Nội dung khóa học

• Buổi 1: Giới thiệu về Machine learning và linear regression
Chủ đề:

Machine Learning

Mục tiêu:

- Nắm được khái niệm cơ bản về ML, một số ứng dụng phổ biến và phân loại machine learning
- Biết về thư viện scikit learn các triển khai xây dựng mô hình trên scikitlearn
- Nắm được thuật toán linear regression và triển khai
- Một số thước đo cơ bản của bài toán regression

Ứng dụng:

Machine Learning

Case Study:

Media Company Case Study (Linear Regression)
A digital media company (similar to Voot, Hotstar, Netflix, etc.) had launched a show. Initially, the show got a good response, but then witnessed a decline in viewership. The company wants to figure out what went wrong.

• Buổi 2: Polynomial và một số thuật ngữ quan trọng trong ML
Chủ đề:

Polynomial và một số thuật ngữ quan trọng trong ML

Mục tiêu:

- Hiểu được việc thuật toán Polynomial và cách triển khai
- Nắm được một số kỹ thuật xây dựng mô hình machine learning

Ứng dụng:

Machine Learning

Case Study:

Using Polynomial Regression with House Prices - Kaggle Copetitions

• Buổi 3: Gradient descent
Chủ đề:

Gradient descent

Mục tiêu:

- Nắm được về thuật toán, một số phiên bản của gradient descent
- Kỹ thuật normalization features

Ứng dụng:

Machine Learning

Case Study:

House Prices - Advanced Regression Techniques

• Buổi 4:Logistic regression
Chủ đề:

logistic regression

Mục tiêu:

- Nắm được về thuật toán phân lớp bằng logistic regression và triển khai trên thư viện scikit learn
- Một số thước đo phổ biến của bài toán phân lớp và ưu nhược điểm của nó

Ứng dụng:

Học máy có

Case Study:

Housing prediction with Logistic Regression

• Buổi 5: KNN and Naive bayes
Chủ đề:

KNN and Naive bayes

Mục tiêu:

-Nắm được cách triển khai thuật toán:
- KNN và tối ưu giá trị của k
- Naive bayes

Ứng dụng:

Học máy

Case Study:

Housing classification with KNN

• Buổi 6: Unsupervised learning: Kmean, Hierarchical clustering
Chủ đề:

Unsupervised learning: Kmean, Hierarchical clustering

Mục tiêu:

Nắm được cách triển khai và tối ưu của thuật toán :
- Kmean
- Hierarchical

Ứng dụng:

Machine Learning

Case Study:

Online Retail K-means & Hierarchical Clustering:
Online retail is a transnational data set which contains all the transactions occurring between 01/12/2010 and 09/12/2011 for a UK-based and registered non-store online retail. The company mainly sells unique all-occasion gifts. Many customers of the company are wholesalers.

• Buổi 7: PCA and SVM
Chủ đề:

PCA and SVM

Mục tiêu:

Nắm được và triển khai thuật toán:
- PCA
- SVM

Ứng dụng:

Machine Learning

Case Study:

PCA and SVM on MNIST dataset

• Buổi 8: Decision tree
Chủ đề:

Decision tree

Mục tiêu:

Nắm được và triển khai thuật toán:
- Decision tree
- Random forests
- XGBoost

Ứng dụng:

Machine Learning

Case Study:

Titanic - Machine Learning from Disaster

• Buổi 9: Neutral network
Chủ đề:

Neutral network

Mục tiêu:

- Phân biệt được giữa ML và Deep learning
- Hiểu được cách xây dựng và tìm phương án tối ưu của mạng neutral network
- Cách triển khai mạng neutral network bằng thư viện Tensorflow

Ứng dụng:

Deep Learning

Case Study:

Taylor Swift's YouTube Stats Symphony
Dive into the data-driven world of Taylor Swift's YouTube empire with the "Swift's YouTube Stats Symphony" dataset! This collection offers an analytical look at the performance metrics of each video from the global music icon's official channel, providing a wealth of insights into views, popularity, and engagement trends.

• Buổi 10: Tổng kết
Chủ đề:

Tổng kết

Mục tiêu:

- Ứng dụng các kiến thức đã học và 1 dự án
- Giới thiệu các nội dung của khóa tiếp theo

Ứng dụng:

Machine Learning & Deep Learning

Case Study:

Project cuối khóa