MACHINE LEARNING

Machine Learning là tập hợp các thuật toán giúp chúng ta khai thác được tri thức từ dữ liệu một cách tự động. Làm chủ được các thuật toán Machine Learning sẽ giúp bạn mở ra khả năng thu nhận được kiến thức vô hạn với dữ liệu đang có trên thế giới hiện nay. Theo góc độ lập trình, các chương trình Machine Learning không thể hiện các quy tắc hành động một cách tường minh mà tiếp nhận dữ liệu để học ra các quy tắc và hành động tương ứng.

Khóa học “Machine Learning with Python” của S-LAB là level thứ 2 của chương trình “Easy Data Science”, mang tới những kỹ năng cơ bản và nâng cao về các mô hình Machine Learning cho dự báo, phân loại, … là bước quan trọng để làm chủ dữ liệu và chuẩn bị cho những ứng dụng AI tiếp theo.

KẾT QUẢ NHẬN ĐƯỢC

Thành thạo lập trình ngôn ngữ Python
Xử lý, khai phá & biểu diễn hình ảnh dữ liệu với Python
Xây dựng các mô hình Machine Learning:
- Hồi quy: dự báo giá nhà, dự báo doanh số film
- Phân loại: dự báo rủi ro trả nợ, khách hàng rời bỏ dịch vụ
- Không giám sát: phân cụm khách hàng, hệ thống khuyến nghị
- Mô hình nâng cao: svm, xgboost
- Mô hình nâng cao: k-mean và mean-shift cho phân vùng ảnh
- Mô hình nâng cao: phân cụm phổ cho phân tích dữ liệu mạng xã hội
Xây dựng các mô hình Deep Learning cơ bản:
- Mạng neuron học sâu ứng dụng cho nhận dạng chữ viết tay
- Mạng neuron tích chập (CNN) cho phân loại đối tượng trong ảnh và video
Ôn tập các kiến thức Toán cần thiết
Các thư viện Python: Scikit-learn, Tensorflow, Keras

DÀNH CHO HỌC VIÊN MUỐN TRỞ THÀNH

Data Analyst
Data Engineer
Machine Learning specialist
Junior Data scientist
Data Manager

Chi tiết khóa học

Giới thiệu về Machine Learning (ML)

Chương trình ML
Khả năng khai thác tri thức từ dữ liệu của ML
Tác nhân thúc đẩy ML
Phân biệt các khái nhiệm ML, Data Science, AI, IoT, Big-data
Các bài toán ML – Supervised và Unsupervised Learning
Tối tương quan giữa ML và Thống kê

Lập trình dữ liệu với Python

Jupyter notebook
Python cơ bản
Numpy và Pandas
Biểu diễn đồ thị với python (Matplotlib, Seaborn, Pandas)

Mô hình Regression

Giới thiệu
Bài toán Regression 1 biến
Các khái niệm Cost Function, Gradient Descent
Thực hành và đánh giá Regression nhiều biến
Các khái niệm Generalization, Capacity, Overfitting and Underfitting
Các khái niệm training, validation, testing, bias và variance
Ôn tập về Đại số tuyến tính
Thực hành và đánh giá Regression nhiều biến
Biến đổi biến trong Regression
Các vấn đề lưu ý với Regression: phân tích residuals, collinearity, cách xây dựng mô hình
Hồi quy đa thức

Hồi quy Logistics

Bài toán phân loại
Giả thuyết và biên quyết định
Hàm Cost và tối ưu
Regularization trong Regression
Thực hành Logistic trên dữ liệu thực tế

Mô hình cây quyết định

Thực hành và đánh giá Mô hình cây quyết định
Bootstraping dữ liệu
Mô hình Bagging và Random forest
Mô hình Boosting
So sánh mô hình cây và SVM

Các mô hình Unsupervised Learning

Mô hình K-means clustering
Mô hình Hierarchical clustering
Mô hình Association rules

Các hệ thống khuyến nghị (Recommender Systems)

Content Based Recommendations
Collaborative Filtering

Thực hành Dự án ML

Xử lý dữ liệu văn bản (Text)
Lấy dữ liệu, tiền xử lý dữ liệu văn bản
Phương pháp TFIDF
Phân loại văn bản: Topic modeling & Sentiment analysis
Machine Learning trên dữ liệu lớn (Big-data)
Giới thiệu về Neural Network và Deep Learning

Enroll

Chi tiết khóa học

Giới thiệu về Machine Learning (ML)

Lập trình dữ liệu với Python

Mô hình Regression

Hồi quy Logistics

Mô hình cây quyết định

Các mô hình Unsupervised Learning

Các hệ thống khuyến nghị (Recommender Systems)

Thực hành Dự án ML

4 Comments

Add comment Cancel reply

VỀ S-LAB.VNS-lab.vn là sản phẩm của SongCau Co. Ltd.

Liên hệ với chúng tôi

Email: khoahocdulieudedang@gmail.com Facebook: Học Machine Learning và Deep Learning Điện Thoại: 093.736.7366 (Hồ Chí Minh); 094.749.8786 (Hà Nội)