Trong thế giới Machine Learning, thuật toán phát triển nhanh chóng, nhưng nền tảng toán học và thống kê thì không. Cuốn sách The Elements of Statistical Learning (2nd Edition - 2009) là giáo trình kinh điển, cung cấp một khuôn khổ thống nhất để hiểu các phương pháp Học Thống kê (Statistical Learning) cho việc dự đoán và suy luận.
Tại sao cuốn sách này là bắt buộc cho Researcher và Senior Data Scientist Việt Nam? Sách nổi tiếng với tính học thuật cao và sự bao quát rộng lớn, là tài liệu tham khảo chính cho các thuật toán cốt lõi:
Lý thuyết Học Thuật: Đi sâu vào các khái niệm nền tảng như Tradeoff giữa Độ thiên vị và Phương sai (Bias-Variance Tradeoff) và Validation chéo (Cross-Validation).
Mô hình Phức tạp: Phân tích chi tiết các kỹ thuật như Regularization (Ridge, Lasso), Support Vector Machines (SVM), Tree-Based Methods (Random Forests, Gradient Boosting) và Mạng Nơ-ron.
Suy luận & Dự đoán: Tập trung vào cách sử dụng các mô hình này để tạo ra dự đoán chính xác và hiểu được mối quan hệ giữa các biến.
Đối với các chuyên gia, học giả, và ML Engineer tại Hà Nội và TP.HCM muốn vượt qua mức độ code recipe để làm chủ hoàn toàn các thuật toán và phát triển các mô hình custom, đây là cuốn sách không thể thay thế.
