Vu's Blog

 1. Khi tài năng của một người không phù hợp với những ước mơ của họ và họ không nhận ra điều đó, thì họ sẽ mãi mãi cố gắng làm việc nhưng sẽ chẳng bao giờ biết đến thành công.  2. Bạn có đang tập trung vào những việc mà bạn thích làm hay không? Bạn có đang phát triển thế mạnh của bạn hay không? Cái gì sẽ dễ đến với tôi nhưng khó đến với người khác? 3. Thành công không phải là một sự kiện, nó là một lối sống. 4. Người thành công luôn luôn đưa thời gian, nghị lực và các nguồn lực của họ và trong những thế mạnh, bởi vì họ nhận được sự đền đáp cao nhất từ đó. 5. Chúng ta thường là cái gì mà chúng ta thường làm lặp đi lặp lại. Sự hoàn hảo sau đó không phải là một hành động, mà là một thói quen. 6. Có thể thất bại chỉ vì không biết truyền đạt tầm nhìn cho người khác. 7. Mọi người làm việc vì lý do riêng của họ không phải vì lý do của tôi hay của bạn. 8. Nếu bạn muốn chinh phục ai đó theo giấc mơ của mình, hãy nói bằng thứ "Ngôn ngữ lợi ích" của họ, chứ không phải của chính bạn.

Text Data Analysis methologys 1. Tokenization Process of dividing text into a set of meaningful pieces. There are three methods of the nltk.tokenize: Sentence-tokenized, Word_tokenize and WordPunctTokenizer. 2. Stemming Word can appear in various forms, reduce these different forms into a common base form. Three stemmer: PorterStemmer, LancasterStemmer, and SnowballStemmer. The LANCASTER is the strictest.  3. Lemmatization:  Reduce words to their base forms but more structured approach. 4. Chunking Divide the input text into pieces with no constraints, chunks do not need to be meaningful at all.  5. Bag-of-words model Dealing with text documents that consist of millions of words, converting them into numerical representations which usable for machine learning algorithms. Models each document by building a histogram of all of the words. Counts the number of occurrences of each word in the document use scikit-learn, represent documents by ignoring the word order.  6. Text classifier

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 be better.  2. Recurrent Neura

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,

Methology for avoid AI Data Model Overfit

3 V’s of big data Volume : Challenge will just keep on getting bigger. Currently Facebook has more users than China has people. 👀 Velocity : How fast data coming in. Facebook was received 735M comments/421M status/195M image uploads per days... ten year ago. 💨💨💨 Variety : Almost of data is unstructured (storing photographs, sensor data, IoT device information, tweets, encrypted packets, voice, video...). 👻

10 key in the art of innovation -  Guy Kawasaki 1. Make meaning : If you want to change the world, it can make money. But if you want to make money, it could be failure! 2. Make mantra (thần chú) 3. Jump to the next Curve . 4. Roll the Dicee : Great product are also empowering, make you more creative, more productive, enhance you, change meaning your life. 5. Don't worry be Crappy 6. Let 100 Flowers blossom : people are going use your product in way you did not anticipate. Position and brand unimately will depend on customer's decide, not what you decide. 7. Polatize people 8. Churn baby, churn : listening and improvement product.  9. Niche thyself : Product need ensure 2 key dimension: Unique + Value. 10 Perfect your pitch Source:  https://www.youtube.com/watch?v=Mtjatz9r-Vc 

Chuỗi điểm số duy nhất của bạn đặc trưng cho bạn theo một cách cụ thể. Tác động tích cực mà bạn có thể tạo ra cho mọi người là: Bạn phản ứng nhanh với các thử thách một cách thực tế, thực tế và nhiệt tình.  Bạn là người định hướng thực tế có khả năng cung cấp trợ giúp dựa trên thông tin chắc chắn.  Bạn là người quyết đoán, tự lập và theo chủ nghĩa cá nhân. Mọi người có thể nhận thấy bạn là người có lý trí và sáng tạo cùng một lúc. Sự thống trị Mô tả cách bạn giải quyết vấn đề, khẳng định bản thân và kiểm soát các tình huống. Ảnh hưởng Mô tả cách bạn đối xử với mọi người, cách bạn giao tiếp và liên hệ với người khác. Sự ổn định Mô tả tính khí của bạn - kiên nhẫn, kiên trì và chu đáo Sự tuân thủ Mô tả cách bạn tiếp cận và tổ chức hoạt động, thủ tục và trách nhiệm của mình.

Cloud AI service from AWS, GCP and Microsoft Azure.