Nội dung khóa học

• Buổi 1: OOP Python Overview và Data Analysis Review
Chủ đề:

Machine Learning

Mục tiêu:

- Hiểu biết cơ bản về ngôn ngữ lập trình hướng đối tượng Python
- Review kiến thức cũ về Phân tích dữ liệu và Khai phá dữ liệu - chương trình Python level 1

Ứng dụng:

Machine Learning

Case Study:

Exploratory Data Analysis on datasets & develop python class implementing sklearn API

• Buổi 2: Machine Learning cơ bản
Chủ đề:

Tìm hiểu về Data Analysis on Datasets & phát triển python class triển khai sklearn API

Mục tiêu:

- Hiểu biết các khái niệm về mô hình dự báo trong Machine Learning
- Áp dụng mô hình Linear Regression trong Python

Ứng dụng:

Machine Learning

Case Study:

Perform t-test, ANOVA, regression, chi-square test with traditional and resampling methods

• Buổi 3: Machine Learning cơ bản (tiếp)
Chủ đề:

Giới thiệu Machine Learning, hyperparameter, model validation. Naive Bayes Classification, KNN

Mục tiêu:

Nắm các kiến thức về hyperparameter, model validation. Naive Bayes Classification, KNN

Ứng dụng:

Machine Learning

Case Study:

Perform Feature Engineering, simple prediction/classification models with Naive Bayes and KNN

• Buổi 4: Các mô hình học máy có giám sát
Chủ đề:

Supervised Learning: Multiple Linear Regression, Logistic Regression, Soft-Max Regression, Support Vector Machine & Kernel Method, Decision Tree & Ensemble methods, measure model's performance

Mục tiêu:

Hiểu biết và áp dụng các mô hình học máy có giám sát nâng cao, có tính chính xác cao

Ứng dụng:

Học máy có giám sát nâng cao

Case Study:

Perform multiple models on same dataset and compare performance

• Buổi 5: Các mô hình học máy không có giám sát
Chủ đề:

Unsupervised Learning: Principal Component Analysis, Manifold Learning, Clustering (K-Means, DBSCAN, Hierachical), Gaussian Mixture Model, Kernel Density Estimation

Mục tiêu:

Hiểu biết và áp dụng các mô hình học máy không có giám sát nâng cao, có tính chính xác cao

Ứng dụng:

Học máy không giám sát nâng cao

Case Study:

Customer segmentation. Supervised learning on reduced feature list.

• Buổi 6: Deep Learning Overview
Chủ đề:

Giới thiệu về mạng Nơ-Ron nhân tạo

Mục tiêu:

Hiểu biết cơ bản về mô hình học sâu (Deep Learning)

Ứng dụng:

Deep Learning

Case Study:

• Buổi 7: Xử lý ngôn ngữ tự nhiên
Chủ đề:

Natural language processing:
- Applying Machine Learning to Sentiment Analysis
- Embedding a Machine Learning Model into a Web Application

Mục tiêu:

Áp dụng các mô hình học sâu trong xử lý ngôn ngữ tự nhiên

Ứng dụng:

Deep Learning

Case Study:

Sentiment Analysis


• Buổi 8: Xử lý ngôn ngữ tự nhiên (tiếp)
Chủ đề:

Natural language processing:
- Applying Machine Learning to Sentiment Analysis
- Embedding a Machine Learning Model into a Web Application

Mục tiêu:

Áp dụng các mô hình học sâu trong xử lý ngôn ngữ tự nhiên

Ứng dụng:

Deep Learning

Case Study:

Sentiment Analysis

• Buổi 9: Thị giác máy tính
Chủ đề:

Computer Vision: Handwriting recognition with Deep Convolutional Neural Networks

Mục tiêu:

Áp dụng các mô hình học sâu trong thị giác máy tính

Ứng dụng:

Deep Learning

Case Study:

Handwriting recognition

• Buổi 10: Thị giác máy tính (tiếp) và và Tổng kết chương trình Python level 2
Chủ đề:

Computer Vision: Handwriting recognition with Deep Convolutional Neural Networks

Mục tiêu:

Áp dụng các mô hình học sâu trong thị giác máy tính

Ứng dụng:

Deep Learning

Case Study:

Handwriting recognition