Dich chuong 9 #77
Dich chuong 9 #77
Conversation
chapters/ch09.md
Outdated
| @@ -1,14 +1,22 @@ | |||
| # Optimizing and satisficing metrics | |||
|
|
|||
| -> | |||
| # Các phép đo tối ưu và vừa đủ | |||
There was a problem hiding this comment.
Thuật ngữ Optimizing metrics và satisficing metrics cần thảo luận ở PR glossary 1-14.
chapters/ch09.md
Outdated
|
|
||
| Here’s another way to combine multiple evaluation metrics. | ||
|
|
||
| -> | ||
| Đây là một cách khác để kết hợp nhiều tiêu chí đánh giá. |
There was a problem hiding this comment.
- cần thống nhất evaluation metrics bên glossary PR 1-14
There was a problem hiding this comment.
Từ đầu mình đã dịch "evaluation metric" là "phép đo", bạn bây giờ cứ dịch như thế cho nhất quán. Nếu nhóm tìm được từ nào phù hợp hơn trong tương lai sẽ thay đổi toàn bộ.
chapters/ch09.md
Outdated
|
|
||
| Here’s what you can do instead: First, define what is an “acceptable” running time. Lets say anything that runs in 100ms is acceptable. Then, maximize accuracy, subject to your classifier meeting the running time criteria. Here, running time is a “satisficing metric”—your classifier just has to be “good enough” on this metric, in the sense that it should take at most 100ms. Accuracy is the “optimizing metric.” | ||
|
|
||
| -> | ||
| Thay vào đó, bạn có thể làm như sau: Trước hết, định nghĩa thế nào là một mốc thời gian chạy "chấp nhận được". Giả sử mốc dưới 100ms là chấp nhận được. Sau đó, hãy cực đại hóa độ chính xác, với ràng buộc là classifier đó vẫn đảm bảo yêu cầu về thời gian chạy. Ở đây, thời gian chạy là một "phép đo đủ đạt yêu cầu" - classifier của bạn chỉ cần "đủ tốt" về mặt này (i.e. thời gian), theo nghĩa nó chỉ được phép chạy dưới 100ms. Độ chính xác mới là "phép đo tối ưu". |
There was a problem hiding this comment.
Đoạn này thừa một số đấu phẩy.
There was a problem hiding this comment.
Ở đây, thời gian chạy là một "phép đo đủ đạt yêu cầu" - classifier của bạn chỉ cần "đủ tốt" về mặt này (i.e. thời gian), theo nghĩa nó chỉ được phép chạy dưới 100ms.
Câu này cần viết lại cho mượt hơn.
There was a problem hiding this comment.
Cách ngắt những liên từ trong tiếng Anh có vẻ nhiều hơn so với tiếng Việt, mình cũng đã để ý chi tiết đó nhưng phần ghi chú có nhắc tôn trọng câu gốc thì nghe nó sẽ đứt đoạn như vậy.
chapters/ch09.md
Outdated
|
|
||
| If you are trading off N different criteria, such as binary file size of the model (which is important for mobile apps, since users don’t want to download large apps), running time, and accuracy, you might consider setting N-1 of the criteria as “satisficing” metrics. I.e., you simply require that they meet a certain value. Then define the final one as the “optimizing” metric. For example, set a threshold for what is acceptable for binary file size and running time, and try to optimize accuracy given those constraints. | ||
|
|
||
| -> | ||
| Nếu như bạn phải cân bằng giữa N tiêu chí khác nhau, VD như kích thước của file nhị phân của model (quan trọng với các mobile app, vì người dùng không muốn download những app nặng), thời gian chạy, và độ chính xác, bạn có thể cân nhắc đặt N-1 trong số các tiêu chí là các tiêu chí "vừa đủ". Có nghĩa bạn chỉ cần yêu cầu chúng đạt một số giá trị nào đó. Sau đó hãy định nghĩa tiêu chí cuối cùng như là tiêu chí "tối ưu". Ví dụ, đặt một mức ngưỡng thế nào là chấp nhận được với một file nhị phân và thời gian chạy, và sau đó hãy cố gắng tối ưu hóa độ chính xác với những điều kiện ràng buọc đã đưa ra. |
There was a problem hiding this comment.
Nếu như
bạnphải cân bằng giữa N tiêu chí khác nhau,VDví dụ như kích thước file lưu trữ củacủa nhị phân của model( điều rất quan trọng với các ứng dụng mobilemobile app, vì người dùng không muốndownloadtải về nhữngappứng dụng nặng), thời gian chạy, độ chính xác, thì bạn có thể cân nhắc đặt N-1 trong số các tiêu chí là các tiêu chí "vừa đủ".
- Không nên viết tắt (VD), và dịch toàn diện các từ tiếng anh khác (download)
- kích thước nhị phân kia là ám chỉ dung lượng lưu trữ của ứng dụng.
- từ model cần được thảo luận ở glossary
Có nghĩa bạn chỉ cần yêu cầu chúng đạt một số giá trị nào đó. Sau đó hãy định nghĩa tiêu chí cuối cùng như là tiêu chí "tối ưu".
- chúng ở đây là mô hình học máy --> cần chọn từ rõ nghĩa hơn
Ví dụ, đặt một mức ngưỡng thế nào là chấp nhận được với một file nhị phân và thời gian chạy, và sau đó hãy cố gắng tối ưu hóa độ chính xác với những điều kiện ràng
buọcbuộcđãđưa ra.
- tương tự với định nghĩa file nhị phân ở trên --> dung lượng mô hình
There was a problem hiding this comment.
Ở đây là quan điểm dịch "sát" đến đâu so với bản gốc. Từ binary file lúc đầu mình đã dịch là file chạy hoặc là file thực thi vì thường khi nghĩ đến binary file ta nghĩ đến file thực thi, VD như file .exe trong Windows OS. Nhưng ngay sau đó mình thấy view đó là quá hẹp, file chạy là executable file còn file nhị phân nghĩa rộng hơn nhiều (file apk, file ảnh, vv...) Vậy tốt nhất là để như nguyên gốc: binary file = file nhị phân. File nhị phân được định nghĩa là non-text file.
Vậy, nếu lấy tinh thần bám sát nguyên tác, thì giữ nguyên. Còn nếu muốn dịch thêm cho khỏi cứng, thì có thể thay bằng "(...) N tiêu chí khác nhau, ví dụ như kích thước thành phẩm của ứng dụng".
P.S mô hình đâu có được stored ở dạng binary file?
chapters/ch09.md
Outdated
|
|
||
| As a final example, suppose you are building a hardware device that uses a microphone to listen for the user saying a particular “wakeword,” that then causes the system to wake up. Examples include Amazon Echo listening for “Alexa”; Apple Siri listening for “Hey Siri”; Android listening for “Okay Google”; and Baidu apps listening for “Hello Baidu.” You care about both the false positive rate—the frequency with which the system wakes up even when no one said the wakeword—as well as the false negative rate—how often it fails to wake up when someone says the wakeword. One reasonable goal for the performance of this system is to minimize the false negative rate (optimizing metric), subject to there being no more than one false positive every 24 hours of operation (satisficing metric). | ||
|
|
||
| -> | ||
| Một ví dụ sau cùng, giả sử bạn đang xây dựng một thiết bị phần cứng có sử dụng microphone để nghe người dùng nói một từ "đánh thức" đặc biệt nào đó, để đánh thức hệ thống. Các ví dụ gồm có Amazon Echo lắng nghe từ "Alexa"; Apple Siri lắng nghe cụm "Hey Siri"; Android nghe cụm "Hey Google"; và các apps Baidu nghe cụm "Hello Baidu". Bạn quan tâm đến cả tỉ lệ báo động nhầm (false positive rate) - tần suất hệ thống thức dậy khi không ai nói đến cụm đánh thức - cũng như tỉ lệ bỏ sót (false negative rate) - tần suất hệ thống không thức dậy khi có người nói cụm đánh thức. Một mục tiêu khả dĩ cho hệ thống này là tối thiểu hóa tỉ lệ bỏ sót (phép đo tối ưu), trong rành buộc rằng không có nhiều hơn một báo động nhầm cho mỗi 24 giờ hoạt động (phép đo vừa đủ) |
There was a problem hiding this comment.
Một ví dụ
sau cùngcuối cùng, giả sử bạnđangxây dựng một thiết bị phần cứngcó sử dụngdùngmicrophonemáy ghi âm/mic để nghe người dùng nói một từ "đánh thức" đặc biệt nào đó, để đánh thức hệ thống.
- Các thuật ngữ này cần được thảo luận và thống nhất trong PR glossary 1 - 14
Các ví dụ gồm có Amazon Echo lắng nghe từ "Alexa"; Apple Siri lắng nghe cụm "Hey Siri"; Android nghe cụm "Hey Google"; và các apps Baidu nghe cụm "Hello Baidu".
- ví dụ của từ đánh thức như --> sửa lại câu này một chút cho đẹp hơn. như
Ví dụ về từ đánh thức như Amazon Echo với "Alexa"; Apple Siri với "Hey Siri"; Android với "Hey Google" hay ứng dụng của Baidu với "Hello Baidu".
các thuật ngữ dưới đây False posititve rate cần thảo luận và thống nhất trong PR Glossary 1 - 14
Bạn quan tâm đến cả tỉ lệ báo động nhầm (false positive rate) - tần suất hệ thống thức dậy khi không ai nói đến cụm đánh thức - cũng như tỉ lệ bỏ sót (false negative rate) - tần suất hệ thống không thức dậy khi có người nói cụm đánh thức. Một mục tiêu khả dĩ cho hệ thống này là tối thiểu hóa tỉ lệ bỏ sót (phép đo tối ưu), trong rành buộc rằng không có nhiều hơn một báo động nhầm cho mỗi 24 giờ hoạt động (phép đo vừa đủ)
chapters/ch09.md
Outdated
|
|
||
| Once your team is aligned on the evaluation metric to optimize, they will be able to make faster progress. | ||
|
|
||
| -> | ||
| Một khi nhóm của bạn thống nhất về việc tiêu chí đánh giá nào cần được tối ưu, họ sẽ đạt được tiến độ tốt hơn. | ||
|
|
There was a problem hiding this comment.
câu này cần dịch lại cho mượt hơn. bỏ từ sở hữu của bạn nếu được.
chapters/ch09.md
Outdated
|
|
||
| Here’s another way to combine multiple evaluation metrics. | ||
|
|
||
| -> | ||
| Đây là một cách khác để kết hợp nhiều tiêu chí đánh giá. |
There was a problem hiding this comment.
Từ đầu mình đã dịch "evaluation metric" là "phép đo", bạn bây giờ cứ dịch như thế cho nhất quán. Nếu nhóm tìm được từ nào phù hợp hơn trong tương lai sẽ thay đổi toàn bộ.
chapters/ch09.md
Outdated
|
|
||
| Here’s what you can do instead: First, define what is an “acceptable” running time. Lets say anything that runs in 100ms is acceptable. Then, maximize accuracy, subject to your classifier meeting the running time criteria. Here, running time is a “satisficing metric”—your classifier just has to be “good enough” on this metric, in the sense that it should take at most 100ms. Accuracy is the “optimizing metric.” | ||
|
|
||
| -> | ||
| Thay vào đó, bạn có thể làm như sau: Trước hết, định nghĩa thế nào là một mốc thời gian chạy "chấp nhận được". Giả sử mốc dưới 100ms là chấp nhận được. Sau đó, hãy cực đại hóa độ chính xác, với ràng buộc là classifier đó vẫn đảm bảo yêu cầu về thời gian chạy. Ở đây, thời gian chạy là một "phép đo đủ đạt yêu cầu" - classifier của bạn chỉ cần "đủ tốt" về mặt này (i.e. thời gian), theo nghĩa nó chỉ được phép chạy trong thời gian ít hơn 100ms. Độ chính xác mới là "phép đo tối ưu". |
There was a problem hiding this comment.
"classifier" -> "bộ phân loại"
Đọc đoạn này mình thấy "satisficing metric" và "optimizing metric" khá giống với khái niệm "điều kiện ràng buộc" và "hàm tối ưu" trong tối ưu. Ở đây cần tối ưu "phép đo tối ưu" khi bị có điệu kiện "phép đo ràng buộc".
Mình đề xuất dịch như vậy:
"satisficing metric": phép đo ràng buộc.
"optimizing metric": phép đo tối ưu. (hoặc phép đo mục tiêu).
chapters/ch09.md
Outdated
|
|
||
| If you are trading off N different criteria, such as binary file size of the model (which is important for mobile apps, since users don’t want to download large apps), running time, and accuracy, you might consider setting N-1 of the criteria as “satisficing” metrics. I.e., you simply require that they meet a certain value. Then define the final one as the “optimizing” metric. For example, set a threshold for what is acceptable for binary file size and running time, and try to optimize accuracy given those constraints. | ||
|
|
||
| -> | ||
| Nếu như bạn phải cân bằng giữa N tiêu chí khác nhau, VD như kích thước của file nhị phân của model (quan trọng với các mobile app, vì người dùng không muốn download những app kích thước lớn), thời gian chạy, và độ chính xác, bạn có thể cân nhắc đặt N-1 trong số các tiêu chí là các tiêu chí "vừa đủ". Có nghĩa bạn chỉ cần yêu cầu chúng đạt một số giá trị nào đó. Sau đó hãy định nghĩa tiêu chí cuối cùng là tiêu chí "tối ưu". Ví dụ, đặt một mức ngưỡng thế nào là chấp nhận được với một file nhị phân và thời gian chạy, và sau đó hãy cố gắng tối ưu hóa độ chính xác với những điều kiện ràng buộc đã đưa ra. |
There was a problem hiding this comment.
- Không viết tắt từ "VD".
- "Kích thước
củafile nhị phân của mô hình"
Mình sẽ dừng review ở đây. Bạn vui lòng sửa hết những từ tiếng Anh sang tiếng Việt như cả nhóm đã thống nhất trong file glossary.md. Khi nào bạn sửa theo bảng thuật ngữ thì nhóm sẽ review tiếp. Hiện tại review thế này khá mất thời gian.
There was a problem hiding this comment.
Cảm ơn phần review của mọi người. Mình đã sửa lại thống nhất như trong glossary (và cả 1 số lỗi typo nhỏ)
Phần gợi ý của bạn "satisficing metric": phép đo ràng buộc, trong glossary hiện thời là "phép đo thỏa mãn" nên mình đã dùng theo "phép đo thỏa mãn".
chapters/ch09.md
Outdated
| | ----- | -------: | -------: | | ||
| | A | 90% | 80ms | | ||
| | B | 92% | 95ms | | ||
| | C | 95% | 1,500ms | | ||
|
|
||
| Việc tạo ra một phép đo đơn nhất bằng cách đưa cả độ chính xác và thời gian chạy vào một công thức có vẻ không tự nhiên, ví dụ như: | ||
|
|
||
| Việc tạo ra một phép đo đơn nhất bằng cách đưa cả độ chính xác và thời gian chạy vào trong một công thức có vẻ không tự nhiên, ví dụ như: |
There was a problem hiding this comment.
Single metric dược dịch là "phép đo đơn trị" trong glossary
There was a problem hiding this comment.
Đoạn này mình quên check.
Dù sao mình vẫn hơi lăn tăn chuyện "đơn trị", vì từ đơn trị mình luôn hiểu nó gắn với context "hàm": đơn trị = "single-valued" (giống như trong "single-valued function", e.g. các hàm trong sách phổ thông là function đơn trị, hashing không phải một function đơn trị, vv...).
Còn single ở đây nhấn mạnh vào chuyện nó là "đơn, lẻ, simple".
Đồng ý. Mình sẽ sửa ở đây cho thống nhất với glossary. Nếu mọi người thấy ý kiến trên là đúng thì sẽ lại sửa lại sau.
chapters/ch09.md
Outdated
|
|
||
| As a final example, suppose you are building a hardware device that uses a microphone to listen for the user saying a particular “wakeword,” that then causes the system to wake up. Examples include Amazon Echo listening for “Alexa”; Apple Siri listening for “Hey Siri”; Android listening for “Okay Google”; and Baidu apps listening for “Hello Baidu.” You care about both the false positive rate—the frequency with which the system wakes up even when no one said the wakeword—as well as the false negative rate—how often it fails to wake up when someone says the wakeword. One reasonable goal for the performance of this system is to minimize the false negative rate (optimizing metric), subject to there being no more than one false positive every 24 hours of operation (satisficing metric). | ||
|
|
||
| -> | ||
| Một ví dụ cuối cùng, giả sử bạn cần xây dựng một thiết bị phần cứng có sử dụng microphone để nghe người dùng nói một từ "đánh thức" đặc biệt nào đó, để đánh thức hệ thống. Các ví dụ gồm có Amazon Echo lắng nghe từ "Alexa"; Apple Siri lắng nghe cụm "Hey Siri"; Android nghe cụm "Hey Google"; và các apps Baidu nghe cụm "Hello Baidu". Bạn quan tâm đến cả tỉ lệ báo động nhầm (false positive rate) - tần suất hệ thống thức dậy khi không ai nói đến cụm đánh thức - cũng như tỉ lệ bỏ sót (false negative rate) - tần suất hệ thống không thức dậy khi có người nói cụm đánh thức. Một mục tiêu khả dĩ cho hệ thống này là tối thiểu hóa tỉ lệ bỏ sót (phép đo tối ưu), trong rành buộc rằng không có nhiều hơn một báo động nhầm cho mỗi 24 giờ hoạt động (phép đo vừa đủ). | ||
| Ví dụ cuối cùng, giả sử bạn cần xây dựng một thiết bị phần cứng có sử dụng microphone để nghe người dùng nói một từ "đánh thức" đặc biệt nào đó để đánh thức hệ thống. Các ví dụ gồm có Amazon Echo lắng nghe từ "Alexa"; Apple Siri với cụm "Hey Siri"; Android với cụm "Hey Google"; và các ứng dụng Baidu nghe cụm "Hello Baidu". Bạn quan tâm đến cả tần suất dương tính giả (hay báo động nhầm) - tần suất mà hệ thống thức dậy khi không ai nói cụm đánh thức - cũng như tần suất âm tính giả (hay bỏ sót) - tần suất hệ thống không thức dậy khi có người nói cụm đánh thức. Một mục tiêu khả dĩ cho hệ thống này là tối thiểu hóa tần suất âm tính giả (phép đo tối ưu), trong ràng buộc rằng không có nhiều hơn một báo động nhầm cho mỗi 24 giờ hoạt động (phép đo thỏa mãn). |
There was a problem hiding this comment.
Mình gợi ý ở phần trước những không thấy phản hồi
Các ví dụ gồm có Amazon Echo lắng nghe từ "Alexa"; Apple Siri lắng nghe cụm "Hey Siri"; Android nghe cụm "Hey Google"; và các apps Baidu nghe cụm "Hello Baidu".
chuyển thành
Ví dụ về từ đánh thức như Amazon Echo với "Alexa"; Apple Siri với "Hey Siri"; Android với "Hey Google" hay ứng dụng của Baidu với "Hello Baidu".
There was a problem hiding this comment.
Đồng ý, gọn gàng hơn.
chapters/ch09.md
Outdated
|
|
||
| Once your team is aligned on the evaluation metric to optimize, they will be able to make faster progress. | ||
|
|
||
| -> | ||
| Một khi nhóm phát triển thống nhất về việc tiêu chí đánh giá nào cần được tối ưu, họ sẽ đạt được tiến độ tốt hơn. | ||
|
|
||
| Một khi nhóm phát triển thống nhất về việc tiêu chí đánh giá nào cần được tối ưu, họ sẽ đạt tiến độ tốt hơn. |
There was a problem hiding this comment.
Câu này dịch nghe hơi lạ. Vì nhóm của bạn thường nghĩa bao hàm cả "bạn" trong nhóm đó. Vậy nên dịch thành "họ" có vẻ chưa hay lắm. Nên đổi thứ tự hoặc gộp làm một câu.
- tốt --> nhanh
Một khi nhóm phát triển thống nhất về việc tiêu chí đánh giá nào cần được tối ưu
, họthì sẽ đạt tiến độtốtnhanh hơn.
There was a problem hiding this comment.
Mình không thấy "họ" ở đây có vấn đề gì.
Đồng ý chuyển thành "nhanh hơn". Phần evaluation metric cũng cần sửa lại cho thống nhất.
Hoặc nên giữ sát hơn nguyên tác:
Một khi nhóm của bạn thống nhất về việc phép đo nào cần được tối ưu, [họ/mọi người/cả nhóm] sẽ đạt tiến độ nhanh hơn.
chapters/ch09.md
Outdated
|
|
||
| If you are trading off N different criteria, such as binary file size of the model (which is important for mobile apps, since users don’t want to download large apps), running time, and accuracy, you might consider setting N-1 of the criteria as “satisficing” metrics. I.e., you simply require that they meet a certain value. Then define the final one as the “optimizing” metric. For example, set a threshold for what is acceptable for binary file size and running time, and try to optimize accuracy given those constraints. | ||
|
|
||
| -> | ||
| Nếu như bạn phải cân bằng giữa N tiêu chí khác nhau, VD như kích thước của file nhị phân của model (quan trọng với các mobile app, vì người dùng không muốn download những app kích thước lớn), thời gian chạy, và độ chính xác, bạn có thể cân nhắc đặt N-1 trong số các tiêu chí là các tiêu chí "vừa đủ". Có nghĩa bạn chỉ cần yêu cầu chúng đạt một số giá trị nào đó. Sau đó hãy định nghĩa tiêu chí cuối cùng là tiêu chí "tối ưu". Ví dụ, đặt một mức ngưỡng thế nào là chấp nhận được với một file nhị phân và thời gian chạy, và sau đó hãy cố gắng tối ưu hóa độ chính xác với những điều kiện ràng buộc đã đưa ra. | ||
| Nếu bạn phải cân bằng giữa N tiêu chí khác nhau, ví dụ như kích thước file nhị phân của mô hình (điều này quan trọng với các ứng dụng di động, vì người dùng không muốn tải về những ứng dụng có kích thước lớn), thời gian chạy, và độ chính xác, bạn có thể cân nhắc đặt N-1 trong số các tiêu chí là các phép đo "thỏa mãn". Có nghĩa là bạn chỉ cần yêu cầu chúng đạt một số giá trị nào đó. Sau đó hãy định nghĩa tiêu chí còn lại là tiêu chí "tối ưu". Ví dụ, đặt ngưỡng thế nào là chấp nhận được với kích thước file nhị phân và thời gian chạy, sau đó hãy cố gắng tối ưu hóa độ chính xác với những điều kiện ràng buộc đã đưa ra. |
There was a problem hiding this comment.
- Theo mình biết thì tiếng Việt không để dấu phẩy trước chữ "và"
- Mình nghĩ dùng "mức ngưỡng nào đó" hợp hơn là "một số giá trị nào đó" . Ngoài ra ở đây là số ít.
Có nghĩa là bạn chỉ cần yêu cầu chúng đạt một số giá trị nào đó.
- Trong câu dưới, dùng từ "đặt/coi/lấy" có vẻ sát hơn là "định nghĩa"
Sau đó hãy định nghĩa tiêu chí còn lại là tiêu chí "tối ưu".
- Câu cuối mình đề xuất
Ví dụ như đặt mức ngưỡng chấp nhận được cho kích thước file nhị phân và thời gian chạy, sau đó tối ưu độ chính xác mà vẫn đảm bảo điều kiện ràng buộc trên.
There was a problem hiding this comment.
-
Chuyện dấu phẩy Oxford comma hay serial comma này mình không rõ là có tiêu chuẩn nào trong tiếng Việt không. Có vẻ là không có. Cá nhân mình thấy có dấu phẩy bao giờ cũng giúp giảm hiểu nhầm. Mình quen với yêu cầu về style có Oxford comma này trong bibliography hay trong viết paper tài liệu nói chung rồi.
Tham khảo -
Đã note phần số ít và số nhiều. Mình thấy "giá trị" ở đây không vấn đề gì, nên sẽ tôn trọng nguyên tác. Thực ra "value" và "threshold" trong context cụ thể như ở đây có thể dùng interchangeably.
-
Đồng ý với đề xuất câu cuối, nhưng sửa một chút.
Ví dụ như đặt mức ngưỡng chấp nhận được cho kích thước file nhị phân và thời gian chạy, sau đó tối ưu độ chính xác với điều kiện các ràng buộc trên vẫn được thỏa mãn.
tiepvupsu
added
second round
chapters/ch09.md
Outdated
|
|
||
| Suppose you care about both the accuracy and the running time of a learning algorithm. You need to choose from these three classifiers: | ||
|
|
||
| -> | ||
| Giả sử bạn quan tâm đến cả độ chính xác lẫn thời gian chạy của một thuật toán học máy nào đó. Bạn cần phải chọn trong ba bộ phân loại sau: |
There was a problem hiding this comment.
- Không có từ máy trong câu gốc
There was a problem hiding this comment.
Updated ("học máy" --> "học")
|
Cảm ơn @naml3i nhé. Bài này còn hai từ trong tiêu đề mình chưa thỏa mãn lắm, có thể tối ưu sau :). |
#77