Trong thế giới AI và Machine Learning (ML) đang phát triển như vũ bão, các công cụ và framework dành cho dân làm nghề thì nhiều vô kể, mà đôi khi nhìn thôi cũng thấy "ngợp". Nhưng đừng lo, Matt Dancho vừa có một thread trên Twitter siêu xịn, chia sẻ về stack Python AI/ML mà anh ấy đã dùng trong năm qua. Điều bất ngờ là tất cả chỉ tốn đúng... 12 đô! Đúng rồi, bạn không nghe nhầm đâu. Với khoản đầu tư siêu hạt dẻ này, Matt đã xây dựng được một bộ công cụ mạnh mẽ, từ các thư viện phổ biến đến framework cần thiết cho Data Science và Machine Learning.

Ngay từ tweet đầu tiên, Matt đã "bật mí" chi phí của các công cụ trong stack Python AI/ML, bao gồm Langchain, Scikit Learn, và PyTorch – tất cả đều miễn phí. Đây đúng là tin vui cho các bạn mới nhập môn Data Science, vì nó giúp giảm rào cản tài chính đáng kể. Trong tweet này còn có một bảng phân loại các công cụ theo từng danh mục như Môi trường (Environment), Phân tích & Trực quan hóa dữ liệu (Data & Visualization), và Generative AI. Nhìn cái bảng thôi là thấy "dễ thở" rồi

Ở các tweet tiếp theo, Matt bắt đầu với phần setup môi trường. Anh ấy gợi ý dùng Visual Studio Code và Jupyter để có trải nghiệm phát triển "mượt mà như lụa". Trong tweet này còn có ảnh chụp màn hình từ Visual Studio Code, cho thấy cách tích hợp Jupyter Notebooks – một công cụ không thể thiếu để phân tích và trực quan hóa dữ liệu

Tiếp theo, Matt nhấn mạnh tầm quan trọng của các thư viện như Pandas và Plotly trong việc phân tích và trực quan hóa dữ liệu. Trong tweet này, có cả ảnh chụp từ tài liệu của Pandas – một nguồn tài nguyên cực kỳ hữu ích cho những ai mới bắt đầu học cách "vọc" dữ liệu Python đúng là "chân ái" của dân Data Science, nhờ vào kho thư viện và framework miễn phí, mã nguồn mở.

Khi nói về Machine Learning, Matt đề cập đến Scikit Learn và H2O. Trong tweet này, có ảnh chụp từ tài liệu của Scikit Learn, minh họa cách sử dụng estimator để fit và predict Nhìn qua là thấy dễ hiểu, giúp người mới học ML không còn cảm giác "lạc trôi".

Generative AI cũng là một chủ đề hot mà Matt không quên nhắc đến. Anh ấy liệt kê các công cụ như Langchain và OpenAI. Trong tweet này, có ảnh chụp từ tài liệu của LangChain, hướng dẫn cách cài đặt và các tính năng chính Với sự bùng nổ của Generative AI, hiểu rõ các công cụ này sẽ giúp bạn "bắt trend" và sáng tạo hơn trong các dự án.

Ngoài các công cụ chính, Matt còn chia sẻ nhiều tài nguyên học tập siêu xịn. Anh ấy nhắc đến việc xây dựng một đội ngũ AI Data Science và ghi lại hành trình AI/ML của mình trên GitHub. Trong tweet này, có ảnh chụp từ repo "Awesome Generative AI Data Scientist" trên GitHub, nơi tập hợp hơn 100 tài nguyên học Generative AI

Cuối cùng, Matt mời mọi người tham gia các workshop miễn phí về cách xây dựng dự án AI đáp ứng nhu cầu thực tế. Trong tweet này, có ảnh chụp giao diện của một AI Time Series Forecast Agent, minh họa ứng dụng thực tế của các công cụ đã đề cập Đây cũng là lúc MLOps – việc đưa các mô hình ML vào môi trường sản xuất – trở thành một phần quan trọng trong stack AI.

Thread của Matt đúng là một khởi đầu tuyệt vời cho bất kỳ ai muốn tìm hiểu về stack Python AI/ML. Với chi phí siêu tiết kiệm và kho tài nguyên phong phú, đây là thời điểm lý tưởng để bạn bắt đầu hành trình AI/ML của mình. Các nền tảng như W3Schools cung cấp tutorial miễn phí, cộng thêm tài liệu chi tiết cho từng công cụ, việc học Python cho Data Science chưa bao giờ dễ dàng đến thế. Trong một ngành luôn thay đổi như AI/ML, việc cập nhật xu hướng và công cụ mới sẽ là chìa khóa để bạn thành công. Vậy còn chờ gì nữa, "lên đồ" và bắt đầu thôi nào!