20+ Resources To Learn and Start Your Career In Artificial Intelligence (AI)

Bài đăng này đã không được cập nhật trong 5 năm

I. introduction

Có lẽ chúng ta ở đây không còn quá xa lạ với những thuật ngữ AI (Artificial Intelligence), ML (Machine Learning hay Statistical Machine Learning), DS (Data Science),... vì chúng đã quá phổ biến và được nhắc đến trên mọi phương tiện truyền thông do sự vi diệu, hiệu quả, mạnh mẽ mà nó đem lại. AI không phải là mới nhưng mùa xuân nở rộ của nó mới bắt đầu trong hơn 1 thập kỉ qua với những thành tựu vô cùng nổi bật, cũng vì lẽ đó trên thế giới hiện nay, đã xuất hiện nhiều ý kiến trái chiều cho rằng AI có thể de doạ đến sự tồn tại của con người. Tuy nhiên, các nhà khoa học vẫn có niềm tin mãnh liệt rằng con người chúng ta sở hữu bộ não hoàn hảo nhất mà không một bộ não nhân tạo nào có thể vượt qua được. Vì vậy, ở phương diện cá nhân mình cho rằng chúng ta cũng không cần quá quan tâm mối de doạ này vì chúng còn là ở tương lai rất xa, và nếu có thể chúng ta nên đầu tư một chút thời gian tìm hiểu về nó để không bị chậm so với công nghệ hiện nay, biết đâu chúng sẽ khiến chúng ta đam mê vào theo đuổi. Ở bài viết này, qua quá trình tìm hiểu mình xin giới thiệu về các resources khá phổ biến được đa số mọi người tin dùng, và các kiến thức cần có để chúng ta có thể bắt đầu vs AI. Bắt đầu nào!

II. What is Machine Learning and Why Now?

Theo Gartner’s Top 10 Strategic Technology Trends for 2018 — Report thì ML được phát biểu:

“Machine learning is a branch of data analytics where the machine based on the input Models (Experience) predicts certain behaviours and also learn to adapt without much programming intervention.”

Raw data và data model là 2 main drivers của các giải pháp Machine Learning. Trong Machine Learning, các thuật toán có khả năng nghiên cứu và học hỏi từ dữ liệu trong quá khứ, và sau đó mô phỏng quá trình ra quyết định của con người bằng cách sử dụng các cây phân tích và quyết định dự đoán. Nó cho phép các hệ thống quyết định dựa trên dữ liệu liên tục học hỏi từ dữ liệu mới và tự điều chỉnh để cung cấp các kết quả đáng tin cậy và có thể lặp lại.

Hãy xem biểu đồ dưới đây để chúng ta có thể thấy rằng ML đang hot đến cỡ nào!

III. Building Foundations Before Specialization in ML or AI

Như đã biết, ML là rất rộng và chúng phát triển rất nhanh, vì vậy chúng ta không thể chuyên sâu vào tất cả các lĩnh vực của nó. Chúng ta nên xác định trước 1 lĩnh vực sẽ theo đuổi, ví dụ như: natural language, computer vision, deep learning, or bất cứ thứ gì chúng ta thích. Sau khi lượng kiến thức về chủ đề này kha khá rồi chúng ta có thể tìm hiểu thêm về các chủ đề khác để làm đa dạng kiến thức về ML. Nên nhớ, ML là khó nên việc giữ được động lực là vô cùng quan trọng.

IV. Baby Steps Towards Python and Machine Learning

Có khá nhiều ngôn ngữ cho chúng ta chọn để bắt đầu với ML. Có nhiều bạn phân vân giữa R và Python, tuy nhiên cá nhân mình nghĩ python là thích hợp hơn vì nó được đánh giá là nhanh hơn, dễ học hơn và có một cộng đồng support lớn hơn R rất nhiều. Chúng ta có thể xem bảng sau: