Mô tả khóa học

• Học viên được tiếp cận các khái niệm, kỹ thuật, và mô hình học máy cơ bản và phổ dụng trong học có giám sát (Supervised learning) như hồi quy logistic (Logistic Regression), cây quyết định (Decision Tree), Support Vector Machines, học không giám sát (Unsupervised learning) như các kỹ thuật phân cụm (clustering), và các kiến thức cơ bản về Học sâu (Deep learning).
• Học viên được tiếp cận với các ứng dụng của học máy với nhiều ví dụ minh họa, dữ liệu, và dự án từ các bài toán thực tế như dự đoán/dự báo giá cả, đánh giá tín dụng cá nhân, phân loại phương tiện giao thông/ảnh/tin tức, phát hiện thâm nhập trong an ninh mạng, v...v… Với cách tiếp cận dựa trên dự án (project-based) khóa đào tạo sẽ giúp người học có được các kỹ năng thực hành và giải quyết các vấn đề thực tế sử dụng các kỹ thuật và công cụ của học máy.

Yêu cầu khóa học

• Đã biết lập trình (biết Python là một lợi thế)

Công cụ sử dụng

• Python, Jupyter Notebook
• Scikit-learn, Tensorflow