3 dạng Machine Learning và bài toán của mỗi dạng
🎯 Mục tiêu học (LO AI-3.1.1 · mức K2 – Hiểu): phân biệt supervised, unsupervised và reinforcement learning cùng loại bài toán của chúng.
💡 Ý cốt lõi: chọn dạng ML theo bản chất dữ liệu (có nhãn hay không) và loại việc cần làm.
Ba dạng & bài toán con
| Dạng học | Dữ liệu / cách học | Bài toán con + ví dụ |
|---|---|---|
| Supervised (có giám sát) | Dữ liệu có nhãn (mỗi đầu vào có đáp án). | Classification: gán vào lớp định sẵn (spam / không spam, nhận diện ảnh). ML regression: dự đoán số liên tục (tuổi, giá cổ phiếu). |
| Unsupervised (không giám sát) | Dữ liệu không nhãn, tự tìm cấu trúc. | Clustering: gom nhóm theo tương đồng (phân khúc khách hàng). Association: tìm quan hệ giữa thuộc tính (gợi ý sản phẩm theo hành vi mua). |
| Reinforcement (tăng cường) | Agent tương tác môi trường, nhận thưởng/phạt theo hành động. | Robotics, xe tự lái, chatbot thích ứng. Thách thức: dựng môi trường, thiết kế hàm thưởng, chọn chiến lược. |
⚠️ Chú ý thuật ngữ: "ML regression" ở đây là dự đoán giá trị số liên tục — khác hẳn "regression testing" (kiểm thử hồi quy) trong các syllabus ISTQB khác. Đừng nhầm hai khái niệm.
📝 Bẫy hay gặp
Đề hay cho một phát biểu nghe hợp lý nhưng sai — nhớ mấy chỗ gài sau:
- "Clustering là supervised learning" → SAI: clustering & association thuộc unsupervised (dữ liệu không nhãn).
- "Dự đoán giá cổ phiếu là bài toán classification" → SAI: dự đoán số liên tục là ML regression; classification là gán vào lớp rời rạc.
- "Reinforcement học từ một tập dữ liệu có sẵn" → SAI: nó học từ tương tác + thưởng/phạt với môi trường.
📌 Ghi nhớ
Supervised = có nhãn → classification (lớp) · ML regression (số)
Unsupervised = không nhãn → clustering (gom) · association (quan hệ)
Reinforcement = agent + thưởng/phạt
Với tester: biết dạng ML để chọn đúng thước đo và cách test — hệ classification dùng confusion matrix & accuracy/precision/recall (mục 3.3.1); hệ ML regression dùng error rate.
📖 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 |
|---|---|
| Supervised learning | Học có giám sát — dữ liệu có nhãn |
| Unsupervised learning | Học không giám sát — dữ liệu không nhãn |
| Reinforcement learning | Học tăng cường — agent học qua thưởng/phạt |
| Labeled data | Dữ liệu có nhãn (đã gắn đáp án) |
| Classification | Phân loại — gán đầu vào vào lớp định sẵn |
| ML regression | Hồi quy ML — dự đoán giá trị số liên tục (khác regression testing) |
| Clustering | Gom cụm — nhóm dữ liệu giống nhau |
| Association | Kết hợp — tìm quan hệ/phụ thuộc giữa các thuộc tính |
| Intelligent agent | Tác tử thông minh — thực thể học qua tương tác |
| Reward | Phần thưởng (phản hồi tích cực) |
| Penalty | Hình phạt (phản hồi tiêu cực) |
| Reward function | Hàm thưởng — định nghĩa cách chấm điểm hành động |
🎯 Câu hỏi minh họa (phong cách đề CT-AI · K2)
A model must predict a person’s age (a continuous number) from lifestyle data. Which type of ML problem is this?
- a) Classification (supervised).
- b) ML regression (supervised).
- c) Clustering (unsupervised).
- d) Reinforcement learning.
Xem bản dịch tiếng Việt
Một mô hình phải dự đoán tuổi (số liên tục) của một người từ dữ liệu lối sống. Đây là loại bài toán ML nào?
a) Phân loại (supervised).
b) ML regression (supervised).
c) Gom cụm (unsupervised).
d) Học tăng cường.
Xem đáp án & giải thích
✅ Đáp án đúng: b — Dự đoán số liên tục (tuổi) là ML regression.
a sai — classification gán vào lớp rời rạc, không phải số liên tục.
c sai — clustering là unsupervised, không dự đoán giá trị cụ thể.
d sai — reinforcement học qua thưởng/phạt, không hợp bài toán này.
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 3 – Machine Learning, mục 3.1.1 "Different Forms of Machine Learning", trang 27 — 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.