• HV đã tham gia khóa  Fundamentals of Python và Python for Machine Learning, Data Science and Data Visualization, Data Pre-processing and Analysis hoặc có kiến thức tương đương
• Sinh viên các trường Đại học, Cao đẳng
• HV có định hướng sẽ làm việc trong lĩnh vực Machine Learning hoặc Data Science

• Thời lượng: 64 tiết (5 tuần), học trực tiếp trên máy
• Học phí: 5.800.000đ

• Tổng quan Machine Learning
  • Giới thiệu
  • Phân loại
    • Supervised Learning
      1. Classification
      2. Regression Analysis
    • Unsupervised Learning
      1. Clustering
      2. Association Analysis
      3. Dimensionality Reduction
  • Thuật ngữ
  • Scikit-learn: Machine Learning trong Python
  • Thách thức của Machine Learning: không đủ số lượng dữ liệu, dữ liệu đào tạo không đại diện, dữ liệu có chất lượng kém, thuộc tính không liên quan, Overfitting, Underfitting, cân bằng giữa Bias-Variance…
• Logistic Regression
  • Binary Classifier
  • Thuật toán: Logistic Regression, phương trình toán học (Sigmoid)
  • Xây dựng Logistic Regression với sklearn.linear_model.LogisticRegression
• Linear Regression
  • Thuật toán Least Squares
  • Phân loại: Simple Linenear Regression, Multiple Linenear Regression
  • Xây dựng Linear Regression với sklearn. linear_model.LinearRegression
• Naïve Bayes
  • Phân loại Naïve Bayes: GaussianNB, BernoulliNB và MultinomialNB
  • Thuật toán: Định lý Bayes
  • Xây dựng Naïve Bayes với sklearn.naive_bayes
• K-Nearest Neighbors (KNN)
  • Thuật toán KNN
  • Xây dựng KNN với sklearn.neighbors.KNeighborsClassifier, sklearn.neighbors.KNeighborsRegressor
• Decision Tree
  • Thuật toán: Decision Tree
  • Xây dựng Decision Tree với sklearn.tree.DecisionTreeClassifier, sklearn.tree.DecisionRegressor
• Random Forest
  • Thuật toán: Random Forest
  • Xây dựng Random Forest với sklearn.ensemble. RandomForestClassifier
• Support Vector Machine (SVM)
  • Kenel trick
  • Thuật toán: Linear SVM, Hard-margin, Soft-margin,  Nonelinear SVM, SVM Kenel, SVM Regression
  • Xây dựng SVM với sklearn.svm.SVM
• Boosting, AdaBoost
  • Boosting: Giới thiệu, Boosting Algorithms, phân loại
  • AdaBoost (Adaptive Boosting)
  • Thuật toán: AdaBoost
  • Xây dựng AdaBoost với sklearn.ensemble.AdaBoostClassifier
• Một số kỹ thuật bổ sung
  • Xác thực chéo (Cross Validation)
  • Điều chỉnh tham số (Tunning Parameter)
  • Grid Search (GridSearchCV)
  • Random Search
• Data Science Process (Quy trình Data Science)
  • Các bước trong quy trình Data Science
  • Triển khai project Data Science theo các bước trong quy trình
• K-Means
  • Thuật toán K-Means Algorithm
  • Elbow Method
  • Xây dựng K-Means với sklearn.cluster.KMeans
• Hierarchical clustering
  • Phân loại: Divisive (top down), Agglomerative (bottom up)
  • Agglomerative Clustering Algorithm
  • Dendrogram
  • Xây dựng Hierarchical clustering với sklearn.cluster. AgglomerativeClustering
• Apriori
  • Association Rule Mining
  • Apriori
  • Thuật toán: Apriori (Support, Confidence, Lift)
  • Xây dựng Apriori với mlxtend.frequent_patterns.apriori
• ECLAT (Equivalence Class Clustering and bottom up Lattice Traversal)
  • Thuật toán: ECLAT
  • Xây dựng ECLAT
• Gaussian Mixture Model (GMM) và Expectation–maximization (EM)
  • Gaussian Distribution
  • GMM
  • EM
  • Xây dựng GMM với sklearn.mixture.GaussianMixture
• Dimensionality Reduction, Principal Component Analysis (PCA)
  • Dimensionality Reduction: Curse of Dimensionality, phân loại
  • PCA: giới thiệu, mục tiêu
  • Thuật toán: PCA, Singular Value Decomposition (SVD)
  • Xây dựng PCA với sklearn.decomposition.PCA
• Time Series
  • Dự đoán với ARIMA
  • Thuật toán, variation, decomposition
  • Xây dựng mô hình với auto_arima

Học viên thi đạt kết quả cuối môn học sẽ được cấp chứng nhận "Machine Learning with Python" do Trung Tâm Tin Học - Trường ĐH Khoa Học Tự Nhiên cấp.