Vu's Blog

2 Methology convert text data into data structure (vector and matrix) 👉  Bag of Word (BoW): Evaluation the frequency of the words in that particular document. Sentence can be represented as a vector with length would be equal to the size of vocabulary. CountVectorizer is python libarary conveniently help in building BoW model. Limitations of the BoW: work well for certain tasks or use cases with a limited vocabulary, not scale to large vocabularies efficiently. 👉  TF-IDF vectors: Approach with weigh terms, vectorizing text and extracting features out of it. TF : account how frequently a term occurs in a document. IDF : justice to terms that occur not so frequently across documents. TF-IDF is computationally fast however does not take into account co-occurrence of terms, semantics, the context associated with terms. Both method use Cosine to evaluation how similar or dissimilar text documents. 

4  Interesting Deep Learning Algorithms 1. Artificial Neural Networks (ANNs) 👉 With 3 Layers - Input layer : No computation is performed,  just used for passing information from the outside to the network. - Hidden layer : Deriving complex relationships between input and output. Identifies the pattern in the dataset, learning the data representation and for extracting the features. We cloud use many hidden layers, each layer is responsible for extracting important features. - Output layer:  Number of neurons in the output layer is based on the type of problem we want our network to solve (Example: binary classification, number of neurons in the output layer is one).  ⏩ Other Concept: - Activation functions ( ex: sigmoid, tanh, ReLU, softmax ): To introduce a non-linear transformation to learn the complex underlying patterns in the data. - Cost function:  Use Optimization Algorithms (Gradient descent) to minimize cost so that Network predictions will b...

C1: SỰ PHÁ HỦY MANG TÍNH SÁNG TẠO - Những nhà sáng tạo vĩ đại nắm lấy những điều không chắc chắn và phớt lờ sự chấp thuận của xã hội, đơn giản là họ không lo lắng về việc không tuân theo số đông. - Các doanh nhân duy trì công việc (được trả lương) hằng ngày của mình có tỷ lệ thất bại thấp hơn 33% so với những người nghỉ hẳn để tập trung vào startup của mình. - Không ai có thể trở nên độc đáo trong một lĩnh vực mà họ không có được sử ổn định về mặt cảm xúc và xã hội ở tất cả các lĩnh vực khác. C2: NHÀ ĐẦU TƯ SÁNG SUỐT VÀ NHÀ ĐẦU TƯ MÙ QUÁNG - Thiên tài sáng tạo không phải là người đạt được chất lượng tốt hơn trong lĩnh vực của mình so với các đồng nghiệp. Họ chỉ đơn giản là tạo ra được khối lượng công việc lớn hơn, giúp họ có được những hay đổi và cơ hội cao hơn để trở nên độc đáo. - Khi chúng ta đạt đến độ hiểu biết nào đó chúng ta thường là tù nhân trong chính những nguyên mẫu của mình. - Sự kết hợp của kinh nghiệm sâu rộng rất quan trọng cho sự sáng tạo. - Khi đánh giá sự sáng tạo,...