Data Parallelism Là Gì? Giải Thích Dễ Hiểu Cho Người Mới
Data Parallelism Là Gì? Data Parallelism (song song dữ liệu) là kỹ thuật huấn luyện AI khi bạn chia nhỏ tập dữ liệu thành nhiều...
Đọc tiếp → 
Learning Rate Schedule Là Gì? Giải Thích Dễ Hiểu Cho Người Mới
Nếu bạn từng huấn luyện một mô hình AI mà loss dao động loạn nhịp hoặc mãi không chịu giảm, thì khả năng cao vấn...
Đọc tiếp →
KL Divergence Là Gì? Giải Thích Dễ Hiểu Cho Người Mới
KL Divergence Là Gì? KL Divergence đo sự khác biệt giữa hai phân phối xác suất KL Divergence (Kullback-Leibler Divergence) là cách đo sự khác...
Đọc tiếp →
PPO (Proximal Policy Optimization) Là Gì? Giải Thích Dễ Hiểu Cho Người Mới
PPO Là Gì? Minh họa thuật toán PPO trong học tăng cường PPO (Proximal Policy Optimization) là một thuật toán học tăng cường (Reinforcement Learning)...
Đọc tiếp →
Sigmoid Function Là Gì? Giải Thích Dễ Hiểu Cho Người Mới
Sigmoid là một trong những hàm kích hoạt (activation function) lâu đời nhất trong machine learning. Mình đã thấy nó xuất hiện ở khắp nơi,...
Đọc tiếp →
Gradient Accumulation Là Gì? Giải Thích Dễ Hiểu Cho Người Mới
Gradient Accumulation Là Gì? Minh họa kỹ thuật Gradient Accumulation trong huấn luyện mô hình AI Gradient Accumulation là kỹ thuật cho phép huấn luyện...
Đọc tiếp →
QLoRA (Quantized LoRA) Là Gì? Giải Thích Dễ Hiểu Cho Người Mới
QLoRA (Quantized Low-Rank Adaptation) là một kỹ thuật tối ưu hóa quá trình fine-tune mô hình ngôn ngữ lớn, giúp giảm đáng kể lượng bộ...
Đọc tiếp →
Stochastic Gradient Descent (SGD) Là Gì? Giải Thích Dễ Hiểu Cho Người Mới
Stochastic Gradient Descent Là Gì? Stochastic Gradient Descent (SGD) là phiên bản cải tiến của Gradient Descent, trong đó thay vì tính toán gradient trên...
Đọc tiếp →
Bagging vs Boosting Là Gì? Khác Biệt và Khi Nào Dùng
Khi bắt đầu học Machine Learning, mình đã rất nhầm lẫn giữa Bagging và Boosting. Hai cái này nghe giống nhau, đều kết hợp nhiều...
Đọc tiếp →