Instructor:

Name: Email: Phone: Office:

Tran Hoai Thuan thuanth@giadinh.edu.vn   371 Nguyen Kiem

Summary:

Môn học cung cấp cho sinh viên các kiến thức cơ bản và cần thiết nhất về học máy và khai phá dữ liệu và sử dụng chúng vào các ứng dụng trong thực tế. Học phần bao gồm: các khái niệm, các bài toán học cơ bản của học máy và khai phá dữ liệu (bài toán hồi quy, phân cụm, phân lớp,...), hướng dẫn cho sinh viên quy trình xây dựng hệ thống dựa trên học máy và khai phá dữ liệu bằng các mô hình cơ bản và chuyên sâu. Học phần cũng giới thiệu vài ứng dụng điển hình của học máy trong thực tế, các công cụ hoặc thư viện hữu ích.

Môn học trước: Cơ sở dữ liệu, Lập trình Python

Môn học tiếp theo:

Tài liệu giảng dạy chính:

Phần mềm thực hành: Python3 và Jupyter Notebook.

Contents & Lectures:

Lec 1: Introduction to Machine Learning and Data Mining

+ Math for Machine Learning

Lec 2: Data crawling and Pre-processing

Lec 3: Linear regression

Lec 4: Clustering with K-means

Lec 5: Classification and KNN

Lec 6: Decision tree and random forest

Lec 7: Probability models

Lec 8: Support vector machines (SVM)

Lec 9: Neural networks

Lec 10: Evaluate and select models

Lec 11: Frequent Itemset Mining

Lec 12: Practical advices

References:

1. Tom Mitchell. Machine Learning, McGraw-Hill.

2. Understanding Machine Learning: From Theory to Algorithms, 1st Edition, Shai Shalev-Shwartz.

3. Introduction to Machine Learning with Python, Andreas Müller.

Assignments:

1. Assignment 1

2. Assignment 2

3. Assignment 3

4. Assignment 4

5. Assignment 5

Evaluations:

- Giữa kỳ: 50% điểm thực hành + 30% điểm chuyên cần + 20% điểm phát biểu

+ Vắng không phép: -1 điểm/ buổi học

+ Vắng có phép/đi trể: -0.5 điểm/ buổi học

- Cuối kỳ: Tiểu luận

Others:

- Zalo Group