Học máy
Thẻ công cụ AIEZZ
Đang xem các sản phẩm AI được gắn thẻ “Học máy”, với 8 kết quả phù hợp.
ReplicateNền tảng học tập AIReplicate là nền tảng mô hình AI trên đám mây dành cho nhà phát triển, tập trung cung cấp các mô hình nguồn mở trong các lĩnh vực như hình ảnh, video, văn bản và âm nhạc. Người dùng có thể xem hướng dẫn sử dụng trên trang mô hình, tích hợp mô hình vào ứng dụng thông qua API tiêu chuẩn, đồng thời sử dụng các công cụ của nền tảng để tinh chỉnh hoặc triển khai mô hình tùy chỉnh. Nền tảng phù hợp với nhà phát triển ứng dụng, đội ngũ khởi nghiệp, nhà nghiên cứu AI và các nhóm doanh nghiệp cần kiểm chứng phương án mô hình, nhằm nhanh chóng tạo nguyên mẫu hoặc tích hợp tính năng AI tạo sinh. Nền tảng tính phí theo thời gian chạy thực tế và hỗ trợ điều chỉnh tài nguyên theo số lượng yêu cầu. Cần lưu ý rằng mỗi mô hình có thể khác nhau về chất lượng, thời gian phản hồi, mức tiêu thụ tài nguyên và điều kiện sử dụng. Trước khi đưa vào sử dụng chính thức, vẫn cần kiểm thử và đánh giá chi phí dựa trên nhu cầu kinh doanh cụ thể.028.9
kaggleNền tảng học tập AIkaggle là nền tảng tập trung vào việc học và thực hành khoa học dữ liệu, học máy, kết hợp các cuộc thi, bộ dữ liệu công khai, Notebook trực tuyến, khóa học và hoạt động trao đổi cộng đồng. Người dùng có thể chọn khóa học để tìm hiểu kiến thức nền tảng về Python, R, SQL, học máy và các lĩnh vực khác, sau đó thực hành thông qua bộ dữ liệu và môi trường lập trình trực tuyến, hoặc tham gia các cuộc thi để kiểm tra năng lực xây dựng mô hình. Nền tảng phù hợp với người mới bắt đầu học khoa học dữ liệu, sinh viên, kỹ sư thuật toán và các nhóm cần thực hiện phân tích dữ liệu. Nền tảng cũng cung cấp nội dung hoặc tài nguyên miễn phí và trả phí, nhưng một số tài nguyên điện toán đám mây, khóa học và quy định cuộc thi có thể đi kèm điều kiện sử dụng; thông tin cụ thể cần căn cứ vào trang tương ứng trên nền tảng.038.9
ML For BeginnersNền tảng học tập AIML For Beginners là khóa học nhập môn máy học mã nguồn mở miễn phí do Microsoft phát triển. Nội dung được lưu trữ trên GitHub, dành cho người mới bắt đầu, sinh viên, người chuyển hướng nghề nghiệp và nhà phát triển muốn tìm hiểu có hệ thống về máy học. Khóa học được tổ chức trong 12 tuần với 26 bài học, tập trung vào các chủ đề như hồi quy, phân loại, phân cụm và xử lý ngôn ngữ tự nhiên, kết hợp dự án thực tế, bài kiểm tra trước bài học, phần giảng giải, ví dụ mã bằng Jupyter Notebook, bài tập sau bài học và video học tập. Khóa học chủ yếu sử dụng Python cùng các công cụ như Scikit-learn, Pandas và Matplotlib, phù hợp để luyện tập từng bước theo lộ trình có sẵn. Cần lưu ý rằng khóa học tập trung vào nền tảng máy học cổ điển, không thể thay thế cho đào tạo chuyên sâu về học sâu hoặc các chương trình nâng cao hơn.038.6
Học viện AI UdacityNền tảng học tập AIHọc viện AI Udacity là nền tảng học tập định hướng nghề nghiệp dành cho người mới bắt đầu với AI, người muốn chuyển đổi nghề nghiệp, kỹ sư đang đi làm và sinh viên. Nền tảng cung cấp các khóa học về máy học, học sâu, thị giác máy tính, xử lý ngôn ngữ tự nhiên, học tăng cường và AI tạo sinh. Hình thức chính là các chương trình Nanodegree và học tập theo dự án, trong đó người học thực hiện các nhiệm vụ lập trình và phân tích xoay quanh những tình huống thực tế, từng bước xây dựng các sản phẩm dự án có thể dùng để trưng bày. Một số dịch vụ học tập trả phí còn bao gồm đánh giá mã nguồn từ cố vấn, hướng dẫn dự án và hỗ trợ nghề nghiệp, phù hợp với những người muốn nâng cao kỹ năng một cách có hệ thống hoặc chuẩn bị chuyển sang các vị trí liên quan. Cần lưu ý rằng các dịch vụ như cố vấn và hỗ trợ tìm việc dành cho học viên trả phí; người học vẫn cần dựa trên nền tảng của bản thân và dành thời gian hoàn thành dự án.038.4
Google AI StudioLập trình AIGoogle AI Studio là nền tảng phát triển AI trên trình duyệt dành cho nhà phát triển, sinh viên, nhà nghiên cứu, người đam mê AI và các nhóm cần kiểm chứng ý tưởng. Người dùng có thể chọn chế độ lời nhắc tự do, có cấu trúc hoặc trò chuyện trên trang, nhập văn bản, hình ảnh, âm thanh và video, đồng thời tạo nguyên mẫu và gỡ lỗi xoay quanh các mô hình Gemini cũng như điều chỉnh các tham số như nhiệt độ và Top-K. Sau khi hoàn tất thử nghiệm, nền tảng có thể tạo mã gọi API bằng các ngôn ngữ như Python và Node.js, đồng thời hỗ trợ triển khai nguyên mẫu lên Google Cloud và tạo liên kết chia sẻ. Dịch vụ cung cấp tùy chọn sử dụng miễn phí, nhưng đầu ra của mô hình và mã được tạo vẫn cần được kiểm thử và đánh giá theo từng dự án cụ thể.189.2
WandbCông cụ lập trình AIWandb là công cụ theo dõi và trực quan hóa thí nghiệm dành cho các nhà nghiên cứu AI, kỹ sư thuật toán và nhóm học máy. Công cụ chủ yếu được dùng để tập trung ghi lại quá trình huấn luyện, so sánh kết quả thí nghiệm và hỗ trợ cộng tác nhóm. Khi sử dụng, nhà phát triển tích hợp Wandb vào mã huấn luyện để ghi lại siêu tham số, chỉ số mô hình, phiên bản mã nguồn cùng thông tin hệ thống như CPU và GPU, sau đó xem và so sánh các thí nghiệm qua bảng điều khiển trên nền tảng đám mây. Nền tảng cũng cung cấp tính năng tìm kiếm siêu tham số và quản lý phiên bản mô hình, tập dữ liệu, phù hợp với quy trình phát triển cần sắp xếp nhiều vòng thử nghiệm và phân tích hiệu năng mô hình. Tài liệu cho biết nền tảng có các gói miễn phí và trả phí. Việc sử dụng thực tế vẫn cần hoàn tất tích hợp mã nguồn; phương thức ghi dữ liệu lên đám mây cũng cần được đánh giá theo yêu cầu quản lý dữ liệu của nhóm.047.8
PyTorchCông cụ lập trình AIPyTorch là một khung học máy mã nguồn mở do nhóm nghiên cứu Meta AI khởi xướng và hiện được Linux Foundation quản lý, chủ yếu phục vụ các nhà nghiên cứu trí tuệ nhân tạo, kỹ sư học máy, nhà khoa học dữ liệu và sinh viên. Người dùng thường sử dụng Python để định nghĩa mô hình và quy trình tính toán xuôi, sau đó kết hợp tính toán tensor, vi phân tự động và các mô-đun mạng nơ-ron để huấn luyện, đồng thời sử dụng các thư viện trong hệ sinh thái liên quan cho các tác vụ thị giác, âm thanh hoặc văn bản. Đồ thị tính toán động giúp việc thử nghiệm và gỡ lỗi thuận tiện hơn, đồng thời hỗ trợ tiếp tục triển khai mô hình từ nguyên mẫu nghiên cứu. Việc sử dụng thực tế vẫn đòi hỏi kiến thức về Python, phép toán tensor và nền tảng học sâu; khi chuyển mã thử nghiệm sang môi trường sản xuất, người dùng vẫn cần tự xử lý việc triển khai theo hướng kỹ thuật và cấu hình tài nguyên.057.6
Hugging FaceBộ công cụ AIHugging Face là nền tảng học máy dành cho nhà phát triển AI, nhà khoa học dữ liệu, nhà nghiên cứu và người học, với các tài nguyên cốt lõi gồm kho mô hình, trung tâm tập dữ liệu, thư viện Transformers và Spaces. Người dùng có thể tìm mô hình hoặc tập dữ liệu trên nền tảng, sau đó sử dụng giao diện thống nhất để gọi, thử nghiệm và tinh chỉnh, đồng thời dùng Spaces để giới thiệu các ứng dụng tương tác; khi có nhu cầu triển khai sản xuất, người dùng cũng có thể tìm hiểu dịch vụ suy luận được lưu trữ. Nền tảng phù hợp cho việc lựa chọn mô hình, xác thực nguyên mẫu, giảng dạy, nghiên cứu và phát triển ứng dụng. Cần lưu ý rằng nội dung trên nền tảng đến từ nhiều cộng tác viên khác nhau, nên phạm vi sử dụng, môi trường phụ thuộc và điều kiện sử dụng của từng mô hình có thể khác nhau. Hãy xem hướng dẫn tương ứng trước khi sử dụng thực tế.038.6Tất cả công cụ có thẻ này được hiển thị.