Call us Today ! 11223344 / 45678 | email.com

Học máy là cách lập trình để máy tính tự học ra kiến thức từ dữ liệu, khai phá nguồn dữ liệu hiện có bắt chúng phục vụ cho các hoạt động doanh nghiệp một cách tự động.

Machine Learning đang trở thành công cụ phổ biến trong nhiều ứng dụng: tự xét duyệt tín dụng tự động đến khuyến nghị mua hàng, từ soạn thảo nội dung email hay phân loại khách hàng, từ dự báo doanh số đến nhận dạng nội dung văn bản,… Nắm rõ các thuật toán Machine Learning và ứng dụng tốt trong doanh nghiệp sẽ nâng cao hiệu quả và năng lực của bạn rõ rệt.

Course Curriculum

Giới thiệu về Machine Learning (ML)
Chương trình ML Details 00:05:00
Khả năng khai thác tri thức từ dữ liệu của ML Details 00:10:00
Tác nhân thúc đẩy ML Details 00:07:00
Phân biệt các khái nhiệm ML, Data Science, AI, IoT, Big-data Details 00:15:00
Các bài toán ML – Supervised và Unsupervised Learning Details 00:09:00
Tối tương quan giữa ML và Thống kê Details 00:07:00
Lập trình dữ liệu với Python
Jupyter notebook Details 00:07:00
Python cơ bản Details 00:09:00
Numpy và Pandas Details 00:13:00
Biểu diễn đồ thị với python (Matplotlib, Seaborn, Pandas) Details 00:02:00
Mô hình Regression
Giới thiệu Details 00:07:00
Bài toán Regression 1 biến Details 00:10:00
Các khái niệm Cost Function, Gradient Descent Details 00:15:00
Thực hành và đánh giá Regression nhiều biến Details 00:12:00
Các khái niệm Generalization, Capacity, Overfitting and Underfitting Details 00:12:00
Các khái niệm training, validation, testing, bias và variance Details 00:08:00
Ôn tập về Đại số tuyến tính Details 00:09:00
Thực hành và đánh giá Regression nhiều biến Details 00:12:00
Biến đổi biến trong Regression Details 00:06:00
Các vấn đề lưu ý với Regression: phân tích residuals, collinearity, cách xây dựng mô hình Details 00:18:00
Hồi quy đa thức Details 00:04:00
Hồi quy Logistics
Bài toán phân loại Details 00:04:00
Giả thuyết và biên quyết định Details 00:07:00
Hàm Cost và tối ưu Details 00:08:00
Regularization trong Regression Details 00:11:00
Thực hành Logistic trên dữ liệu thực tế Details 00:06:00
Mô hình cây quyết định
Thực hành và đánh giá Mô hình cây quyết định Details 00:16:00
Bootstraping dữ liệu Details 00:02:00
Mô hình Bagging và Random forest Details 00:08:00
Mô hình Boosting Details 00:11:00
So sánh mô hình cây và SVM Details 00:12:00
Các mô hình Unsupervised Learning
Mô hình K-means clustering Details 00:12:00
Mô hình Hierarchical clustering Details 00:17:00
Mô hình Association rules Details 00:16:00
Các hệ thống khuyến nghị (Recommender Systems)
Content Based Recommendations Details 00:04:00
Collaborative Filtering Details 00:20:00
Thực hành Dự án ML
Xử lý dữ liệu văn bản (Text) Details 00:05:00
Lấy dữ liệu, tiền xử lý dữ liệu văn bản Details 00:07:00
Phương pháp TFIDF Details 00:10:00
Phân loại văn bản: Topic modeling & Sentiment analysis Details 00:13:00
Machine Learning trên dữ liệu lớn (Big-data) Details 00:17:00
Giới thiệu về Neural Network và Deep Learning Details 00:18:00

Course Reviews

N.A

ratings
  • 5 stars0
  • 4 stars0
  • 3 stars0
  • 2 stars0
  • 1 stars0

No Reviews found for this course.

PRIVATE COURSE
  • PRIVATE
  • 2 months
  • 5000 SEATS
5000 STUDENTS ENROLLED
    Template Design © VibeThemes. All rights reserved.
    X