tailieunhanh - Bài giảng Máy học nâng cao: Giới thiệu - Trịnh Tấn Đạt

Bài giảng Máy học nâng cao: Giới thiệu đã giới thiệu chung về môn học, các nội dung, tài liệu tham khảo, hình thức đánh giá, danh sách các đề tài, các vấn đề trong máy học, trao đổi và thảo luận. | Bài giảng Máy học nâng cao Giới thiệu - Trịnh Tấn Đạt Trịnh Tấn Đạt Khoa CNTT Đại Học Sài Gòn Email trinhtandat@ Website https site ttdat88 1 Nội dung Giới thiệu môn học Các nội dung Tài liệu tham khảo Hình thức đánh giá Danh sách các đề tài Các vấn đề trong máy học Trao đổi và thảo luận 2 Giới Thiệu Môn Học Máy học nâng cao Advanced Machine Learning 3 tín chỉ Môn bắt buộc Mục tiêu Nâng cao kiến thức về máy học cách thức hoạt động và khả năng ứng dụng của các thuật toán. Cung cấp nền tảng tốt về suy luận thống kê và cấu trúc toán học cần thiết để phục vụ cho công việc nghiên cứu khoa học. Kỹ năng thực hành thiết kế thí nghiệm sử dụng ngôn ngữ Python. 3 Các Nội Dung Giới thiệu Machine Learning và các vấn đề liên quan Machine Learning với Python. Linear Regression Logistic Regression Naïve Bayes Classifier Neural Network Giới thiêu về Deep Learning Clustering Giảm số chiều và lựa chọn đặc trưng Support vector machine SVM Decision Tree Ensemble Model 4 Tài liệu tham khảo Slide giảng viên cung cấp Tom Mitchell Marchine Learning McGraw Hill Second Edition. C. M. Bishop Pattern Recognition and Machine Learning Springer 2006. Sebastian Raschka Python Machine Learning Packt Publishing Ltd. 2015 Các nguồn khác trên internet Google Kaggle 5 Hình thức đánh giá Chuyên cần 10 Điểm bài tập 30 Đánh giá cuối kỳ Đồ án môn học 60 Yêu cầu đồ án tìm hiểu bài toán và ứng dụng liên quan đến máy học Đọc các papers các công trình nghiên cứu đã được công bố. Lý thuyết đọc hiểu và viết báo cáo. Cài đặt code data thực nghiệm kết quả và đánh giá. Trình bày powerpoint Sơ lược ý chính lý thuyết Ý tưởng giải quyết thuật toán thuật giải bài toán Kết quả Đánh giá kết quả ưu nhược điểm lý do Đề xuất ý tưởng cải tiến nếu có điểm cộng thêm 6 Danh sách đề tài tham khảo Học viên có thề tự đề xuất bài toán cần giải quyết sau đó thảo luận với giảng viên để thống nhất. Danh sách đề tài sẽ được update thêm o Probabilistic Graphical Models Bayesian Networks và ứng dụng o .