Professional Documents
Culture Documents
NGHIÊN CỨU
Tự nhiên Xã hội nhân văn Giáo dục Kỹ thuật Nông Y dược Môi trường Cơ bản Ứng dụng Triển khai
Lâm-Ngư
☐ ☐ ☐ ☐ ☐ ☐ ☐ ☐ ☐ ☐
5. THỜI GIAN 6 tháng,
THỰC HIỆN từ tháng 11 năm 2022 đến tháng 04 năm 2023
6. CƠ QUAN CHỦ TRÌ
Khoa/Bộ môn trực thuộc: Khoa Công nghệ thông tin
Họ và tên Đơn vị công tác và lĩnh vực chuyên Nội dung nghiên cứu cụ thể được giao Chữ ký
môn
Sar Lavi K47.01.104.235 Xây dựng kế hoạch, tổng quan tình hình nghiên
cứu, nghiên cứu mô hình học sâu, công nghệ, cách
Nguyễn Phương Đại K47.01.104.057 Tổng quan tình hình nghiên cứu, nghiên cứu mô hình
Nguyễn Quốc An K46.01.104.001 Tổng quan tình hình nghiên cứu, nghiên cứu mô hình
học sâu, công nghệ, cách triển khai, cài đặt, viết báo
cáo.
Tống Huỳnh Minh Nhật K47.01.104.151 Tổng quan tình hình nghiên cứu, nghiên cứu mô hình
học sâu, cách triển khai, cài đặt, viết báo cáo.
9. ĐƠN VỊ PHỐI HỢP CHÍNH (NẾU CÓ)
Tên đơn vị trong và ngoài nước Nội dung phối hợp Họ và tên người đại diện
1
1. TÌNH HÌNH NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC
Tổng quan tình hình nghiên cứu thuộc lĩnh vực của đề tài.
Triển khai (Deploy) là việc đưa các kết quả khoa học được nghiên cứu trong phòng thí nghiệm vào thực tế nhằm kiểm nghiệm, đánh giá khả năng hiện thực của
những kết quả, tiến tới quyết định áp dụng hay không áp dụng chúng vào thực tế. Hay nói ngắn gọn, triển khai là hoạt động ứng dụng kết quả nghiên cứu khoa học để làm
thực nghiệm nhằm tạo ra công nghệ mới, sản phẩm mới.
Học máy (Machine Learning) là một nhánh phát triển mạnh nhất và là cơ sở cốt lõi của trí tuệ nhân tạo (AI) và khoa học máy tính, tập trung vào việc sử dụng dữ
liệu và thuật toán để bắt chước cách con người học, dần dần cải thiện độ chính xác trong việc đưa ra các dự đoán dựa trên dữ liệu đầu vào. Tương tự quá trình học thông
thường, một hệ thống học máy cần có khả năng ghi nhớ, thích nghi và đặc biệt là biết tổng quát hóa. Tổng quát hóa là khả năng hệ thống máy học ra quyết định chính xác
trong các trường hợp mới, chưa gặp trước đó, dựa trên kinh nghiệm học được từ dữ liệu hoặc quan sát trước đó.[1]
Triển khai mô hình máy học (Deploy Machine Learning) là quá trình đưa mô hình máy học vào môi trường cuộc sống hằng ngày để có thể sử dụng với mục đích
thực sự của mô hình máy học. Mô hình máy học thường được kết nối với các ứng dụng thông qua API để người dùng có thể dễ dàng truy cập và sử dụng. Quá trình triển
khai là bước mấu chốt trong việc tận dụng hết giá trị của máy học. [2]
Triển khai mô hình máy học rất quan trọng trong thời đại hiện nay vì nó cung cấp cho các doanh nghiệp cái nhìn về xu hướng trong hành vi của khách hàng và
các mô hình hoạt động kinh doanh, cũng như hỗ trợ sự phát triển của các sản phẩm mới. Nhiều công ty hàng đầu hiện nay, chẳng hạn như Facebook, Google và Uber. Biến
triển khai học máy trở thành một phần trọng tâm trong hoạt động của họ. Hiện nay, triển khai học máy đã trở thành một yếu tố cạnh tranh khác biệt đáng kể đối với nhiều
công ty. Có một số lý do giải thích cho sự phát triển của triển khai máy học hay nói cách khác là lý do cần tới phát triển máy học:
2
2. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Cuộc cách mạng công nghiệp 4.0 đã và luôn là một cái tên được nhắc đến nhiều nhất trong các diễn đàn về khoa học, kỹ thuật, kinh tế, giáo dục và y tế… Nói
một cách khác, việc công nghệ 4.0 bùng nổ vào đầu thế kỷ 21 đã tạo ra một làn sóng dữ dội làm rung chuyển mọi lĩnh vực trong đời sống với các công cụ mới như AI, điện
toán đám mây.. và hạt nhân nổi bật nhất phải kể đến là Machine Learning và các mô hình (model) của chúng. Tuy nhiên, không phải mô hình nào chúng ta cũng có thể triển
khai một cách chính xác và tối ưu hoàn toàn, dẫn đến việc dữ liệu đầu ra bị lỗi, không phản ánh đúng thực tế do việc xử lý dữ liệu có vấn đề hoặc sai số quá lớn. [1]
Việc một mô hình máy học hoạt động chính xác sẽ giúp cho khách hàng hoặc người dùng có được những dữ liệu, kết quả chính xác nhất về một vấn đề kinh
doanh, y học, kinh tế.. mà không tốn quá nhiều chi phí. Tùy mô hình được triển khai mà ta có thể dự đoán tương lai của một lĩnh vực hoặc nắm rõ được yêu cầu khách hàng
Vậy, chúng ta sẽ triển khai những mô hình máy học như thế nào cho hiệu quả? Nhiều nghiên cứu, bài báo khoa học chỉ ra vấn đề đa phần nằm ở việc đảm bảo
tính liên tục và minh bạch của dữ liệu ở các giai đoạn khác nhau, và để đảm bảo điều đó, chúng ta cần phải có sự kết nối giữa các nhóm phát triển, cơ sở hạ tầng đáp ứng
được các nhu cầu và tính linh hoạt, ứng biến cao. [1]
Nghiên cứu này nhằm mục đích tìm hiểu, nghiên cứu và triển khai các mô hình máy học vào các bài toán cụ thể. Qua nghiên cứu này, chúng ta sẽ có cái nhìn sâu
sắc và rõ ràng hơn về các yếu tố đảm bảo dữ liệu trong các mô hình máy học và cách triển khai các mô hình ấy một cách chính xác mà vẫn đạt được hiệu quả cao. Từ đó
giúp các nhà kinh doanh hay lập trình viên có kế hoạch và công cụ phù hợp cho các dự án sắp tới liên quan tới máy học và dữ liệu lớn (BigData).
3
3. MỤC TIÊU ĐỀ TÀI
- Nghiên cứu các công nghệ triển khai mô hình học máy.
- Áp dụng mô hình triển khai một số model đã được học.
4. CÁCH TIẾP CẬN, PHƯƠNG PHÁP NGHIÊN CỨU, PHẠM VI NGHIÊN CỨU
-
Cách tiếp cận:
Những năm gần đây, lĩnh vực nghiên cứu về Machine Learning đã và đang phát triển một cách nhanh chóng với nhiều thành tựu đáng chú ý. Các nhà khoa học dữ liệu đã thiết kế
nhiều mô hình rất mạnh mẽ và phức tạp để giải quyết các bài toán mà trước đây không dễ dàng để giải quyết. Tuy nhiên, phần lớn những mô hình này đều chỉ dừng lại ở mức nghiên cứu
mà không triển khai dưới dạng một ứng dụng sản phẩm. Từ đó, đề tài “Nghiên cứu và ứng dụng công nghệ web để triển khai mô hình deep learning” là đề tài nghiên cứu có tính ứng
dụng nhằm giải quyết vấn đề nan giải đó chính là áp dụng những mô hình machine learning, deep learning này vào sử dụng hằng ngày với giao diện thân thiện với người dùng.
Qua đó, chúng tôi muốn rằng sẽ tìm được giải pháp tiếp cận, nêu lên được những thách thức đối với việc nghiên cứu.
Ngoài ra, nhóm còn tiền hành thử nghiệm triển khai những model machine learning, deep learning có sẵn để giải quyết vấn đề trên.
- Phạm vi nghiên cứu: Nghiên cứu thiết kế API, Python, công nghệ web, triển khai mô hình deep learning.
4
5. NỘI DUNG NGHIÊN CỨU VÀ TIẾN ĐỘ THỰC HIỆN
Sar Lavi
Sar Lavi
Sar Lavi
Nghiên cứu các công nghệ hiện tại hỗ trợ việc triển khai Báo cáo về các công nghệ đã 1/11/2021- Nguyễn Phương Đại
3
mô hình nghiên cứu. 30/11/2021 Nguyễn Quốc An
Sar Lavi
Báo cáo về các API thu được và 1/12/2021- Nguyễn Phương Đại
4 Viết API cho model machine learning, deep learning.
ý tưởng triển khai 14/12/2021 Nguyễn Quốc An
Sar Lavi
Sar Lavi
Sar Lavi
5
Sar Lavi
Mẫu ☐, Vật liệu ☐, Thiết bị máy móc ☐ , Dây chuyền công nghệ ☐
Giống cây trồng ☐, Giống gia súc ☐, Qui trình công nghệ ☐, Phương pháp ☐
Tài liệu dự báo ☐, Đề án ☐, Luận chứng kinh tế ☐, Chương trình máy tính ☐
●
Tên sản phẩm, số lượng và yêu cầu khoa học đối với sản phẩm
●
Địa chỉ có thể ứng dụng (tên địa phương, đơn vị ứng dụng):
Chi kinh phí hoạt động nghiên cứu tài liệu: 2.000.000 đồng
Chi kinh phí hoạt động thu thập dữ liệu, cài đặt, phân tích: 2.000.000 đồng
6
TPHCM, ngày __ tháng __ năm _____ TPHCM, ngày __ tháng __ năm _____
Trưởng Khoa/Bộ môn GV hướng dẫn Sinh viên thực hiện đề tài
(kí tên, đóng dấu) (Họ và tên, kí) (Họ và tên, kí)