Lấy mẫu dữ liệu là một kỹ thuật rất quang trọng trong thống kê, là yếu tố quan trọng góp phần xác định độ chính xác của research/ survey. Nếu có bất kỳ sai sót gì trong quá trình lấy mẫu, nó sẽ ảnh hưởng trực tiếp đến kết quả cuối cùng. Có rất nhiều kỹ thuật giúp chúng ta thu thập mẫu dựa trên nhu cầu và tình huống chúng ta cần. Bài viết này sẽ giải thích một số kỹ thuật phổ biến nhất.
Bài này nằm trong loạt serie nghiên cứu và sử dụng công cụ PredictionIO. Đây là bài mở đầu, hướng dẫn cách cài đặt PredictionIO trên ubuntu.
Bài này nằm trong loạt serie nghiên cứu và sử dụng công cụ PredictionIO. Đây là bài thứ hai sau bài mở đầu, ở bài này, chúng ta sẽ test thử một chương trình đơn giản để làm quen với cách sử dụng PredictionIO.
Machine Learning đã và đang được quan tâm, nghiên cứu sâu rộng, có rất nhiều các thuật toán được cho ra đời. Như vậy liệu các thuật toán ấy có đặc điểm hay chức năng tương đồng và có cách nào để dễ nhớ hay không. Trong bài viết này mình sẽ chia sẻ với các bạn các cách để phân nhóm các thuật toán ML.
Ở bài viết này, chúng ta sẽ sử dụng pretrain model của kares để phân loại hoa hồng (rose), hoa mặt trời (sunflower), hoa bồ công anh (dandelion), hoa cúc (daisy) và hoa tulip.
Dữ liệu bạn có là lịch sử bán hàng của 45 cửa hàng Walmart nằm ở các vị trí các nhau. Nhiệm vụ của chúng ta là sẽ dự đoán số bán của mỗi sản phẩm trong 45 cửa hàng trên.
Tại sự kiện I/O đang diễn ra tại Mountain View, California (Mỹ), Google đã công bố nhiều thay đổi quan trọng cho Google Photos. Một trong những tính năng gây ấn tượng tại sự kiện là biến ảnh đen trắng (như các tấm hình cũ, đã chụp từ lâu) thành ảnh màu. Chúng ta cùng implement lại tính năng này sử dụng keras và tensorflow nhé
Hàng thập kỷ qua, rất nhiều người trên thế giới đã và đang cố gắng dự đoán quy luật của thị trường chứng khoán và hầu hết đều thất bại. Liệu rằng mô hình deep learning với mạng neural network có thể giải được bài toán này? Trong bài viết này, mình sẽ thử nghiệm mô hình với tập dữ liệu chứng khoán của amazone và của thế giới di động
Bạn huấn luyện một hình mất hơn 12 tiếng đồng hồ. Mọi thứ khá ổn, loss function giảm. Nhưng khi bạn mang mô hình ra predict thì điều tồi tệ nhất xảy ra, tất cả trả về đều là 0, không có cái nào nhận dạng chính xác cả. *Điều gì đã xảy ra, bạn đã làm gì sai?*.
Trong vài năm trở lại đây (khoảng từ 2013) chúng ta có thể thấy rằng báo chí trong và ngoài nước có khá nhiều bài viết giật tít về “Cách mạng công nghiệp lần thứ tư” hay “Công nghiệp 4.0”. Cùng với sự xuất hiện với các cụm từ này thì các thuật ngữ như Trí tuệ nhân tạo, Máy học, Dữ liệu lớn còn xuất hiện với tần suất cao hơn rất nhiều. Vậy thì những thuật ngữ này có ý nghĩa gì và giữa chúng có mối liên hệ nào với nhau hay không? Trong bài viết này, chúng ta sẽ cùng tìm hiểu.
