Sign in Subscribe

Topic

Machine Learning

Học máy giản lược. Mục này dùng để trình bày các kiến thức AI/ML một cách cô động nhất (dành cho người lười đọc :D).

How to Control the Creativity of LLMs Using the Temperature Parameter

When working with Large Language Models (LLMs), one of the most powerful yet often misunderstood parameters is "temperature". This setting acts as a creativity dial, allowing you to fine-tune the model's output between deterministic precision and creative exploration. Let's dive into what temperature means

How to effectively evaluate your RAG + LLM applications

Hey there! Ever wondered how some of today's applications seem almost magically smart? A big part of that magic comes from something called RAG and LLM. Think of RAG (Retrieval-Augmented Generation) as the brainy bookworm of the AI world. It digs through tons of information to find exactly

Build your own RAG and run it locally: Langchain + Ollama + Streamlit

With the rise of Large Language Models and its impressive capabilities, many fancy applications are being built on top of giant LLM providers like OpenAI and Anthropic. The myth behind such applications is the RAG framework, which has been thoroughly explained in the following articles: Building RAG-based LLM Applications for

ML101.09: Kernel Methods & Support Vector Machine

Kernel methods là một nhóm kỹ thuật trong học máy, được sử dụng để giải quyết các bài toán phân loại, hồi quy và phân cụm. Chúng được phát triển dựa trên ý tưởng biến đổi dữ liệu từ không gian đầu vào ban đầu sang một không gian đặc

The "classic" of Convolutional Neural Network

Neural Network ra đời là một bước đột phá lớn của giới khoa học máy tính và mở ra tìm năng cho các bài toán về thị giác máy tính. Tuy nhiên với những bài toán có dữ liệu đầu vào là hình ảnh thì việc sử dụng mô hình

ML101.07: Naive Bayes

Sau khi đã tìm hiểu về Gaussian Discriminant Analysis, ở bài này chúng ta sẽ tìm hiểu một thuật toán generative machine learning khác. Đó là Naive Bayes (NB), NB là một thuật toán đơn giản nhưng lại mang đến hiệu quả bất ngờ cho rất nhiều bài toán, đặc

ML101.06: Gaussian Discriminant Analysis

Chúng ta đã tìm hiểu về một số thuật toán như Linear Regression, Logistic Regression, Softmax Regression,.. Tất cả các thuật toán này điều có điểm chung đó là chúng ta đều đi phân bố xác suất %p(y\mid x; \theta%), tức là tìm phân bố xác suất có

ML101.05: Softmax Regression

Đối với các bài toán phân lớp nhị phân (binary classifier) thì ta đã biết được một phương pháp giải quyết đó là Logistic Regression. Vậy với các bài toán phân lớp có nhiều lớp hơn thì sao? Trong thực thế có rất nhiều bài toán như vậy. Ví dụ

ML101.04: Logistic Regression

Nếu như ở bài trước về Linear Regression, chúng ta đã tìm hiểu về bài toán dự đoán giá căn hộ với giá trị đầu ra là một số thực. Trong bài này, chúng ta sẽ tìm hiểu về logistic regression (hồi quy logistic). Khác với linear regression, logistic regression