Machine Learning là nền tảng của phần lớn hệ thống AI hiện đại. Đồ thị này tổ chức tri thức từ dữ liệu, đặc trưng, thuật toán đến triển khai và vận hành mô hình.
Dữ liệu và đặc trưng
Chất lượng dữ liệu quyết định chất lượng mô hình. Các bước làm sạch, chuẩn hóa và xây dựng đặc trưng giúp tăng khả năng học của thuật toán.
Thuật toán học máy
Học có giám sát giải quyết bài toán dự đoán, học không giám sát khám phá cấu trúc dữ liệu, còn học tăng cường tối ưu hành vi thông qua phần thưởng.
Đánh giá và tối ưu
Các chỉ số như Accuracy, Precision, Recall, F1 và ROC-AUC được dùng để đánh giá. Overfitting được kiểm soát bằng regularization, cross validation và tối ưu siêu tham số.
Triển khai thực tế
MLOps giúp tự động hóa toàn bộ vòng đời mô hình từ huấn luyện, triển khai đến giám sát và tái huấn luyện khi dữ liệu thay đổi.