Trải nghiệm khi dùng ML for Beginners
Bạn mở repo và thấy giáo trình chia theo tuần, mỗi bài gồm quiz trước bài, phần hướng dẫn bằng chữ, bài tập, lời giải và quiz sau bài. Chủ đề trải dài từ hồi quy, phân loại, gom nhóm, xử lý ngôn ngữ cơ bản đến chuỗi thời gian và học tăng cường. Cách dẫn dắt khá gần gũi: dùng dữ liệu về ẩm thực, nấm, giá bí ngô hay du lịch các nước để minh hoạ thay vì công thức khô khan.
Cách học là học bằng làm: mỗi bài bạn mở notebook, chạy thử, chỉnh tham số và xem kết quả thay đổi. README gợi ý fork repo về tài khoản GitHub của mình rồi làm bài tập, có thể làm một mình hoặc theo nhóm. Nếu chưa muốn cài Python, bạn có thể thử mở môi trường GitHub Codespaces trên trình duyệt như README đề xuất.
Khác với các khoá về ChatGPT, giáo trình này tập trung vào học máy cổ điển, tránh học sâu. Đây là nền tảng tốt để hiểu cách dữ liệu được chia, huấn luyện, đánh giá, nhưng bạn sẽ không xây chatbot ở đây. Học sâu nằm ở giáo trình AI for Beginners cùng loạt của Microsoft.
Tính năng nổi bật
26 bài trong 12 tuần
Lộ trình chia sẵn theo tuần giúp bạn có nhịp học rõ ràng thay vì tự mò.
52 quiz trước và sau bài
Quiz trước bài khơi gợi chủ đề, quiz sau bài giúp bạn kiểm tra đã hiểu chưa.
Bài tập kèm lời giải
Mỗi bài có bài tập và lời giải để bạn tự làm trước rồi đối chiếu.
Dùng Scikit-learn quen thuộc
Công cụ phổ biến nhất của học máy cổ điển, kỹ năng học được dùng ngay ngoài đời.
Có cả phiên bản dùng R
README ghi có bài dùng ngôn ngữ R cho ai quen với thống kê.
Nhiều bản dịch, kể cả tiếng Việt
Danh sách ngôn ngữ trong README có tiếng Việt, dịch bằng công cụ tự động nên hãy đối chiếu bản gốc khi gặp chỗ khó hiểu.
Tận dụng ML for Beginners vào việc gì?
Sinh viên, người chuyển sang phân tích dữ liệu
Học nền tảng học máy từ đầu
Đi hết 12 tuần để hiểu các thuật toán cơ bản trước khi học sâu.
Giảng viên, người hướng dẫn câu lạc bộ
Dạy môn nhập môn học máy
Dùng bộ bài, quiz và bài tập có sẵn làm giáo án cho cả lớp.
Chủ shop, người làm kinh doanh biết Excel
Phân tích dữ liệu bán hàng đơn giản
Học cách dự đoán và phân nhóm để áp dụng sang dữ liệu doanh số của mình sau khi nắm nguyên lý.
Lập trình viên
Ôn lại kiến thức trước phỏng vấn
Tra nhanh các bài hồi quy, phân loại, gom nhóm khi cần ôn.
Cần chuẩn bị gì?
- Trình duyệt web để đọc bài, quiz và xem repo.
- Biết cơ bản Python hoặc R; phần nhập môn lập trình nên học trước nếu chưa quen.
- Tài khoản GitHub để fork repo; có thể dùng GitHub Codespaces để chạy trên trình duyệt.
- Python cùng các thư viện của từng bài (mỗi bài ghi rõ gói cần cài).
Hướng dẫn cài đặt chi tiết
Cài trên Tải về máy
Cài Git rồi mở Terminal hoặc PowerShell và tải repo bằng lệnh dưới. Nên fork repo về tài khoản GitHub của bạn trước để lưu bài làm, sau đó clone bản fork.
git clone https://github.com/microsoft/ML-For-Beginners.gitRepo có nhiều bản dịch nên nặng. README hướng dẫn clone kiểu sparse để bỏ thư mục dịch, bạn dùng các lệnh dưới (cách này dành cho Git Bash, macOS và Linux).
git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git cd ML-For-Beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'Mỗi bài nêu riêng các thư viện cần cài. Hãy mở file README của bài rồi làm theo, tốt nhất trong một môi trường ảo Python riêng.
Cài trên GitHub Codespaces
README gợi ý bạn có thể chạy ngay trên trình duyệt mà không cài Python: fork repo, bấm nút Code màu xanh, chọn Codespaces rồi tạo một codespace mới.
Trong codespace, cài các thư viện mà từng bài yêu cầu rồi mở notebook để chạy. Codespaces có hạn mức miễn phí giới hạn, hãy kiểm tra gói của tài khoản GitHub.
Cài trên Đọc trên web
Chỉ muốn đọc? Mở trang repo, vào thư mục bài học và đọc README từng bài ngay trên GitHub. Kèm theo là bộ sưu tập trên Microsoft Learn mà README liên kết đến.
Dùng thử lần đầu
Bắt đầu với bài đầu tiên giới thiệu học máy để nắm các khái niệm cơ bản như dữ liệu, mô hình, dự đoán.
Làm quiz trước bài, đọc nội dung, rồi làm quiz sau bài để kiểm tra.
Mở notebook của bài ở phần hồi quy, chạy từng ô và thử đổi tham số để xem đường dự đoán thay đổi.
Làm bài tập (assignment) cuối bài rồi xem lời giải của repo để so sánh cách làm.
Lặp lại nhịp này mỗi tuần; khi hết giáo trình, chuyển sang AI for Beginners nếu muốn học sâu.
Mẹo dùng hay
- Fork repo trước khi làm để bài làm của bạn không bị lẫn với bản gốc.
- Gặp lỗi cài đặt thì xem file Troubleshooting của repo trước khi tìm kiếm trên mạng.
- Nên dùng môi trường ảo cho mỗi bài vì các thư viện có thể xung đột phiên bản.
- Đọc song song bản tiếng Anh và bản tiếng Việt để học luôn thuật ngữ chuyên ngành.
Lưu ý và hạn chế
- Giáo trình thiên về học máy cổ điển, không dạy học sâu hay xây chatbot AI hiện đại.
- Bản dịch tiếng Việt do công cụ dịch tự động nên có thể có chỗ diễn đạt chưa tự nhiên.
- Một số thư viện trong bài có thể đã lên phiên bản mới, đôi khi cần chỉnh lại đôi chút so với notebook.
Câu hỏi thường gặp
Giáo trình này có miễn phí không?
Có, repo dùng giấy phép MIT và đọc hoàn toàn miễn phí. Codespaces có hạn mức miễn phí riêng của GitHub.
Tôi chưa biết gì về lập trình thì học được không?
Nên học qua nhập môn Python trước. Giáo trình giả định bạn đã quen đọc code đơn giản, nhưng cách giải thích rất gần gũi.
Học xong có làm được ChatGPT không?
Không. Đây là học máy cổ điển. Để học sâu và xử lý ngôn ngữ hiện đại, hãy tiếp tục với AI for Beginners hoặc các khoá về LLM.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/microsoft/ML-For-Beginners.gitRepo tương tự nên xem
AI for Beginners
microsoft / AI-For-Beginners
Giáo trình 12 tuần, 24 bài của Microsoft về trí tuệ nhân tạo, từ AI cổ điển đến mạng nơ-ron
scikit-learn
scikit-learn / scikit-learn
Thư viện học máy cổ điển bằng Python: phân loại, dự đoán, gom nhóm dữ liệu bảng rất dễ dùng
Generative AI for Beginners
microsoft / generative-ai-for-beginners
Khoá học 21 bài của Microsoft dạy xây ứng dụng AI tạo sinh từ con số 0, có code Python và TypeScript