Khóa học cung cấp cho học viên các kiến thức quan trọng và cần thiết về Machine Learning, một phần rất “quan trọng” của Khoa học dữ liệu (Data Science).
Trang bị các kiến thức cơ bản về Toán được ứng dụng trong các thuật toán của Machine Learning.
Trang bị kiến thức và kỹ năng vận dụng các thuật toán thuộc nhóm Supervised Learning (Classification, Regression), Unsupervised Learning (Clustering, Dimensionality Reduction) thông qua việc sử dụng các bộ thư viện, công cụ mạnh mẽ, mã nguồn mở như Python, Jupyter Notebooks, Numpy, Pandas, Matplotlib, Seaborn, sklearn…
Xây dựng nền tảng vững chắc về Machine Learning với Python, tạo tiền đề cho việc tìm hiểu kiến thức về Deep Learning.
Hiểu các khái niệm cơ bản của Toán được vận dụng trong Machine Learning, bao gồm Đại số ma trận; Tối ưu hàm số với Gradient Descent; Xác suất và Thống kê.
Hiểu, áp dụng và triển khai các thuật toán trong nhóm Supervised Learning như Logistic Regression, Linear Regression, Naïve Bayes, K-Nearest Neighbors (KNN), Decision Tree, Random Forest, Support Vector Machine (SVM), Mạng Nơron; Boosting và AdaBoost với Python.
Hiểu, áp dụng và triển khai các thuật toán trong nhóm Unsupervised Learning như K-Means clustering, Hierarchical Clustering, Gaussian Mixture Models (GMM)
Dimensionality Reduction với Principal Component Analysis (PCA) và Linear Discriminant Analysis (LDA).
Time Series Analysis với ARIMA
Vận dụng các thuật toán Machine Learning trong việc giải quyết các vấn đề thực tế, cụ thể
Triển khai project theo Data Science process
Xây dựng nền tảng vững chắc về Machine Learning với Python