Bỏ qua đến nội dung chính
Machine Learning
Ảnh bìa bài Khóa học Machine Learning: 6 câu hỏi trước khi chọn

Khóa học Machine Learning: 6 câu hỏi trước khi chọn

AIDev TeamTham vấn chuyên môn: Nguyễn Việt Chung

Đăng 13 phút đọc

Mục lục · 16

Một khóa Machine Learning đáng học phải dạy trên phiên bản thư viện còn chạy được, có bài tập được chấm, dạy cách đánh giá model và chống rò rỉ dữ liệu, kết thúc bằng một project. Bài nêu sáu câu bạn nên hỏi trước khi chọn khóa, kèm kết quả mình chạy thử code cũ và bộ chấm bài trên máy AIDev Cloud ngày 08/11/2026.

Một khóa học machine learning đáng tiền cần trả lời được sáu câu. Khóa dạy trên phiên bản thư viện nào, bạn cần biết gì trước khi vào học, dữ liệu thực hành là gì? Bài tập có được chấm không, khóa có dạy đánh giá model và chống rò rỉ dữ liệu (data leakage, model học lén thông tin tương lai) không, học xong bạn làm ra sản phẩm gì? Trang giới thiệu khóa thường ghi tên thuật toán rất kỹ nhưng hay bỏ trống sáu câu này, dù chính chúng quyết định bạn có tự làm được một bài toán thật sau khóa học hay không.

Để mỗi câu hỏi có căn cứ, ngày 08/11/2026 mình chạy thử trên một máy CPU của AIDev Cloud:

  • Sáu đoạn code scikit-learn cũ hay gặp trên mạng: năm đoạn báo lỗi trên scikit-learn 1.9.1, đoạn còn lại chạy được nhưng có cảnh báo sẽ bị gỡ ở bản 1.10.

  • Mình cho bộ chấm của sách Machine Learning thực chiến chấm ba bản bài làm của cùng một bài. Bản chưa làm đạt 0/2 test, bản thiếu một bước tiền xử lý đạt 1/2, bản đúng đạt 2/2.

  • Cài đúng bộ thư viện ghim phiên bản của khóa mất 7 phút 18 giây trên máy CPU Starter.

Cuối bài, mình lấy Khóa 3 Machine Learning thực chiến của AIDev để trả lời lần lượt sáu câu, cho bạn một mẫu để đối chiếu với khóa khác.

Khóa học dạy trên phiên bản scikit-learn nào?

Đây là câu nên hỏi đầu tiên, vì code machine learning cũ hỏng nhanh hơn bạn nghĩ. scikit-learn là library chính để làm machine learning trên dữ liệu bảng bằng Python. Theo PyPI, bản mới nhất ngày 08/11/2026 là 1.9.1, phát hành 10/09/2026. Mỗi bản lớn thường đổi tên hoặc gỡ một số tham số đã báo trước.

Mình gom sáu đoạn code hay gặp trong bài giảng và bài blog cũ, rồi chạy trên scikit-learn 1.9.1:

python
import warnings
import sklearn, numpy as np
print("scikit-learn", sklearn.__version__)
X = np.array([[1.0, 2.0], [2.0, 1.0], [3.0, 4.0], [4.0, 3.0]]); y = np.array([0, 0, 1, 1])
thu = {
    "from sklearn.cross_validation import train_test_split":
        lambda: __import__("sklearn.cross_validation"),
    "from sklearn.datasets import load_boston":
        lambda: exec("from sklearn.datasets import load_boston"),
    "OneHotEncoder(sparse=False)":
        lambda: __import__("sklearn.preprocessing", fromlist=["x"]).OneHotEncoder(sparse=False).fit([["a"], ["b"]]),
    "mean_squared_error(y, du, squared=False)":
        lambda: __import__("sklearn.metrics", fromlist=["x"]).mean_squared_error(y, y, squared=False),
    "LogisticRegression(multi_class='ovr')":
        lambda: __import__("sklearn.linear_model", fromlist=["x"]).LogisticRegression(multi_class="ovr").fit(X, y),
    "LogisticRegression(penalty='l1', solver='liblinear')":
        lambda: __import__("sklearn.linear_model", fromlist=["x"]).LogisticRegression(penalty="l1", solver="liblinear").fit(X, y),
}
for ten, f in thu.items():
    with warnings.catch_warnings(record=True) as w:
        warnings.simplefilter("always")
        try:
            f(); kq = "chạy được"
        except Exception as e:
            kq = f"{type(e).__name__}: {str(e).splitlines()[0][:110]}"
        for c in w:
            if issubclass(c.category, (FutureWarning, DeprecationWarning)):
                kq += f" | {c.category.__name__}: {str(c.message).splitlines()[0][:90]}"
    print(f"$ {ten}\n  {kq}")
Terminal chạy code_cu.py trên scikit-learn 1.9.1: sklearn.cross_validation báo ModuleNotFoundError, load_boston báo ImportError vì đã bị gỡ từ bản 1.2, OneHotEncoder sparse, mean_squared_error squared và LogisticRegression multi_class đều báo TypeError unexpected keyword argument, riêng penalty l1 với liblinear chạy được nhưng có FutureWarning sẽ bị gỡ ở bản 1.10

Đoạn code cũ

Kết quả trên scikit-learn 1.9.1

from sklearn.cross_validation import train_test_split

ModuleNotFoundError

from sklearn.datasets import load_boston

ImportError, gỡ từ bản 1.2

OneHotEncoder(sparse=False)

TypeError: ... unexpected keyword argument 'sparse'

mean_squared_error(y, du, squared=False)

TypeError: ... unexpected keyword argument 'squared'

LogisticRegression(multi_class='ovr')

TypeError: ... unexpected keyword argument 'multi_class'

LogisticRegression(penalty='l1', solver='liblinear')

chạy được, FutureWarning: penalty sẽ bị gỡ ở bản 1.10

Bộ dữ liệu giá nhà Boston (load_boston) từng có mặt trong rất nhiều bài nhập môn. Thông báo lỗi của scikit-learn giải thích vì sao bộ này bị gỡ: một biến trong dữ liệu được dựng dựa trên giả định về chủng tộc. Khóa học nào còn mở đầu bằng load_boston thì gần như chắc chắn chưa được cập nhật kể từ khi bản 1.2 ra mắt.

Nên hỏi: khóa dùng scikit-learn bản nào, có file requirements.txt ghim phiên bản không, lần cập nhật gần nhất là khi nào. Nếu trang khóa học không ghi, bạn xin xem một notebook mẫu rồi tìm các dòng trong bảng trên.

Cần biết gì trước khi học machine learning?

Machine learning trên dữ liệu bảng thường được học sau Python và phân tích dữ liệu. Một khóa nghiêm túc sẽ ghi rõ yêu cầu đầu vào, tốt nhất là có bài kiểm tra để bạn tự biết mình thiếu gì.

Ba thứ mình thấy bắt buộc:

  1. Python: hàm, list, dict, vòng lặp, đọc file.

  2. pandas: lọc, nhóm, nối bảng, xử lý ô trống. Nhiều lỗi khi train model thực ra là lỗi dữ liệu. Bài Machine Learning là gì có hai lỗi kiểu này: cột ngày dạng chữ và 1.345 ô trống trong một cột điểm đánh giá.

  3. Thống kê nền: trung bình, trung vị, phân phối, xác suất có điều kiện.

Toán đại học (đại số tuyến tính, giải tích) giúp bạn hiểu sâu hơn, nhưng không cần để bắt đầu. Với người đi làm, khóa dạy bằng hình và bằng số trước, để công thức ở phụ lục cho ai muốn đọc thêm, thường dễ theo hơn.

Nên hỏi: khóa có bài kiểm tra đầu vào không, nếu thiếu nền pandas thì ôn ở đâu.

Dữ liệu thực hành là dữ liệu gì, tải về được không?

Nhiều khóa dùng lại vài bộ dữ liệu kinh điển như hoa iris, hành khách Titanic. Các bộ này sạch và nhỏ, nên người học ít khi gặp lỗi dữ liệu thật. Dữ liệu doanh nghiệp thì có ô trống, cột ghi sai thời điểm, nhóm khách lệch nhau rất nhiều.

Bạn nên tìm khóa dùng một bộ dữ liệu có "vấn đề" như ngoài đời, và bạn tải được về máy mình để chạy lại. Ví dụ, bộ dữ liệu Tiệm Mây của AIDev có 10.787 khách, trong đó 18,1% rời bỏ. Cột điểm đánh giá trống ở những khách chưa từng đánh giá. Bộ dữ liệu còn cố ý giữ một cột ghi sau mốc dự đoán để học viên tập bắt lỗi rò rỉ dữ liệu. Bộ này để công khai trên trang lab:

Trang lab.aidev.edu.vn/k3 của Khóa 3 Machine Learning thực chiến: tiêu đề Lab Khóa 3 dữ liệu Tiệm Mây hai năm sau, nút tải du-lieu.zip 3,0 MB, nút requirements.txt và trang khóa học, khối lệnh pip install từ requirements và khối code đọc dữ liệu bằng pandas

Cài thư viện của khóa từ chính trang đó:

bash
pip install -q -r https://lab.aidev.edu.vn/k3/requirements.txt
Terminal trên AIDev Cloud: lệnh time pip install requirements của Khóa 3 mất 7 phút 18 giây, sau đó in phiên bản scikit-learn 1.9.1, LightGBM 4.7.0, SHAP 0.53.0, pandas 3.0.6, NumPy 2.5.4

Lần cài này mất 7 phút 18 giây trên máy CPU Starter (8 vCPU), phần lớn là tải các package. Bản mới nhất trên PyPI cùng ngày là pandas 3.1.1 và SHAP 0.54.1, khóa vẫn ghim pandas 3.0.6 và SHAP 0.53.0. Ghim phiên bản cũ hơn một chút là cố ý: kết quả bạn chạy ra phải khớp với số in trong bài học.

Nên hỏi: dữ liệu có tải về được không, giấy phép dùng thế nào, có bản mô tả từng cột không.

Bài tập có được chấm không, chấm thế nào?

Với machine learning, chấm bài khó hơn chấm bài Python cơ bản. Hai người viết đúng có thể ra hai con số lệch nhau ở chữ số thứ tư, vì khác máy hoặc khác phiên bản thư viện. Bộ chấm tốt không so con số chính xác. Nó kiểm cấu trúc model (đủ bước, đúng thứ tự), rồi tự train model của bạn, đo điểm trên phần dữ liệu bạn không được dùng để train và so điểm đó với một ngưỡng.

Mình thử bộ chấm của sách Machine Learning thực chiến với bài 2.6: viết hàm trả về một pipeline (chuỗi bước xử lý gói chung với model) gồm StandardScaler rồi LogisticRegression, chưa train. Test 2 train model trên bộ dữ liệu khách hàng rồi đo ROC-AUC trên dữ liệu riêng của bộ chấm, phải đạt ít nhất 0,779. ROC-AUC đo khả năng model xếp khách sắp rời bỏ lên trên khách ở lại, 0,5 là đoán bừa. Mình chấm ba bản bài làm bằng cùng một lệnh:

bash
python cham.py 2.6

Bản thứ nhất để hàm trả về None, như lúc chưa làm bài:

Bộ chấm với bài chưa làm, hàm trả về None: test_1 và test_2 đều CHƯA ĐẠT với thông báo cần một model có fit và get_params nhưng nhận được NoneType, kết quả 0/2 test đạt

Bản thứ hai chỉ trả về LogisticRegression(), quên bước scale (đưa các cột số về cùng thang đo):

Bộ chấm với bài thiếu StandardScaler: test_1 CHƯA ĐẠT vì model thiếu bước StandardScaler hoặc sai thứ tự, test_2 ĐẠT, kết quả 1/2 test đạt

Bản này cho thấy vì sao chỉ chấm điểm số là chưa đủ. Model thiếu scale vẫn vượt ngưỡng ROC-AUC (test 2 đạt), nhưng test 1 vẫn trượt vì đề yêu cầu scale nằm trong pipeline. Đặt bước scale trong pipeline là thói quen có ích: model nhạy với thang đo như KNN (đoán theo các khách giống nhất) cần nó, và bước scale chỉ học từ dữ liệu train, không học lén dữ liệu test.

Bản thứ ba gói hai bước bằng make_pipeline:

Bộ chấm với bài đúng, make_pipeline StandardScaler và LogisticRegression: test_1 ĐẠT, test_2 ĐẠT, kết quả 2/2 test đạt

Lần chạy đầu, mình để dữ liệu sai thư mục nên cả ba bản đều trượt test 2 với lỗi FileNotFoundError: [Errno 2] No such file or directory: '../data/khach_hang_churn.csv'. Bộ chấm đọc file trong thư mục data/, nên mình chuyển các file CSV vào đó rồi chấm lại. Nếu bạn gặp lỗi này, hãy kiểm tra đường dẫn trước khi nghĩ là bài sai.

Nên hỏi: bài tập có bộ chấm tự động không, chấm bằng ngưỡng hay so số chính xác, project cuối khóa có người chấm theo rubric (bảng tiêu chí chấm điểm) không.

Khóa có dạy đánh giá model và chống rò rỉ dữ liệu không?

Người làm machine learning dành nhiều thời gian cho việc đánh giá: chia train/test đúng cách, chọn metric (thước đo), so với baseline (cách đoán đơn giản nhất), kiểm tra model có học lén thông tin tương lai không. Phần này ít hấp dẫn hơn tên thuật toán, nên trang giới thiệu khóa hay viết lướt.

Bài Machine Learning là gì có một ví dụ cụ thể. Model đầu tiên đạt ROC-AUC 0,781. Khi thêm một cột chỉ biết được sau ngày dự đoán, điểm vọt lên 0,992. Người không được dạy kiểm tra rò rỉ sẽ vui với con số 0,992 và đem một model hỏng đi báo cáo.

Đề cương tốt nên ghi rõ tên các mục sau:

Nên thấy trong đề cương

Vì sao

baseline (DummyClassifier, DummyRegressor)

model phải thắng cách đoán đơn giản nhất mới đáng dùng

data leakage, pipeline

chống model học lén dữ liệu test hoặc thông tin tương lai

cross-validation

biết điểm số dao động bao nhiêu, không tin một lần chia

precision, recall, ROC-AUC, PR-AUC

accuracy dễ đánh lừa khi một nhóm chiếm phần lớn dữ liệu

chọn ngưỡng theo chi phí

ngưỡng xác suất mặc định 0,5 hiếm khi là ngưỡng có lợi nhất cho doanh nghiệp

giải thích model (permutation importance, SHAP)

để người không làm kỹ thuật tin và dùng model

Nên hỏi: khóa dạy chống data leakage ở bài nào, có dạy chọn ngưỡng theo chi phí không.

Học xong làm ra được sản phẩm gì?

Kết quả dễ kiểm nhất của một khóa machine learning là một project trọn vẹn, đi từ dữ liệu thô đến model. Project đó nên có báo cáo cho người không làm kỹ thuật và một file model chạy lại được. Project nên được chấm theo rubric công khai, để bạn biết thế nào là đạt trước khi bắt đầu.

Hãy cẩn thận với khóa hứa "đảm bảo việc làm" hoặc in mức lương đầu ra. Bài Machine Learning Engineer là gì đếm 9 tin tuyển dụng ML Engineer ngày 26/10/2026: chỉ 1 tin nhận fresher (người mới ra trường), phần lớn đòi từ 3 năm kinh nghiệm. Một project tốt giúp hồ sơ của bạn nổi hơn, nhưng không thay được kinh nghiệm đi làm.

Nên hỏi: project cuối khóa là bài toán gì, rubric chấm thế nào, có bài mẫu ở các mức điểm khác nhau không.

Khóa Machine Learning thực chiến của AIDev trả lời sáu câu hỏi thế nào?

Machine Learning thực chiến là Khóa 3 của lộ trình AI Engineer từ số 0. Đây là câu trả lời theo đề cương và trang khóa học:

Câu hỏi

Khóa 3 Machine Learning thực chiến

Phiên bản thư viện

scikit-learn 1.9.1, LightGBM 4.7.0, SHAP 0.53.0, pandas 3.0.6, ghim trong requirements.txt trên trang lab; notebook có cell cài cho Colab

Cần biết trước

Khóa 1 Python và Khóa 2 Phân tích dữ liệu, hoặc tương đương; có bài kiểm tra đầu vào, câu sai trỏ về bài cần ôn; không cần toán đại học

Dữ liệu

Tiệm Mây hai năm sau: 10.787 khách, đơn hàng, giá nhà, hồ sơ vay; dữ liệu mô phỏng, giấy phép MIT, tải ở lab.aidev.edu.vn/k3

Chấm bài

notebook có bộ chấm từ ngày phát hành, chấm model theo ngưỡng metric, kiểm cấu trúc pipeline và luật chống leakage

Đánh giá và leakage

chương đầu dạy baseline, data leakage, pipeline, cross-validation, metric; có chọn ngưỡng theo chi phí, permutation importance và SHAP

Sản phẩm

Project 3 dự đoán khách rời bỏ: danh sách khách nên gửi mã giữ chân, lý do cho từng khách, lợi nhuận chiến dịch; rubric 25 điểm, đạt từ 18 để nhận chứng nhận khóa

Khóa mở đầu bằng nhập môn và đánh giá model, rồi đến hồi quy và phân loại (từ logistic đến LightGBM, ngưỡng và dữ liệu mất cân bằng). Tiếp theo là học không giám sát, sau đó là feature (các cột đầu vào của model), pipeline, tinh chỉnh và giải thích model. Chương cuối là Project 3. Ở Khóa 4, chính pipeline của Project 3 được đưa lên web. Giảng viên là Nguyễn Việt Chung, Thạc sĩ AI MSE, Founder AIDev & VietPlatform, đồng sáng lập và CTO E-University.

Khóa đi kèm ebook Machine Learning thực chiến, đang bán, dùng cùng bộ dữ liệu và cùng bộ chấm như ở trên. Muốn biết năm khóa nối với nhau thế nào, bạn xem trang lộ trình AI Engineer từ số 0.

Khi nào chưa nên mua khóa học machine learning?

Mình khuyên bạn chờ trong ba trường hợp sau:

  • Chưa vững pandas. Bạn sẽ mất phần lớn thời gian sửa lỗi dữ liệu thay vì học model. Học phân tích dữ liệu trước.

  • Chỉ muốn dùng ChatGPT hay Claude cho công việc. Bạn không cần train model nào. Một khóa dùng AI cho công việc văn phòng hợp hơn.

  • Muốn tự học trước để thử. Tài liệu chính thức của scikit-learn miễn phí và đủ để bạn train model đầu tiên. Bài Học AI miễn phí liệt kê thêm khóa học và tài liệu miễn phí theo từng mục tiêu. Khi tự học bắt đầu chững lại vì thiếu người chấm bài và thiếu một project có đầu có cuối, lúc đó mới đáng trả tiền.

Câu hỏi thường gặp

Học machine learning mất bao lâu?

Tùy nền của bạn. Nếu đã vững Python và pandas, bạn train được model đầu tiên trong một buổi. Để tự làm trọn một project như dự đoán khách rời bỏ, có baseline, chống leakage, chọn ngưỡng và giải thích model, bạn cần vài tháng học đều mỗi tuần.

Học machine learning có cần GPU không?

Với dữ liệu bảng thì không. Trên máy CPU Starter 8 vCPU, model logistic regression train trên 8.629 khách mất 0,018 giây. GPU cần khi bạn sang deep learning với ảnh, văn bản và model lớn. Hai nhánh này khác nhau ra sao thì bài machine learning và deep learning so trên cùng dữ liệu khách rời bỏ, kèm số tham số và thời gian train.

Nên học khóa machine learning tiếng Anh hay tiếng Việt?

Nếu đọc tiếng Anh thoải mái, tài liệu tiếng Anh rất nhiều. Quan trọng hơn ngôn ngữ là khóa có cập nhật phiên bản, có chấm bài và có project không. Thuật ngữ như model, feature, label nên giữ tiếng Anh ở cả khóa tiếng Việt, vì tài liệu và tin tuyển dụng đều dùng các chữ đó.

Khóa học machine learning online có hiệu quả không?

Hiệu quả nếu có bộ chấm tự động và có người chấm project. Xem video mà không làm bài thì sau vài tuần bạn sẽ quên gần hết. Hãy hỏi trước khóa có notebook thực hành và có bài nộp cuối khóa không.

Đọc tiếp

Code và bộ chấm chạy trên máy CPU Starter của AIDev Cloud (8 vCPU, Ubuntu 24.04, Python 3.12.3, scikit-learn 1.9.1), ngày 08/11/2026.

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập