyền đạt trọn vẹn về Machine Learning , nếu có thể thì bạn hãy xem video sau của Google để hiểu rõ hơn về nội dung này nhé: th-cam.com/video/HcqpanDadyQ/w-d-xo.html
đỉnh quá cảm ơn anh đã tạo ra những video hữu ích ạ
Cảm ơn anh đã tạo ra video hữu ích ❤
Sắp 1k rồi Em =)))))))))
Haha, cảm ơn chị nhiều ạ :) !
@@TranSonPhat E học về fabric chưa
@@ThatGirl_H Lĩnh vực này em nghe hơi lạ á chị, chị giải thích cho em xíu được không ạ :) ?
@@TranSonPhat À nó chỉ là Microsoft fabric thôi =))). Reply quá trời lâu =)))
Nội dung không được giải thích rõ ràng như tôi mong đợi.
Cảm ơn bạn vì đã đóng góp ý kiến cho kênh của mình! Mình sẽ rút kinh nghiệm để các video sau được hoàn thiện hơn ạ!
Sơ lượt là thế chứ bắt tay vào thì:))
Cảm thấy video này không đủ sâu sắc và thiếu thông tin hữu ích.
Cảm ơn bạn vì đã đóng góp ý kiến cho kênh của mình! Mình sẽ rút kinh nghiệm để các video sau được hoàn thiện hơn ạ!
Bạn chỉ giới thiệu về công dụng và trình bày công cụ để áp dụng Machine Learning, chứ chưa giải thích được Machine Learning models thực chất là gì, bằng cách nào mà ML models có thể giúp 'suy ra' kết quả (inference) từ input data. Không nên đặt tiêu đề quá lố có tính chất câu view rằng đây là tất cả những gì cần biết về ML trong 10 phút.
Cảm ơn bạn đã xem video và để lại lời góp ý cho mình! Mong là bạn sẽ theo dõi kênh của mình để có thể thấy được sự cải thiện trong tương lai!
EDIT: Mình đã chỉnh sửa tiêu đề để bớt tính "quá lố và câu view" lại rồi ạ! Cảm ơn bạn Cu To đã góp ý!
Bạn có thể search google với từ khóa "mô hình perceptron". để hiểu rõ các bước mà một machine learning model nó làm là gì nha (perceptron là một model đơn giản nhất), cũng khá hay đấy