Các mô hình máy học (Machine Learning Models)

Chương 1: Mô hình máy học hồi quy

1
Vấn đề thường gặp trong mô hình máy học
2
Thực hành
3
Mô hình hồi quy tuyến tính
4
Thực hành
10
5
Gradient Descent và máy học
15
6
Thực hành
45
7
Mô hình chống Overfitting trong phân tích hồi quy
16
8
Thực hành
45
9
Mô hình SVM trong phân tích hồi quy
16
10
Thực hành
32
11
Mô hình cây trong phân tích hồi quy
15
12
Thực hành
38
13
Mô hình gộp ensemble trong phân tích hồi quy
21
14
Thực hành
27

Chương 2: Mô hình máy học phân loại

1
Mô hình phân loại và ứng dụng từ máy học tới thực tế
13
2
Phương pháp đánh giá mô hình phân loại
20
3
Thực hành
29
4
Mô hình Logistic regression
20
5
Thực hành
24
6
Mô hình cây và ensemble trong mô hình phân loại
20

Chương 3: Các kỹ thuật nền tảng trong học máy

1
Kiểm tra chéo (Cross validation)
23
2
Thực hành
32
3
Điều chỉnh siêu tham số (Hyperparameter tuning)
29
4
Thực hành
43
5
Xử lí dữ liệu mất cân bằng (Resampling)
36
6
Thực hành
36
7
Tăng cường dữ liệu trong thị giác máy tính (Augumentation)
24
8
Thực hành
45
9
Bài tập lớn
4

Chương 4: Các mô hình máy học thường dùng trong lĩnh vực Thị giác máy tính (Computer Vision)

Chương 5: Máy học trong xử lý ngôn ngữ tự nhiên NLP

1
Giới thiệu về máy học trong xử lí ngôn ngữ tự nhiên
24
2
Phân loại văn bản trong xử lý ngôn ngữ tự nhiên
28
3
Thực hành
33
4
Nhận dạng thực thể trong xử lý ngôn ngữ tự nhiên
17
5
Thực hành
33
6
Truy xuất thông tin trong xử lý ngôn ngữ tự nhiên
25
7
Thực hành
25
8
Tóm tắt văn bản trong xử lý ngôn ngữ tự nhiên
23
9
Thực hành
30
10
Dịch ngôn ngữ trong xử lý ngôn ngữ tự nhiên
20
11
Thực hành
25
12
Sinh văn bản tự động trong xử lý ngôn ngữ tự nhiên
13
Bài tập lớn
3

Chương 6: Phân tích dữ liệu thời gian thực

Chương 7: Hệ thống đề xuất

Chương 8: Các mô hình máy học dựa trên GANs

Auto-Encoders

Chúc mừng, bạn là người đầu tiên đánh giá cho khoá học!

Vui lòng đăng nhập để thực hiện đánh giá.