Hands-On Machine Learning with Scikit-Learn and PyTorch là sách gì?
Hands-On Machine Learning with Scikit-Learn and PyTorch là sách của Aurélien Géron, dẫn bạn đi từ những mô hình học máy đầu tiên với Scikit-Learn đến mạng nơ-ron sâu, Transformer, mô hình tạo sinh và học tăng cường với PyTorch.
Theo Lời nói đầu, tác giả đã viết ba ấn bản TensorFlow của cuốn sách, phát hành năm 2017, 2019 và 2022. Cuốn này là ấn bản đầu tiên của bộ sách PyTorch mới. Bản tiếng Việt chia làm hai tập: Tập 1 có 469 trang, Tập 2 có 508 trang.
Tập 1: nền tảng học máy và mạng nơ-ron
Phụ đề trên bìa Tập 1: "Từ dữ liệu đến model: làm chủ Machine Learning và neural network bằng code".
- Toàn cảnh học máy (Chương 1): các loại hệ thống học máy và những thách thức chính, như overfitting và underfitting.
- Dự án học máy từ đầu đến cuối (Chương 2): các bước của một dự án học máy điển hình.
- Các thuật toán nền tảng (Chương 3–6): phân loại, huấn luyện mô hình, cây quyết định, ensemble learning và rừng ngẫu nhiên.
- Giảm số chiều và học không giám sát (Chương 7–8): phân cụm, ước lượng mật độ và phát hiện bất thường.
- Mạng nơ-ron (Chương 9–11): giới thiệu mạng nơ-ron nhân tạo, xây dựng mạng nơ-ron với PyTorch và huấn luyện mạng nơ-ron sâu.
Tập 2: học sâu, Transformer và chatbot
Phụ đề trên bìa Tập 2: "Từ CNN đến Transformer: xây dựng Computer Vision, NLP và Generative AI".
- Thị giác máy tính và chuỗi (Chương 12–14): mạng nơ-ron tích chập, xử lý chuỗi bằng RNN và CNN, xử lý ngôn ngữ tự nhiên bằng RNN và attention.
- Transformer và chatbot (Chương 15): BERT, GPT-2, tải và chạy Mistral-7B, biến mô hình ngôn ngữ lớn thành chatbot, SFT, RLHF, DPO và Model Context Protocol.
- Transformer thị giác và đa phương thức (Chương 16).
- Tăng tốc Transformer (Chương 17): FlashAttention, mixture of experts, LoRA và các kỹ thuật khác. Bản gốc chỉ đăng chương này trực tuyến; bản tiếng Việt in trọn chương.
- Autoencoder, GAN và diffusion model (Chương 18).
- Học tăng cường (Chương 19).
- Phụ lục A–B: vi phân tự động, mixed precision và lượng tử hóa.
Cách học với cuốn sách
Lời nói đầu ghi sách giả định bạn gần như chưa biết gì về học máy. Bạn nên có chút kinh nghiệm Python, quen NumPy, pandas, Matplotlib, và biết vector, ma trận ở mức cơ bản. Phần I chủ yếu dựa trên Scikit-Learn, Phần II chủ yếu dùng PyTorch.
Tác giả dặn: đừng vội lao xuống chỗ nước sâu. Nhiều bài toán giải khá tốt bằng rừng ngẫu nhiên và các phương pháp ensemble ở Phần I. Code của sách là các notebook Jupyter trong kho GitHub của tác giả, chạy được trên Google Colab mà không cần cài gì lên máy.
Điểm riêng của bản tiếng Việt
- In trọn Chương 17, phần tác giả chỉ đăng trực tuyến.
- Nhiều thuật ngữ chuyên ngành giữ tiếng Anh, lần đầu trong mỗi chương có kèm nghĩa tiếng Việt.
- Những chỗ bản gốc in nhầm, kể cả trong code, đã được đính chính theo kho code của tác giả.
- Sách không in bảng chỉ mục; thay vào đó là Sổ tay đi kèm.
Tài liệu đi kèm
Đi kèm sách là Sổ tay code và môi trường 86 trang do Wavi Books biên soạn, tải bằng mã quét in ở trang đầu sách. Sổ tay gồm cách chạy notebook trên Google Colab, Kaggle hoặc máy cá nhân, kết quả chạy thử, bảng tra code theo chương, bảng thuật ngữ Anh – Việt theo chương, bảng công thức chính, các chỗ đã đính chính và bảng liên kết.
Thông tin ấn bản
- Tên sách: Hands-On Machine Learning with Scikit-Learn and PyTorch, bản tiếng Việt 2026, 2 tập, Expert Version.
- Tác giả: Aurélien Géron.
- Dịch giả: Nguyễn Minh Trí, Solutions Architect.
- Bản gốc: Hands-On Machine Learning with Scikit-Learn and PyTorch: Concepts, Tools, and Techniques to Build Intelligent Systems, O'Reilly Media.
- Đơn vị biên dịch và phát hành: Wavi Books.
- Số trang: Tập 1 có 469 trang (Lời nói đầu, Chương 1–11); Tập 2 có 508 trang (Chương 12–19, Phụ lục A–B).
- Mã sản phẩm: TV52.
Câu hỏi thường gặp
Chưa biết gì về học máy có đọc được không?
Được. Lời nói đầu ghi sách giả định bạn gần như chưa biết gì về học máy. Bạn cần chút kinh nghiệm Python và quen NumPy, pandas, Matplotlib; tác giả có bài hướng dẫn trực tuyến cho từng thư viện.
Sách dùng TensorFlow hay PyTorch?
Phần I dùng Scikit-Learn, Phần II dùng PyTorch. Code của Phần II đã chuyển hoàn toàn từ TensorFlow và Keras sang PyTorch.
Máy không có GPU thì có học được không?
Được. Notebook của sách chạy trên Google Colab, chỉ cần trình duyệt và tài khoản Google. Sổ tay đi kèm hướng dẫn bật GPU trên Colab từ Chương 10 trở đi.
Quy cách sách và chính sách đi kèm là gì?
Sách in đen trắng, bìa mềm full màu, giấy chống lóa mắt hiện đại, in sắc nét. Sách được tặng Ebook tiếng Anh tương ứng. Đổi mới 1-1 trong 90 ngày nếu sách lỗi in hoặc thiếu trang. Giao nhầm, hư hại khi vận chuyển hoặc sách rách: đổi trả trong 7 ngày kể từ ngày nhận. Đơn từ 300.000đ được miễn phí giao hàng; đơn dưới 300.000đ phí 25.000đ.