Bỏ qua tới nội dung chính

Học máy

Machine Learning

Học máy: các thuật toán học từ dữ liệu để dự đoán hoặc phân loại, từ hồi quy tuyến tính đến các mô hình phức tạp hơn.

11 khóa học đề xuất9 học liệu (2 video, 2 tài liệu, 3 sách, 2 khác)1 bài viết

Hướng dẫn học chủ đề

Trung bìnhkhoảng 45 giờ6 bước
  • Phân biệt học có giám sát, không giám sát; chọn đúng loại bài toán cho dữ liệu thực tế
  • Cài đặt và huấn luyện hồi quy tuyến tính, hồi quy logistic bằng gradient descent
  • Áp dụng cây quyết định, k-NN, SVM cho bài toán phân loại và hồi quy

Giáo trình: An Introduction to Statistical Learning: with Applications in R +2 sách khác

Đọc hướng dẫn đầy đủ
Thuộc nhóm Trí tuệ nhân tạo · Artificial Intelligence10 chủ đề · khoảng 421 giờTrí tuệ nhân tạo và học máy: từ tìm kiếm, suy luận xác suất tới học sâu, học tăng cường, xử lý ngôn ngữ, thị giác máy tính và robot.Xem nhóm
Chọn nguồn tự học

Cần vững đại số tuyến tính, xác suất thống kê; nên thực hành trên bộ dữ liệu thật, không chỉ học lý thuyết.

Khóa học đề xuất

Khóa trên OpenER và khóa mở của các trường, tuyển chọn cho chủ đề này.

Xem tất cả (11)
Đề xuất chínhVideo + tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhCC BY-NC-SA 4.0

Bản ghi khóa CS229 của Andrew Ng trên Stanford Engineering Everywhere: học có giám sát (hồi quy, mô hình sinh, SVM, mạng nơ-ron), học không giám sát, lý thuyết học (bias–variance, chiều VC) và học tăng cường. Có 20 bài giảng video, ghi chú bài giảng và bài tập.

Vì sao chọn: Khóa học máy kinh điển của Andrew Ng, phủ trọn chương trình của chủ đề từ học có giám sát, không giám sát tới lý thuyết học; có 20 video, ghi chú bài giảng chi tiết và bài tập.

  • Chuyên sâu
  • Kinh điển

20 buổi giảng

  • Cornell · CS4780 · Thu 2018

    Machine Learning for Intelligent Systems (mở trong tab mới)

    Học máy cho hệ thống thông minh

    Kilian Weinberger

    Thay thếVideo + tài liệuLiên kết ngoàiCấp độ: Trung bình

    Vì sao chọn: Giảng rất trực quan, mỗi thuật toán đi kèm ví dụ và ghi chú viết kỹ; hợp nếu bạn muốn hiểu vì sao từng phương pháp hoạt động.

  • Caltech · CS 156

    Learning From Data (mở trong tab mới)

    Học từ dữ liệu

    Yaser Abu-Mostafa

    Thay thếVideo + tài liệuLiên kết ngoàiCấp độ: Trung bình

    Vì sao chọn: Tập trung vào lý thuyết: vì sao học được, chiều VC, quá khớp và chính quy hóa, với 18 bài giảng mạch lạc và 8 bộ bài tập.

    • Chuyên sâu

    18 buổi giảng

  • Stanford

    Statistical Learning with R (mở trong tab mới)

    Học thống kê với R

    Trevor Hastie, Robert Tibshirani

    Thay thếChỉ tài liệuLiên kết ngoàiCấp độ: Trung bìnhCần tài khoản miễn phí

    Vì sao chọn: Do chính tác giả sách ISLR của lộ trình giảng, bám từng chương và có thực hành R; cần tạo tài khoản edX.

    • Chuyên sâu

Bài viết

Bài đọc mở đầu

Học máy: dạy máy tính bằng ví dụ thay vì bằng luật

Học máy là gì và vì sao nó đổi cách viết phần mềm: học có giám sát, hàm mất mát và hạ gradient, quá khớp, dữ liệu và đặc trưng, phân cụm — và nên bắt đầu học từ đâu.

19 phút đọc · Cập nhật 09/11/2026
Video

3. Machine Learning Mechanics - Terminology and Techniques PDF / Video — Video

UC Berkeley

Cập nhật 09/10/2026
Video

3. Machine Learning Mechanics - Terminology and Techniques PDF / Video — Walkthrough

UC Berkeley

Cập nhật 09/10/2026
Tài liệu

3. Machine Learning Mechanics - Terminology and Techniques PDF / Video — Solutions (drive.google.com)

UC Berkeley

Cập nhật 09/10/2026
Khác

3. Machine Learning Mechanics - Terminology and Techniques PDF / Video — PDF (drive.google.com)

UC Berkeley

Cập nhật 09/10/2026
Khác

3. Machine Learning Mechanics - Terminology and Techniques PDF / Video — PDF (drive.google.com)

UC Berkeley

Cập nhật 09/10/2026
Tài liệu

Mathematics for Machine Learning

UC Berkeley

Cập nhật 09/10/2026
Khóa học

Introduction to Machine Learning

University of California, Berkeley · Jennifer Listgarten, Alex Dimakis • Spring 2026

Học máy (machine learning) là cốt lõi của trí tuệ nhân tạo hiện đại, làm thay đổi cách chúng ta tiếp cận các vấn đề trong lĩnh vực thị giác máy tính, ngôn ngữ, robot, hệ thống gợi ý và vô số lĩnh vực khác. Khóa học này giới thiệu các nền tảng lý thuyết, thuật toán và ứng dụng của học máy, kết hợp giữa tính chặt chẽ về mặt toán học và kinh nghiệm thực tiễn.

Cập nhật 09/10/2026
Sách

Pattern Recognition and Machine Learning

Trang cá nhân Christopher Bishop tại Microsoft Research

Sách kinh điển về học máy theo hướng Bayes, nổi tiếng với chương mô hình đồ họa xác suất (Chapter 8) và mạng nơ-ron. Được phép tải miễn phí toàn văn dù bản quyền vẫn thuộc Springer.

Cập nhật 25/09/2026
Sách

The Elements of Statistical Learning: Data Mining, Inference, and Prediction

Trang tác giả (Trevor Hastie, Stanford)

Sách toán học 'gối đầu giường' của học máy thống kê, cho người đã vững xác suất và đại số tuyến tính, đi sâu vào lý thuyết đằng sau hồi quy, phân loại, cây quyết định, boosting, SVM và học không giám sát.

Cập nhật 25/09/2026
Sách

An Introduction to Statistical Learning: with Applications in R

Trang chính thức của sách (statlearning.com)

Phiên bản nhập môn, bớt nặng toán hơn Elements of Statistical Learning, có bài thực hành bằng R (và bản Python riêng ISLP). Điểm khởi đầu tốt nhất để tự học học máy thống kê từ hồi quy tới cây quyết định, SVM và học không giám sát.

Cập nhật 25/09/2026