Khoa học dữ liệu là một trong những ngành phát triển nhanh nhất hiện nay. Mỗi ngày đều có các bài nghiên cứu, gói thư viện, bài hướng dẫn và công nghệ mới ra mắt, đôi khi khiến bạn khó theo dõi. Với bất kỳ người làm dữ liệu nào, việc cập nhật những điều mới nhất trong khoa học dữ liệu là rất quan trọng để tiếp tục học hỏi và phát triển. Trong bài viết này, bạn sẽ tìm thấy bộ sưu tập tất cả tin tức, hướng dẫn, nghiên cứu và góc nhìn mới nhất mà có thể bạn đã bỏ lỡ trong tháng trước.
Hướng dẫn mới phát hành
Hai cách tạo transformer tùy chỉnh với scikit-learn
Bài viết trên Towards Data Science này giới thiệu một hướng dẫn khá đơn giản về cách bạn có thể tạo một transformer tùy chỉnh bằng scikit-learn. Scikit-learn là một trong những gói được sử dụng rộng rãi nhất trong khoa học dữ liệu, và có lẽ là gói học máy phổ biến nhất hiện nay. Nó cung cấp nhiều chức năng tiền xử lý như One Hot Encoding, MinMax Scaling, và hơn thế nữa. Tuy nhiên, đôi khi bạn cần sử dụng các hàm tiền xử lý tùy chỉnh thay vì dùng sẵn như One Hot Encoder. Hướng dẫn này dạy bạn cách tạo transformer tùy chỉnh trong scikit-learn để tối ưu hóa quy trình tiền xử lý dữ liệu cho học máy.
MLOps trong BigQuery ML sử dụng Vertex AI
Trong năm vừa qua, các công ty công nghệ lớn đã đạt được nhiều tiến bộ trong lĩnh vực MLOps. Đưa các mô hình học máy vào môi trường sản xuất là một trong những thách thức lớn nhất mà các nhóm dữ liệu phải đối mặt hiện nay. Video này cung cấp hướng dẫn nhanh về cách bạn có thể sử dụng kết hợp Vertex AI và BigQuery ML của Google Cloud để xây dựng một pipeline Vertex AI sẵn sàng cho sản xuất.
Các hướng dẫn Power BI mới của DataCamp
Với việc ra mắt Lộ trình Chuyên viên phân tích dữ liệu với Power BI mới hợp tác cùng Microsoft, DataCamp đã phát hành một số hướng dẫn về Power BI trong tháng qua. Power BI là một trong những công cụ business intelligence được sử dụng rộng rãi nhất, và nếu công ty bạn dùng Microsoft Office, rất có thể bạn đã có quyền truy cập. Đây cũng là bước đệm tuyệt vời cho bất kỳ ai muốn vượt ra ngoài Excel và đi sâu hơn vào thế giới dữ liệu. Các hướng dẫn này bao quát toàn bộ quy trình làm việc với Power BI, từ Chuyển từ Excel sang Power BI, đến hướng dẫn chuyên sâu về Power BI cho người mới bắt đầu, Mô hình dữ liệu trong Power BI, và hướng dẫn về Công thức DAX trong Power BI cho người mới bắt đầu. Bạn cũng có thể tải bảng gian lận tiện dụng này để đồng hành trong quá trình học.
Nghiên cứu học máy tiên phong
DALLE-2 của OpenAI
Trong tháng qua, OpenAI đã làm cả thế giới kinh ngạc với thuật toán tạo ảnh DALLE-2. OpenAI đã huấn luyện mô hình học máy mới này để tạo ra hình ảnh và tác phẩm nghệ thuật chân thực từ đầu vào là văn bản tự nhiên đơn giản. DALLE-2, là phiên bản kế nhiệm của DALLE-1, đạt mức độ chân thực ấn tượng bằng cách sử dụng quy trình gọi là “khuếch tán”, tạo ra một mẫu các chấm ngẫu nhiên rồi dần biến đổi nó thành hình ảnh mà mô hình nhận biết từ văn bản. Bạn có thể đọc thêm tại đây, và xem Isabella Leslie Miller, Nhà báo dữ liệu của DataCamp, phân tích trong Video Tin tức Tổng hợp Hàng tuần của chúng tôi.
Pathways Language Model (PaLM)
PaLM trình diễn việc sử dụng ở quy mô lớn đầu tiên của hệ thống Pathways. Kiến trúc hệ thống Pathways được Google giới thiệu năm ngoái để huấn luyện hiệu quả một thế hệ mô hình mới có thể thực hiện đa dạng tác vụ trên nhiều lĩnh vực. Với PaLM, Google đã tạo ra một mô hình Transformer khổng lồ với 540 tỷ tham số, đạt hiệu năng tiên tiến trên nhiều tác vụ ngôn ngữ và suy luận. Các tác vụ này trải dài từ sinh mã, giải thích trò đùa, nhận diện quan hệ nhân quả, và nhiều hơn nữa. Hãy xem bài viết để tìm hiểu sâu hơn về Pathways và các kiểu trường hợp sử dụng mà PaLM mở ra.
Gói thư viện và mô hình mới
PyTorch 1.11 ra mắt
Với Pytorch phiên bản 1.11 là hàng loạt cải tiến. Phiên bản mới nhất của PyTorch hiện cung cấp các bản beta của TorchData, phiên bản kế nhiệm của API DataLoader, và functorch, mang đến các phép biến đổi hàm có thể kết hợp cho các Module của PyTorch. Bên cạnh việc giới thiệu các chức năng này, PyTorch 1.11 còn có nhiều cải thiện hiệu năng, như thời gian khởi động nhanh hơn 40% cho các triển khai trên thiết bị di động và biên, và hơn thế nữa. Để tìm hiểu thêm về PyTorch, hãy xem Khóa học DataCamp dành cho người mới bắt đầu.
EpyNN 1.2.7
EpyNN là viết tắt của “Educational python for Neural Networks”. Công cụ này dành cho giáo viên, sinh viên, nhà khoa học, và bất kỳ ai có kỹ năng Python ở mức tương đối cơ bản muốn hiểu và xây dựng mạng nơ-ron từ con số 0. Nó cung cấp nhiều mẫu kiến trúc và ví dụ thực tiễn giúp rút ngắn thời gian học cách phát triển mạng nơ-ron từ đầu.
BigScience huấn luyện mô hình ngôn ngữ lớn (tr11-176B-ml-logs)
BigScience là một không gian nổi bật trên Hugging Face với sứ mệnh tạo ra các mô hình ngôn ngữ quy mô lớn theo hướng mở cùng hàng nghìn nhà nghiên cứu trên khắp thế giới. Việc huấn luyện mô hình chính của BigScience bắt đầu vào ngày 11 tháng 3 năm 2022, và sẽ kéo dài ba đến bốn tháng trên 384 GPU A100 80GB của siêu máy tính công cộng Jean Zay. Mô hình mã nguồn mở này sẽ có 176 tỷ tham số và sử dụng kiến trúc chỉ decoder giống GPT. Bạn có thể theo dõi cập nhật huấn luyện trên Twitter—và sẽ có thể sử dụng mô hình vào khoảng tháng Sáu.
Trường hợp sử dụng Khoa học dữ liệu & Học máy
La Liga hợp tác với Databricks cho phân tích bóng đá
Nhóm phân tích của La Liga đã hợp tác với Databricks để triển khai một data lakehouse trong hạ tầng phân tích của giải đấu. Điều này sẽ cho phép La Liga Tech—cánh tay phân tích mới, hợp nhất của giải đấu—cấu trúc và quản lý dữ liệu hiệu quả hơn nhiều, đồng thời khai thác học máy cho các trường hợp sử dụng thú vị như dự đoán chấn thương, gợi ý nội dung cho người hâm mộ, và hơn thế nữa.
Sử dụng Deep Learning để gán nhãn Vũ trụ Protein
Các nhà khoa học từ lâu đã sử dụng công cụ tính toán để suy luận và gán nhãn chức năng protein trực tiếp từ chuỗi của chúng. Nhóm AI của Google đã thành công trong việc sử dụng Deep Learning để dự đoán đáng tin cậy chức năng của protein; họ gọi đó là ProtENN, cho phép họ bổ sung khoảng 6,8 triệu mục vào cơ sở dữ liệu của Pfam. Nhóm AI của Google đã phát hành mô hình ProtENN và một bài viết tương tác kiểu distill để thử nghiệm. Giải quyết những loại vấn đề này sẽ mở đường cho việc khám phá thuốc mới và liệu pháp điều trị nhanh hơn, tin cậy hơn với sự hỗ trợ của học máy.
Nhận định & Góc nhìn
Trao quyền cho Chuyên viên phân tích dữ liệu hiện đại
Trong podcast DataFramed mới nhất, Peter Fishman, CEO của Mozart Data, phân tích hiện trạng của ngăn xếp dữ liệu hiện đại, và cách các công cụ mới nhất trong khoa học dữ liệu được thiết kế để trao quyền cho chuyên viên phân tích dữ liệu hiện đại. Ngoài ra, ông chia sẻ kinh nghiệm lãnh đạo các đội ngũ dữ liệu, điều tạo nên một chuyên viên phân tích xuất sắc, tầm quan trọng của chuyên môn lĩnh vực và lắng nghe người dùng, và nhiều điều khác. Hãy nghe và theo dõi DataFramed trên bất kỳ nền tảng podcast nào bạn sử dụng.
MLOps còn lộn xộn nhưng đó là điều dễ hiểu
Trong bài viết này, Mihail Eric, nhà sáng lập Confetti AI, chia sẻ góc nhìn về hiện trạng công cụ trong MLOps ngày nay. Đúng như tiêu đề bài viết, Mihail phân tích sắc sảo bức tranh rời rạc của hệ sinh thái công cụ Học máy. Vì vận hành học máy vẫn còn ở giai đoạn sơ khai, bộ tiêu chuẩn, công cụ, thực tiễn tốt nhất xung quanh nó vẫn đang được định hình và chưa có một ngăn xếp chuẩn mực rõ ràng để người thực hành dựa vào. Hơn nữa, giải quyết tình trạng thiếu nhân lực và áp dụng tư duy học máy trong văn hóa tổ chức sẽ định hình mức độ tiếp nhận MLOps trong những năm tới.
Tìm hiểu thêm
Chúng tôi hy vọng bạn thích bản tổng hợp các câu chuyện, góc nhìn, hướng dẫn và nghiên cứu nổi bật này. Để tìm hiểu thêm về những điều mới nhất trong khoa học dữ liệu, hãy xem các tài nguyên sau:
