Mục tiêu học tập chi tiết | MinAI Learning

Tổng quan

2/15•20 phút

Đang tải...

Mục tiêu học tập chi tiết

Chi tiết kiến thức, kỹ năng và tư duy cần đạt được sau khóa học

🎯 Mục tiêu bài học

TB5 min

Sau bài này, bạn sẽ:

✅ Nắm rõ kiến thức và kỹ năng cần đạt sau mỗi tuần

✅ Hiểu chuẩn đầu ra của khóa học: tự xây dựng end-to-end ML Pipeline

✅ Biết cách đánh giá tiến độ học tập của bản thân

Bài này giúp bạn có cái nhìn toàn cảnh về những gì sẽ học được sau 10 tuần. Đây là "bản đồ" giúp bạn đi đúng hướng!

Task 0

📖 Bảng Thuật Ngữ Quan Trọng

TB5 min

Thuật ngữ	Tiếng Việt	Giải thích đơn giản
ML Pipeline	Quy trình ML	Chuỗi các bước từ thu thập dữ liệu đến triển khai mô hình

Task 1

Tiếp: Tuần 1: Giới thiệu Machine Learning

🧠 Mục tiêu theo từng giai đoạn

TB5 min

Tuần 1: Nền tảng Machine Learning

Loại	Chi tiết
Kiến thức	Phân biệt Supervised vs Unsupervised Learning, hiểu ML workflow
Kỹ năng	Thiết lập môi trường Python, sử dụng NumPy, Feature Scaling
Tư duy	Nhận diện bài toán ML trong thực tế

Tuần 2-3: Data Processing và EDA

Loại	Chi tiết
Kiến thức	Các loại dữ liệu, Missing values, Outliers, Encoding
Kỹ năng	Thành thạo Pandas, trực quan hóa với Matplotlib/Seaborn
Tư duy	Đặt câu hỏi đúng khi khám phá dữ liệu

Tuần 4-6: Supervised Learning — Regression

Loại	Chi tiết
Kiến thức	Linear/Polynomial Regression, Regularization (L1, L2)
Kỹ năng	Implement và đánh giá với MSE, RMSE, MAE, R²
Tư duy	Chọn mô hình phù hợp dựa trên đặc điểm dữ liệu

Checkpoint

Bạn có thấy Regression liên quan đến công việc hoặc lĩnh vực của mình không?

Task 2

📊 Mục tiêu Classification & Evaluation

TB5 min

Tuần 7-8: Classification

Loại	Chi tiết
Kiến thức	Logistic Regression, Decision Trees, Random Forest, SVM, Gini Impurity
Kỹ năng	Confusion Matrix, ROC-AUC, Threshold Analysis
Tư duy	Chọn metrics phù hợp với bài toán business

Tuần 9: Unsupervised Learning

Loại	Chi tiết
Kiến thức	K-Means Clustering, PCA, Anomaly Detection
Kỹ năng	Chọn số clusters (Elbow, Silhouette), giảm chiều với PCA
Tư duy	Khi nào nên dùng Unsupervised vs Supervised

Tuần 10: Ensemble & Tổng kết

Loại	Chi tiết
Kiến thức	Bagging vs Boosting, XGBoost, Gradient Boosting
Kỹ năng	Hyperparameter Tuning với GridSearchCV, complete ML Pipeline
Tư duy	Tổng hợp kiến thức, đưa ra quyết định trong thực tế

Checkpoint

Bạn đã lên kế hoạch học tập cho từng giai đoạn chưa?

Task 3

🏗️ Chuẩn đầu ra — ML Pipeline hoàn chỉnh

TB5 min

Mục tiêu cuối cùng: Sau khóa học, bạn có khả năng tự xây dựng end-to-end ML pipeline cho các bài toán thực tế.

Bước	Hoạt động	Output
1. Thu thập dữ liệu	Thu thập dữ liệu thô	Tập dữ liệu thô
2. Làm sạch dữ liệu	Xử lý missing, outliers	Tập dữ liệu sạch
3. Feature Engineering	Tạo features mới, encoding	Ma trận đặc trưng
4. Huấn luyện mô hình	Chọn thuật toán, huấn luyện	Mô hình đã huấn luyện
5. Đánh giá	Đánh giá metrics	Báo cáo hiệu suất
6. Tinh chỉnh	Tối ưu hyperparameters	Mô hình tối ưu
7. Triển khai	Triển khai production	API/Service

Checkpoint

Bạn đã hiểu tổng quan quy trình ML Pipeline chưa?

Task 4

📊 Bảng tổng hợp kỹ năng

TB5 min

Kỹ năng đạt được sau khóa học

Kỹ năng	Mức độ	Ghi chú
Python/NumPy/Pandas	Thành thạo	Xử lý dữ liệu, tính toán
Scikit-learn	Thành thạo	Implement tất cả thuật toán ML
Data Preprocessing	Thành thạo	Cleaning, Encoding, Scaling
Model Evaluation	Thành thạo	Confusion Matrix, ROC-AUC, F1
Visualization	Khá	Matplotlib, Seaborn
Feature Engineering	Khá	Tạo và chọn lọc features
Hyperparameter Tuning	Khá	GridSearchCV, RandomSearchCV

Gợi ý: Đánh dấu bảng này và quay lại sau mỗi tuần để tự đánh giá tiến độ của mình!

Checkpoint

Bạn đã xem qua bảng kỹ năng? Hãy đặt mục tiêu cá nhân cho khóa học!

Task 5

Nguồn	Link	Ghi chú
Scikit-learn Documentation	https://scikit-learn.org/stable/user_guide.html	Tài liệu chính thức Scikit-learn
Google ML Crash Course	https://developers.google.com/machine-learning/crash-course	Khóa ML miễn phí từ Google
StatQuest (YouTube)	https://www.youtube.com/c/joshstarmer	Giải thích ML trực quan, dễ hiểu
Kaggle Learn	https://www.kaggle.com/learn	Thực hành ML trên Kaggle
Andrew Ng - ML Course	https://www.coursera.org/learn/machine-learning	Khóa ML kinh điển trên Coursera

Khóa học

Mentor & Hỗ trợ

Blog

Giới thiệu

Mục tiêu học tập chi tiết

🎯 Mục tiêu bài học

Sau bài này, bạn sẽ:

📖 Bảng Thuật Ngữ Quan Trọng

Checkpoint

🧠 Mục tiêu theo từng giai đoạn

Tuần 1: Nền tảng Machine Learning

Tuần 2-3: Data Processing và EDA

Tuần 4-6: Supervised Learning — Regression

Checkpoint

📊 Mục tiêu Classification & Evaluation

Tuần 7-8: Classification

Tuần 9: Unsupervised Learning

Tuần 10: Ensemble & Tổng kết

Checkpoint

🏗️ Chuẩn đầu ra — ML Pipeline hoàn chỉnh

Checkpoint

📊 Bảng tổng hợp kỹ năng

Kỹ năng đạt được sau khóa học

Checkpoint

📝 Tổng Kết

Câu hỏi tự kiểm tra

📚 Tài liệu tham khảo