Framework ML làm gì? 5 nhóm chức năng cần nhớ
🎯 Mục tiêu học (LO AI-1.1.7 · mức K2 – Hiểu): tóm tắt chức năng của một framework phát triển ML.
💡 Ý cốt lõi: framework ML là bộ công cụ để xây và huấn luyện mô hình — lo trọn vòng đời từ dữ liệu → mô hình → triển khai.
5 nhóm chức năng (thứ tự theo vòng đời)
Thuộc bảng này là đủ ý để thi.
| # | Chức năng | Làm gì |
|---|---|---|
| 1 | Data Handling (xử lý dữ liệu) | Nạp, tiền xử lý, làm sạch, định dạng, biến đổi dữ liệu để hợp mô hình. |
| 2 | Model Building (dựng mô hình) | Thư viện thuật toán + thiết kế kiến trúc (loại mô hình, số lớp, kết nối, phép tính). |
| 3 | Training & Optimization (huấn luyện & tối ưu) | Lặp điều chỉnh tham số để tối ưu; có thể hỗ trợ huấn luyện phân tán, fine-tune. |
| 4 | Evaluation (đánh giá) | Đo trên dữ liệu chưa thấy: accuracy/precision/recall (phân loại), error rate (regression). |
| 5 | Deployment (triển khai) | Đóng gói mô hình để tích hợp web / mobile / edge / hệ nhúng. |
Mức trừu tượng & cách chọn framework
Framework có mức trừu tượng khác nhau: API cấp thấp (nhiều quyền kiểm soát nhưng cần code giỏi) ↔ API cấp cao (dễ dùng nhưng ít tùy biến). Có loại đa dụng, có loại chuyên biệt (nhận diện ảnh, giọng nói, dịch thuật).
Chọn theo: lĩnh vực ứng dụng · nhu cầu prototyping nhanh · khả năng cấu hình cho mô hình phức tạp · trình độ người dùng · ràng buộc triển khai (môi trường ít tài nguyên) · mức hỗ trợ cộng đồng · độ chín của hệ sinh thái.
📝 Bẫy hay gặp
Đề hay cho một phát biểu nghe hợp lý nhưng sai — nhớ mấy chỗ gài sau:
- "Framework ML chỉ để huấn luyện mô hình" → SAI: nó lo cả dữ liệu, dựng, đánh giá và triển khai, không chỉ train.
- "API cấp cao luôn tốt hơn API cấp thấp" → SAI: cấp cao dễ dùng nhưng ít tùy biến; tùy nhu cầu mà chọn.
- Nhầm khâu: "Evaluation là để nạp và làm sạch dữ liệu" → SAI: đó là Data Handling; Evaluation là đo hiệu năng mô hình.
📌 Ghi nhớ
5 chức năng: Dữ liệu → Dựng → Huấn luyện/Tối ưu → Đánh giá → Triển khai
Mức API: thấp (kiểm soát) ↔ cao (dễ dùng)
Với tester: khâu Evaluation chính là nơi framework cung cấp sẵn thước đo (accuracy/precision/recall...) — tester tận dụng để kiểm hiệu năng mô hình. Hiểu 5 khâu giúp biết test ở đâu: dữ liệu (Chương 5), mô hình (Chương 6), triển khai (Chương 7).
📖 Thuật ngữ Anh–Việt (mục này)
Đề thi dùng thuật ngữ tiếng Anh — nhớ đúng cụm bên trái. Bấm 🔊 để nghe từng từ, hoặc "Đọc tất cả" để nghe lần lượt Anh → (vài giây) → Việt.
| Thuật ngữ (EN) | Nghĩa & ghi nhớ nhanh |
|---|---|
| ML development framework | Framework phát triển ML — bộ công cụ xây & huấn luyện mô hình |
| Data handling | Xử lý dữ liệu — nạp, làm sạch, định dạng, biến đổi |
| Model building | Dựng mô hình — chọn thuật toán & thiết kế kiến trúc |
| Training | Huấn luyện — điều chỉnh tham số theo dữ liệu |
| Optimization | Tối ưu — lặp để mô hình đạt kết quả tốt nhất |
| Distributed training | Huấn luyện phân tán — chia nhiều máy chạy song song |
| Fine-tuning | Tinh chỉnh — huấn luyện thêm mô hình sẵn cho việc cụ thể |
| Evaluation | Đánh giá — đo hiệu năng trên dữ liệu chưa thấy |
| Accuracy | Độ chính xác (thước đo phân loại) |
| Precision | Độ chuẩn xác — trong số dự đoán dương, bao nhiêu đúng |
| Recall | Độ bao phủ — trong số ca dương thật, bắt được bao nhiêu |
| Error rate | Tỷ lệ lỗi (thước đo cho bài toán regression) |
| Deployment | Triển khai — đưa mô hình vào dùng thật |
| API (application programming interface) | Giao diện lập trình — cấp thấp (kiểm soát) hoặc cấp cao (dễ dùng) |
| Abstraction level | Mức trừu tượng của framework |
🎯 Câu hỏi minh họa (phong cách đề CT-AI · K2)
Within an ML development framework, which function measures accuracy, precision and recall on unseen data?
- a) Data Handling.
- b) Model Building.
- c) Evaluation.
- d) Deployment.
Xem bản dịch tiếng Việt
Trong một framework phát triển ML, chức năng nào đo accuracy, precision và recall trên dữ liệu chưa thấy?
a) Xử lý dữ liệu (Data Handling).
b) Dựng mô hình (Model Building).
c) Đánh giá (Evaluation).
d) Triển khai (Deployment).
Xem đáp án & giải thích
✅ Đáp án đúng: c — Evaluation đo hiệu năng (accuracy/precision/ recall) trên dữ liệu chưa thấy.
a sai — Data Handling lo nạp/làm sạch/biến đổi dữ liệu.
b sai — Model Building lo chọn thuật toán & kiến trúc.
d sai — Deployment lo đóng gói để triển khai.
Đề để tiếng Anh cho sát đề thi thật; phần giải thích để tiếng Việt cho dễ hiểu. Câu hỏi do maiqai.com tự soạn theo phong cách đề.
📎 Nguồn: Chương 1 – Giới thiệu AI, mục 1.1.7 "Machine Learning Development Frameworks", trang 19–20 — ISTQB® Certified Tester AI Testing Syllabus v2.0 (© International Software Testing Qualifications Board). Nội dung biên soạn/dịch ý lại bằng tiếng Việt, không sao chép nguyên văn.