[MLE - 01] Machine Learning Experiment, why ?

1. Một dự án Machine Learning được thực hiện như thế nào ?

Các bạn có thể nghe nói rất nhiều về Machine Learning và ứng dụng của nó, nhưng ít ai biết rằng quá trình phát triển nó lại là một công việc gần giống với các nhà nghiên cứu (Trừ phi vấn đề bạn gặp phải đã được giải quyết, và bạn có thể lấy kết quả nghiên cứu từ một tổ chức đã giải quyết vấn đề đó). Việc phát triển một dự án Machine Learning bao gồm 3 phần chính, và được thực hiện liên tục tạo thành một vòng đời khép kín, cho đến khi bạn đạt được kết quả mong muốn. Idea: Đây là nơi ta quyết định sẽ làm gì với dự án của mình, lựa chọn giải thuật nào, có nên thu thập thêm dữ liệu hay không, có nên kiểm tra lại dữ liệu hiện tại xem có vấn đề gì không, có nên thay đổi các tham số của mô hình hay không,.. Implement: Đây là nơi ta triển khai những gì ta lựa chọn ở trên, thu thập thêm dữ liệu, thay đổi giải thuật, thay đổi cấu trúc model (Deep Learning), thử training lại mô hình với tham số mới.. Experiment: Đây là nơi mà series này đang nói đến, ta sẽ đo đạc, kiểm tra xem mô hình có vấn đề gì không, hiệu quả đến mức nào... Khi bắt đầu dự án, bạn lựa chọn một giải thuật đơn giản -> Implement chúng -> Kiểm tra xem hiệu quả của chúng tới đâu -> Hiệu quả chưa tốt -> Thử với giải thuật mới, tham số mới, thêm dữ liệu mới -> Implement chúng -> Kiểm tra xem hiệu quả của hệ thống hiện tại ra sao -> ... Công việc trên tạo nên vòng đời khép kín cho quá trình phát triển dự án ML, bên cạnh việc hiểu các giải thuật, các tham số, ý nghĩa của dữ liệu.. và triển khai chúng qua việc lập trình, xây dựng hệ thống, xây dựng hệ thống phần cứng phù hợp... thì việc phát hiện vấn đề, đo đạc hiệu năng của hệ thống là vô cùng quan trọng. Hãy lấy một ví dụ để mọi việc được sáng tỏ hơn