RNN là gì?
RNN là mạng nơ-ron có trạng thái ẩn, đọc dữ liệu từng bước và nhớ phần đã đọc. Bài giải thích cơ chế, giới hạn, LSTM, GRU và so sánh với Transformer.
RNN là mạng nơ-ron có trạng thái ẩn, đọc dữ liệu từng bước và nhớ phần đã đọc. Bài giải thích cơ chế, giới hạn, LSTM, GRU và so sánh với Transformer.
PCA gom nhiều biến tương quan thành vài thành phần chính giữ phần lớn phương sai. Bài giải thích cơ chế, cách chọn số thành phần, lỗi thường gặp và giới hạn.
Backpropagation (lan truyền ngược) tính gradient của hàm mất mát theo từng trọng số bằng quy tắc chuỗi. Bài có ví dụ số, lịch sử, so sánh với gradient descent và lỗi thường gặp.
Gradient descent là thuật toán dịch chuyển tham số theo hướng ngược gradient để giảm sai số. Bài có công thức, ví dụ tính tay, so sánh SGD, mini-batch, Adam và lỗi thường gặp.
Feature engineering là bước biến dữ liệu thô thành đặc trưng để mô hình học máy dùng được: gồm kỹ thuật chính, ví dụ cho doanh nghiệp Việt, lỗi rò rỉ dữ liệu và khi nào cần.
Hyperparameter (siêu tham số) là cài đặt bạn chọn trước khi huấn luyện mô hình AI. Bài giải thích khác parameter ở đâu, các loại, cách tinh chỉnh và lỗi thường gặp.
Underfitting (thiếu khớp) là khi mô hình chưa học được quy luật trong dữ liệu nên sai cả trên tập huấn luyện. Bài này giải thích dấu hiệu, nguyên nhân và cách xử lý.
AI bias là hiện tượng mô hình cho kết quả lệch có hệ thống, bất lợi cho một nhóm người. Bài giải thích nguyên nhân, các loại, ví dụ thực tế và cách đo, kiểm tra.
Explainable AI (XAI) giúp con người hiểu vì sao mô hình AI đưa ra một kết quả. Bài này nêu cơ chế, các kỹ thuật SHAP, LIME, nguyên tắc NIST, giới hạn và cách áp dụng.
Logic mờ cho phép máy dùng mức độ đúng từ 0 đến 1 thay vì chỉ đúng hoặc sai. Bài giải thích cơ chế, ví dụ tính tay, ứng dụng và giới hạn.