Làm thế nào để luôn cập nhật kiến thức trong lĩnh vực Machine Learning?

3135

Người viết: Phan Huy Hoang

main

  • Việc trau dồi và cập nhật thường xuyên kiến thức là vô cùng quan trọng đối với những người làm nghiên cứu nói chung và dân làm về Machine Learning, Deep Learning nói riêng. Trong khoảng thời gian từ 2010 trở lại đây, 2 từ khóa ML và DL nhận được rất nhiều sự quan tâm từ cộng đồng, thu hút bởi những nền tảng, ứng dụng đột phá đem lại trong rất nhiều lĩnh vực khác nhau: y sinh học, xe tự hành, trợ lí ảo, hệ thống dịch ngôn ngữ, nhận diện đối tượng, … Vậy câu hỏi đặt ra là, làm thế nào để bạn có thể bắt kịp được các xu hướng đó, khi mà công nghệ, thuật toán đang từng ngày được phát triển và cải thiện; làm thế nào để không cảm thấy bị “ngợp” trước sự phát triển liên tục của 2 chuyên ngành trên? Trong bài blog lần này, mình muốn chia sẻ các cách thức giúp mình luôn cập nhật được các kiến thức mới trong lĩnh vực Machine Learning nói chung, hi vọng sẽ có ích với các bạn. Nếu mọi người có nguồn thông tin nào khác có thể chia sẻ ngay dưới bài post nhé, cảm ơn các bạn rất nhiều! Mọi ý kiến đóng góp và phản hồi xin gửi về địa chỉ: phan.huy.hoang@framgia.com 😄
  • Các nội dung đề cập:
    • Blog
    • Newsletter
    • Mạng xã hội
    • Youtube
    • Các phương tiện khác

Blog

MLcoban

Newsletter

  • Nguồn tài liệu thứ 2 mình đề cập tới đó là các Newsletter hay các tin bài được gửi về đều đặn hàng tuần, hàng ngày từ các trang web bạn đã Subcribe Email. Mình thì đăng kí khá nhiều các Newsletter và coi đây là nguồn tài liệu vô cùng phong phú và đa dạng, mỗi Newsletter lại có cái hay riêng về mặt nội dung. Sau đây là 1 số Newsletter về Machine Learning mà mình thấy hay ho nhất 😄
  • Một vài newsletter liên quan khác:
    • HackerNews – trang này thì nguồn thông tin khá đa dạng, không thiên về ML, chủ yếu về công nghệ, giao diện giống như reddit hồi xưa vậy 😄 Nhưng vẫn là một nguồn thông tin bổ ích, rất xứng đáng để subcribe 😄
    • Python Weekly – có thể các bạn thắc mắc là tại sao mình lại đưa 1 Newsletter liên quan riêng đến 1 ngôn ngữ lập trình ở đây. Nếu các bạn đã, đang làm về Machine Learning, Deep Learning thì Python là một trong những ngôn ngữ được tin dùng nhiều nhất vì sự tiện lợi và hỗ trợ khá nhiều các thư viện, được cộng đồng support rất mạnh. Khoảng thời gian từ 2 năm trở lại đây, các tin bài về Machine Learning, Deep Learning cũng xuất hiện nhiều hơn trong Python Weekly, chiếm khoảng từ 35%-45% số lượng tin bài, chủ yếu là về các bài tìm hiểu, hướng dẫn để tạo ra một project thực tế ứng dụng Machine Learning. Ảnh minh hoạ từ mail của mình 😄 8/18 bài là về Machine Learning, Deep Learning, Data Science, … 😄

Imgur

Mạng xã hội

  • Ngoài việc thu nạp các kiến thức qua các bài blog và newsletter, các mạng xã hội hay social network cũng là một cách để khiến mình luôn cập nhật được các thông tin mới nhất, ngay trong những khoảng thời gian thư giãn lướt newsfeed 😄

Twitter

  • Đứng đầu bảng xếp hạng về social network của mình chắc chắn là Twitter. Không giống như một social network thiên về giải trí như Facebook, Twitter luôn là mạng xã hội hàng đầu trong việc cập nhật tin tức. Nói không ngoa chứ phần lớn các thông tin quan trọng, nóng hổi nhất đều được đăng đàn lên twitter (và reddit) là sớm và chính xác nhất. Hơn nữa, việc cập nhật trạng thái trên twitter là khá nhanh gọn và gói gọn dưới 280 kí tự nên twitter rất phù hợp trong việc cập nhật trạng thái. Trên Twitter thì mình follow khá nhiều người, tính đến thời điểm hiện tại là khoảng gần 700 người, đa phần đều làm việc liên quan đến các lĩnh vực như: Machine Learning, Deep Learning, Data Science, AI, .. và 1 số các chuyên ngành hẹp khác. Một vài tác giả nổi tiếng trong giới ML, DL các bạn nên follow như:
  • Các bạn có thể tham khảo những tác giả, nhân vật nổi tiếng trong giới ML, DL trong link sau: 50 AI Influencers to follow on Twitter
  • Hoặc mọi người có thể follow mình trên Twitter, mình tweet và retweet khá nhiều các bài post về ML, DL mà mình thấy hay và có hứng thú: __phanhoang__ 😄

Twitter

Medium

  • Social Network thứ 2 mình muốn nói tới là Medium, một mạng xã hội sẽ khá lạ lẫm với nhiều người, nếu so với Facebook và Twitter. Cũng tương tự Twitter, bạn follow các tác giả, tổ chức (Organizations) dựa trên lĩnh vực mà bạn quan tâm, nhưng 1 điểm mạnh mà mình muốn nói tới đó là cách thức gợi ý (recommender) bài viết tương đối tốt của Medium. Đa phần các bài được gợi ý đều thuộc lĩnh vực mình quan tâm, từ đó biết thêm khá nhiều kiến thức mới 😄Lấy ví dụ với 1 số bài viết mình bookmark lại gần đây khi chưa có thời gian đọc:

Imgur

Reddit

  • Social Network thứ 3 được mệnh danh là “The front page of the internet” (Trang chủ của mạng Internet). Cái hay của reddit là cái gì cũng có, hoạt động giống như 1 forum với từng subreddit (hay channel) để mọi người vào trao đổi. Subreddit mình hay ghé qua nhất là r/MachineLearning. Nhưng khá nhiều bài liên quan đến paper, nghiêng về học thuật khá nhiều nên có thể sẽ kém thu hút người đọc hơn chút.

Imgur

Quora

  • Về bản chất, quora khá giống với Stackoverflow, 1 mạng xã hội về hỏi đáp. Nhưng khác với SOF thiên về các câu hỏi lập trình, câu hỏi trên Quora bao quát hơn hướng đến nhiều đối tượng hơn. Nếu như các câu hỏi trên SOF thường có dạng:

còn trên Quora thì kiểu như thế này:

  • Thực ra thì mình không thường xuyên lướt Quora lắm 😄 Nhưng giả sử nếu search google mà có được mấy link giải thích bên Quora thì thường dễ hiểu hơn hẳn. Hơn nữa, với một câu hỏi sẽ thường sẽ có khá nhiều các câu trả lời được đưa ra, bạn có thể tham khảo và upvote cho câu trả lời ưng ý nhất hoặc trực tiếp tham gia trả lời cho câu hỏi đó.

Quora

Facebook

Facebook

Youtube

  • Ngoài cách học và tiếp cận với các nguồn thông tin dạng text, các nguồn tài liệu dạng video cũng có khá nhiều và dễ hiểu. Một số channel về Machine Learning, Deep Learning đáng chú ý:
    • Two Minute Papers – Paper review channel. 1 trong những channel mình thấy thích nhất. Channel tập trung làm các video ngắn, trên dưới 5 phút, nhằm review qua các paper đạt được các thành tựu nhất định trong thời gian gần đây.
    • Giant Neural Network – Introduction to Neural Network. Ô này có loạt bài giới thiệu về Neural Network, các bạn có thể xem tại đây
    • Deep Learning dot AI – Deep Learning course by Andrew Y. Ng (Stanford). Gồm các video bài giảng trong khoá học về Deep Learning của Andrew Y. Ng trên coursena, các bạn có thể tham khảo khoá học tại đây
    • Hvass Laboratories – Tensorflow Tutorial. Ô này có loạt bài về Tensorflow mà mình thấy vô cùng ưng ý.
    • Code Bullet – Reinforcement Learning
    • 3Blue1Brown – Introduction to Neural Network
    • DeepMind

Imgur

Các phương tiện khác

  • Một số website
    • Github: bằng việc follow các tác giả nổi tiếng hay main contributor của các project, mỗi khi họ tạo mới, commit, push, cho star hay fork bất kì 1 repo sẽ đều hiện lên bảng tin bên github của bạn. 1 cách thức khác các bạn có thể thực hiện là nhấn Watch đối với những repo bạn quan tâm hoặc muốn contributor cho project đó; bất kì 1 commit nào được thực hiện trên repo gốc, bạn sẽ đều nhận được thông báo.
    • Google Scholar: bạn follow các tác giả mà bạn quan tâm, có thể tuỳ chọn thông báo qua email về các bài viết mới, các lời trích dẫn đến tác giả hoặc các bài viết mới liên quan đến nghiên cứu của tác giả này.
    • Antiny-Sanity: gồm các paper trending theo thời gian. 1 điểm khá hay là tác giả cũng build 1 mục recommend các paper có liên quan dựa trên các paper bạn đã save lại.
    • Facebook Research
    • Researchgate

Imgur

  • Trước mình cũng có tổng hợp thành 1 nguồn tài liệu: Data Science Resource gồm các khoá MOOC, Free Ebooks, Roadmap, Newsletter, .. mà mình thấy hữu ích về Data Science, Machine Learning; tuy nhiên vẫn còn thiếu sót khá nhiều và sẽ tiếp tục được cập nhật trong tương lại. Hi vọng sẽ có ích cho các bạn! ✅ Any Contributor is welcome ✅

Lời kết

  • Trên đây là 1 số cách thức giúp mình cập nhật được các thông tin mới nhất trong lĩnh vực Machine Learning. Mọi người còn cách tiếp cận khác có thể comment bên dưới để cùng nhau học hỏi nhé. Mọi ý kiến phản hồi xin gửi mail về địa chỉ: phan.huy.hoang@framgia.com. Cảm ơn các bạn! 😄

Reference

Techtalk via Viblo

CHIA SẺ