Tủ sách Học máy được tuyển chọn, dịch sang tiếng Việt.

Kevin P. Murphy, ấn bản 2022. Sách 'phải đọc' cho nghiên cứu sinh. Phủ đầy đủ nền tảng tối ưu, lý thuyết quyết định, đại số tuyến tính trước khi đi vào học sâu hiện đại.

Phần tiếp theo, ấn bản 2023. Tập trung vào các chủ đề chuyên sâu hơn như diffusion và mô hình sinh.

Cuốn sách 100 trang gói gọn toàn bộ kiến thức học máy cốt lõi. Đọc nhanh, ôn tập tốt.

Sách 'vỡ lòng' về học thống kê kèm mã R. Dễ tiếp cận hơn cuốn ESL của cùng nhóm tác giả.

Phiên bản Python của ISL. Cùng nội dung, đổi ngôn ngữ thực hành.

Kinh điển của Hastie, Tibshirani, Friedman. Toán nặng, dành cho người đã quen ISL.

Bayes 'qua mã': toàn bộ là Jupyter Notebook tương tác. Phù hợp dân kỹ thuật ngại công thức.

Allen Downey. Học Bayes bằng mã Python, không cần giải tích nâng cao.

Sutton và Barto. Sách giáo khoa chuẩn của RL, ấn bản 2.

Stanford. Kỹ thuật xử lý dữ liệu cực lớn (MapReduce, MinHash, PageRank).

Nền tảng toán cho ML: đại số tuyến tính, giải tích, xác suất, tối ưu. Đọc trước khi vào sách lý thuyết.

Abhishek Thakur. Quyển 'sổ tay' thực chiến từ Grandmaster Kaggle.

Yuan Tang. Các pattern để mở rộng pipeline ML từ laptop đến cụm phân tán.

Robert Ness. Xây model AI có khả năng suy luận về quan hệ nhân quả.

Babushkin và Kravchenko. Cách lập kế hoạch và thiết kế ứng dụng ML thành công.

Sổ tay khai thác Generative AI một cách an toàn và có cấu trúc.

Goodfellow, Bengio, Courville. Sách giáo khoa MIT Press, vẫn là tham chiếu chuẩn.

François Chollet. Bản cập nhật mới nhất, theo Keras 3.

Andrew Trask. Học sâu bằng cách viết lại từ đầu trong NumPy.

Michael Nielsen. Sách online, trực quan, lý tưởng cho người mới.

Toán phía sau từng kiến trúc DL phổ biến: CNN, RNN, Transformer.

Sách mới về đánh giá model AI một cách có hệ thống.

Sách online chính thức của thư viện NLTK. Vẫn là cửa ngõ cho người mới.

Cập nhật cho thời đại Transformer: RAG, fine-tuning, đa ngôn ngữ.

Paul Azunre. Chuyển giao tri thức từ model lớn sang bài toán cụ thể.

Allen Downey. Thống kê thực hành bằng Python, không công thức rườm rà.

Boyd và Vandenberghe. Kinh điển về tối ưu lồi.

Sổ tay công thức ma trận. Luôn cần khi đạo hàm các model.

FreeCodeCamp. Sách dẫn nhập toán cho AI, ngôn ngữ dễ tiếp cận.

Khoá kinh điển trên Coursera. Vẫn là điểm khởi đầu được đề xuất nhiều nhất cho người mới.

5 khoá nhỏ về mạng neural, CNN, RNN, Transformer. Do Andrew Ng và DeepLearning.AI tổ chức.

Khoá ngắn của MIT, cập nhật mỗi năm. Bài giảng kèm lab thực hành.

Triết lý 'code-first' của Jeremy Howard. Học bằng cách build model ngay.

Khoá rút gọn 15 giờ của Google, kèm bài tập tương tác.

Giải thích trực quan, tương tác các khái niệm cốt lõi của ML.

Bài giảng RL của David Silver (DeepMind). Playlist YouTube đầy đủ.

Khoá nổi tiếng của Stanford về thị giác máy tính: slide, bài tập, video.

UC Berkeley. RL chuyên sâu, có slide và video.

Daphne Koller. Chuyên đề Coursera 3 phần về mô hình đồ thị xác suất.

Đưa model DL vào sản phẩm thật: MLOps, monitoring, deployment.

DeepLearning.AI. Chuyên về vận hành model ML ở quy mô sản xuất.

mlcourse.ai. Bài giảng kèm bài viết Medium, có cộng đồng tích cực.

28 bài học tương tác về training pipeline, model serving, feature store, monitoring.

32 bài học về RAG, vector DB, agentic AI, deployment, kèm AI tutor và whiteboard.

Cách tiếp cận lấy dữ liệu làm trung tâm thay vì lấy model.

Xây ứng dụng thật bằng LLM, kèm phần thực hành đánh giá model.

Khoá ngắn của DeepLearning.AI về prompt cho model thị giác.

Arize. Nguyên lý quan sát model ML trong sản xuất.

Các micro-course rất ngắn về Pandas, ML, DL, máy tính lượng tử, có chứng chỉ.

Bài viết tương tác chất lượng cao. Lý tưởng để hiểu các khái niệm phức tạp.

Giải thích trực quan các kiến trúc mạng (LSTM, attention, RNN).

Bài viết và YouTube về LLM, Transformer, từ 'zero to hero'.

Tác giả sách Python ML. Newsletter và bài viết về LLM rất chắc tay.

Tổng hợp survey-style về RL, agent, diffusion. Lý tưởng để vào chủ đề mới.

Tác giả Grokking Deep Learning. Chuyên về privacy-preserving ML.

Python Data Science Handbook. Blog về NumPy, pandas, scikit-learn.

Bài viết kỹ thuật về feature store và pipeline ML thực chiến.

Annotation, dataset, kỹ thuật nhãn hoá cho NLP.

Phỏng vấn winners, kỹ thuật cuộc thi, kernel hay.

Bayesian deep learning, mô hình sinh, từ DeepMind.

Bayesian deep learning và uncertainty trong ML.

This Week in ML và AI. Phỏng vấn dài, sâu, ra tập hàng tuần.

Tập ngắn giải thích khái niệm, thân thiện với người mới.

Một trong những podcast ML lâu đời nhất, vẫn còn ra tập.

Cộng đồng DTC. Phỏng vấn về MLOps, dữ liệu, sự nghiệp.

Video kèm audio, nội dung kỹ thuật và hướng nghiệp.

Podcast theo dạng giáo trình. Nghe theo thứ tự để học.

Phỏng vấn các nhà thực hành AI. Câu chuyện sự nghiệp.

Khái niệm ML qua các tập 30 phút, định kỳ.

Newsletter hàng tuần của Andrew Ng. Cập nhật nghiên cứu và tin AI.

Tổng hợp tuần về AI, ML, DS.

Newsletter kèm cộng đồng Slack lớn về dữ liệu.

Talks độc quyền của các researcher hàng đầu.

Newsletter cho lãnh đạo và người làm sản phẩm.