Machine Learning Engineering Tutorial

Hướng dẫn xây dựng hệ thống trí tuệ nhân tạo/học máy dành cho các kĩ sư học máy.

1. Giới thiệu

Trong blog này, chúng ta sẽ cùng nhau xây dựng một phần mềm ứng dụng các mô hình học máy trong thực tế, bằng cách sử dụng các công cụ mã nguồn mở. Đây là blog hướng dẫn chi tiết dành cho các bạn muốn theo con đường làm một kĩ học máy (Machine Learning Engineer), cũng như các kĩ sư phần mềm muốn ứng dụng các mô hình học máy vào sản phẩm của mình.

2. Mục lục

1. Tổng quan về một hệ thống học máy (Machine Learning System)
2. Phân tích yêu cầu bài toán
3. Lưu trữ và gán nhãn dữ liệu
4. Huấn luyện mô hình học máy
5. Triển khai và áp dụng mô hình học máy
6. Xây dựng hệ thống huấn luyện mô hình bằng Kubeflow
7. Kết nối các thành phần của hệ thống học máy (đang cập nhật)
8. Xây dựng cơ sở hạ tầng cho mô hình học máy bằng Terraform (đang cập nhật)

3. Công cụ

Trong blog này, chúng ta sẽ sử dụng các công nghệ và các công cụ được áp dụng trong các dự án học máy thực tế, vì vậy người đọc cần có kiến thức cơ bản về phát triển phần mềm và các công cụ phát triển phần mềm.

Trong blog, chúng ta sẽ sử dụng các công cụ và thư viện sau:

1. Cơ bản: Python, Git, Pytorch, AWS, DVC, Docker, Kubernetes
2. Các thư viện mã nguồn mở có sẵn: Label Studio, Cometml, Kubeflow, KFServing.

Trong blog này, chúng ta sẽ cùng nhau sử dụng các công cụ được liệt kê ở trên để xây dựng một hệ thống machine learning hoàn chỉnh.

4. Đóng góp và ý kiến

Nếu có bất kì ý kiến đóng góp và sửa đổi nào, bạn vui lòng tạo issues và pull requests. Cảm ơn các bạn đã quan tâm!

Về tác giả

Tác giả: Nguyễn Thành Hậu

Email: thanhhau097@gmail.com