4.0.1 Cùng xây dựng Model Machine Learning với Bêta và Bít: Phiên bản R

Th灁 được, tất cả c塶 model dự đo嫕 (predictive models) đều tr獼g c?vẻ ổn, nhưng l跩 c塶h n跢 chg ta c?thể x漧 dựng c塶 model một c塶h đ嫕g tin cậy hơn? Đ漧 ch璯h l?c漉 hỏi t灁 thường được hỏi bởi c塶 nh?khoa học dữ liệu ở những mức độ kinh nghiệm kh塶 nhau. C漉 hỏi c?vẻ đơn giản, nhưng đồng thời cũng rất th塶h thức bởi v?c?rất nhiều luồng quan điểm v?mối quan t滵 kh塶 nhau từ những người li瘽 quan. Những người x漧 dựng model thường tập trung v跢 việc huấn luyện model (training model) một c塶h tự động, kiểm so嫢 hiệu năng, debug v?những hoạt động duy tr?cả hệ thống từ dữ liệu đến tối ưu hiệu năng phần cứng v?cải tiến model (MLOps). Người sử dụng model phần nhiều thường hứng th?hơn với những c漉 hỏi về từ đ漉 m?model cho ra kết quả dự đo嫕 như vậy (explainability) hoặc những đ爌 hỏi nhất định để hiểu được b瘽 trong model hoạt động như thế n跢 (transparency) v?mức độ "ph犥g thủ" (security) của m?h髶h trước những tấn c獼g, v?dụ như từ dữ liệu k幦 chất lượng. Về ph燰 x?hội, những mối quan t滵 thường l?model c?c獼g bằng hay thi瘽 vị (fairness hay bias), v?dụ m?h髶h c?ưu ti瘽 cho một nh鏔 người nhỏ trong x?hội, hoặc thi瘽 vị về giới t璯h kh獼g; hay kết quả dự đo嫕 từ model c?ph?hợp chuẩn mực đạo đức hay kh獼g (ethics). Quyển s塶h n輇 tổng h瀡 tất cả c塶 g鏂 nh髶 tr瘽. Bạn đọc sẽ t骻 thấy những kĩ thuật machine learning chọn lọc v?cả những c塶h hiểu trực quan ngắn gọn. C塶 kĩ thuật đều được gắn liền với c塶 đoạn code trong ng獼 ngữ R. Bạn đọc sẽ c蠼g hai nh滱 vật B皻a v?B癃 đi dạo v跢 khu vườn, kh獼g phải của k?hoa dị thảo, m?l?của c塶 model ML th?vị. Trong khu vườn c?ngọn đ鋝 được thắp l瘽 bởi những g鏂 nh髶 thấu đ嫪 về model từ kinh nghiệm thực tế. Cuộc b跣 luận giữa B皻a v?B癃 cũng ch璯h l?những g?diễn ra trong thực tế m?c塶 nh?khoa học dữ liệu thường gặp, c?n瘽 thử một model kh塶 kh獼g, hoặc c?n瘽 thử một kĩ thuật kh塶 để khai ph?dữ liệu, hoặc một tập dữ liệu kh塶 chăng? --- v?ti tỉ c漉 hỏi như l跩 c塶h n跢 để so s嫕h giữa những model hoặc l跩 thế n跢 để kiểm tra hiệu năng. Qu?tr髶h ph嫢 triển model đ爌 hỏi sự cẩn thận v?tr塶h nhiệm, nhưng rất th?vị. Th獼g thường, nhiều quyển s塶h chỉ ch?t滵 v跢 mặt kiến thức m?qu瘽 mất đi niềm vui v?sự th?vị. Nhưng, hi vọng ở quyển s塶h n輇, chg ta sẽ c?được cả hai.