Báo cáo Dự án: Tìm hiểu về Teachable Machine - Mã lớp 231BIE

Môn: Công nghệ thông tin và truyền thông mới (New ICT)
Giảng viên: Lê Hải Nam
Mã lớp học phần: 231BIE105101
Nhóm sinh viên thực hiện: Nhóm 4 Nguyễn Nhã Trang K234080986 Lưu Ngọc Thy Hương K234081010 Nguyễn Lương Duyên K234081002 Trần Thị Thu Huyền K234081008 Huỳnh Thị Thu Ba K234080997 Ngô Thị Thanh Lam K234081016
Project: TÌMHIỂUVỀTEACHABLEMACHINE
1. Giới thiệu về Teachable Machine:
Teachable Machine là một công cụ trực tuyến miễn phí, được phát triển bởi Google
AI, cho phép mọi người tạo các mô hình máy học phân loại mà không cần phải có kinh
nghiệm lập trình. Công cụ này sfí dụng mạng nơ-ron tích chập (CNN)1 để học cách phân biệt
các đối tượng hoặc hành động khác nhau một cách trực quan.
2. Phân tích mô hình:
1 Chú thích: KNN (K-Nearest Neighbors) là một trong nhfing thuật toán học có giám sát đơn giản nhất được
sfí dụng nhiều trong khai phá dfi liệu và học máy. Ý tưởng của thuật toán này là nó không học một điều gì từ tập
dfi liệu học (nên KNN được xếp vào loại lazy learning), mọi tính toán được thực hiện khi nó cần dự đoán nhãn
của dfi liệu mới. Lớp (nhãn) của một đối tượng dfi liệu mới có thể dự đoán từ các lớp (nhãn) của k hàng xóm gần nó nhất.) 1
Mô hình của Teachable Machine khá nhỏ và đơn giản. Điều này giúp nó phù hợp cho
người mới bắt đầu, không cần có kinh nghiệm về lập trình và có thể fíng dụng trong các dự án
giáo dục với tác vụ đơn giản.
Teachable Machine cho phép bạn đào tạo các mô hình “máy học” để nhận dạng hình
ảnh, âm thanh và tư thế. Với Teachable Machine chúng ta có thể tạo các mẫu dfi liệu trực tiếp
từ webcam hoặc các dfi liệu đã có từ trước đó để đào tạo mô hình. Công cụ này của Google
sfí dụng thuật toán KNN2 (K-Nearest Neighbors) một trong nhfing thuật toán học máy có
giám sát, đơn giản và dễ triển khai - để phân loại hình ảnh.
3. Cách sử dụng Teachable Machine:
Để sfí dụng Teachable Machine, ta có thể tham khảo các bước sau đây:
1. Truy cập trang web tại đây và tạo một tài khoản.
2. Chọn loại dự án bạn muốn bắt đầu. Teachable Machine hỗ trợ ba loại dự án: phân loại
hình ảnh, phân loại âm thanh và ước lượng tư thế.
3. Thêm dfi liệu đào tạo: Teachable Machine cho phép bạn thêm dfi liệu đào tạo từ tệp
hoặc từ webcam hoặc micrô của bạn.
4. Đào tạo mô hình của bạn: Sau khi bạn đã thêm dfi liệu đào tạo, hãy nhấp vào nút "Đào
tạo" để đào tạo mô hình của bạn.
5. Kiểm tra mô hình của bạn: Sau khi mô hình của bạn được đào tạo, bạn có thể kiểm tra
nó trên dfi liệu mới để xem nó hoạt động như thế nào.
6. Xuất mô hình của bạn: Sau khi bạn hài lòng với hiệu suất của mô hình của mình, bạn
có thể xuất nó để sfí dụng trong các fíng dụng khác.
4. Ứng dụng của Teachable Machine:
Nếu bạn quan tâm đến “máy học” hoặc muốn tạo các ứng dụng “máy học” của riêng
mình, thì Teachable Machine là một công cụ tuyệt vời để bắt đầu.
2 Chú thích: Trong mạng nơ-ron, mô hình mạng nơ-ron tích chập (CNN) là một trong nhfing mô hình để
nhận dạng và phân loại hình ảnh. CNN phân loại hình ảnh bằng cách lấy một hình ảnh đầu vào, xfí lý và phân
loại nó theo các hạng mục nhất định. 2
Teachable Machine có thể được sfí dụng cho nhiều fíng dụng khác nhau, bao gồm:
● Phân loại hình ảnh: Teachable Machine có thể được sfí dụng để tạo các mô hình
phân loại hình ảnh để phân biệt các đối tượng hoặc hành động khác nhau
Ví dụ: bạn có thể sfí dụng Teachable Machine tạo một mô hình để phân biệt khuôn mặt của
nhfing người khác nhau, hay phân biệt đồ vật/sự vật khác nhau.Trong thực tế, Google đã sfí
dụng Teachable Machine để tạo một mô hình để phân biệt các loại hoa. Mô hình này được sfí
dụng trong fíng dụng Google Lens để giúp người dùng xác định các loại hoa.
● Nhận dạng chữ viết tay: Teachable Machine có thể được sfí dụng để tạo các mô hình
nhận dạng chfi viết tay để nhận dạng chfi viết tay của con người.
Ví dụ: bạn có thể sfí dụng Teachable Machine để tạo một mô hình để nhận dạng chfi viết tay
của trẻ em hoặc để tạo một fíng dụng nhận dạng chfi viết tay cho thiết bị di động. Microsoft
đã sfí dụng Teachable Machine để tạo một mô hình để nhận dạng chfi viết tay của trẻ em. Mô
hình này được sfí dụng trong fíng dụng Microsoft 365 để giúp trẻ em học viết.
● Ước lượng tư thế: Dạy Teachable Machine nhận dạng các tư thế khác nhau của con
người, chẳng hạn như đfíng, ngồi hoặc đi bộ. Sau đó, bạn có thể sfí dụng mô hình này
để xây dựng các fíng dụng có thể theo dõi chuyển động của con người hoặc điều khiển robot.
● Tự động hóa: Teachable Machine có thể được sfí dụng để tạo các fíng dụng tự động
hóa để thực hiện các tác vụ nhất định. Ví dụ: bạn có thể sfí dụng Teachable Machine
tạo một fíng dụng để tự động nhận dạng các loại hàng hóa trong một kho hàng hoặc
để tự động phân loại các email.
● Giáo dục: Teachable Machine có thể được sfí dụng để giáo dục mọi người về máy
học. Ví dụ: bạn có thể sfí dụng Teachable Machine để tạo một bài giảng về cách hoạt
động của phân loại hình ảnh hoặc để tạo một dự án học tập cho sinh viên. Một nhóm
các nhà nghiên cfíu đã sfí dụng Teachable Machine để tạo một mô hình để phân biệt
các loại ký hiệu. Mô hình này được sfí dụng trong một fíng dụng để giúp người khiếm thị đọc
5. Vậy Teachable Machine có những ưu và nhược điểm gì? 3 ƯU ĐIỂM:
Teachable Machine là một công cụ tuyệt vời để giúp mọi người hiểu cách hoạt động
của máy học. Nó cũng là một cách thú vị để tạo ra các fíng dụng máy học của riêng bạn.
Dưới đây là một số tính năng ưu điểm của Teachable Machine:
● Dễ tiếp cận: Công cụ dễ dàng được tìm thấy thông qua Google
● Dễ sử dụng: Giao diện cụ thể, dễ dàng thao tác
● Không yêu cầu bất kỳ kinh nghiệm lập trình nào.
● Miễn phí: Teachable Machine là một công cụ không tính phí
● Khả năng tùy chỉnh cao: Teachable Machine có thể được tùy chỉnh để đáp fíng các
nhu cầu cụ thể của bạn. Bạn có thể thay đổi các mô hình, thay đổi sample (thêm/bớt/xóa),.
● Khả năng mở rộng: Teachable Machine có thể được sfí dụng để tạo ra các mô hình
máy học cho nhiều fíng dụng khác nhau. NHƯỢC ĐIỂM:
● Phụ thuộc vào dữ liệu đầu vào: Hiệu suất của mô hình phụ thuộc mạnh vào chất
lượng và đa dạng của dfi liệu đào tạo. Dfi liệu đầu vào kém có thể dẫn đến mô hình kém chất lượng.
● Giới hạn trong fíng dụng thực tế: Teachable Machine thường được sfí dụng cho các
dự án thí nghiệm hoặc giáo dục. Đối với các fíng dụng thực tế và doanh nghiệp, bạn
có thể cần mô hình chuyên nghiệp hơn.
● Dự án phụ thuộc vào dịch vụ của bên thfí ba: Teachable Machine phụ thuộc vào
dịch vụ của Google, và nếu dịch vụ này ngừng hoạt động hoặc thay đổi, dự án của bạn có thể bị ảnh hưởng. 4
MÔ TẢ BÀI THỰC HÀNH CỦA NHÓM
Với mong muốn được thử nghiệm toàn diện các tính năng của Teachable Machine,
nhóm chúng em đã thực hành qua ba kiểu mô hình của Teachable Machine. Mỗi mô hình
chúng em đều quay lại video chi tiết quá trình thực hành đã phân loại trong thư mục. 1. Image Project
1.1: Mô hình nhận dạng đồ vật Mẫu gồm:
Link mở trong Teachable Machine: Nhận dạng đồ vật.tm
1.2: Mô hình nhận dạng chữ viết tay Mẫu gồm:
Link mở trong Teachable Machine: Nhận diện chfi viết tay
2. Audio Project: Mô hình nhận biết âm thanh ba loại nhạc cụ: Mẫu gồm: - Tiếng piano - Tiếng violin - Tiếng guitar
Link mở trong Teachable Machine: Phân biệt âm thanh nhạc cụ
3. Pose Project: Mô hình nhận dạng tư thế/dáng ba người khác nhau: Mẫu gồm:
Link mở trong Teachable Machine: Nhận dạng tư thế người 5
Document Outline

• Môn: Công nghệ thông tin và truyền thông mới (New
  • Nhóm sinh viên thực hiện: Nhóm 4
    • 1.Giới thiệu về Teachable Machine:
    • 2.Phân tích mô hình:
    • 3.Cách sử dụng Teachable Machine:
    • 4.Ứng dụng của Teachable Machine:
    • 5.Vậy Teachable Machine có những ưu và nhược điểm gì
    • ●Không yêu cầu bất kỳ kinh nghiệm lập trình nào.
• 1.Image Project
  • 1.1: Mô hình nhận dạng đồ vật
  • 1.2: Mô hình nhận dạng chữ viết tay
• 2.Audio Project: Mô hình nhận biết âm thanh ba loại
• 3.Pose Project: Mô hình nhận dạng tư thế/dáng ba ng