- Bốn nguồn tiếng Việt nên biết: blog và ebook Machine Learning cơ bản (Vũ Hữu Tiệp), bản dịch Đắm mình vào Học Sâu (kho d2l-ai/d2l-vi), loạt bài Deep Learning cơ bản trên nttuan8.com, và bảng thuật ngữ Anh - Việt của nhóm dịch.
- Phần lớn các nguồn này viết trong khoảng 2018 đến 2022. Lý thuyết vẫn đúng, nhưng tên thư viện, cách cài đặt có thể đã cũ.
- Học khái niệm bằng tiếng Việt, giữ song song thuật ngữ tiếng Anh, rồi chuyển dần sang tài liệu tiếng Anh mới nhất.
- Muốn làm AI cho tiếng Việt thì có mô hình PhoBERT của VinAI và thư viện underthesea.
Thông tin trong bài lấy từ chính các trang và kho GitHub được nêu, mở ngày 11/11/2026. Với mỗi nguồn, bài ghi năm cập nhật gần nhất mà trang hay kho cho thấy, để bạn biết nên tin phần nào.
Học bằng tiếng Việt hay tiếng Anh
Tài liệu học máy mới nhất gần như luôn bằng tiếng Anh: khóa học, sách, tài liệu thư viện, bài báo. Nhưng với người mới, đọc một khái niệm khó như lan truyền ngược hay chính quy hóa bằng tiếng mẹ đẻ giúp hiểu nhanh hơn nhiều. Cách kết hợp hợp lý:
- Đọc khái niệm lần đầu bằng tiếng Việt để nắm ý.
- Ghi lại thuật ngữ tiếng Anh tương ứng (dùng bảng thuật ngữ ở phần dưới).
- Làm bài tập và code theo một khóa tiếng Anh, như các khóa trong bài tài liệu học AI miễn phí.
Sau vài tháng, bạn sẽ đọc tài liệu tiếng Anh trôi chảy hơn, và đó là kỹ năng cần cho cả nghề.
Machine Learning cơ bản (Vũ Hữu Tiệp)
Blog machinelearningcoban.com có loạt bài đánh số đi từ hồi quy tuyến tính, k-means, k-NN, gradient descent, perceptron, hồi quy logistic, SVM (cả soft margin, kernel, nhiều lớp), tối ưu lồi, hệ gợi ý, phân tích thành phần chính (PCA), SVD, Naive Bayes, cây quyết định ID3, tới mạng nơ-ron nhiều tầng, Keras và tích chập hai chiều. Blog cũng có loạt bài FundaML về mảng và ma trận trong numpy, và các bài ôn tập xác suất. Điểm mạnh: giải thích toán cẩn thận, có hình minh họa, có code Python.
Ebook "Machine Learning cơ bản" có bản PDF (đen trắng và màu) trong kho GitHub tiepvupsu/ebookMLCB. README của kho ghi: mọi hình thức sao chép, in ấn đều cần tác giả đồng ý, khi chia sẻ phải dẫn nguồn về kho hoặc về blog, và sách giấy không còn bán. Vì vậy hãy tải từ kho gốc và gửi đường dẫn kho cho bạn bè thay vì chia sẻ tệp PDF.
Lưu ý về thời điểm: bài mới nhất trên blog khi xem ngày 11/11/2026 là năm 2018. Phần lý thuyết học máy cổ điển vẫn rất giá trị; phần dùng Keras hay các phiên bản thư viện có thể khác với hiện nay.
Đắm mình vào Học Sâu: bản dịch Dive into Deep Learning
"Dive into Deep Learning" là sách học sâu tương tác được nhiều trường dùng (xem bài sách Deep Learning miễn phí). Cộng đồng Việt Nam đã dịch sách này với tên "Đắm mình vào Học Sâu". Kho d2l-ai/d2l-vi trên GitHub chứa toàn bộ bản dịch dưới dạng tệp Markdown đọc được trực tiếp trên GitHub, cùng danh sách người đóng góp. Lần cập nhật gần nhất của kho là tháng 7/2022, nên bản dịch đi theo phiên bản sách lúc đó.
Cảnh báo: README của kho vẫn ghi tên miền cũ của trang bản dịch, nhưng khi mở ngày 11/11/2026, tên miền đó không còn chứa sách mà là trang quảng cáo cờ bạc. Chỉ đọc bản dịch qua kho GitHub, không bấm vào tên miền cũ.
Bảng thuật ngữ Anh - Việt
Một tài sản rất đáng giá của nhóm dịch là tệp glossary.md trong kho d2l-vi: bảng thuật ngữ tiếng Anh và cách dịch mà nhóm thống nhất, xếp theo bảng chữ cái, có cột dẫn tới thảo luận cho những từ khó dịch. Ví dụ trong bảng: gradient descent là "hạ gradient", learning rate là "tốc độ học", overfit là "quá khớp". Bảng giúp bạn đọc tài liệu tiếng Anh mà vẫn nói chuyện được bằng tiếng Việt với bạn học.
Đoạn Python dưới đây tra thuật ngữ trong một bảng Markdown dạng | English | Tiếng Việt | ... |. Nó tra được cả hai chiều, gõ không dấu cũng được (gõ "ham mat mat" ra "loss function"), và khi không khớp nguyên từ thì tìm theo một phần (gõ "overfitting" vẫn ra mục "overfit"). Chạy không tham số thì dùng bảng mẫu nhỏ trong code; chạy kèm đường dẫn tệp glossary.md bạn tải từ kho d2l-vi để tra trong bảng thật. Khi thử ngày 11/11/2026, đoạn code đọc được khoảng 460 mục từ tệp đó.
"""Tra thuật ngữ học máy Anh - Việt từ một bảng Markdown dạng | English | Tiếng Việt | ... |
Dùng được với tệp bảng thuật ngữ bạn tự tải về, ví dụ glossary.md trong kho d2l-ai/d2l-vi (bản dịch
"Đắm mình vào Học Sâu"), hoặc bảng do chính bạn ghi chép trong lúc học.
Chạy: python tra_thuat_ngu.py duong/dan/glossary.md overfitting
Chạy không tham số: tra trong bảng mẫu nhỏ có sẵn.
"""
import sys
import unicodedata
def bo_dau(chu):
"""Bỏ dấu tiếng Việt để tra được cả khi gõ không dấu (đ -> d)."""
chu = unicodedata.normalize("NFD", chu.replace("đ", "d").replace("Đ", "D"))
return "".join(c for c in chu if unicodedata.category(c) != "Mn").lower()
def doc_bang(van_ban):
"""Lấy các cặp (tiếng Anh, tiếng Việt) từ mọi dòng bảng, bỏ dòng tiêu đề và dòng kẻ."""
cap = []
for dong in van_ban.splitlines():
dong = dong.strip()
if not dong.startswith("|"):
continue
o = [x.strip() for x in dong.strip("|").split("|")]
if len(o) < 2 or not o[0] or set(o[0]) <= set("-: ") or o[0].lower() == "english":
continue
cap.append((o[0], o[1]))
return cap
def tra(cap, tu):
khoa = bo_dau(tu.strip())
dung = [(a, v) for a, v in cap if bo_dau(a) == khoa or bo_dau(v) == khoa]
if dung:
return dung
# Không khớp nguyên từ: tìm theo một phần, cả hai chiều (gõ "overfitting" vẫn ra mục "overfit").
return [(a, v) for a, v in cap
if khoa in bo_dau(a) or khoa in bo_dau(v) or (len(a) >= 5 and bo_dau(a) in khoa)]
BANG_MAU = """| English | Tiếng Việt | Ghi chú |
|---|---|---|
| accuracy | độ chính xác | |
| activation function | hàm kích hoạt | |
| gradient descent | hạ gradient | |
| learning rate | tốc độ học | |
| loss function | hàm mất mát | |
| overfitting | quá khớp | |
| underfitting | dưới khớp | |
| training set | tập huấn luyện | |
| validation set | tập kiểm định | |
"""
def chay_thu():
cap = doc_bang(BANG_MAU)
ket_qua = []
for tu in ["overfitting", "ham mat mat", "set"]:
tim = tra(cap, tu)
ket_qua.append(f"{tu!r}: " + ("; ".join(f"{a} = {v}" for a, v in tim) if tim else "không thấy"))
print("\n".join(ket_qua))
return ket_qua
if __name__ == "__main__":
if len(sys.argv) > 2:
with open(sys.argv[1], encoding="utf-8") as f:
cap = doc_bang(f.read())
tim = tra(cap, " ".join(sys.argv[2:]))
print("\n".join(f"{a} = {v}" for a, v in tim) if tim else "không thấy")
else:
chay_thu()
Bạn cũng có thể dùng chính định dạng này cho sổ thuật ngữ riêng: mỗi lần gặp từ mới, thêm một dòng vào bảng, rồi tra lại bằng đoạn code.
Deep Learning cơ bản trên nttuan8.com
Trang nttuan8.com có loạt bài Deep Learning cơ bản (từ hồi quy tuyến tính đến sinh chú thích cho ảnh), loạt bài PyTorch và loạt bài về mạng đối sinh (GAN). Trang có giới thiệu sách Deep Learning cơ bản được đưa miễn phí tới bạn đọc, nhưng khi mở ngày 11/11/2026, đường dẫn trang sách báo lỗi 404; các bài viết trên blog vẫn đọc được. Code đi kèm loạt bài nằm trong kho GitHub nttuan8/DL_Tutorial, cập nhật gần nhất năm 2019.
Làm AI cho tiếng Việt
Nếu bạn muốn xây ứng dụng xử lý văn bản tiếng Việt, hai công cụ nên biết:
- PhoBERT (VinAI Research): mô hình ngôn ngữ huấn luyện trước cho tiếng Việt, công bố tại EMNLP 2020 (Findings), giấy phép MIT. Tải qua Hugging Face với tên
vinai/phobert-base; xem bài Hugging Face là gì. - underthesea: thư viện Python mã nguồn mở (Apache-2.0) cho tiếng Việt, cài bằng
pip install underthesea. README liệt kê các tác vụ như tách câu, chuẩn hóa văn bản, khôi phục dấu, tách từ, gán nhãn từ loại, nhận dạng thực thể, phân loại văn bản, phân tích cảm xúc. Kho còn được cập nhật (lần push gần nhất 08/11/2026).
Tách từ là bước đặc thù của tiếng Việt: "học máy" là một từ gồm hai âm tiết. Nhiều mô hình cho tiếng Việt yêu cầu văn bản đã tách từ trước; đọc README của mô hình để biết.
Dùng AI để đọc tài liệu tiếng Anh
Trợ lý AI giúp người mới vượt rào tiếng Anh khá tốt, nếu dùng đúng cách:
- Nhờ AI giải thích một đoạn khó bằng tiếng Việt, nhưng vẫn đọc bản gốc trước và sau khi xem giải thích.
- Yêu cầu AI giữ nguyên thuật ngữ tiếng Anh trong ngoặc, rồi đối chiếu với bảng thuật ngữ; AI có thể dịch một thuật ngữ theo nhiều cách khác nhau giữa các lần hỏi.
- Không dán cả chương sách có bản quyền vào công cụ AI để dịch rồi chia sẻ bản dịch; đọc phần giấy phép của tài liệu trước.
- Với công thức, nhờ AI giải thích từng ký hiệu, rồi tự viết một đoạn code nhỏ để kiểm lại hiểu biết của mình.
Mục tiêu là sau vài tháng bạn đọc được tài liệu gốc mà không cần AI dịch hộ.
Học thế nào cho hiệu quả
- Chọn một nguồn chính (ví dụ Machine Learning cơ bản cho học máy cổ điển), học theo thứ tự bài, không nhảy cóc.
- Gõ lại code trong bài bằng phiên bản thư viện hiện tại; khi gặp lỗi do thư viện đổi, tra tài liệu chính thức của thư viện. Đó cũng là cách học.
- Song song, học một khóa tiếng Anh có bài tập, như các khóa của Andrew Ng.
- Ghi sổ thuật ngữ Anh - Việt của riêng bạn.
- Học công cụ (Keras, phiên bản thư viện) theo bài viết từ năm 2018 mà không đối chiếu tài liệu mới.
- Chia sẻ lại tệp PDF ebook thay vì gửi đường dẫn kho gốc như tác giả yêu cầu.
- Bấm vào tên miền cũ của bản dịch thay vì đọc trong kho GitHub.
- Chỉ đọc tiếng Việt và không bao giờ chuyển sang tài liệu tiếng Anh.
- Dịch thuật ngữ theo ý mình, khiến người khác không hiểu; dùng bảng thuật ngữ chung.
Câu hỏi thường gặp
Có khóa học máy nào bằng tiếng Việt có bài tập không?
Các nguồn trong bài chủ yếu là sách và blog. Muốn có bài tập được chấm, kết hợp với một khóa tiếng Anh, hoặc học một lớp có giảng viên.
Nên học Machine Learning cơ bản hay Đắm mình vào Học Sâu trước?
Machine Learning cơ bản trước, vì nó đi từ học máy cổ điển và toán nền. Đắm mình vào Học Sâu dành cho phần học sâu sau đó.
Tài liệu viết năm 2018 có còn đáng học không?
Có, với phần lý thuyết: hồi quy, SVM, PCA không đổi. Phần công cụ thì nên đối chiếu tài liệu chính thức mới nhất.
Có mô hình ngôn ngữ lớn cho tiếng Việt không?
Có nhiều mô hình đa ngôn ngữ hỗ trợ tiếng Việt. Trên Hugging Face, lọc theo ngôn ngữ Vietnamese để tìm, và đọc thẻ mô hình để biết giấy phép.
Học tiếp
- Toàn cảnh tài liệu học AI theo bậc: tài liệu học AI miễn phí.
- Khóa tiếng Anh để học song song: các khóa của Andrew Ng.
- Sách học sâu bản gốc: sách Deep Learning miễn phí.
Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.
Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.
