LỜI CẢM ƠN Người mà em muốn cảm ơn đầu tiên là thầy Vương Xuân Chí giảng viên hướng dẫn môn đồ án cơ sở khoa học dữ liệu đã nhiệt tình giúp đỡ em trong suốt khoảng thời gian học, giải đáp mọi thắc mắc cũng như các vấn đề khó trong quá trình học tập cũng như thực hành. Trong quá trình học tập thì thầy đã có các bài giảng hay, dễ tiếp thu giúp các sinh viên mới như em dễ dàng tiếp thu được các kiến thức mới. Và trong suốt quá trình thực hiện đồ án thì thầy luôn nhiệt tình giải đáp và đưa ra những lời khuyên bổ ích giúp e hoàn thiện tốt hơn cho đồ án của mình. Tiếp đến là em xin gửi lời cảm ơn của mình đến các anh chị khóa trên đã chia sẽ nhưng kinh nghiệm quí báo của mình cho e để cho e có thể làm tốt đồ án môn học này của mình. Các anh chị đã dành thời gian rãnh của mình để nhận xét và góp ý cho em. Đồng thời cũng cảm ơn những người bạn luôn bên cạnh em, dù nội dung đồ án có khác nhau những vẫn quan tâm, để ý đến bài làm của em. Vì thời gian ngắn còn phải chia đều thời gian cho các môn cộng với việc vẫn chưa có nhiều kinh nghiệm trọng việc layout nên không tránh được những thiếu sót và nhiều điểm còn chưa hợp lí. Em mong là mình sẽ nhận được sự thông cảm và góp ý từ các thầy cô để bổ sung và hoàn thiện, có thêm kinh nghiệm để cho các đồ án sau này được tốt hơN MỤC LỤC CHƯƠNG I: GIỚI THIỆU VỀ HỌC MÁY - MACHINE LEARNING ............................ 1 I.Giới thiệu về học máy. ...................................................................................................... 1 1.Định nghĩa.................................................................................................................. 1 2.Lý do cần tới học máy.................................................................................................... 2 II.Các loại thuật toán ........................................................................................................ 3 1. Học có giám sát...................................................................................................... 3 2. Học không giám sát ............................................................................................... 6 3.Học nửa giám sát ....................................................................................................... 7 4.Học tăng cường.......................................................................................................... 8 III.Thuật toán................................................................................................................ 100 Một số thuật toán Machine learning ........................................................................... 11 IV. Lưu ý quan trọng trong Machine learning ............................................................... 11 V. Tôi nên sử dụng thuật toán học máy nào?................................................................. 12 1. Feature engineering............................................................................................... 133 2. Dữ liệu huấn luyện(Training data)........................................................................ 155 3. Dữ liệu kiểm thử và các độ đo.............................................................................. 155 4. Hiệu suất ............................................................................................................... 166 CHƯƠNG II: CÁC QUY TRÌNH HỌC MÁY ................................................................. 18 1. Các qui trình cơ bản của Machine learning ............................................................ 19 2. Gradient thuật toán - tối ưu hóa thông tin số cho Học máy hệ thống................... 2553. Received format.................................................................................................... 266 4. Nhận sự kiện dạng .................................................................................................. 27 CHƯƠNG III: CÁC ỨNG DỤNG CỦA MACHINE LEARNING TRONG CUỘC SỐNG ........................................................................................................................................... 29 1. Cảnh báo giao thông (trên ứng dụng Google Maps) .............................................. 29 2. Ứng dụng của Machine Learning trong mạng xã hội Facebook .......................... 300 3. Trợ lý cá nhân ảo (Virtual Personal Assistants) – Ứng dụng của Machine Learning311 4. Truyền phát video trực tuyến trên Netflix (Online Video Streaming) ................. 311 5. Machine learning - Công nghê khai thác tối đa giá trị Big DATAError! Bookmark not defined.2 6. Machine learning gắn liền với quá trình phát triển Internet ................................. 333 7. Machine learning và vai trò của con người .......................................................... 344 8. Machine learning hỗ trợ cho các thông báo xác định........................................... 355 9. Học máy và tiếp thị nội dung................................................................................ 366 10. Máy học áp dụng trong thực tế ............................................................................. 37 11. Tóm tắt lại............................................................................................................. 38 CHƯƠNG IV: KẾT LUẬN............................................................................................... 41
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CƠNG NGHỆ THƠNG TIN TÌM HIỂU CƠNG NGHỆ HỌC MÁY (MACHINE LEARNING) Giảng viên hướng dẫn: VƯƠNG XUÂN CHÍ Sinh viên thực hiện: PHẠM THỊ KIM NGÂN TRẦN HOÀNG PHÚC MSSV: 2000001163 2000000553 Chuyên ngành: KHOA HỌC DỮ LIỆU Môn học: ĐỒ ÁN CƠ SỞ CHUYÊN NGÀNH Khóa: 2020 Tp.HCM, tháng năm BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THƠNG TIN TÌM HIỂU CƠNG NGHỆ HỌC MÁY (MACHINE LEARNING) Giảng viên hướng dẫn: VƯƠNG XUÂN CHÍ Sinh viên thực hiện: PHẠM THỊ KIM NGÂN TRẦN HOÀNG PHÚC MSSV: 2000001163 2000000553 Chuyên ngành: KHOA HỌC DỮ LIỆU Môn học: ĐỒ ÁN CƠ SỞ CHUYÊN NGÀNH Khóa: 2020 Tp.HCM, tháng năm Trường Đại học Nguyễn Tất Thành Khoa Công Nghệ Thông Tin CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc NHIỆM VỤ ĐỒ ÁN CƠ SỞ (Sinh viên phải đóng tờ vào báo cáo) Họ tên: Phạm Thị Kim Ngân MSSV: 2000001163 Chuyên ngành: Khoa học liệu Lớp: 20DTH1D Email: phamthikimngan18122002@gmail.com SĐT: 0333322154 Tên đề tài: Tìm hiểu cơng nghệ Học máy (Machine learning) Gíao viên hướng dẫn: Vương Xuân Chí Thời gian thực hiện: 20 /6 /2022 đến 20 /9 /2022 MÔ TẢ ĐỀ TÀI: Là lĩnh vực trí tuệ nhân tạo liên quan đến việc nghiên cứu xây dựng kĩ thuật cho phép hệ thống "học" tự động từ liệu để giải vấn đề cụ thể NỘI DUNG VÀ PHƯƠNG PHÁP: - Giới thiệu học máy- Machine Learning - Trình bày quy trình học máy - Các ứng dụng Machine Learning sống - Kết luận YÊU CẦU: - Có kiến thức, đam mê, hiểu biết công nghệ Mạng neural, Machine Learning, Deep Learning… Đọc hiểu tài liệu tiếng Anh, kỹ trình bày văn máy tính tốt - Có tác phong làm việc chăm chỉ, tinh thần trách nhiệm cao, có khả làm việc độc lập làm việc nhóm tốt Nội dung u cầu thơng qua Bộ mơn Q TRƯỞNG BỘ MƠN (Ký ghi rõ họ tên) ThS Vương Xuân Chí TP.HCM, ngày 26 tháng 06 năm 2022 GIÁO VIÊN HƯỚNG DẪN (Ký ghi rõ họ tên) ThS Vương Xuân Chí Trường Đại học Nguyễn Tất Thành Khoa Công Nghệ Thông Tin CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc NHIỆM VỤ ĐỒ ÁN CƠ SỞ (Sinh viên phải đóng tờ vào báo cáo) Họ tên: Trần Hoàng Phúc MSSV: 2000001163 Chuyên ngành: Khoa học liệu Lớp: 20DTH2A Email: Phuctran20112001@gmail.com SĐT: 0816509547 Tên đề tài: Tìm hiểu cơng nghệ Học máy (Machine learning) Gíao viên hướng dẫn: Vương Xuân Chí Thời gian thực hiện: 20/6/2022 đến 20/9/2022 MÔ TẢ ĐỀ TÀI: Là lĩnh vực trí tuệ nhân tạo liên quan đến việc nghiên cứu xây dựng kĩ thuật cho phép hệ thống "học" tự động từ liệu để giải vấn đề cụ thể NỘI DUNG VÀ PHƯƠNG PHÁP: - Giới thiệu học máy- Machine Learning - Trình bày quy trình học máy - Các ứng dụng Machine Learning sống - Kết luận YÊU CẦU: - Có kiến thức, đam mê, hiểu biết công nghệ Mạng neural, Machine Learning, Deep Learning… Đọc hiểu tài liệu tiếng Anh, kỹ trình bày văn máy tính tốt - Có tác phong làm việc chăm chỉ, tinh thần trách nhiệm cao, có khả làm việc độc lập làm việc nhóm tốt Nội dung yêu cầu thơng qua Bộ mơn Q TRƯỞNG BỘ MƠN (Ký ghi rõ họ tên) ThS Vương Xuân Chí TP.HCM, ngày 26 tháng 06 năm 2022 GIÁO VIÊN HƯỚNG DẪN (Ký ghi rõ họ tên) ThS Vương Xuân Chí LỜI CẢM ƠN Người mà em muốn cảm ơn thầy Vương Xuân Chí giảng viên hướng dẫn môn đồ án sở khoa học liệu nhiệt tình giúp đỡ em suốt khoảng thời gian học, giải đáp thắc mắc vấn đề khó q trình học tập thực hành Trong trình học tập thầy có giảng hay, dễ tiếp thu giúp sinh viên em dễ dàng tiếp thu kiến thức Và suốt trình thực đồ án thầy ln nhiệt tình giải đáp đưa lời khuyên bổ ích giúp e hồn thiện tốt cho đồ án Tiếp đến em xin gửi lời cảm ơn đến anh chị khóa chia kinh nghiệm q báo cho e e làm tốt đồ án mơn học Các anh chị dành thời gian rãnh để nhận xét góp ý cho em Đồng thời cảm ơn người bạn bên cạnh em, dù nội dung đồ án có khác quan tâm, để ý đến làm em Vì thời gian ngắn cịn phải chia thời gian cho mơn cộng với việc chưa có nhiều kinh nghiệm trọng việc layout nên không tránh thiếu sót nhiều điểm cịn chưa hợp lí Em mong nhận thơng cảm góp ý từ thầy để bổ sung hồn thiện, có thêm kinh nghiệm đồ án sau tốt Em xin chân thành cảm ơn! Sinh viên thực Phạm Thị Kim Ngân Trần Hoàng Phúc LỜI MỞ ĐẦU Về Machine Learning Học máy vé hạng đến với nghề nghiệp thú vị phân tích liệu ngày Khi nguồn liệu gia tăng với sức mạnh tính tốn để xử lý chúng, thẳng đến liệu cách đơn giản để nhanh chóng có thơng tin chi tiết đưa dự đoán Máy học tập hợp khoa học máy tính thống kê để khai thác sức mạnh dự đốn Đó kỹ cần phải có tất nhà phân tích liệu nhà khoa học liệu đầy tham vọng khác muốn giành tất liệu thơ thành xu hướng dự đoán tinh chỉnh Học máy dạy cho bạn quy trình đầu cuối việc điều tra liệu thơng qua lăng kính máy học Nó dạy bạn cách trích xuất xác định tính hữu ích thể tốt liệu bạn, số thuật toán máy học quan trọng cách đánh giá hiệu suất thuật toán máy học bạn TRƯỜNG ĐH NGUYỄN TẤT THÀNH KỲ THI KẾT THÚC HỌC PHẦN TRUNG TÂM KHẢO THÍ HỌC KỲ III NĂM HỌC 2021 - 2022 PHIẾU CHẤM THI TIỂU LUẬN/ĐỒ ÁN Môn thi: Đồ án sở Khoa học liệu Lớp học phần: 20DTH2A Nhóm sinh viên thực hiện: 1.Sinh viên: Trần Hồng Phúc Tham gia đóng góp: Chỉnh sửa soạn thảo 2.Sinh viên: Phạm Thị Kim Ngân Tham gia đóng góp: Tra cứu thơng tin Ngày thi: 22/09/2022 Phòng thi: L.507 Đề tài tiểu luận/báo cáo sinh viên: TÌM HIỂU CƠNG NGHỆ HỌC MÁY (MACHINE LEARNING) Phần đánh giá giảng viên (căn thang rubrics mơn học): Tiêu chí (theo CĐR HP) Đánh giá GV Điểm tối đa Điểm đạt Cấu trúc báo cáo Nội dung • Các nội dung thành phần • Lập luận • Kết luận • Trình bày TỔNG ĐIỂM Giảng viên chấm thi (ký, ghi rõ họ tên) PHẦN NHẬN XÉT + CHẤM ĐIỂM CỦA GIẢNG VIÊN Điểm giáo viên hướng dẫn: Điểm giảng viên chấm vòng 2: TPHCM, Ngày …… tháng …… năm 2022 Giáo viên chấm vòng Giáo viên hướng dẫn MỤC LỤC CHƯƠNG I: GIỚI THIỆU VỀ HỌC MÁY - MACHINE LEARNING I.Giới thiệu học máy 1.Định nghĩa 2.Lý cần tới học máy II.Các loại thuật toán Học có giám sát Học không giám sát 3.Học nửa giám sát 4.Học tăng cường III.Thuật toán 100 Một số thuật toán Machine learning 11 IV Lưu ý quan trọng Machine learning 11 V Tơi nên sử dụng thuật tốn học máy nào? 12 Feature engineering 133 Dữ liệu huấn luyện(Training data) 155 Dữ liệu kiểm thử độ đo 155 Hiệu suất 166 CHƯƠNG II: CÁC QUY TRÌNH HỌC MÁY 18 Các qui trình Machine learning 19 Gradient thuật toán - tối ưu hóa thơng tin số cho Học máy hệ thống 255 Received format 266 Nhận kiện dạng 27 CHƯƠNG III: CÁC ỨNG DỤNG CỦA MACHINE LEARNING TRONG CUỘC SỐNG 29 Cảnh báo giao thông (trên ứng dụng Google Maps) 29 Ứng dụng Machine Learning mạng xã hội Facebook 300 Trợ lý cá nhân ảo (Virtual Personal Assistants) – Ứng dụng Machine Learning311 Truyền phát video trực tuyến Netflix (Online Video Streaming) 311 Machine learning - Công nghê khai thác tối đa giá trị Big DATAError! Bookmark not defined.2 Machine learning gắn liền với trình phát triển Internet 333 Machine learning vai trò người 344 Machine learning hỗ trợ cho thông báo xác định 355 Học máy tiếp thị nội dung 366 10 Máy học áp dụng thực tế 37 11 Tóm tắt lại 38 CHƯƠNG IV: KẾT LUẬN 411 Nguồn: https://ocw.mit.edu/courses/6-036-introduction-to-machine-learning-fall-2020/ https://www.geeksforgeeks.org/introduction-machine-learning/ DANH MỤC CÁC BẢNG BIỂU Bảng Bảng Hình 11 Ở ví dụ trên, hệ thống Máy học cậu bé, giỏ đồ trứng Nhưng người nhận thấy từ thông tin “lị sinh phục hồi hoạt động cậu bé” Làm để học máy nhận biết kiện thơng qua hình ảnh não người Tại kiện Machine Learning 101 , Google không vào vấn đề chi tiết Chính xác gần khơng đề cập buổi thảo luận thức có tiết lộ qua buổi trị chuyện lúc nghỉ giải lao Cũng dễ hiểu thơng tin chìa khóa tạo nên thành cơng cho Google tìm kiếm máy tính Nhưng có nhìn cách hoạt động Máy học, có quyền hy vọng nhiều tương lai mày tính giúp người xử lý vô số vấn đề với mức độ cao xác có nhanh thời gian 28 CHƯƠNG III: CÁC ỨNG DỤNG CỦA MACHINE LEARNING TRONG CUỘC SỐNG Cảnh báo giao thông (trên ứng dụng Google Maps) Giờ đây, Google Maps có lẽ ứng dụng sử dụng với tần suất nhiều bạn tham gia giao thông Đặc biệt ứng dụng khác di chuyển Grab, Be áp dụng rộng rãi Đồng nghĩa Google Maps sử dụng liên tục để đường cho nhà cung cấp dịch vụ Hay người sử dụng dịch vụ Những thông tin quãng đường tối ưu, thời gian di chuyển nhanh phân tích lúc Google Maps Thực tế, liệu lịch sử tuyến đường thu thập theo thời gian Và số liệu có từ nguồn khác Mọi người sử dụng đồ cung cấp vị trí, tốc độ trung bình, tuyến đường Những thông tin Google thu thập tổng hợp thành Dữ liệu lớn lưu lượng truy cập, thông qua thuật tốn phân tích phức tap Machine Learning, thơng tin trở nên có nghĩa, chúng giúp Google dự đoán lưu lượng tới điều chỉnh tuyến đường bạn theo cách tối ưu 29 Ứng dụng Machine Learning mạng xã hội Facebook Hình 12 Một ứng dụng phổ biến Machine Learning Đề xuất gắn thẻ bạn bè tự động Facebook tảng truyền thông xã hội khác Facebook sử dụng tính nhận diện khn mặt nhận dạng hình ảnh để tự động tìm thấy khn mặt người phù hợp với Cơ sở liệu họ đề nghị người dùng gắn thẻ người dựa DeepFace Dự án DeepFace Facebook thực nhiệm vụ nhận diện khuôn mặt xác định đối tượng cụ thể ảnh Nó cung cấp Thẻ Alt (Thẻ thay thế) cho hình ảnh tải lên facebook 30 Trợ lý cá nhân ảo (Virtual Personal Assistants) – Ứng dụng Machine Learning Trợ lý cá nhân ảo hỗ trợ tìm kiếm thơng tin hữu ích, yêu cầu qua văn giọng nói Một số ứng dụng Machine Learning là: • Nhận dạng giọng nói • Chuyển đổi lời nói thành văn • Xử lý ngơn ngữ tự nhiên • Chuyển đổi văn thành giọng nói Tất bạn cần làm hỏi câu hỏi đơn giản Lịch trình tơi vào ngày mai gì? chuyến bay có sẵn tới cho chuyến công tác Để trả lời, trợ lý cá nhân bạn tìm kiếm thông tin nhớ lại truy vấn liên quan bạn để thu thập thông tin Gần đây, trợ lý cá nhân sử dụng Chatbots triển khai ứng dụng đặt hàng thực phẩm khác nhau, trang web đào tạo trực tuyến ứng dụng Đi lại Truyền phát video trực tuyến Netflix (Online Video Streaming) Với 100 triệu người đăng ký, khơng cịn nghi ngờ nữa, Netflix cha đẻ giới truyền phát video trực tuyến Sự gia tăng nhanh chóng Netflix khiến cho tất nhà công nghiệp điện ảnh bị bất ngờ Họ buộc phải đăt câu hỏi làm trang Web chiếm vị trí giới điện ảnh Hollywood Câu trả lời Machine Learning Các thuật tốn xây dựng Netflix liên tục thu thập lượng liệu khổng lồ hoạt động người dùng như: • Khi bạn tạm dừng, tua lại tua nhanh • Ngày bạn xem nội dung • Ngày bạn xem 31 • Khi bạn tạm dừng để lại nội dung (và bạn quay lại) • Xếp hạng đưa (khoảng triệu ngày), Tìm kiếm (khoảng triệu ngày) Netflix thu thập liệu từ thuê bao mà họ có sử dụng Hệ thống đề xuất nhiều Ứng dụng học máy để gợi ý phim theo thị hiếu khách hàng Bằng việc chạm vào xác sở thích nhu cầu khách hàng, Netflix dễ dàng giữ khách hàng sử dụng dịch vụ Trên ứng dụng tuyệt vời Machine Learning sống Biết tận dụng tốt, bạn có trải nghiệm tuyệt vời với trí thơng minh nhân tạo Machine learning - Công nghê khai thác tối đa giá trị Big DATA Song hành với bùng nổ Big Data, qui trình máy học (Machine learning) ngày đóng vai trị quan trọng việc đào sâu liệu, xử lý thông tin phục vụ cho hoạt động tiếp thị Vấn đề Marketer làm tận dụng công nghệ để mang đến trải nghiệm cá nhân hóa tối ưu cho người dùng Web Những năm gần cho thấy xu hướng bùng nổ đáng kinh ngạc mặt nội dung Web Theo đà này, Tập đoàn Dữ liệu Quốc tế IDC (International Data Corporation) dự đoán, vào năm 2020 vũ trụ số phình to gấp 300 lần – liệu tăng từ khoảng 130 tỷ GB lên đến 40.000 tỷ GB Tài sản thông tin Web đạt đến số tin với tiềm to lớn cho hoạt động tiếp thị hiệu Nhưng có vấn đề then chốt nảy sinh từ xu hướng liệu lớn (còn gọi “Big Data”) – não người lưu giữ nhiều khoảng triệu GB liệu Như tầm cỡ to lớn giới trực tuyến tới vượt q kiểm sốt xử lý não Marketer thấy hội tiếp cận với thông tin cần thiết để chinh phục người dùng, khơng có khả xem xét thận trọng liệu để chắt lọc thông tin tốt phục vụ cho nhu cầu 32 Chính ngành tiếp thị số cần đến hệ thống quản trị xử lý thông tin hiệu – với khả mở rộng tương ứng để theo kịp qui mô khổng lồ vũ trụ số tới Thuật ngữ Machine learning (máy học) bắt đầu sử dụng phổ biến hết Hiểu đơn giản, Machine learning lĩnh vực trí tuệ nhân tạo liên quan đến việc phát triển phương pháp kỹ thuật, cho phép máy móc “học” tự động từ liệu để hỗ trợ người giải vấn đề nhanh chóng với lượng thông tin khổng lồ phát sinh hàng ngày Có thể nói động lực Machine learning xuất phát từ nhu cầu thu nhận kiến thức ngày gia tăng nguồn lực người đáp ứng cho nhu cầu có giới hạn Để hiểu rõ vai trò ngày to lớn ứng dụng rộng rãi Machine learning, nên bắt đầu tìm hiểu từ hệ thống phân loại Internet từ ngày đầu xuất Machine learning gắn liền với trình phát triển Internet Thực tế, Machine learning xuất trước Internet, dạng thuật toán giúp phân loại thư rác (thuật toán Perceptron) Dần dần Internet đời có bước tiến mới, Machine learning phát triển song hành ngày hoàn thiện Từ Internet đời vào năm 1970, lượng thơng tin người tích lũy nhỏ Tuy nhiên lúc khơng biết làm với đống liệu việc chép lưu trữ Mãi Internet phát triển, ngày có nhiều kết nối, với xuất mạng xã hội khiến nhu cầu chia sẻ thơng tin tăng trưởng chóng mặt, nhà khoa học nhận đằng sau liệu khổng lồ lượng tri thức vơ giá Đó lúc “Big Data” thức đời Lúc này, để hiểu giá trị ẩn chứa Big Data khai thác chúng qui mô lớn, người cần đến tài nguyên công nghệ – mà mấu chốt Machine learning 33 Còn nhớ đời Yahoo (năm 1994) website phục vụ tìm kiếm trang Web hay thơng tin hữu ích,… – nhu cầu phổ biến giai đoạn Thành công Yahoo dựa hoạt động đeo bám trang, lưu lại địa yêu thích dạng danh mục đặc trưng mà sau sử dụng để cung cấp thông tin cho người dùng tìm kiếm Tuy nhiên Internet bắt đầu phát triển, hệ thống nhanh chóng bộc lộ tính khơng hiệu Đơn giản q thủ cơng nên khơng thể mở rộng, nâng cấp thêm Lúc này, Google dần lên thống trị nhờ sức sáng tạo việc hiểu website Thông qua việc không ngừng phát triển thuật toán Machine learning, Google tạo hệ thống chuyên thu thập, phân tích ‘dự định’ ‘giá trị’ website Quá trình tập trung vào tiêu chí ‘có lượt traffic đến từ liên kết ngoài’ hay ‘loại từ khóa có giá trị gắn kết với trang nội dung cao nhất’,… Theo bước phát triển Web, tiềm Machine learning khơng cịn câu hỏi mà trở thành thực tế gây kinh ngạc cho Marketer giá trị to lớn mang lại khả thu thập, phân tích liệu tạo nên trải nghiệm cá nhân hóa cho người dùng Web Nhưng cần phải nhìn nhận đắn Machine learning công cụ đầy sức mạnh hỗ trợ cho hoạt động tiếp thị quảng cáo, “liều thuốc trị bách bệnh” khiến Marketer để mặc vấn đề cho máy tính thuật toán xử lý Machine learning vai trị người Dù hệ thống có trở nên tiên tiến mặt công nghệ nữa, khơng thay người Máy móc có sức mạnh việc tìm kiếm mẫu hình liên quan đến hành vi khách hàng, nắm bắt tín hiệu dự định dự báo hành vi, lại viết báo giúp tạo động lực thúc đẩy người tiêu dùng mua sắm Nó tiết lộ thứ khách hàng mục tiêu muốn đọc lại tạo nên nội dung 34 Cũng vậy, vai trị Machine learning cung cấp cho Marketer hiểu biết chuyên sâu họ cần để tối ưu hóa việc sản xuất nội dung Cịn lĩnh vực sáng tạo thuộc trách nhiệm người Machine learning hỗ trợ cho thông báo xác định Qui trình Machine learning (Máy học) ngày có giá trị nhiều mảng nghệ thuật khác Nó cơng cụ đơn giản kiểm tra tả lỗi viết bài, thiết lập tự động chế độ loại bỏ rác thư hộp thư Open wide hơn, quy trình Máy học cịn ứng dụng mạng xã hội Facebook, Twitter, Instagram, Google+ (giúp đưa nội dung đề nghị), hay trang web tảng (giúp đưa lời khuyên dựa dự đoán hành vi, sở thích người dùng) Trong giới tiếp thị, Học máy mang lại hội hiểu biết sâu hoạt động mua sắm khách hàng Nó giúp “trợ lực hóa” lượng liệu khơng có sẵn để tìm hiểu giá trị điểm tiếp xúc hành vi khách hàng Thay cố gắng tìm hiểu định nghĩa người dùng theo cách thủ công, Marketer phân tích liệu để mang lại tranh rõ nét 'thứ khách hàng quan tâm' 'nội dung người dùng muốn thấy' Tự nhiên ngôn ngữ xử lý (NLP - Natural Language Processing) is a in the following application Machine learning hữu ích cho hoạt động tiếp thị Nói nơm na làm cho máy tính hiểu ngôn ngữ người NLP parser bước đầu nội dung dựa chủ đề, sau nhóm thành danh mục riêng hiểu rõ đối tượng mà quan tâm đến danh mục Ví dụ trang web nội dung nhóm thành B2B B2C mục, mục chia nhỏ thành nhiều chủ đề khác “cá nhân hóa” (cá nhân hóa), “cơng nghệ” (cơng nghệ), hay “máy learning ”(Máy học) Khi người dùng trang web chậm bắt đầu phát tín hiệu mối quan tâm nội dung đó, hệ thống Máy học hiểu đâu thứ người dùng quan tâm loại hình phù hợp thúc đẩy hành động Từ điều hiểu biết này, Marketer nhóm người dùng vào phân khúc định để nhắm mục tiêu quảng cáo (target) cách phù hợp 35 Học máy tiếp thị nội dung Khi công nghệ Machine learning bắt đầu chứng minh giá trị mình, nhanh chóng tích hợp vào cơng cụ Marketing giúp tối ưu hóa nội dung tiếp thị Ví dụ công ty chuyên tiếp thị nội dung BrightEdge gần mắt cơng cụ tối ưu hóa trang đích (trình tối ưu hóa trang đích) - hoạt động song hành với công cụ Adobe Experience Manager để giúp Marketer tối đa hóa chức trang đích Hay công nghệ Vedo Intent DataSift sử dụng Machine learning để giúp Marketer nắm giữ dự án khách hàng mạng xã hội Những sản phẩm / dịch vụ giúp thương hiệu chuyển đổi công việc sản xuất nội dung, từ hệ thống đốn ước tính liên tục thành hệ thống hiệu mang lại lợi nhuận Khi hệ thống Máy học NLP bắt đầu tìm hiểu dự án người dùng muốn xem Web, hệ thống sản xuất nội dung nhận dạng nhắm mục tiêu vào nội dung xác định gợi ý cho quan tâm hướng người dùng đến cuối giai đoạn phễu mua sắm Qui trình Machine learning mang lại Insight (hiểu biết người dùng) - sử dụng để tạo nên thiết kế email riêng cho phân đoạn CTA nút (Call to action) tương tác giúp biến trực tiếp với người used Marketer quan sát phản hồi nhanh chóng trước thay đổi phát triển theo yêu cầu người dùng Ngoài ra, Machine learning giúp thương hiệu đánh giá chất lượng tính phù hợp nội dung dựa tín hiệu quan trọng sau: • Nội dung tham chiếu user rate • New refresh content • Xu hướng / Mẫu thưởng thức nội dung theo thời gian - giúp quan sát định vị xác thời điểm mà người dùng quan tâm đến nội dung theo dõi 36 Thông qua đánh giá này, thương hiệu điều chỉnh nội dung thơng báo cho chủ sở hữu hữu ích, cá nhân hóa hơn, giúp tối ưu hóa trải nghiệm người dùng cách hiệu 10 Máy học áp dụng thực tế Dưới số doanh nghiệp tiên phong cho thấy sức mạnh Máy học cơng việc xuất nội dung Kraft Ơng lớn ngành hàng bánh kẹo Kraft triển khai chương trình Machine Learning để theo dấu 22.000 đặc trưng tính cách khách hàng tiềm dựa cách họ tương tác với nội dung trực tuyến thương hiệu Những nỗ lực mang cho Kraft gần 1,1 Tỷ lượt hiển thị quảng cáo năm Bên cạnh đó, cơng ty bắt đầu nhận thấy hoạt động tiếp thị nội dung thành cơng đáng giá mang lại thành ROI cao gấp so với hoạt động quảng cáo This content is match with true object, thu hút người dùng quan tâm đến thương hiệu giúp biến họ trở thành khách hàng với suất cao Pier Nhà bán lẻ mặt hàng gia dụng Pier sử dụng thuật toán Azura Machine Learning Microsoft dạng thức dự án phân tích Đây thuật tốn sử dụng liệu để thu thập thông tin hiểu biết hành vi người dùng tốt hơn, làm sở giúp dự báo hành vi người dùng tương lai Điều cho phép Pier tạo trải nghiệm cá nhân hóa ưu tiên cho khách hàng, khiến họ cảm thấy nhu cầu chuyên môn nhận quan tâm lúc New art also allow the brand running of the real time battle, mang lại phân tích thành kết quy tắc tích cực thời gian Một nhà sản xuất ô tô tiếng 37 Gần đây, nhà sản xuất xe tiếng (xin phép xác định tên) tiến hành áp dụng Máy học cho quảng cáo Dựa việc triển khai ý tưởng liên quan đến máy học, thương hiệu đạt mức tăng trưởng vượt trội tỷ lệ chuột (CTR) quảng cáo hiển thị, từ 0,07% đến 0,32% - theo thông tin từ MarketingProfs chuyên trang Những quảng cáo nhắm mục tiêu cách chuẩn xác hơn, giúp hiển thị đến đối tượng thực có nhu cầu giúp tác giả nhanh chóng thúc đẩy hoạt động 11 Tóm tắt lại Machine learning nhanh chóng sử dụng vị trí quan trọng giới tiếp thị số Các tổ chức kinh doanh bắt đầu thấy giá trị xu hướng công nghệ việc xử lý liệu cung cấp hiểu biết dự án người dùng trực tuyến Dưới số lưu ý liên quan đến vai trò xu hướng Máy học thời gian tới: • Sẽ có lượng lớn liệu nội dung tạo vượt qua khả người công việc tổng hợp tính tốn Do đó, Machine learning trở thành cơng nghệ bắt buộc phải có cho hoạt động tiếp thị quảng cáo • Machine learning giúp mang lại sức mạnh khai thác Big Data server cho phép phân tích hoạt động thay để liệu mặc định khơng thể lãng phí • Machine learning giúp tạo nên trải nghiệm cá nhân hóa tối ưu cho người dùng, qua gia tăng nhận thức ấn tượng thương hiệu • Machine learning giúp thương hiệu triển khai hoạt động tiếp diễn cách tốt khách hàng mục tiêu nhóm • Máy học không thay sáng tạo thuộc người, mà thay vào hỗ trợ trình sản xuất nội dung cho hiệu Khi vũ trụ số không ngừng rộng, hoạt động kinh doanh phải đối mặt với công thức không liên quan đến việc tạo ra, sức ảnh hưởng vơ số cạnh tranh, mà cịn liên quan đến việc vận hành lượng liệu lớn có sẵn liệu không muốn bị tụt lại 38 Machine learning mang đến cho thương hiệu sức mạnh để thực hai điều Khi nhận thức sức mạnh cơng nghệ này, Marketer bắt đầu khai thác, quan sát cải thiện cách hoạt động tổ chức để tạo nên trải nghiệm người dùng cá nhân hóa Fraud Detection (phát gian lận) Đây giải pháp ngân hàng quan tâm lớn Giúp giải mã lưu trữ thông tin giao dịch Bất kỳ lúc khách hành thực hinh thức giao dịch Ứng dụng Machine Learning chụp kỹ lưỡng hồ sơ để phát sai phạm Các chuyên gia tính thẻ tín dụng gian lận 32 tỷ vào năm 2020 Số tiền khổng lồ tổng lợi nhuận JPMorgan Chase Coca Cola cộng lại Machine Learning cải thiện vấn đề tương lai Các dịch vụ tài Ngân hàng doanh nghiệp hoạt động lĩnh vực tài sử dụng cơng nghệ Machine Learning với mục đích chính: xác định insights liệu ngăn chặn lừa đảo Insights biết hội đầu tư thông báo đến nhà đầu tư thời điểm giao dịch hợp lý Data mining tìm khách hàng có hồ sơ rủi ro cao sử dụng giám sát mạng để rõ tín hiệu lừa đảo Chính phủ Các tổ chức phủ hoạt động an ninh cộng đồng tiện ích xã hội sở hữu nhiều nguồn liệu khai thác insights Ví dụ, phân tích liệu cảm biến, phủ tăng mức độ hiệu dịch vụ tiết kiệm chi phí Machine learning cịn hỗ trợ phát gian lận giảm thiểu khả trộm cắp danh tính Chăm sóc sức khỏe Machine learning xu hướng phát triển nhanh chóng ngành chăm sóc sức khỏe, nhờ vào đời thiết bị máy cảm ứng đeo sử dụng liệu để đánh giá tình hình sức khỏe bệnh nhân thời gian thực (real-time) Công nghệ Machine Learning 39 giúp chuyên gia y tế xác định xu hướng tín hiệu để cải thiện khả điều trị, chẩn đoán bệnh Dầu khí Tìm kiếm nguồn ngun liệu Phân tích mỏ dầu đất Dự đốn tình trạng thất bại cảm biến lọc dầu Sắp xếp kênh phân phối để đạt hiệu tiết kiệm chi phí Có thể nói, số lượng trường hợp sử dụng Machine Learning ngành công nghiệp lớn ngày mở rộng Vận tải Phân tích liệu để xác định patterns & xu hướng trọng tâm ngành vận tải ngành phụ thuộc vào khả tận dụng hiệu tuyến đường dự đoán vấn đề tiềm tàng để gia tăng lợi nhuận Các chức phân tích liệu modeling Machine learning đóng vai trị quan trọng với doanh nghiệp vận chuyện, vận tải công cộng tổ chức vận chuyển khác 40 CHƯƠNG IV: KẾT LUẬN Là phần lĩnh vực Trí Tuệ Nhân Tạo, Machine Learning gần trở thành não AI Những thuật tốn hiểu đơn giản kiến thức đầu đời dành cho em bé Từ kiến thức ban đầu, "em bé" dần thu thập thông tin từ môi trường, tự trải nghiệm, học hỏi sau lần tiếp xúc Nếu ví Machine Learning người học hỏi Nếu ví người học nghề q trình nhận biết, học hỏi giai đoạn training Xun suốt quãng thời gian training, huấn luyện nhiều - tức người dùng sử dụng tương tác với AI - người thành thạo Nói cách khác máy móc ngày thông minh, đáp ứng nhu cầu nhanh xác Ở trường hợp cụ thể, chí cịn gợi ý cho người sử dụng biết phải làm hay không nên làm để tránh gặp nguy hiểm, đưa lựa chọn tốt cho người sử dụng Machine Learning tiềm ẩn ứng dụng tuyệt vời, mà cơng nghệ muốn phát triển vượt bậc bỏ qua vùng đất hứa Ban đầu từ công việc "đơn thuần" gợi ý sản phẩm cho khách hàng, sau hồn tồn vận hành, giám sát hệ thống giao thông, công ty, ngân hàng mà gần sai số hay nhầm lẫn Công việc lúc cần đảm bảo cho ln vận hành tốt Viễn tưởng tương lai, nơi thứ an tồn, nhanh chóng, thuận tiện xác vận hành máy móc có khả tự học, bảo an người chắn điều Đó tranh tổng quan về machine learning, machine learning gì? Còn nhiều khái niệm, ứng dụng thực tiễn, thuật toán chưa nhắc tới viết Tơi khơng thể trình bày tất viết Machine learning mạnh mẽ khó, vấn đề khó nêu viết phần mà Thông thường, bạn cần có tảng khoa học máy tính Đặc biệt, machine learning địi hỏi cần phải có 41 kết tốt dùng Mọi người gặp phải nhiều khó khăn thất vọng để giải tốn trước tìm hướng 42 ...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CƠNG NGHỆ THƠNG TIN TÌM HIỂU CƠNG NGHỆ HỌC MÁY (MACHINE LEARNING) Giảng viên hướng dẫn: VƯƠNG XUÂN CHÍ Sinh viên... MSSV: 2000001163 Chuyên ngành: Khoa học liệu Lớp: 20DTH1D Email: phamthikimngan18122002@gmail.com SĐT: 0333322154 Tên đề tài: Tìm hiểu cơng nghệ Học máy (Machine learning) Gíao viên hướng dẫn: Vương... MSSV: 2000001163 Chuyên ngành: Khoa học liệu Lớp: 20DTH2A Email: Phuctran20112001@gmail.com SĐT: 0816509547 Tên đề tài: Tìm hiểu cơng nghệ Học máy (Machine learning) Gíao viên hướng dẫn: Vương