Kỹ sư ML · Bước 2/8 · 8 phút
Python và các thư viện cốt lõi
Bạn tự mở được một notebook miễn phí, đọc dữ liệu bằng pandas và huấn luyện model đầu tiên bằng scikit-learn.
Vì sao là Python
Gần như toàn bộ công việc machine learning diễn ra trên Python. Ngôn ngữ này không nhanh nhất, nhưng các thư viện bên dưới được viết bằng C, C++ và CUDA rất nhanh. Python là tay cầm dễ dùng đặt lên trên chúng.
Bạn cần ít Python hơn bạn nghĩ: biến, list và dictionary, vòng lặp, hàm, cách cài và import thư viện. Class và type hint để sau, khi bạn viết code cho người khác dùng.
Bốn thư viện bạn dùng hằng ngày
NumPy chứa số trong mảng và tính toán trên chúng rất nhanh. pandas chứa bảng dữ liệu, giống một bảng tính bạn điều khiển bằng code: đọc file CSV, lọc dòng, nhóm và tổng hợp. Matplotlib (hoặc seaborn, dễ dùng hơn) vẽ biểu đồ để bạn nhìn dữ liệu trước khi tin nó.
scikit-learn là hộp đồ nghề của machine learning cổ điển. Mọi model trong đó đều dùng chung một cách: tạo model, gọi fit trên dữ liệu huấn luyện, gọi predict trên dữ liệu mới. Học cách này một lần là bạn thử được hàng chục model.
Chạy code ở đâu
Bạn không cần máy mạnh. Google Colab và Kaggle Notebooks cho bạn notebook miễn phí ngay trên trình duyệt, cài sẵn các thư viện này. Về sau bạn nên có môi trường trên máy riêng với virtual environment (môi trường ảo), để mỗi dự án giữ phiên bản thư viện riêng.
Hãy tập viết code theo từng ô nhỏ, chạy từng ô và xem kết quả. In vài dòng đầu của bảng. Kiểm tra kích thước của nó. Phần lớn lỗi trong ML là lỗi dữ liệu, và bạn chỉ bắt được chúng bằng cách nhìn.
Nhờ chatbot, nhưng cẩn thận
Chatbot giỏi giải thích thông báo lỗi và viết bản nháp code pandas. Cứ dùng. Nhưng hãy chạy code, đọc từng dòng, và chắc chắn bạn giải thích lại được cho người khác. Nếu chưa được, hãy bảo chatbot giải thích đơn giản hơn cho đến khi bạn hiểu.
Thử ngay
Model đầu tiên trong mười dòng code
- 1.Mở colab.research.google.com và tạo notebook mới. Đăng nhập bằng tài khoản Google; hoàn toàn miễn phí.
- 2.Nhờ chatbot viết code theo prompt bên dưới và dán vào một ô.
- 3.Chạy thử, rồi đổi model sang DecisionTreeClassifier và chạy lại. So sánh hai điểm số.
Viết đoạn code Python ngắn cho Google Colab: nạp bộ dữ liệu iris từ scikit-learn vào một pandas DataFrame, hiển thị năm dòng đầu, chia thành tập huấn luyện và tập kiểm tra, huấn luyện model LogisticRegression và in độ chính xác trên tập kiểm tra. Thêm một dòng chú thích tiếng Việt trước mỗi bước.