Video
Đăng bởi Ban biên tập OpenER ·
Tác giả giữ toàn bộ bản quyền (All Rights Reserved) — không phải giấy phép mở. Bạn vẫn xem và học miễn phí trên OpenER; muốn tái sử dụng cần xin phép tác giả.
PROFESSOR
Let's get started. Welcome to module 3 for 16A. You've made it this far. There's only the last third of the class to go, and it's a short third.
Chúng ta bắt đầu nhé. Chào mừng các em đến với module 3 của môn 16A. Các em đã đi được đến đây rồi. Chỉ còn lại một phần ba cuối của môn học, mà đây là phần ngắn nhất.
So if you've been holding your breaths, the end is almost here. You're almost going to get to go, and Thanksgiving break is along the way. So we will be entering this last module.
Nên nếu các em đang nín thở chờ đợi, thì sắp đến đích rồi. Các em sắp được nghỉ rồi, và kỳ nghỉ Lễ Tạ ơn nằm ngay trên đường đi. Vậy là chúng ta sẽ bước vào module cuối này.
And module 3 is a module that is nominally called the machine learning module.
Module 3 về danh nghĩa được gọi là module học máy (machine learning).
And it's really building heavily on everything that we've been working on in modules 1 and modules 2 up until this point. So module 1 really talked about an introduction to systems, right?
Và nó dựa rất nhiều vào mọi thứ mà chúng ta đã làm ở module 1 và module 2 cho đến giờ. Module 1 nói về phần giới thiệu các hệ thống, đúng không?
And thinking about how can we take a real world problem and model it to make it into a mathematical form so that then we can try to understand it.
Và nghĩ xem làm sao lấy một bài toán thực tế rồi mô hình hóa thành dạng toán học để từ đó ta có thể hiểu nó.
And so you saw problems on the homework that were of this type, right? For example, the segue problem is one example.
Các em đã thấy những bài tập về nhà thuộc loại này, đúng không? Ví dụ, bài về xe Segway là một ví dụ.
There were problems about trying to understand the flight of quad copters, and trying to use vectors to model basically the spaces that quadcopters can actually travel in.
Có những bài tìm hiểu chuyển động bay của quadcopter, và dùng vectơ để mô hình hóa các không gian mà quadcopter có thể di chuyển trong đó.
And then the other highlight of module 1 was to try and really understand the PageRank algorithm, right?
Và điểm nhấn còn lại của module 1 là hiểu thật rõ thuật toán PageRank, đúng không?
How can we use a very simple model about how people move from web page to web page by clicking based on the number of links between the pages to therefore understand a notion of steady state probabilities?
Làm sao dùng một mô hình rất đơn giản về cách người ta chuyển từ trang web này sang trang khác bằng cách bấm vào các liên kết giữa các trang để từ đó hiểu khái niệm xác suất ở trạng thái dừng?
When people have clicked on all of these pages at steady states, which pages are more popular than others? This was everything you saw in module 1.
Khi mọi người đã bấm qua tất cả các trang này ở trạng thái dừng, trang nào phổ biến hơn các trang khác? Đó là tất cả những gì các em đã thấy ở module 1.
Module 2 then, you said, well, we've been doing all of this modeling.
Đến module 2, các em nói: chúng ta đã làm toàn mô hình hóa.
But what use is it if we only have modeled in our head and don't actually do anything in the physical real world?
Nhưng có ích gì nếu chỉ mô hình trong đầu mà không làm gì trong thế giới thực?
And here, you delved very deep into understanding how models for specific physical components, such as resistors, and capacitors, and finally, the coolest part, which is op-amps, can actually have you build things and design interesting things that can actually do things that you
Ở đây, các em đã đi rất sâu vào việc hiểu mô hình của các linh kiện vật lý cụ thể, như điện trở, tụ điện, và cuối cùng, phần thú vị nhất là op-amp, có thể giúp các em xây dựng và thiết kế những thứ thú vị, làm được những việc
want in the real world? And so the last lecture was talking about how to design a LiDAR sensor. And your entire lab module was working around how to design basically a touchscreen.
mà các em muốn trong thế giới thực. Bài giảng trước nói về cách thiết kế một cảm biến LiDAR. Và toàn bộ module lab của các em xoay quanh việc thiết kế một màn hình cảm ứng.
So you talked about two different kinds of design, where you talked first about the resistive touchscreen and then also about a capacitive touch screen.
Các em đã học hai kiểu thiết kế khác nhau, trước hết là màn hình cảm ứng điện trở, rồi đến màn hình cảm ứng điện dung.
And just to think about what you did there, first, you said, well, let's understand simple models for these physical components.
Hãy nghĩ lại những gì các em đã làm: đầu tiên, các em nói, hãy hiểu các mô hình đơn giản cho những linh kiện vật lý này.
And then through this process of design, to some extent trial and error, but also a lot of systematic thinking, you were able to think about how we can put them together to build, say, a touchscreen, or a LiDAR sensor.
Rồi qua quá trình thiết kế này, một phần là thử và sai, nhưng cũng là rất nhiều suy nghĩ có hệ thống, các em đã nghĩ ra cách ghép chúng lại để xây dựng, chẳng hạn, một màn hình cảm ứng hay cảm biến LiDAR.
And you saw this iterative process, right? You suggest something. You try something. And you're like, oh, well, maybe this isn't quite working.
Và các em đã thấy quá trình lặp này, đúng không? Các em đề xuất một thứ. Các em thử một thứ. Rồi nghĩ: ồ, có vẻ chưa chạy tốt lắm.
How do I tweak it a little bit to try and then improve.
Làm sao chỉnh lại một chút để cải thiện?
Well, module 3 is trying to take both of these ideas together. And really, you can think of all of module 3 as one big, giant design problem.
Module 3 sẽ kết hợp cả hai ý tưởng này. Và thật sự có thể xem toàn bộ module 3 như một bài toán thiết kế khổng lồ.
This module is structured in a way that throughout the module, every single lecture, we will build up one small part of how we can build a GPS localization system.
Module này được cấu trúc sao cho trong từng bài giảng, chúng ta sẽ xây dựng một phần nhỏ của hệ thống định vị GPS.
How many people have used the GPS system before? Pretty much everyone, right?
(localization) Có bao nhiêu bạn đã dùng GPS rồi? Hầu như tất cả, đúng không?
And what we're going to do is we're going to basically break down this very complex problem of designing a GPS system into small parts.
Và việc chúng ta sẽ làm là chia nhỏ bài toán rất phức tạp là thiết kế một hệ thống GPS thành các phần nhỏ.
We are going to model them, and we're going to take the steps further of actually seeing how we can design algorithms that will do what we want our systems to actually do.
Chúng ta sẽ mô hình hóa chúng, và tiến thêm một bước là xem làm sao thiết kế các thuật toán làm đúng điều ta muốn hệ thống của mình thực hiện.
And in the process of designing the GPS system, you will be exposed to a lot of the fundamental problems that show up in machine learning.
Và trong quá trình thiết kế hệ thống GPS, các em sẽ tiếp xúc với nhiều bài toán nền tảng xuất hiện trong machine learning.
So you will get a sense of what are the core ideas in this field? And what are the tools that are used to build these things out?
Các em sẽ hình dung được những ý tưởng cốt lõi của lĩnh vực này là gì, và những công cụ nào được dùng để xây dựng chúng.
So for a lot of you, you might have heard this word machine learning before. How many people have heard the word machine learning?
Nhiều bạn có thể đã nghe cụm từ machine learning rồi. Bao nhiêu bạn đã nghe đến từ machine learning?
How many people feel like, oh, maybe it's not really clear what machine learning exactly means?
Bao nhiêu bạn thấy kiểu: ồ, có lẽ không rõ machine learning chính xác nghĩa là gì?
Right? How many people have heard terminology talked about, but it's not clear what machine is learning? What are you actually doing, processing some kind of data science.
Đúng không? Bao nhiêu bạn từng nghe người ta nói thuật ngữ này, nhưng không rõ máy đang học cái gì? Thực ra các bạn đang làm gì, xử lý một kiểu khoa học dữ liệu nào đó.
These are all different terms. And really, machine learning is — it's a little bit of an ambiguous and large group of things.
Đây đều là những thuật ngữ khác nhau. Và thật ra, machine learning là một nhóm khá mơ hồ và rộng lớn gồm nhiều thứ.
And there are algorithms and ideas that are talking about how can we take information from the real world, and organize it, and represent it so that then we can use this information to extract generalizable principles about the real world?
Có những thuật toán và ý tưởng nói về việc làm sao lấy thông tin từ thế giới thực, tổ chức và biểu diễn nó để rồi dùng thông tin này rút ra những nguyên lý có tính tổng quát về thế giới thực.
Of course, this is one very big phrase. And so machine learning is often broken up into problems such as classification. What is classification?
Tất nhiên, đây là một câu rất lớn. Nên machine learning thường được chia thành các bài toán như phân loại. Phân loại là gì?
Classification is, well, I see an image on the internet, and I want to predict whether this image is a cat or a dog. I want to classify this image as a cat or dog.
Phân loại là: tôi thấy một hình ảnh trên internet, và muốn dự đoán hình này là mèo hay chó. Tôi muốn phân loại hình này là mèo hay chó.
I get in a bunch of pixels, and I want to now generate a label. This is kind of a canonical classification problem in machine learning. That's one type of problem.
Tôi nhận vào một loạt pixel, và giờ muốn sinh ra một nhãn. Đây là một bài toán phân loại kinh điển trong machine learning. Đó là một loại bài toán.
Another type of problem in machine learning is an estimation problem.
Một loại bài toán khác trong machine learning là bài toán ước lượng (estimation).
You want to be able to estimate some kind of parameter from data. A third type of problem is a prediction. Problem.
Bạn muốn ước lượng một tham số nào đó từ dữ liệu. Loại thứ ba là bài toán dự đoán (prediction).
So for example, you want to look at historical data on the stock market and predict how it is going to behave.
Ví dụ, bạn xem dữ liệu lịch sử của thị trường chứng khoán và dự đoán nó sẽ diễn biến thế nào.
That would be a prediction problem that machine learning traditionally thinks about quite often. Or you're thinking about you're driving an autonomous vehicle, and you see a pedestrian who's walking along.
Đó là một bài toán dự đoán mà machine learning truyền thống rất hay quan tâm. Hoặc bạn đang lái một chiếc xe tự hành, và thấy một người đi bộ đang bước dọc đường.
And you want to be able to predict the path that pedestrian is going to take because your car had better not drive into this pedestrian.
Bạn muốn dự đoán được quỹ đạo mà người đi bộ đó sẽ đi, vì xe của bạn tốt nhất là đừng đâm vào người đó.
So these are the kinds of problems that, for example, a prediction algorithm in machine learning might want to do.
Đó là những loại bài toán mà, chẳng hạn, một thuật toán dự đoán trong machine learning có thể cần giải quyết.
Another idea that is quite useful and often comes up in machine learning is a clustering problem.
Một ý tưởng nữa rất hữu ích và thường gặp trong machine learning là bài toán phân cụm (clustering).
You have a bunch of data points or you have a bunch of examples or instances, and you want to somehow cluster them into instances that are similar to each other.
Bạn có một loạt điểm dữ liệu, hay một loạt ví dụ, và muốn gom chúng lại thành các nhóm giống nhau.
This is related to the classification problem. And also, often lots of clustering algorithms are used for classification. In fact, you'll see in 16B a lot of more detail in clustering problems.
Bài toán này liên quan đến bài toán phân loại. Ngoài ra, nhiều thuật toán phân cụm cũng được dùng để phân loại. Thực ra ở 16B, các bạn sẽ học chi tiết hơn nhiều về bài toán phân cụm.
So in 16A, in this module for this semester, we're going to try and talk about the first three machine learning problems.
Còn ở 16A, trong phần này của học kỳ, chúng ta sẽ nói về ba bài toán đầu tiên của machine learning.
And if we have time, we might talk about a little bit more ideas. But we'll see how the course goes on. These are what are called machine learning problems.
Nếu còn thời gian, có thể ta sẽ nói thêm một vài ý tưởng nữa. Nhưng ta sẽ xem tiến độ môn học thế nào. Đó là những bài toán machine learning.
What we want to talk about is we just don't we don't just want to talk about problems. But we also want to talk about techniques that can be used to solve these problems.
Điều ta muốn bàn không chỉ là các bài toán. Ta còn muốn nói về các kỹ thuật dùng để giải chúng.
Just talking about problems isn't particularly interesting. So what are the techniques that we are going to use to solve these?
Chỉ nói về bài toán thì không thú vị lắm. Vậy ta sẽ dùng những kỹ thuật nào để giải các bài toán này?
And here we're going to be really heavily building on what we did in module 1, where, often, one of the most effective ways to make progress in a very unknown field is to try and build models.
Ở đây ta sẽ dựa rất nhiều vào những gì đã làm ở module 1, nơi mà một trong những cách hiệu quả nhất để tiến bộ trong một lĩnh vực còn nhiều ẩn số là xây dựng mô hình.
Take your data and try and represent it in some kind of structured way. Make a model. It might not be the best model. It might be a crude model.
Lấy dữ liệu của bạn và biểu diễn nó theo một cách có cấu trúc nào đó. Tạo ra một mô hình. Có thể nó không phải mô hình tốt nhất. Có thể nó khá thô sơ.
But make a model and use that to understand. And so we will be doing a lot of making of models. And a second tool that we will use quite frequently is optimization.
Nhưng cứ tạo mô hình và dùng nó để hiểu vấn đề. Vì vậy ta sẽ xây dựng mô hình rất nhiều. Công cụ thứ hai mà ta sẽ dùng khá thường xuyên là tối ưu hóa (optimization).
And optimization will come in conjunction with the modeling, where what we will be trying to do is we will be trying to optimize an error metric.
Tối ưu hóa sẽ đi cùng với việc xây dựng mô hình, trong đó ta sẽ cố gắng tối ưu một thước đo sai số.
So when you think about this problem, you see a bunch of pixels, and you want an algorithm to predict whether these pixels represent a cat or a dog.
Hãy nghĩ về bài toán này: bạn thấy một loạt pixel, và bạn muốn một thuật toán dự đoán những pixel này biểu diễn một con mèo hay một con chó.
When you're talking to a human, when you're talking to your friend, you can define — you can discuss. Well, I'm looking at this picture. Is this a cat or is it a dog?
Khi nói chuyện với một người, với bạn bè, bạn có thể định nghĩa... bạn có thể trao đổi. Mình đang nhìn bức ảnh này. Đây là mèo hay chó?
As a human we, have an intuitive sense of whether the animal in front of us is a cat or a dog, right?
Là con người, ta có cảm nhận trực giác về việc con vật trước mặt là mèo hay chó, đúng không?
But now when you want to have an algorithm predict whether something is a cat or a dog, how do you communicate to that algorithm this intuitive sense of catness or dogness?
Nhưng khi muốn một thuật toán dự đoán một thứ là mèo hay chó, làm sao truyền đạt cho thuật toán cảm nhận trực giác về "tính mèo" hay "tính chó" đó?
Does everyone see that there's maybe some kind of challenge here? This is a very human notion.
Mọi người có thấy ở đây có thể có một thách thức không? Đây là một khái niệm rất con người.
And somehow we want to have this human notion translate to a prediction that a machine can then make.
Và bằng cách nào đó ta muốn khái niệm này chuyển thành một dự đoán mà máy có thể đưa ra.
So for this, what we end up doing is we often try and define a structure for the problem and define an error metric.
Vì vậy, điều ta thường làm là cố gắng định nghĩa một cấu trúc cho bài toán và định nghĩa một thước đo sai số.
And you say that these are certain properties that a cat should have. These are certain properties that a dog should have.
Bạn nói rằng đây là những đặc điểm mà một con mèo nên có. Đây là những đặc điểm mà một con chó nên có.
You extract what are called feature vectors and use this to help define these kinds of notions of correctness.
Bạn trích xuất cái gọi là vectơ đặc trưng (feature vector) và dùng nó để giúp định nghĩa những khái niệm về sự đúng đắn.
Of course, as you can imagine, there's probably many different ways to define what types of pixel arrangements should make up a cat and what types of pixel arrangements should make up a dog, right?
Tất nhiên, như các bạn hình dung, có lẽ có rất nhiều cách khác nhau để định nghĩa kiểu sắp xếp pixel nào tạo nên một con mèo và kiểu sắp xếp pixel nào tạo nên một con chó, đúng không?
And this is what leads to all of this research in machine learning, where you're actually trying to understand, well, what kind of modeling should I do? What kind of assumptions should I make?
Và đó là lý do có cả một mảng nghiên cứu về machine learning, nơi người ta cố hiểu rằng: mình nên xây dựng mô hình kiểu gì? Nên đưa ra những giả định nào?
What kind of algorithm should I then run?
Rồi nên chạy thuật toán nào?
We're not going to be able to get to all of this in the next three weeks of class, but this is what awaits you on this further trajectory.
Ta sẽ không thể đi hết tất cả những điều này trong ba tuần tới của môn học, nhưng đó là điều đang chờ các bạn ở con đường phía trước.
What we are going to get into is the basic modeling techniques and how an engineer or a computer scientist can start thinking about these problems.
Điều ta sẽ học là các kỹ thuật mô hình hóa cơ bản và cách một kỹ sư hay một nhà khoa học máy tính bắt đầu suy nghĩ về những bài toán này.
So today, we are going to actually tackle this problem of defining an error metric and trying to build out from there.
Hôm nay, ta sẽ giải quyết bài toán định nghĩa một thước đo sai số và xây dựng tiếp từ đó.
So the problem for today — today's problem is classification.
Vậy bài toán hôm nay là phân loại.
And we're going to be thinking about classification in the context of the GPS problem. So we will talk about an intro, the GPS problem.
Ta sẽ nghĩ về phân loại trong bối cảnh bài toán GPS. Ta sẽ có phần giới thiệu về bài toán GPS.
We will define what inner product means to help us do this.
Ta sẽ định nghĩa tích vô hướng để giúp làm việc này.
We will talk about the Cauchy-Schwarz inequality, and finally get to our satellite classification problem.
Ta sẽ nói về bất đẳng thức Cauchy-Schwarz, và cuối cùng đến bài toán phân loại vệ tinh.
Any questions this far?
Đến đây có câu hỏi nào không?
Great. So before we go forward, I just wanted to bring up a point of feedback that I had received.
Tốt. Trước khi đi tiếp, tôi muốn nêu một góp ý mà tôi đã nhận được.
And I heard from some students that sometimes they want to be able to sit with students who also want to have small discussions about the course material during the lecture.
Tôi nghe một số bạn nói rằng đôi khi các bạn muốn ngồi cạnh những bạn khác cũng muốn trao đổi nhỏ về nội dung môn học trong giờ giảng.
And I know that sometimes in such a big class, you don't always know too many other people who are in lecture.
Và tôi biết trong một lớp đông như thế này, không phải lúc nào bạn cũng quen nhiều người trong lớp.
So if you are in lecture and you feel like you would want to sit with — you don't always have a consistent person or a set of people that you can always sit with, if you want to find such people to sit within lecture, please hang back for a couple of minutes at the end of lecture, and we'll try and make small groups of people who can sit together.
Vì vậy, nếu bạn đang ở trong lớp và muốn ngồi cùng — bạn không phải lúc nào cũng có một người hay một nhóm cố định để ngồi cùng. Nếu bạn muốn tìm những người như vậy để ngồi cùng trong lớp, xin hãy ở lại vài phút sau khi hết giờ, và chúng tôi sẽ cố gắng chia các nhóm nhỏ gồm những người có thể ngồi cùng nhau.
Okay, small announcement.
Được rồi, một thông báo nhỏ.
But now with that, let's get into our design problem, which is a GPS system.
Giờ thì ta vào bài toán thiết kế của mình, đó là hệ thống GPS.
What does GPS stand for?
GPS là viết tắt của gì?
STUDENT
Global positioning system.
Hệ thống định vị toàn cầu.
PROFESSOR
Global positioning system, right? Does anyone know how GPS works? Some rough ideas. Yeah?
Hệ thống định vị toàn cầu, đúng không? Có ai biết GPS hoạt động thế nào không? Một vài ý tưởng sơ bộ. Bạn nào?
STUDENT
Triangulation.
Tam giác đạc.
PROFESSOR
Triangulation is something that's used in GPS. That's absolutely correct. We'll get to talking exactly about what triangulation is in the next lecture. Any other things that come to mind?
Tam giác đạc (triangulation) là thứ được dùng trong GPS. Hoàn toàn đúng. Ta sẽ nói chính xác triangulation là gì trong bài giảng sau. Còn gì khác các bạn nghĩ đến không?
Yeah?
Bạn nào?
STUDENT
[INAUDIBLE] and above about [INAUDIBLE] system which allows data [INAUDIBLE]..
[KHÔNG NGHE RÕ] trở lên về [KHÔNG NGHE RÕ] hệ thống cho phép dữ liệu [KHÔNG NGHE RÕ].
PROFESSOR
Yep, good point. That's what I wanted to bring up. There's 24 satellites in orbit around the Earth. And what is the GPS problem fundamentally?
Ừ, ý hay. Đó là điều tôi muốn nói tới. Có 24 vệ tinh quay quanh Trái Đất. Vậy về cơ bản bài toán GPS là gì?
You have these different satellites in orbit around the Earth. And you can think of these as fixed points, right?
Bạn có các vệ tinh khác nhau quay quanh Trái Đất. Và bạn có thể coi chúng là các điểm cố định, đúng không?
And what you want to do is somehow using an algorithm figure out your position relative to these 24 satellites.
Và điều bạn muốn làm là bằng cách nào đó dùng một thuật toán để tìm vị trí của mình so với 24 vệ tinh này.
And because the 24 satellites are fixed relative to the Earth, you can therefore figure out where you are exactly on the Earth.
Vì 24 vệ tinh là cố định so với Trái Đất, nên bạn có thể xác định chính xác mình đang ở đâu trên Trái Đất.
So if you were to think about this in a simpler setting, for example, if you were to think about this on a 2D plane or a 1D line, on the Berkeley campus, a good way to define where you are is to say, well, tell me where you are relative to Campanile, right?
Nếu nghĩ về điều này trong bối cảnh đơn giản hơn, ví dụ, trên mặt phẳng 2D hay đường thẳng 1D, trong khuôn viên Berkeley, một cách hay để xác định bạn đang ở đâu là nói: hãy cho tôi biết bạn ở đâu so với Campanile, đúng không?
Or tell me where you are relative to Vilar Hall, or Soda Hall, right? What we do, we always do this, even in our daily interactions is you use landmarks that are commonly known.
Hoặc bạn ở đâu so với Vilar Hall, hay Soda Hall, đúng không? Ta luôn làm vậy, kể cả trong giao tiếp hằng ngày, là dùng những địa danh mà ai cũng biết.
And then you use this to resolve ambiguities with someone else to identify their location. So you have these 24 satellites.
Rồi dùng chúng để làm rõ sự mơ hồ với người khác khi xác định vị trí của họ. Vậy ta có 24 vệ tinh này.
And not all of them are visible to you at any given time. So now we're inside this room, so effectively none of them are visible to us.
Và không phải vệ tinh nào cũng thấy được tại mọi thời điểm. Giờ ta đang ở trong phòng này, nên thực tế không vệ tinh nào thấy được với chúng ta.
But if we were to go outside, you might have line-of-sight vision to some of them. Otherwise a, lot of the transmissions from these are electromagnetic, so they're not obstructed by visual obstacles.
Nhưng nếu ra ngoài, bạn có thể nhìn thẳng thấy một vài vệ tinh. Ngoài ra, nhiều tín hiệu truyền từ chúng là sóng điện từ, nên không bị vật cản nhìn thấy được chặn lại.
So you have some of them that are visible to you. And now what are the different problems that you want to be able to solve?
Vậy có một số vệ tinh thấy được với bạn. Vậy các bài toán khác nhau mà bạn muốn giải là gì?
You want to be able to figure out your position relative to the satellites that you can actually see. This is a fairly involved problem.
Bạn muốn xác định được vị trí của mình so với các vệ tinh mà bạn thực sự thấy được. Đây là một bài toán khá phức tạp.
We're not going to be able to solve it in one lecture, not even in two. But before we jump into this module, I want you to take some time.
Ta sẽ không giải xong trong một bài giảng, thậm chí không xong trong hai. Nhưng trước khi vào phần này, tôi muốn các bạn dành chút thời gian.
Think on your own. How would you go about solving this problem of finding your position relative to these different satellites? So think. Talk to your neighbor.
Tự suy nghĩ. Bạn sẽ giải bài toán tìm vị trí của mình so với các vệ tinh khác nhau này như thế nào? Hãy nghĩ đi. Trao đổi với bạn bên cạnh.
Try and break this down into different sub-problems. Think about it are the design problem.
Thử chia nhỏ thành các bài toán con. Hãy nghĩ nó như một bài toán thiết kế.
What are the different sub-parts and some small problems that I need to be able to solve to be able to actually build the app that's on your phone?
Các phần con nào và những bài toán nhỏ nào tôi cần giải được để thực sự xây dựng ứng dụng trên điện thoại của bạn?
Okay, so anyone have any ideas or sub-problems that they would want to share with the whole group?
Được rồi, có ai có ý tưởng hay bài toán con nào muốn chia sẻ với cả lớp không?
What are some sub-problems that we need to be able to solve?
Những bài toán con nào ta cần giải được?
Yeah, at the back there. Yeah, you.
Bạn ở cuối lớp kia. Ừ, bạn đó.
STUDENT
[INAUDIBLE] PROFESSOR: Great what was suggested was, well, you have to figure out — or let's say things to figure out is what is the distance between the satellites
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Tốt, ý bạn là, bạn phải tìm ra — hay nói là những thứ cần tìm là khoảng cách giữa các vệ tinh
and distance between you and the satellite, right?
và khoảng cách giữa bạn với vệ tinh, đúng không?
You got to be able to figure this out. What else do we need to be able to figure out?
Bạn phải xác định được điều này. Ta còn cần xác định được gì nữa?
So if I tell you the distance from me and one satellite — someone else.
Nếu tôi cho bạn khoảng cách từ tôi đến một vệ tinh — bạn khác nhé.
Yeah?
Bạn nào?
STUDENT
[INAUDIBLE] how many satellites you need to use to determine your location.
[KHÔNG NGHE RÕ] cần dùng bao nhiêu vệ tinh để xác định vị trí của bạn.
PROFESSOR
How many satellites do we need to use?
Ta cần dùng bao nhiêu vệ tinh?
Maybe I can put it as how many satellites are enough? Do we need to put a million satellites in orbit? Why is 24 a good number?
Có lẽ tôi nói là bao nhiêu vệ tinh thì đủ? Ta có cần đặt một triệu vệ tinh lên quỹ đạo không? Tại sao 24 là một con số hợp lý?
Yeah?
Bạn nào?
STUDENT
[INAUDIBLE] PROFESSOR: The location of the satellites.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Vị trí của các vệ tinh.
Yep, at the back there.
Ừ, bạn ở cuối lớp kia.
STUDENT
Are the satellites currently able to read different [INAUDIBLE] or do we create a new satellite?
Các vệ tinh hiện nay có thể đọc các [KHÔNG NGHE RÕ] khác nhau không hay chúng ta tạo ra một vệ tinh mới?
PROFESSOR
Basically the information processing that is required to be able to actually compute these distances. Yep.
Về cơ bản là việc xử lý thông tin cần thiết để thực sự tính ra những khoảng cách này. Ừ.
Yep, back there.
Ừ, bạn phía sau.
STUDENT
We have to know how to access the data sent from the satellite.
Chúng ta phải biết cách truy cập dữ liệu do vệ tinh gửi tới.
PROFESSOR
We have to know how to access the data sent from a satellite, yep.
Chúng ta phải biết cách truy cập dữ liệu do một vệ tinh gửi, đúng rồi.
Yep?
Ừ?
STUDENT
We need to synchronize the satellites in the [INAUDIBLE].
Chúng ta cần đồng bộ các vệ tinh trong [KHÔNG NGHE RÕ].
PROFESSOR
We need to sync — synchronize the timing.
Cần đồng bộ thời gian.
Yep?
Ừ?
STUDENT
[INAUDIBLE] figure out [INAUDIBLE] PROFESSOR: Try to figure out how given the distances, how do I figure out what my position is?
[KHÔNG NGHE RÕ] tìm ra [KHÔNG NGHE RÕ] GIẢNG VIÊN: Tìm cách, khi đã có các khoảng cách, làm sao xác định được vị trí của mình?
I can just say like, well, I am a million miles from satellite A, but that doesn't help me generate that blue dot. How do I go from these distances to my actual position?
Tôi có thể nói là tôi cách vệ tinh A một triệu dặm, nhưng điều đó không giúp tôi tạo ra chấm xanh kia. Làm sao từ các khoảng cách này suy ra vị trí thực của tôi?
Yeah, these are all great ideas. There's one more key challenge that I am hoping someone is going to come up with that hasn't been brought up yet. The very back?
Đúng, đều là những ý tưởng rất hay. Còn một thách thức then chốt nữa mà tôi hy vọng sẽ có bạn nghĩ ra, vì chưa ai nhắc tới. Bạn ở tận phía sau?
STUDENT
[INAUDIBLE] PROFESSOR: Are all the satellites always moving? Yeah, I guess we need to keep — this is related to keeping track of the location of the satellites.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Các vệ tinh có luôn chuyển động không? Ừ, tức là ta cần theo dõi... điều này liên quan đến việc theo dõi vị trí của các vệ tinh.
Yeah.
Ừ.
Yeah?
Ừ?
STUDENT
[INAUDIBLE] PROFESSOR: How does send a signal to the satellite, yep. That's a good point which hasn't come up yet. Signaling to satellites.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Làm sao gửi tín hiệu lên vệ tinh, đúng rồi. Ý hay, chưa ai nhắc tới. Truyền tín hiệu tới vệ tinh.
Yeah, at the back?
Ừ, bạn phía sau?
STUDENT
How are the satellites [INAUDIBLE] or whatever you're doing.
Các vệ tinh được [KHÔNG NGHE RÕ] hay bất cứ việc gì bạn làm.
PROFESSOR
How to get them up into orbit, yeah, that's a good problem. But I actually don't know how to solve that one, so we'll skip it.
Làm sao đưa chúng lên quỹ đạo, ừ, đó là bài toán hay. Nhưng thực ra tôi không biết giải bài đó, nên ta bỏ qua.
Yeah?
Ừ?
STUDENT
[INAUDIBLE] PROFESSOR: How accurate is the data we're measuring? Great. This is exactly the — this is the one point that hadn't come up yet.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Dữ liệu ta đo chính xác đến đâu? Tuyệt. Đúng là... đây là điểm duy nhất chưa ai nhắc tới.
And this is related to the idea of how to deal with noise, right?
Và nó liên quan đến việc xử lý nhiễu, đúng không?
When you're getting these signals, and you're getting these distances, yes, you're going to compute something, but is it going to be perfect? Mm-mm, right? You're going to get errors in your data.
Khi nhận những tín hiệu này và có các khoảng cách, đúng là bạn sẽ tính ra một thứ gì đó, nhưng liệu nó có hoàn hảo không? Không đâu, đúng không? Dữ liệu của bạn sẽ có sai số.
You're going to get errors in your measurements. You're communicating using wireless signals, so stuff is going to break.
Các phép đo của bạn sẽ có sai số. Bạn giao tiếp bằng tín hiệu không dây, nên sẽ có thứ bị hỏng.
And what you need to do is you need to be robust to noise measurement — to noise in your measurement. Okay, so these are a lot of problems.
Và điều bạn cần làm là phải chịu được nhiễu trong phép đo, nhiễu trong phép đo của bạn. Vậy đó là rất nhiều vấn đề.
We are not going to get to solving all of these this semester. We will not be putting any satellites in orbit.
Chúng ta sẽ không giải hết những vấn đề này trong học kỳ này. Chúng ta sẽ không đưa vệ tinh nào lên quỹ đạo.
But we will be trying to get to a couple of them.
Nhưng chúng ta sẽ cố giải một vài vấn đề trong số đó.
There is another one that didn't really come up in this list, so I'll suggest it myself, which is which satellite am I talking to?
Còn một vấn đề nữa không có trong danh sách nên tôi tự đề xuất, đó là tôi đang nói chuyện với vệ tinh nào?
If I tell you I am 50 meters from either the Campanile or Soda Hall, that's not very useful for you, is it?
Nếu tôi nói tôi cách Campanile hoặc Soda Hall 50 mét thì không có ích mấy với bạn, đúng không?
You want to know what landmark I'm giving as a reference. So which satellite am I talking to?
Bạn muốn biết tôi đang lấy mốc tham chiếu nào. Vậy tôi đang nói chuyện với vệ tinh nào?
That's the problem that we will really need to be able to solve. And so in class in this semester, we're going to be focusing on solving this problem, solving this problem.
Đó là bài toán mà chúng ta thực sự cần giải được. Và trong lớp học kỳ này, chúng ta sẽ tập trung giải bài toán này, giải bài toán này.
Basically, how do I combine my distances to get actually a position, and dealing with the noise.
Về cơ bản là kết hợp các khoảng cách để ra vị trí thực, và xử lý nhiễu.
And in 16B, you will talk a little bit more about the wireless communication part. So you'll talk a little bit more about the signaling to the satellites.
Còn trong 16B, các bạn sẽ học thêm về phần truyền thông không dây. Các bạn sẽ học thêm về việc truyền tín hiệu tới vệ tinh.
And I guess, actually, we will also talk about this. And implicitly, we'll talk about this problem.
Thực ra chúng ta cũng sẽ nói về điều này. Và ngầm định, chúng ta sẽ nói về bài toán này.
So of course, there's a lot of many different types of engineering that goes into this.
Tất nhiên có rất nhiều lĩnh vực kỹ thuật khác nhau liên quan đến chuyện này.
And there's a lot of physics that goes into actually making sure that you can have a satellite, and have it be in orbit, and have it maintain a constant position.
Và có rất nhiều vật lý để đảm bảo có thể có một vệ tinh, nằm trên quỹ đạo, và giữ một vị trí không đổi.
We're not really going to talk about any of that. We're going to assume that there's a bunch of satellites that are in fixed positions, and they maintain constant orbit.
Chúng ta sẽ không nói về những điều đó. Chúng ta sẽ giả sử có một loạt vệ tinh ở các vị trí cố định, và giữ quỹ đạo không đổi.
And we're going to talk a lot more about the signal processing, machine learning, and computation side of things. Are there any questions about this so far?
Chúng ta sẽ nói nhiều hơn về phần xử lý tín hiệu, machine learning và tính toán. Đến đây có câu hỏi nào không?
Okay.
Được rồi.
So today's problem is the classification problem, which is, let's say, I'm receiving a signal from a satellite. How do I figure out which satellite I'm actually talking to?
Bài toán hôm nay là bài toán phân loại, tức là, giả sử tôi đang nhận một tín hiệu từ một vệ tinh. Làm sao biết mình đang nói chuyện với vệ tinh nào?
What kind of signal do I want to be transmitting or sending? What kind of signal do I want to be receiving? What kind of signals should the satellites be transmitting?
Ta muốn truyền hay gửi loại tín hiệu nào? Ta muốn nhận loại tín hiệu nào? Các vệ tinh nên truyền loại tín hiệu nào?
These are all the kinds of questions that we want to be able to answer today.
Đó là tất cả những câu hỏi mà hôm nay ta muốn trả lời được.
And for this I'm going to take a small aside and introduce a little bit more linear algebra terminology and notations so that we can actually solve this problem going forward.
Và để làm vậy, tôi sẽ lạc đề một chút, giới thiệu thêm một ít thuật ngữ và ký hiệu đại số tuyến tính để sau này ta có thể giải bài toán này.
This is something you've already seen before. So you should remember this from module 1. But I'm going to call it a different name now. I'm going to introduce this idea of inner product.
Cái này các bạn đã gặp rồi. Các bạn nên nhớ nó từ module 1. Nhưng giờ tôi sẽ gọi nó bằng một tên khác. Tôi sẽ giới thiệu khái niệm tích vô hướng.
Okay? So let v and w be two vectors.
Được chứ? Cho v và w là hai vectơ.
And I'm going to define the inner product of v and w as vector v transpose times w.
Và tôi sẽ định nghĩa tích vô hướng của v và w là vectơ v chuyển vị nhân với w.
So let's say v is a vector that is made of the elements v1, v2, all the way up to vn.
Giả sử v là một vectơ gồm các phần tử v1, v2, cho đến vn.
w is a vector that is w1, w2, all the way up to wn, okay?
w là vectơ gồm w1, w2, cho đến wn, nhé?
So vector w is vector w. What is v transpose?
Vậy vectơ w chính là vectơ w. v chuyển vị là gì?
It's a row vector, right? These are column vectors. It's a row vector with exactly the same element.
Là một vectơ hàng, đúng không? Những vectơ này là vectơ cột. Đó là vectơ hàng với đúng các phần tử đó.
So this I can just write out as v1, v2, all the way up to vn times w1, w2, all the way up to wn.
Vậy tôi có thể viết ra là v1, v2, cho đến vn nhân với w1, w2, cho đến wn.
And now this is something we've seen before, right? This is just basically a 1-by-n matrix times and n-by-1 matrix.
Và đây là thứ chúng ta đã thấy rồi, đúng không? Về cơ bản đây là ma trận 1 nhân n nhân với ma trận n nhân 1.
We can use the exact same rules of matrix multiplication to do this multiplication out, right?
Ta có thể dùng đúng các quy tắc nhân ma trận đó để thực hiện phép nhân này, đúng không?
What is the dimension of the thing we're going to get out when we do this multiplication?
Kết quả ta nhận được khi nhân sẽ có kích thước là bao nhiêu?
STUDENT
One-by-one.
Một nhân một.
PROFESSOR
One-by-one, right? We're going to get out basically a scalar. And what is that going to be? It's going to be v1, w1 plus v2, w2 plus vn, wn.
Một nhân một, đúng rồi. Về cơ bản ta sẽ nhận được một số vô hướng. Vậy nó sẽ bằng bao nhiêu? Nó sẽ là v1 w1 cộng v2 w2 cộng vn wn.
Or I can write this using sigma notation, as I am going from 1 to n, vi wi.
Hoặc tôi có thể viết bằng ký hiệu sigma, với i chạy từ 1 đến n, vi wi.
Any questions about this definition? This is called the inner product. Sometimes people might also call it a dot product.
Có câu hỏi nào về định nghĩa này không? Cái này gọi là tích vô hướng (inner product). Đôi khi người ta cũng gọi nó là dot product.
Here, we're thinking about v and w are always real-valued vectors, so their entries are all real-valued belonging to rn, okay?
Ở đây, ta luôn xét v và w là các vectơ thực, nên các phần tử của chúng đều là số thực, thuộc R^n, nhé?
You will also see that this is very related and is essentially the same as the idea of correlation.
Các em cũng sẽ thấy nó liên quan rất chặt và về bản chất giống với khái niệm tương quan.
So if sometimes someone asks you what is the correlation between two vectors, they're also essentially asking you for the dot product. Yes, question.
Nên đôi khi nếu ai hỏi các em tương quan giữa hai vectơ là gì, thì về cơ bản họ cũng đang hỏi tích vô hướng. Vâng, em hỏi đi.
STUDENT
So if [INAUDIBLE] is there locations? For multiplication, you have x, or — PROFESSOR: Yes. Good question. This triangle bracket notation is what we call an inner product.
Vậy nếu [KHÔNG NGHE RÕ] có vị trí không? Với phép nhân, em có x, hoặc — GIẢNG VIÊN: Vâng. Câu hỏi hay. Ký hiệu ngoặc nhọn này là cái ta gọi là tích vô hướng.
This thing is exactly the notation. What is something that you can notice about this immediately? What would happen is instead of writing v comma w, I wrote w comma v?
Đây chính xác là ký hiệu đó. Các em có thể nhận ra ngay điều gì ở đây? Điều gì sẽ xảy ra nếu thay vì viết v phẩy w, tôi viết w phẩy v?
It's the same, right?
Vẫn như nhau, đúng không?
So unlike general matrix multiplication, does the order in which you multiply things for the inner product matter? No.
Vậy không như phép nhân ma trận nói chung, thứ tự nhân các thứ trong tích vô hướng có quan trọng không? Không.
This is a special case, where actually things are commutative, okay? What if you take this special inner product of z comma v?
Đây là trường hợp đặc biệt, ở đây có tính giao hoán, nhé? Nếu lấy tích vô hướng đặc biệt của z phẩy v thì sao?
What do you get out?
Ta nhận được gì?
You take the inner product of a vector with itself.
Ta lấy tích vô hướng của một vectơ với chính nó.
This is same as sigma vi squared, right? Is there something else we know how to call this? Is there another name we use for the sum of the squares of the elements?
Cái này bằng sigma vi bình phương, đúng không? Ta còn biết gọi cái này bằng tên nào khác không? Có tên nào khác ta dùng cho tổng các bình phương của các phần tử không?
The magnitude of the vector, right? This is basically the magnitude of the vector squared, also called the norm.
Độ lớn của vectơ, đúng không? Về cơ bản đây là bình phương độ lớn của vectơ, còn gọi là chuẩn.
Magnitude or norm.
Độ lớn hay chuẩn.
Okay? So let's do a very straightforward example.
Nhé? Giờ ta làm một ví dụ rất đơn giản.
Let's say v is equal to 1, 1, and w is equal to 1, 1.
Giả sử v bằng 1, 1 và w bằng 1, 1.
What is vw?
vw bằng bao nhiêu?
2, right? What if v is 1, 1 and w is equal to 1 minus 1?
2, đúng không? Nếu v là 1, 1 và w bằng 1, trừ 1 thì sao?
0. Is v equal to 0? Is w equal to 0? But can you have inner product 0?
0. v có bằng 0 không? w có bằng 0 không? Nhưng tích vô hướng có thể bằng 0 không?
Yes, right? Different from scalars. Here, what we will see, there's a terminology for this.
Có, đúng không? Khác với số vô hướng. Ở đây, ta sẽ thấy có một thuật ngữ cho trường hợp này.
When the inner product of two vectors is 0, these are vectors are called orthogonal to each other. And we will see why that is true.
Khi tích vô hướng của hai vectơ bằng 0, hai vectơ này được gọi là trực giao với nhau. Và ta sẽ thấy vì sao lại như vậy.
So let us now consider two general two-dimensional vectors.
Giờ ta xét hai vectơ hai chiều tổng quát.
Let's consider v and w. And I want to make a choice about how I'm going to represent these two-dimensional vectors.
Ta xét v và w. Và tôi muốn chọn cách biểu diễn hai vectơ hai chiều này.
I can represent a two-dimensional vector as an x-coordinate and a y-coordinate. But what's another way that I can represent a vector in two dimensions? You've seen this in module 1 on your homework.
Tôi có thể biểu diễn một vectơ hai chiều bằng tọa độ x và tọa độ y. Nhưng còn cách nào khác để biểu diễn một vectơ trong hai chiều? Các em đã thấy điều này ở module 1 trong bài tập về nhà.
Someone else. Yeah?
Bạn khác nào. Em nói đi?
STUDENT
[INAUDIBLE] PROFESSOR: I can't hear, but you're saying that you don't have to represent it in the basis of — you can use a different basis.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Tôi không nghe rõ, nhưng em đang nói là không nhất thiết biểu diễn theo cơ sở — em có thể dùng một cơ sở khác.
STUDENT
[INAUDIBLE] PROFESSOR: Yep, yep. Write it as any linear combination, right?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Đúng, đúng. Viết nó thành một tổ hợp tuyến tính bất kỳ, đúng không?
You don't have to write it as a linear combination of 1, 0 and 0, 1. We know that there's many different bases. You can represent in the different bases.
Không nhất thiết phải viết thành tổ hợp tuyến tính của 1, 0 và 0, 1. Ta biết có rất nhiều cơ sở khác nhau. Có thể biểu diễn theo các cơ sở khác nhau.
Yep, that's one other great way to represent it. What is a particular way of representing that's rotation friendly? Yeah?
Đúng, đó là một cách biểu diễn tuyệt vời khác. Có cách biểu diễn cụ thể nào thuận tiện cho phép quay không? Em nói đi?
STUDENT
Angles.
Góc.
PROFESSOR
Angles, angles. We can represent vectors using angles. This way of thinking about vectors is particularly helpful when we want to start thinking about inner products, and correlations, and so on and so forth.
Góc, góc. Ta có thể biểu diễn vectơ bằng góc. Cách nghĩ về vectơ này đặc biệt hữu ích khi ta muốn bắt đầu nghĩ về tích vô hướng, tương quan, và v.v.
So what's the way of representing a vector that's at a particular angle from the x-axis?
Vậy cách biểu diễn một vectơ tạo một góc nhất định so với trục x là gì?
This angle is theta.
Góc này là theta.
STUDENT
[INAUDIBLE] PROFESSOR: I can use polar coordinates, right? It can represent this as cosine theta, sine theta, right?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Tôi có thể dùng tọa độ cực, đúng không? Ta có thể biểu diễn nó là cosine theta, sine theta, đúng không?
If this seems unfamiliar, go remind yourself of the discussion problem on rotation matrices from module 1.
Nếu em thấy chưa quen, hãy xem lại bài thảo luận về ma trận quay trong module 1.
And what is the norm of this vector, cos theta, sine theta?
Vậy chuẩn của vectơ cos theta, sine theta là bao nhiêu?
STUDENT
1.
1.
PROFESSOR
1, right? So if I wanted to have a vector that was longer than length 1, what should I do? Scale it, right? So I can say maybe alpha times cos theta, sine theta.
1, đúng rồi. Nếu muốn có một vectơ dài hơn 1 thì ta làm gì? Nhân tỉ lệ, đúng không? Vậy ta có thể viết alpha nhân cos theta, sine theta.
So theta tells me the direction. Alpha tells me the length, right? This is a general vector in two dimensions.
Theta cho ta biết hướng. Alpha cho ta biết độ dài, đúng không? Đây là một vectơ tổng quát trong không gian hai chiều.
Let's say I can represent w the same way as beta times cosine phi, sine phi, right?
Ta cũng biểu diễn w tương tự như beta nhân cosine phi, sine phi, đúng không?
Okay, so now, what is vw, the inner product of v and w? Take a minute and calculate it.
Okay, vậy vw, tích vô hướng của v và w, là bao nhiêu? Các em dành một phút để tính nhé.
v and w are two general vectors.
v và w là hai vectơ tổng quát.
Okay, how many people have — how many people have plugged the numbers into the formula?
Okay, có bao nhiêu bạn đã — có bao nhiêu bạn đã thay số vào công thức rồi?
Yeah, okay. Let's do the plugging in together. So I have what is the first coordinate of v? Alpha cos theta, right?
Vâng, okay. Ta cùng thay số nhé. Tọa độ đầu tiên của v là gì? Alpha cos theta, đúng không?
So I basically take v1, w1 plus v2, w2.
Vậy ta lấy v1, w1 cộng v2, w2.
So I have alpha cos theta times beta cosine phi plus alpha sine theta times beta sine phi, right?
Ta có alpha cos theta nhân beta cosine phi cộng alpha sine theta nhân beta sine phi, đúng không?
So what can I pull out? Alpha beta.
Vậy ta có thể rút gì ra ngoài? Alpha beta.
And I have cosine theta cosine phi plus sine theta sine phi — trig identities.
Và còn cosine theta cosine phi cộng sine theta sine phi — đẳng thức lượng giác.
What is this equal to?
Biểu thức này bằng gì?
While you're reminding yourself, I'll do some little exercise on the side. What is the norm of v?
Trong lúc các em nhớ lại, tôi làm một bài tập nhỏ bên cạnh. Chuẩn của v là gì?
Alpha. Norm of w? Beta. Anyone's memory remembers what this is?
Alpha. Chuẩn của w? Beta. Có ai nhớ cái này bằng gì không?
STUDENT
[INAUDIBLE] PROFESSOR: Yeah. This is cosine of theta minus phi.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Đúng. Đây là cosine của theta trừ phi.
If you don't remember this, go look up your trigonometry textbook.
Nếu em không nhớ, hãy tra sách lượng giác.
Okay.
Okay.
So what is alpha? Alpha is now just the norm of v. And what is w? That's just beta cosine theta minus phi. Okay?
Vậy alpha là gì? Alpha chính là chuẩn của v. Còn w là gì? Đó chính là beta cosine theta trừ phi. Okay?
So let's say this is angle theta here and this is some angle phi. So this is v, and this is w.
Giả sử đây là góc theta và đây là một góc phi nào đó. Đây là v, và đây là w.
So how does this inner product vary as theta and phi vary? Let's say theta is fixed, right? Theta is this fixed angle.
Vậy tích vô hướng này thay đổi thế nào khi theta và phi thay đổi? Giả sử theta cố định, đúng không? Theta là góc cố định này.
And now I have this other phi that's varying, right? If you wanted to maximize the inner product, where do you want this other angle to go?
Còn phi là góc kia đang thay đổi, đúng không? Nếu muốn cực đại hóa tích vô hướng, em muốn góc kia nằm ở đâu?
Exactly on top, right? I see people making these hand gestures.
Chồng khít lên, đúng không? Tôi thấy các em làm cử chỉ tay như vậy.
Why do you want it to go exactly on top? How is this cosine going to vary?
Tại sao muốn nó chồng khít lên? Cosine này sẽ thay đổi thế nào?
What is the largest value cosine can take?
Giá trị lớn nhất của cosine là bao nhiêu?
STUDENT
1.
1.
PROFESSOR
When is it attained?
Khi nào đạt được?
STUDENT
0.
0.
PROFESSOR
0. So when theta minus phi is 0, that's when this inner product is maximized, right?
0. Vậy khi theta trừ phi bằng 0, đó là lúc tích vô hướng này đạt cực đại, đúng không?
So inner product between v and w is maximized when theta is equal to phi.
Tích vô hướng giữa v và w đạt cực đại khi theta bằng phi.
How do you make this 0? If you wanted to make the inner product between these two things 0, how would you do that regardless of the magnitude?
Làm sao để nó bằng 0? Nếu muốn tích vô hướng giữa hai vectơ này bằng 0, ta làm thế nào, bất kể độ lớn?
STUDENT
[INAUDIBLE] PROFESSOR: What does theta minus phi have to be?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Theta trừ phi phải bằng bao nhiêu?
STUDENT
[INAUDIBLE] PROFESSOR: If theta minus phi is equal to 90 degrees, cosine theta minus phi is equal to?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Nếu theta trừ phi bằng 90 độ, thì cosine theta trừ phi bằng?
STUDENT
0.
0.
PROFESSOR
0. Everyone remembers trigonometry, right?
0. Mọi người còn nhớ lượng giác chứ?
STUDENT
[INAUDIBLE] PROFESSOR: Good thing to go remind yourself of.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Nên ôn lại đấy.
Okay, if theta minus phi is 0, then v and w, their inner product is 0, and the vectors are called orthogonal.
Okay, nếu cosine theta trừ phi bằng 0, thì tích vô hướng của v và w bằng 0, và hai vectơ được gọi là trực giao.
That's where the name comes from because if the angle between the vectors is 90 degrees, if they're perpendicular or orthogonal to each other, then their inner product is 0.
Tên gọi bắt nguồn từ đó, vì nếu góc giữa hai vectơ là 90 độ, tức là chúng vuông góc hay trực giao với nhau, thì tích vô hướng của chúng bằng 0.
What about everything in between. Basically, by varying these angles, you can basically see that you can have the inner product vary, right?
Còn các trường hợp ở giữa thì sao? Về cơ bản, bằng cách thay đổi các góc này, em thấy tích vô hướng có thể thay đổi, đúng không?
So the inner product is really trying to get at — let's say you fixed the magnitude of the vector or you didn't change your lengths.
Tích vô hướng thực chất muốn nói lên — giả sử em cố định độ lớn của vectơ hoặc không đổi độ dài. hoặc không đổi độ dài.
One way, of course, to make the inner product big is to make your vectors really, really big.
Tất nhiên, một cách để làm tích vô hướng lớn là làm các vectơ thật, thật lớn.
If your norms of your vectors are really big, then your inner product's going to be really big. But the other thing that really matters is the angle between the two vectors.
Nếu chuẩn của các vectơ rất lớn, thì tích vô hướng cũng sẽ rất lớn. Nhưng điều thật sự quan trọng khác là góc giữa hai vectơ.
And no matter how big you make your vector, if the two vectors are orthogonal to each other, your inner product is always going to be 0. Everyone with me here?
Và dù em làm vectơ lớn đến đâu, nếu hai vectơ trực giao với nhau, tích vô hướng luôn bằng 0. Mọi người theo kịp chứ?
Okay.
Okay.
So this now allows us to state the Cauchy-Schwarz inequality, which basically says exactly this.
Giờ ta có thể phát biểu bất đẳng thức Cauchy-Schwarz, về cơ bản nói đúng điều này.
So here I can go one more step, and I can say this. I can always bound this, right? What is cosine bounded by? It's always smaller than 1 no matter what I do.
Ở đây ta có thể đi thêm một bước, và nói thế này. Ta luôn có thể chặn nó, đúng không? Cosine bị chặn bởi gì? Nó luôn nhỏ hơn hoặc bằng 1 dù ta làm gì.
So this is always smaller than v times w times 1.
Vậy cái này luôn nhỏ hơn v nhân w nhân 1.
I can always say that cosine of theta minus phi, no matter what they are, is always less than or equal to 1.
Ta luôn có thể nói cosine của theta trừ phi, bất kể giá trị nào, luôn nhỏ hơn hoặc bằng 1.
So I can use this to write the Cauchy-Schwarz inequality, which is that the inner product is always less than or equal to the product of the norms of the vectors.
Vậy ta dùng điều này để viết bất đẳng thức Cauchy-Schwarz, tức là tích vô hướng luôn nhỏ hơn hoặc bằng tích các chuẩn của hai vectơ.
And what you've shown here, you've just argued using this derivation that this is true for two-dimensional vectors. Turns out you can actually show that this is true for n-dimensional vectors.
Và những gì các em vừa thấy ở đây, là ta mới lập luận bằng phép suy ra này rằng điều đó đúng với vectơ hai chiều. Thực ra ta có thể chứng minh nó đúng với vectơ n chiều.
You need one small extra tool for that induction, which you will be learning about in CS70. So those of you who are in CS70 might have already seen proof of this.
Ta cần thêm một công cụ nhỏ cho phép quy nạp, mà các em sẽ học trong CS70. Những bạn đang học CS70 có thể đã thấy chứng minh này rồi.
We're not going to be asked to prove this beyond two dimensions in this class because we haven't taught you yet what induction is. But CS70 will talk about this.
Trong lớp này sẽ không yêu cầu chứng minh nó cho trường hợp trên hai chiều vì chưa dạy các em quy nạp là gì. Nhưng CS70 sẽ nói về điều này.
And you will get to see a full proof of this for any n-length vector. Any questions about this?
Và các em sẽ thấy chứng minh đầy đủ cho vectơ có độ dài n bất kỳ. Có câu hỏi nào về phần này không?
Basically what this is saying is that if I have two vectors and I'm looking at their inner product, I'm bounded basically by the product of the lengths of the two vectors.
Về cơ bản, điều này nói rằng nếu có hai vectơ và xét tích vô hướng của chúng, thì nó bị chặn bởi tích độ dài của hai vectơ.
This cosine vector that's showing up can only make my inner product smaller because it's always upper bounded by 1.
Cosin xuất hiện ở đây chỉ có thể làm tích vô hướng nhỏ đi, vì nó luôn bị chặn trên bởi 1.
And this is going to be very important for us as we go forward in our identification problem. So are there any questions about this?
Điều này sẽ rất quan trọng với chúng ta khi đi tiếp trong bài toán nhận dạng. Có câu hỏi nào về phần này không?
Okay. Okay, so now that we have some tools and machinery under our belt, let's go back to our original problem, which is that of satellite classification.
Được rồi. Giờ ta đã có một số công cụ trong tay, hãy quay lại bài toán ban đầu, là phân loại vệ tinh.
The satellites are going to be talking. They're going to be sending signals to us.
Các vệ tinh sẽ truyền tin. Chúng sẽ gửi tín hiệu cho ta.
They're going to be sending signals that are basically electromagnetic waves, very similar to the LiDAR example that was talked about last class.
Đó về cơ bản là các sóng điện từ, rất giống ví dụ LiDAR ở buổi trước. ví dụ đã được nói đến ở buổi học trước.
And what we want to do is we want to be able to interpret these signals as a signature, to be able to say — I want to be able to classify I'm looking at this signature now.
Điều ta muốn là diễn giải các tín hiệu này như một chữ ký, để có thể nói: tôi muốn phân loại chữ ký tôi đang thấy lúc này.
Which satellite is it actually coming from?
Nó thực sự đến từ vệ tinh nào?
And so we're going to now assign different signatures to the satellites that they will then transmit to us using electromagnetic waves. So let's say I have some — how do I draw a satellite?
Vậy ta sẽ gán các chữ ký khác nhau cho các vệ tinh, rồi chúng truyền cho ta bằng sóng điện từ. Giả sử ta có một... vẽ vệ tinh thế nào nhỉ?
I don't know, some satellite like this.
Thôi, một vệ tinh như thế này.
Let's say, it wants to transmit a signature to us. Let's call this satellite A. And it's going to choose to transmit its signature.
Giả sử nó muốn truyền một chữ ký cho ta. Gọi đây là vệ tinh A. Và nó sẽ chọn truyền chữ ký của nó.
We're going to represent this as a vector. So signature of satellite A is going to be a vector.
Ta biểu diễn nó bằng một vectơ. Chữ ký của vệ tinh A sẽ là một vectơ.
And let's say that it chooses 1, 1, minus 1, minus 1, 1.
Giả sử nó chọn 1, 1, -1, -1, 1.
And it's going to transmit this to us as a signal. And so for this, I want to introduce this idea of representing a vector as a signal.
Và nó sẽ truyền cái này cho ta dưới dạng tín hiệu. Để làm vậy, tôi muốn giới thiệu ý tưởng biểu diễn một vectơ thành tín hiệu.
So I'm going to draw this vector in a particular way.
Tôi sẽ vẽ vectơ này theo một cách riêng.
0, 1, 2, 3, 4. So there are five elements here. I drew five points here. The first thing is a 1.
0, 1, 2, 3, 4. Có năm phần tử ở đây. Tôi vẽ năm điểm ở đây. Phần tử đầu tiên là 1.
1, 1, minus 1, minus 1, 1.
1, 1, -1, -1, 1.
All I did was I drew a picture of this vector, right? Everyone see that? Okay.
Tôi chỉ vẽ một hình của vectơ này thôi, đúng không? Mọi người thấy chưa? Được.
And I'm drawing this picture out because it's going to represent how the satellite is actually going to send the signature to us.
Tôi vẽ hình này vì nó biểu diễn cách vệ tinh thực sự gửi chữ ký cho ta.
Basically, the satellite is going to send information to you by basically sending out a signal of plus 1's and minus 1's or 0's and 1's, depending on how you want to talk about it.
Về cơ bản, vệ tinh sẽ gửi thông tin cho các em bằng cách phát ra tín hiệu gồm các số +1 và -1, hoặc 0 và 1, tùy cách các em muốn nói.
And it's going to send a particular signal if it wants to send a 0.
Nó sẽ gửi một tín hiệu nhất định nếu muốn gửi số 0.
It's going to send a different signal if it wants to send — a particular signal it wants to send a 1, another signal if it wants to send a minus 1, right?
Nó gửi một tín hiệu khác nếu muốn gửi số 1, và tín hiệu khác nữa nếu muốn gửi số -1, đúng không?
And this is typically a voltage, for example, or an amplitude of an electromagnetic wave. But we're not going to get too much into the physics of how this is implemented.
Thường đó là một điện áp, chẳng hạn, hoặc biên độ của một sóng điện từ. Nhưng ta sẽ không đi sâu vào vật lý của cách hiện thực điều này.
For that, take 123 if you're much more interested in this. Let's say at every time step, every second, which this actually operates much more faster than something every second.
Muốn biết thêm thì học EECS 123. Giả sử mỗi bước thời gian, mỗi giây, dù thực tế nó chạy nhanh hơn nhiều so với mỗi giây.
But it sends you a 1 or a minus 1, right? And then you say, I know that the signature is of length 5. I wait for five times steps.
Nó gửi cho bạn một số 1 hoặc -1, đúng không? Rồi bạn nói: tôi biết chữ ký có độ dài 5. Tôi đợi năm bước thời gian.
And then I collect my vector. And then I see what signature this is. Okay? Does everyone understand how this signature is going to be transmitted?
Rồi tôi thu được vectơ của mình. Rồi tôi xem đây là chữ ký nào. Được chưa? Mọi người hiểu chữ ký này được truyền đi thế nào chưa?
It's going to be transmitted as the signal. And the reason I'm drawing it this way is because at the 0 time step, the first element of the vector is sent.
Nó được truyền đi dưới dạng tín hiệu. Lý do tôi vẽ theo cách này là vì ở bước thời gian 0, phần tử đầu tiên của vectơ được gửi đi.
Then at the first time step, the second element of the vector is sent, so on and so forth. Okay?
Rồi ở bước thời gian 1, phần tử thứ hai của vectơ được gửi, và cứ thế tiếp tục. Được chưa?
So now, let's say there were the second satellite, the second satellite B. And as B had some signature, let's say 1, minus 1, 1, minus 1, minus 1.
Giờ giả sử có vệ tinh thứ hai, vệ tinh B. Và B có một chữ ký nào đó, giả sử 1, -1, 1, -1, -1.
And this also you could draw.
Cái này cũng có thể vẽ ra.
And you could write this out as 1, minus 1, 1, minus 1, minus 1.
Và có thể viết ra là 1, -1, 1, -1, -1.
0, 1, 2, 3, 4, 1, 1, minus 1, minus 1, minus 1. Okay?
0, 1, 2, 3, 4, 1, 1, -1, -1, -1. Được chưa?
So these signatures, as you will see on your homework as well as in the lab in the implementation of this, are what are called Gold codes.
Những chữ ký này, như các em sẽ thấy trong bài tập về nhà cũng như trong bài thí nghiệm (lab) khi hiện thực, được gọi là mã Gold (Gold codes).
And every satellite is assigned a pattern of plus and minus 1's, which is their signature. And they basically keep transmitting this signature out.
Mỗi vệ tinh được gán một mẫu gồm các số +1 và -1, đó chính là chữ ký của nó. Và chúng cứ liên tục truyền chữ ký này đi.
That way, whenever I receive that signature, I know that I've received a signal from this particular satellite. And every satellite has a different signature.
Nhờ vậy, mỗi khi tôi nhận được chữ ký đó, tôi biết mình đã nhận tín hiệu từ đúng vệ tinh này. Và mỗi vệ tinh có một chữ ký khác nhau.
Of course, they're not these super short sequences of length 5. Gold codes are much longer.
Tất nhiên, chúng không phải là những dãy rất ngắn có độ dài 5 như thế này. Gold code dài hơn nhiều.
In the lab, you will be using Gold codes of length 1,024, 1,024.
Trong lab, các em sẽ dùng Gold code có độ dài 1,024, 1,024.
And we now want to go to understanding how we can disambiguate these two satellites from these signatures. Yes, question?
Và bây giờ ta muốn tìm hiểu làm sao phân biệt hai vệ tinh này dựa trên các chữ ký đó. Có câu hỏi không?
STUDENT
[INAUDIBLE] PROFESSOR: Great question. The question was is this similar to or analogous to Morse code. And the answer is in many ways, yes, it is very similar.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi hay. Câu hỏi là điều này có giống hay tương tự mã Morse không. Và câu trả lời là về nhiều mặt thì có, rất giống.
Morse code basically assigns for every letter for example of the English alphabet a symbol of dots and dashes, right? Here, you can think of the dots and dashes as plus and minus 1's.
Mã Morse gán cho mỗi chữ cái chẳng hạn trong bảng chữ cái tiếng Anh một ký hiệu gồm các dấu chấm và dấu gạch, đúng không? Ở đây, các em có thể xem dấu chấm và dấu gạch như cộng và trừ 1.
And every satellite is going to be assigned this kind of signature. And we want to now be able to figure out from these signatures a lot of different properties.
Và mỗi vệ tinh sẽ được gán một chữ ký như vậy. Và giờ ta muốn từ các chữ ký này suy ra được nhiều tính chất khác nhau.
So in that sense, it's very, very similar.
Nên theo nghĩa đó, nó rất giống nhau.
And if you want to understand more about how these kinds of codes are developed, a class like Information Theory, which is 229B will be super interesting to take.
Và nếu các em muốn hiểu thêm về cách những loại mã này được xây dựng, một môn như Lý thuyết thông tin, là 229B, sẽ rất thú vị để học.
It'll talk a lot more about this. There and then there.
Môn đó nói về chuyện này nhiều hơn. Em ở đó, rồi em ở kia.
STUDENT
How do you know when time 0 starts?
Làm sao biết thời điểm 0 bắt đầu khi nào?
PROFESSOR
Great question. How do you know when time 0 starts? This is exactly the problem about clock synchronization. For now, we're going to pretend that we know exactly how the times are synchronized.
Câu hỏi hay. Làm sao biết thời điểm 0 bắt đầu khi nào? Đây chính là bài toán đồng bộ đồng hồ. Tạm thời, ta giả sử là biết chính xác các thời điểm được đồng bộ ra sao.
Upper division classes, probably maybe 149 talks about this. I'm not entirely sure. But that might be a class that'll explore that a little bit more. Yes, question over here.
Các môn chuyên ngành, có thể là môn 149, có nói về chuyện này. Thầy không chắc lắm. Nhưng đó có thể là môn tìm hiểu sâu hơn một chút về vấn đề này. Có câu hỏi ở đây.
STUDENT
[INAUDIBLE] PROFESSOR: Same question, okay. Other questions, yes?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Cùng câu hỏi đó, được rồi. Còn câu hỏi nào khác không?
STUDENT
Does this [INAUDIBLE] such as the [INAUDIBLE] indicates the location of which satellite?
Cái này [KHÔNG NGHE RÕ] như [KHÔNG NGHE RÕ] cho biết vị trí của vệ tinh nào?
PROFESSOR
Does this — STUDENT: Does this signaling have anything to do with hypercubes?
Cái này — SINH VIÊN: Việc truyền tín hiệu này có liên quan gì đến siêu khối lập phương không?
PROFESSOR
Hypercubes?
Siêu khối lập phương?
STUDENT
[INAUDIBLE] PROFESSOR: So when I think about a hypercube, I think about the cube that has vertices that are at — that is of volume 1 in hyperspace.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Khi nghĩ đến siêu khối lập phương, thầy nghĩ đến khối có các đỉnh nằm ở — có thể tích bằng 1 trong không gian nhiều chiều.
But maybe you mean something different.
Nhưng có thể ý em là cái khác.
STUDENT
[INAUDIBLE] showing 0. [INAUDIBLE] showing [INAUDIBLE] PROFESSOR: Maybe let's take that outside of class because I'm not sure that it's relevant to the entire classroom.
[KHÔNG NGHE RÕ] hiển thị 0. [KHÔNG NGHE RÕ] hiển thị [KHÔNG NGHE RÕ] GIẢNG VIÊN: Hay là mình nói chuyện đó ngoài giờ học vì thầy không chắc nó liên quan đến cả lớp.
But, yeah, let's talk about that right after class. Other questions?
Nhưng ta sẽ nói về chuyện đó ngay sau giờ học nhé. Còn câu hỏi nào khác không?
Okay, great. So we have these two signatures. Now, let me think about what I received. I received this vector r.
Được rồi, tốt. Vậy ta có hai chữ ký này. Bây giờ hãy nghĩ về những gì ta nhận được. Ta nhận được vectơ r này.
My received vector r — what would I want my received vector to be? In an ideal perfect world, I would receive 1, 1, minus 1, minus 1, 1, right?
Vectơ nhận được r của ta — ta muốn vectơ nhận được là gì? Trong một thế giới lý tưởng hoàn hảo, ta sẽ nhận được 1, 1, trừ 1, trừ 1, 1, đúng không?
I received this vector. My cell phone antenna receives this vector. The satellite is transmitting this. And what would I conclude if I received this vector?
Ta nhận được vectơ này. Ăng-ten điện thoại của ta nhận vectơ này. Vệ tinh đang phát vectơ này. Và nếu nhận được vectơ này thì ta kết luận gì?
STUDENT
[INAUDIBLE] PROFESSOR: Satellite A was transmitting, right? That would be the perfect ideal world. But in reality, probably what is the received vector you would get?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Vệ tinh A đang phát, đúng không? Đó là thế giới lý tưởng hoàn hảo. Nhưng trong thực tế, vectơ nhận được có lẽ sẽ như thế nào?
It would be like 0.9, 1.1, minus 1.2, 0, 1. I received something like this. What do I receive?
Nó sẽ giống như 0.9, 1.1, trừ 1.2, 0, 1. Ta nhận được thứ gì đó như thế này. Ta nhận được gì?
I receive, in fact, s plus some noise vector. Received — this is sent. And this is noise.
Thực ra ta nhận được s cộng với một vectơ nhiễu. Đây là tín hiệu nhận được, đây là tín hiệu đã gửi. Và đây là nhiễu.
Now, when you receive this, how do you know what was actually sent?
Bây giờ, khi nhận được cái này, làm sao biết thực sự đã gửi cái gì?
Right? This is the problem that we want to now be able to solve. How do you classify in the presence of noise?
Đúng không? Đây là bài toán mà giờ ta muốn giải. Làm sao phân loại khi có nhiễu?
So does anyone have any ideas on how we might go about doing this? It's a design problem, right? We want to think of ideas. Yes?
Vậy có ai có ý tưởng nào về cách làm không? Đây là một bài toán thiết kế, đúng không? Ta muốn nghĩ ra các ý tưởng. Em nào?
STUDENT
[INAUDIBLE] PROFESSOR: Great idea, right? Take another reading, right? Take another reading and average it out. Ask the satellite to transmit again.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Ý tưởng hay, đúng không? Đo thêm một lần nữa, đúng không? Đo thêm một lần rồi lấy trung bình. Yêu cầu vệ tinh phát lại.
Excellent idea. And in two lectures, we're going to be talking about a variant of this idea soon enough. Yes, at the back.
Ý tưởng tuyệt vời. Và hai bài giảng nữa, ta sẽ nói về một biến thể của ý tưởng này. Em ở cuối lớp.
STUDENT
[INAUDIBLE] PROFESSOR: Are there filters that we could use to somehow reduce the noise? Yes, usually these signal processing systems will have filtering that will reduce the noise.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Có bộ lọc nào ta có thể dùng để giảm nhiễu không? Có, thường các hệ thống xử lý tín hiệu này có bộ lọc để giảm nhiễu.
But often, even despite that, noise will creep into your system that we still need to deal with. Great questions or great ideas, rather.
Nhưng thường thì dù vậy, nhiễu vẫn lọt vào hệ thống và ta vẫn phải xử lý. Những câu hỏi hay, à, ý tưởng hay.
I'm kind of reading it. I just spent a half hour talking about one idea. If that wasn't going to be used in the answer — yeah?
Thầy đang đọc từ ghi chú. Thầy vừa nói nửa tiếng về một ý tưởng. Nếu cái đó không được dùng trong câu trả lời — Em nào?
STUDENT
[INAUDIBLE] figure out which [INAUDIBLE]..
[KHÔNG NGHE RÕ] tìm xem [KHÔNG NGHE RÕ]..
PROFESSOR
Yep, great. The idea was figure out which vector it is closest to. And this is a very, very good idea, which I, in fact, want to build upon.
Đúng, tốt. Ý tưởng là tìm xem nó gần vectơ nào nhất. Và đây là một ý tưởng rất, rất hay, Thực ra tôi muốn phát triển tiếp ý tưởng đó.
So I have my received vector r.
Vậy tôi có vectơ nhận được r.
Find which signature r is closest to.
Tìm xem r gần với chữ ký nào nhất.
And this is getting to now a core thing that you will often have to do in any machine learning problem, which is you have some sense here.
Và đây là một việc cốt lõi mà các em sẽ thường phải làm trong bất kỳ bài toán machine learning nào, đó là các em có một cảm nhận nào đó ở đây.
You want to say that I want to figure out which satellite actually transmitted this received vector. And I want to figure out now which signal is r close to?
Các em muốn nói rằng tôi cần xác định vệ tinh nào thực sự đã phát vectơ nhận được này. Và giờ tôi muốn biết r gần với tín hiệu nào?
But this notion of close is something that I now have to define, right? I'm designing the system. I'm an engineer. So I get to decide what that metric is.
Nhưng khái niệm "gần" này là thứ tôi phải tự định nghĩa, đúng không? Tôi đang thiết kế hệ thống. Tôi là kỹ sư. Nên tôi được quyền quyết định thước đo đó.
I get to decide on an error metric. So I choose my error metric.
Tôi được chọn một thước đo sai số (error metric). Vậy tôi chọn thước đo sai số.
And I say let me define my error e to be basically my received signal minus the satellite signal.
Và tôi định nghĩa sai số e là tín hiệu nhận được trừ đi tín hiệu của vệ tinh. tín hiệu.
So I will have basically an error metric for every single satellite signal. So the error with respect to satellite A is eA.
Như vậy tôi sẽ có một thước đo sai số cho từng tín hiệu vệ tinh. Sai số đối với vệ tinh A là eA.
Error with respect to satellite B is eB, and so on, right?
Sai số đối với vệ tinh B là eB, và cứ thế, đúng không?
Question at the back?
Bạn ở phía sau, em hỏi gì?
STUDENT
[INAUDIBLE] PROFESSOR: Okay.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Được rồi.
What we want is to find that satellite such that the error is minimized.
Điều ta muốn là tìm vệ tinh sao cho sai số là nhỏ nhất.
And when we think about vectors, what is the metric that we use to figure out how big a vector is? It's the magnitude of the vector, right?
Và khi nói về vectơ, ta dùng thước đo nào để biết một vectơ lớn cỡ nào? Đó là độ lớn của vectơ, đúng không?
So we're going to look basically at the magnitude or the magnitude squared of this error vector e that we have just defined. I'm dropping the subscript error B.
Vậy ta sẽ xét độ lớn hoặc bình phương độ lớn của vectơ sai số e vừa định nghĩa. mà ta vừa định nghĩa. Tôi bỏ chỉ số dưới của sai số B.
We'll just do this regardless because it doesn't matter which one we're doing it for.
Ta cứ làm chung như vậy vì không quan trọng là ta đang làm cho vệ tinh nào.
So I want to figure out which satellite actually minimizes this error vector. The received vector is given to me. Do I have any choice over r? No, right?
Tôi muốn xác định vệ tinh nào thực sự làm cực tiểu vectơ sai số này. Vectơ nhận được đã cho sẵn. Tôi có quyền chọn r không? Không, đúng không?
This is given. It's there. I have nothing I can do about it. Now I want to figure out which s is such that this is as small as it can be.
Nó đã cho trước. Nó ở đó rồi. Tôi không thể làm gì với nó. Giờ tôi muốn tìm s nào để giá trị này nhỏ nhất có thể.
So I can write this problem as minimize — min-im — no.
Vậy tôi viết bài toán này là cực tiểu hóa — min-im — không.
M-I-Z-E — minimize the norm squared of e over — over all satellites.
M-I-Z-E — cực tiểu hóa chuẩn bình phương của e trên tất cả các vệ tinh.
So here, now you have done two things that are commonly done in developing any machine learning algorithm. First, you chose an error metric.
Như vậy các em vừa làm hai việc thường làm khi phát triển bất kỳ thuật toán machine learning nào. Thứ nhất, các em chọn một thước đo sai số.
Now what you're doing is you're writing an optimization problem over that error metric.
Giờ các em đang viết một bài toán tối ưu trên thước đo sai số đó.
You're saying, I want to somehow find that satellite that minimizes this error metric.
Các em nói rằng, tôi muốn tìm vệ tinh nào làm cực tiểu thước đo sai số này.
These are subtle things that I'm trying to spend time on to emphasize because how to make these choices is what we are hoping that you can take away from this class.
Đây là những điều tinh tế mà tôi dành thời gian nhấn mạnh vì cách đưa ra các lựa chọn này chính là điều tôi hy vọng các em mang theo từ môn học này.
Everyone with me here? Okay.
Mọi người theo kịp chứ? Được rồi.
So now let us explore this quantity.
Giờ ta hãy khảo sát đại lượng này.
Okay?
Nhé?
How can I write this? I just found out that this I can write as e inner product with e, right?
Tôi viết nó thế nào? Ta vừa thấy nó có thể viết là tích vô hướng của e với chính e, đúng không?
This is the same as e transpose times e.
Nó bằng e transpose nhân e.
But what is e? e is just r minus s transpose times r minus s.
Nhưng e là gì? e chỉ là r trừ s, transpose, nhân r trừ s.
Everyone with me so far? Okay. What is the next step? I want to take this transpose inside.
Đến đây mọi người theo kịp chứ? Được rồi. Bước tiếp theo là gì? Tôi muốn đưa phép transpose vào trong.
I can write this as r transpose minus s transpose times r minus s.
Tôi viết được là r transpose trừ s transpose, nhân r trừ s.
Further writing this as now r transpose r, just using distribution.
Khai triển tiếp, dùng tính phân phối, ta có r transpose r.
Then I have minus s transpose r and minus r transpose s, right?
Rồi trừ s transpose r và trừ r transpose s, đúng không?
Does everyone see that these are the four terms that you get out? I'll pause for a minute so people can catch up. Make sure that you've understood the manipulations that I've done so far.
Mọi người thấy đây là bốn số hạng thu được chứ? Tôi dừng một phút để mọi người theo kịp. Hãy chắc là các em hiểu các phép biến đổi tôi đã làm đến giờ.
Okay, any questions up till here? What is r transpose r? Can I write this as something that I know?
Được rồi, có câu hỏi nào đến đây không? r transpose r là gì? Tôi có thể viết nó thành thứ đã biết không?
It's the norm of r squared.
Đó là chuẩn của r bình phương.
s transpose s is the norm of s squared. And what is this?
s transpose s là chuẩn của s bình phương. Còn cái này là gì?
This we just defined today, right? We can write this in the notation we define. s transpose r is equal to r transpose s.
Ta mới định nghĩa hôm nay, đúng không? Ta có thể viết nó theo ký hiệu đã định nghĩa. s transpose r bằng r transpose s.
This is minus 2 times the inner product between r and s.
Đây là trừ 2 lần tích vô hướng của r và s.
Okay? So now, when I'm looking at minimizing my error, what am I actually looking at minimizing? I'm looking at minimizing this expression, right?
Nhé? Vậy khi cực tiểu hóa sai số, thực sự ta đang cực tiểu hóa cái gì? Ta đang cực tiểu hóa biểu thức này, đúng không?
Can I change the norm of r?
Tôi có thay đổi được chuẩn của r không?
STUDENT
No.
Không.
PROFESSOR
Nope. It is what it is, right? This is fixed. Can't change that.
Không. Nó thế nào thì là thế, đúng không? Nó cố định. Không đổi được.
Can I change the norm of s? What are the choices that I'm looking over? I have many different satellites, right?
Tôi có thay đổi được chuẩn của s không? Ta đang xét trên những lựa chọn nào? Ta có nhiều vệ tinh khác nhau, đúng không?
So potentially, hypothetically I could have different norms for the signatures of the satellites. Turns out that you can choose to design these.
Nên về lý thuyết, ta có thể có các chuẩn khác nhau cho chữ ký của các vệ tinh. Thực ra các em có thể chọn cách thiết kế chúng.
You have the control of designing these signatures. No one's giving you these signatures. The engineer gets to design these signatures.
Các em có quyền thiết kế các chữ ký này. Không ai đưa sẵn các chữ ký cho các em. Kỹ sư được quyền thiết kế các chữ ký này.
So you can pick these signatures, and that's how these Gold codes are designed to all have the same norm. They're all vectors that are a plus or a minus 1.
Vậy các em có thể chọn các chữ ký, và đó là cách các mã Gold được thiết kế để tất cả có cùng chuẩn. Chúng đều là các vectơ gồm các phần tử +1 hoặc -1.
So the norm of these vectors as we chose here are always the same. They're always just the length of the vector.
Vậy chuẩn của các vectơ mà ta chọn ở đây luôn luôn bằng nhau. Chúng luôn chỉ là độ dài của vectơ.
So here you see that norm sA is equal to norm sB.
Ở đây các em thấy norm sA bằng norm sB.
And this is fixed.
Và đại lượng này là cố định.
So then here, this is also fixed, which then says that basically the variable that you have to play with is this inner product between the received vector and all of your different satellites.
Vậy thì ở đây, đại lượng này cũng cố định, nghĩa là về cơ bản, đại lượng mà các em có thể thay đổi là tích vô hướng giữa vectơ nhận được và tất cả các vệ tinh khác nhau của các em.
So now when I write minimize, can I rewrite this optimization problem in terms of what I've seen?
Bây giờ khi viết minimize, tôi có thể viết lại bài toán tối ưu này theo những gì ta vừa thấy không?
By choosing s, by choosing the different s's, can I change this expression? Nope. Can I change this expression? Can I change this?
Bằng cách chọn s, chọn các s khác nhau, tôi có thể thay đổi biểu thức này không? Không. Tôi có thể thay đổi biểu thức này không? Còn cái này thì sao?
So can I replace this by this term minus 2 inner product of r and s?
Vậy tôi có thể thay nó bằng số hạng này trừ 2 lần tích vô hướng của r và s không?
This is the same as minimizing minus 2 inner product r, s.
Điều này giống như cực tiểu hóa trừ 2 lần tích vô hướng r, s.
Instead of minimizing a negative quantity, what's an easier way of writing this?
Thay vì cực tiểu hóa một đại lượng âm, có cách viết nào dễ hơn?
Maximizing a positive quantity. And if I maximize some number x, is it the same as maximizing 2x? Does this 2 matter? Not really.
Cực đại hóa một đại lượng dương. Và nếu tôi cực đại hóa một số x nào đó, thì có giống như cực đại hóa 2x không? Số 2 này có quan trọng không? Không hẳn.
So I can rewrite this as maximize r, s.
Vậy tôi có thể viết lại thành maximize r, s.
So I'm going to write one more thing, and then I'm going to take questions.
Tôi sẽ viết thêm một điều nữa, rồi sẽ nhận câu hỏi.
So if I wanted to now use this insight to design a classification algorithm, what am I going to do?
Nếu bây giờ tôi muốn dùng nhận xét này để thiết kế một thuật toán phân loại, tôi sẽ làm gì?
I'm going to say for all satellites, si compute inner product of r and si.
Tôi sẽ nói: với mọi vệ tinh si, tính tích vô hướng của r và si.
Return i, that index i, of satellite that maximizes this inner product.
Trả về chỉ số i của vệ tinh làm cực đại tích vô hướng này.
So what am I going to do? I have my stack of satellite signatures. Every satellite has told me in advance what their secret signature is.
Vậy tôi làm gì đây? Tôi có một chồng các chữ ký của vệ tinh. Mỗi vệ tinh đã báo trước cho tôi chữ ký bí mật của nó là gì.
I take what I received, and I take this inner product. So if I have 24 satellites, how many inner products do I compute? 24.
Tôi lấy tín hiệu nhận được và tính tích vô hướng này. Nếu có 24 vệ tinh, tôi tính bao nhiêu tích vô hướng ? 24.
I look at all of them and I say, which inner product is the maximum?
Tôi xem tất cả và hỏi, tích vô hướng nào là lớn nhất?
Whichever one is for the maximum, that is the satellite that minimizes our chosen error metric. We want to define that satellite that is closest to the vector that we received.
Tích vô hướng nào lớn nhất, đó là vệ tinh làm cực tiểu hóa độ đo sai số mà ta đã chọn. thước đo. Ta muốn xác định vệ tinh gần nhất với vectơ mà ta nhận được.
So this is a lot of stuff that just happened here, and it's subtle. So I'm going to pause for a minute.
Vừa rồi có rất nhiều điều xảy ra ở đây, và nó khá tinh tế. Nên tôi sẽ dừng một phút.
Think of a question that you have about this topic, and write it down, and then ask me questions. So just take a 30 second pause to think about what questions you have.
Hãy nghĩ ra một câu hỏi về chủ đề này, viết nó ra, rồi hỏi tôi. Các em dành 30 giây để nghĩ xem mình có câu hỏi gì.
Feel free to talk to people.
Cứ thoải mái trao đổi với nhau.
Okay, how many people are perfectly comfortable with all of this? Anyone has any questions? Yes.
Được rồi, có bao nhiêu bạn hoàn toàn hiểu hết những điều này? Có ai có câu hỏi không? Mời em.
STUDENT
[INAUDIBLE] determine how to minimize the magnitude [INAUDIBLE] PROFESSOR: Why did I start with minimizing this?
[KHÔNG NGHE RÕ] xác định cách cực tiểu hóa độ lớn [KHÔNG NGHE RÕ] GIẢNG VIÊN: Tại sao tôi bắt đầu bằng việc cực tiểu hóa cái này?
STUDENT
Yeah.
Vâng.
PROFESSOR
Great question. So this is exactly — excellent, excellent question. So what we're saying is that we want to figure out which satellite is transmitting.
Câu hỏi hay. Đây chính là — câu hỏi rất hay, rất hay. Điều ta muốn là tìm ra vệ tinh nào đang phát tín hiệu.
How do we go from there to here? This is where our modeling and our choice of error metric. This is our choice as the engineer.
Làm sao ta đi từ đó đến đây? Đây là chỗ mô hình hóa và việc ta chọn độ đo sai số. Đây là lựa chọn của ta, với tư cách kỹ sư.
So we're saying, well, we received this vector, and we have these two choices of satellites that we're transmitting. Let's look at r minus sA and r minus sB.
Ta nói rằng, ta nhận được vectơ này, và có hai vệ tinh có thể đang phát. Hãy xét r trừ sA và r trừ sB.
And they give us these two error vectors. And so let's say I had 24 satellites. I would have a list of 24 vectors.
Chúng cho ta hai vectơ sai số này. Giả sử tôi có 24 vệ tinh. Tôi sẽ có một danh sách 24 vectơ.
I want to find that satellite that is closest as a vector to my received vector.
Tôi muốn tìm vệ tinh gần nhất, xét như một vectơ, với vectơ nhận được.
So if I was to draw this picture, let's say my received vector was here.
Nếu vẽ hình, giả sử vectơ nhận được của tôi ở đây.
And let's say satellite A was here.
Giả sử vệ tinh A ở đây.
And satellite B had the signature here, right?
Và vệ tinh B có chữ ký ở đây, đúng không?
So r minus sA would basically give me this vector.
Vậy r trừ sA sẽ cho tôi vectơ này.
And I have r minus sB — oh, sorry, we've been pointing in this direction. r minus sB is that vector, right? So these are my eA and eB vectors.
Và tôi có r trừ sB — ồ, xin lỗi, ta đang vẽ theo hướng này. r trừ sB là vectơ đó, đúng không? Đây là các vectơ eA và eB của tôi.
And I want to say, let me figure out now which of sA and sB is closer by looking at the lengths of these eA and eB vectors.
Và tôi muốn xem sA và sB cái nào gần hơn bằng cách xét độ dài của các vectơ eA và eB này.
And that's why I'm looking at now minimizing this.
Đó là lý do tôi cực tiểu hóa đại lượng này.
And this is not — it's important, but your question is excellent because we are making this choice as the engineers to say this is the metric that we want to minimize.
Và điều này không — nó quan trọng, nhưng câu hỏi của em rất hay vì ta đang chọn điều này với tư cách kỹ sư để nói rằng đây là độ đo ta muốn cực tiểu hóa.
We could say let us count the number of 0.35's in the vector, or let's count the number of 1's in the vector.
Ta có thể nói hãy đếm số lần xuất hiện 0.35 trong vectơ, hoặc đếm số số 1 trong vectơ.
You can make up whatever metric you want and say, let's minimize that metric.
Các em có thể tự nghĩ ra bất kỳ độ đo nào và nói, hãy cực tiểu hóa độ đo đó.
And that may or may not be a good metric. We are choosing this metric because we believe it's a good metric, and it turns out, it also works.
Và nó có thể tốt hoặc không tốt. Ta chọn độ đo này vì ta tin nó là độ đo tốt, và hóa ra nó cũng hiệu quả.
So it is a non-obvious step. Yes, question.
Vậy đây là một bước không hiển nhiên. Mời em, câu hỏi.
STUDENT
[INAUDIBLE] PROFESSOR: How do we know that the answer to this optimization is unique when we do this? How do we know that there's only one maximum?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Làm sao biết đáp án của bài toán tối ưu này là duy nhất khi ta làm vậy? Làm sao biết chỉ có một cực đại?
STUDENT
[INAUDIBLE] PROFESSOR: Another excellent question. What if you have a pretty similar measure for two satellites? How do you know that there's only one maximum? Excellent question.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Lại một câu hỏi rất hay. Nếu có độ đo khá giống nhau cho hai vệ tinh thì sao? Làm sao biết chỉ có một cực đại? Câu hỏi hay.
This, again, is in the design of the Gold code. And the way you design your Gold codes is so that each Gold code is basically orthogonal to all other gold codes.
Điều này, một lần nữa, nằm ở cách thiết kế mã Gold. Cách thiết kế các mã Gold là để mỗi mã Gold về cơ bản trực giao với tất cả các mã Gold khác.
So each signature has a very small inner product with every other signature. And this is exactly what you're going to explore more in the homework, as well as in the lab.
Nên mỗi chữ ký có tích vô hướng rất nhỏ với mọi chữ ký khác. Và đây chính xác là điều các em sẽ khám phá thêm trong bài tập về nhà, cũng như trong bài thí nghiệm (lab).
So you will see that by carefully choosing this, you can make sure that you will not have two maximums. And you rely on your power as an engineer to design in doing that.
Các em sẽ thấy rằng nhờ chọn cẩn thận, ta có thể đảm bảo không có hai cực đại. Và các em dựa vào khả năng của một kỹ sư để thiết kế điều đó.
Yes?
Em nào hỏi?
STUDENT
Is the quantity a negative [INAUDIBLE] the inner product [INAUDIBLE] by something?
Đại lượng âm [KHÔNG NGHE RÕ] tích vô hướng [KHÔNG NGHE RÕ] bởi một đại lượng nào đó phải không ạ?
Because [INAUDIBLE] PROFESSOR: So here — this, right?
Vì [KHÔNG NGHE RÕ] GIẢNG VIÊN: Ở đây, đúng không, cái này?
So you're saying that, yes, this is going to be — this is going to be upper bounded by the product of the magnitudes by the Cauchy-Schwarz inequality that we just talked about.
Ý em là, đúng, cái này sẽ bị chặn trên bởi tích độ lớn theo bất đẳng thức Cauchy-Schwarz mà ta vừa nói.
Yes. The question was is this quantity fundamentally bounded? Other questions? Yes?
Đúng vậy. Câu hỏi là đại lượng này về bản chất có bị chặn không. Còn câu hỏi nào khác không? Em nào?
STUDENT
Why do we say that s is fixed? And then what are [INAUDIBLE]?
Tại sao ta nói s là cố định ạ? Và khi đó [KHÔNG NGHE RÕ] là gì ạ?
PROFESSOR
Great question. The question was why do we say that the norm of s is fixed?
Câu hỏi hay. Câu hỏi là tại sao ta nói chuẩn của s là cố định?
And we say that the norm of s is fixed because, again, we're making that as a design choice.
Ta nói vậy vì, một lần nữa, ta chọn như thế là một lựa chọn thiết kế.
We're saying that we are going to be transmitting Gold codes, which are basically plus and minus 1's or 0's and 1's, and as a result, we can choose to make these fixed.
Ta nói rằng ta sẽ truyền các mã Gold, về cơ bản là các số +1 và -1 hoặc 0 và 1, nên ta có thể chọn để chúng cố định.
We're doing this so that we can, again, use this inner product as our proxy for figuring out what is the best transmission.
Ta làm vậy để, một lần nữa, dùng tích vô hướng này làm đại diện để tìm ra đường truyền tốt nhất.
So just to summarize what we talked about here, we went basically from this idea of a classic [INAUDIBLE] problem to defining a model and an error metric, and finally coming up with an algorithm.
Tóm tắt lại những gì ta đã nói ở đây, ta đi từ ý tưởng của một bài toán [KHÔNG NGHE RÕ] cổ điển đến việc xác định một mô hình và một thước đo sai số, và cuối cùng đưa ra một thuật toán.
You've solved design problem one of module 3. Design problem two will come next lecture.
Các em đã giải xong bài thiết kế một của module 3. Bài thiết kế hai sẽ đến vào bài giảng sau.
Đăng nhập để đánh giá học liệu này.
Đăng nhập để bình luận — chưa ai bình luận về học liệu này.
Không có khóa học liên quan.