MLArena

Nhận dạng chữ số viết tay

Bài tập nhập môn thị giác máy tính: nhận dạng đúng các chữ số (0–9) từ một bộ hàng chục nghìn ảnh chữ số viết tay. Phù hợp cho người đã biết cơ bản về R/Python và machine learning nhưng mới làm quen với computer vision.

Mô tả bài toán

Tập dữ liệu MNIST được coi là bài học nhập môn – "Hello World" – bắt buộc phải biết của ngành Thị giác máy tính (Computer Vision).

  • Lịch sử: Ra mắt từ năm 1999, tập dữ liệu chữ số viết tay kinh điển này luôn là "thước đo chuẩn mực" để đánh giá và so sánh độ hiệu quả của các thuật toán phân loại.
  • Giá trị thực tế: Dù các kỹ thuật Machine Learning mới có liên tục xuất hiện, MNIST vẫn luôn là một nguồn tài nguyên đáng tin cậy cho cả giới nghiên cứu lẫn người mới bắt đầu.

Mục tiêu của bạn: Dự đoán chính xác các chữ số từ tập dữ liệu gồm hàng chục nghìn bức ảnh chụp chữ số viết tay.

Kỹ năng rèn luyện:

  • Nền tảng Thị giác máy tính: Hiểu cách xử lý ảnh cơ bản và cách hoạt động của mạng nơ-ron đơn giản (Simple Neural Networks).
  • Các thuật toán phân loại (Classification): Thực hành các thuật toán phổ biến như SVM (Support Vector Machine) và KNN (K-Nearest Neighbors).

Tiêu chí đánh giá & Định dạng nộp bài (Evaluation)

Mục tiêu

Mục tiêu của bạn trong bài tập này là: Nhìn vào hình ảnh của một chữ số viết tay duy nhất và xác định xem đó là số mấy.

Với mỗi mẫu dữ liệu trong tập kiểm thử (test set), bạn cần đưa ra nhãn (label) dự đoán chính xác nhất.

Thang đo (Metric)

Cuộc thi này sử dụng chỉ số Độ chính xác phân loại (Categorization Accuracy) để đánh giá mô hình của bạn.

  • Hiểu đơn giản: Điểm số chính là phần trăm số ảnh mà bạn dự đoán đúng trên tổng số ảnh của tập test.
  • Điểm càng gần 100% (hoặc 1.0) thì thứ hạng của bạn trên bảng xếp hạng càng cao.

Định dạng file nộp bài (Submission File Format)

File kết quả nộp lên phải là một file .csv có tên cột và định dạng tuân thủ chính xác theo mẫu bên dưới:

ImageId,Label
1,0
2,0
3,0
etc.

Nguồn tham khảo & Bản quyền

  • Bạn có thể tìm hiểu thêm thông tin chi tiết về tập dữ liệu này, bao gồm cả danh sách các thuật toán từng được thử nghiệm và tỷ lệ chính xác của chúng tại: Trang chủ MNIST của Yann LeCun.
  • Tập dữ liệu được cung cấp miễn phí dưới giấy phép mã nguồn mở Creative Commons Attribution-Share Alike 3.0.
Nhận dạng chữ số viết tay · MLArena