XAI - Phần 1: Lime và Anchor
Tóm tắt nội dung về giải thuật Lime và Anchor trong xAI mục đích giải thích nguyên lý hoạt động của các giải thuật...
Feature Store trong MLOps – Hiện Thực Hóa Với Feast
Trong hệ thống MLOps, việc duy trì tính nhất quán giữa môi trường huấn luyện và phục vụ là thách thức lớn, dễ gây ra...
Giải Thích Mô Hình Với LIME & ANCHOR – Ứng Dụng Trong XAI
LIME và ANCHOR là hai phương pháp XAI giúp hiểu cách mô hình AI đưa ra dự đoán. LIME xấp xỉ mô hình phức tạp bằng mô...
![[CONQ020] MLOps 101: Sức Mạnh Của Việc Quản Lý Phiên Bản Dữ Liệu](/static/uploads/20251019_215719_63770ea9.jpg)
[CONQ020] MLOps 101: Sức Mạnh Của Việc Quản Lý Phiên Bản Dữ Liệu
Trong phát triển phần mềm, Git là công cụ không thể thiếu để quản lý mã nguồn. Tuy nhiên, với Machine Learning (ML),...
Đằng Sau Một Đường Thẳng Là Cả Một Thuật Toán: Hành Trình Của Linear Regression
Các chủ đề về bài học Linear Regression trong week 1 và week 2. Và có mở rộng so sánh giữa Linear Regression và...
M5-W1-DataVersion Control
Bài viết mô tả về data version control
Loss Functions và Regularization trong Linear Regression: Những Điều Cơ Bản Cần Biết
Bài viết mô tả hàm MAE và MSE và Hubber Loss cho bài toán Linear Regression
Linear Regression Exercise & Data Normalization
Bài học giới thiệu Linear Regression – mô hình dự đoán giá trị liên tục trong Machine Learning. Sử dụng công thức...
Introduction to Linear Regression and optimization based on Gradient descent
An introduction to Linear Regression: Linear Regression là gì, làm sao để tính toán và cách để tìm đường thẳng tối ưu...
Linear Regression và Hành Trình Tối Ưu Hóa Loss Function
Bài viết giới thiệu về Loss Function trong Linear Regression – yếu tố quyết định mô hình học “tốt” hay “tệ”. Nội dung...
Linear Regression: Lecture Notes
Linear Regression is a supervised learning algorithm used to model the relationship between a dependent variable...
Loss Function: Trái Tim Của Supervised Learning
Tổng quan về Loss Function Loss function hay còn gọi là hàm mất mát, thể hiện một mối quan hệ giữa $\hat{y}$ là kết quả...