Giới Thiệu

Trong kỷ nguyên dữ liệu hiện đại, các mô hình Machine Learning không chỉ tồn tại trong phòng thí nghiệm hay notebook Jupyter — chúng đang vận hành trong thế giới thực, đưa ra quyết định hàng ngày cho hàng triệu người dùng. Tuy nhiên, giữa một mô hình đạt độ chính xác ấn tượng trong quá trình huấn luyện và một hệ thống ML đáng tin cậy trong sản xuất là một hành trình dài, phức tạp và thường bị bỏ quên.

Cuốn sách này được viết ra để thu hẹp khoảng cách đó.

Mục tiêu của sách

Mục tiêu của cuốn sách không chỉ là giúp bạn hiểu cách xây dựng mô hình ML, mà còn hướng dẫn bạn xây dựng một hệ thống Machine Learning hoàn chỉnh – từ thu thập dữ liệu, huấn luyện mô hình, triển khai (deployment), đến giám sát và duy trì mô hình trong môi trường sản xuất.

Bạn sẽ học được gì?

• Cách thiết kế pipeline xử lý dữ liệu hiệu quả và linh hoạt

• Quy trình huấn luyện, kiểm thử và đánh giá mô hình một cách có hệ thống

• Cách triển khai mô hình: từ API đơn giản đến mô hình quy mô lớn

• MLOps: quản lý mô hình, dữ liệu và thực nghiệm như thế nào

• Cách giám sát và kiểm tra độ ổn định của mô hình sau khi đưa vào sản xuất

• Các công cụ phổ biến: Metaflow, MLflow, Airflow, Docker, Evidently AI, FastAPI, v.v.

Đối tượng độc giả

Cuốn sách này dành cho:

• Các kỹ sư phần mềm muốn tìm hiểu cách xây dựng hệ thống ML thực tế

• Các data scientist đã quen với mô hình nhưng muốn hiểu thêm về hệ thống

• Những ai đang làm việc với ML trong doanh nghiệp và muốn nâng cao năng lực triển khai

Phương pháp tiếp cận

Cuốn sách sẽ đi theo phương pháp thực chiến – dựa trên ví dụ thực tế, từng bước xây dựng một hệ thống ML từ đầu đến khi vận hành sản phẩm. Với cách tiếp cận này, bạn không chỉ nắm lý thuyết mà còn có thể ứng dụng được ngay vào công việc.

Tác giả: Đỗ Ngọc Tú
Công Ty Phần Mềm VHTSoft