AI Syllabus
1. Đánh giá môn học
| Giữa kỳ (40%) | Cuối kỳ (60% | ||
|---|---|---|---|
| Quá trình (30%) | Kiểm tra buổi cuối cùng (10%) | Thực hành (20%) | Project cuối kỳ (40%) |
| 6 bài test tự luận kiểm tra tại lớp (mỗi bài 30 phút) | 1 bài test trắc nhiệm 50 câu (60 phút) | Nộp 5 bài lab trong 5 buổi thực hành | Điểm Project 20% Điểm báo cáo 20% |
| Yêu cầu: Làm bài test chỉ được sử dụng tài liệu giấy (ko dùng điện thoại và máy tính) Mang theo máy tính casio để tính toán |
Yêu cầu: Làm đúng theo yêu cầu, bài giống nhau 0 điểm cả 2 | Yêu cầu: Nhóm 2 hoặc 3 người, (có thể làm cá nhân) Báo cáo làm từ 8-10 trang (ko tính trang bìa và tài liệu tham khảo) Báo cáo phải làm trên oveleaf Báo cáo phải in 2 mặt |
|
2. Các chủ đề môn học
2.1 Học có giám sát (Supervised Learning)
- k nearest neighbor
- Radius Neighbors
- NearestCentroid
- Linear Regression
- Lasso Regression
- Ride Regression
- Logistic Regression
- Decision Tree
-
Naive Bayes
- Categorical Naive Bayes
- Multinomial Naive Bayes
- Gaussian Naive Bayes
- Linear Discriminant Analysis
- SVM
2.2 Học ko có giám sát (Unsuperised Learning)
- K-Means
- DBScan
- AgglomerativeClustering
- Fuzzy clustering
- Apriori algorithm
- Collaborative filtering
- SVD
- PCA
2.3 Tiền xử lý dữ liệu (Preprocessing)
- Min Max Scaler
- Max Abs Scaler
- Standard Scaler
- Robust Scaler
- Interpolation linear
- Imputation
- SMOTE
2.4 Validation
- Classifier
- Accuracy
- Precision
- Recall
- F1-Score
- ROC-AUC
-
Regression
- Mean Square Error
- Mean Absolute Error
- R-Squared
Standard Error -
Cluster
- silhouette
- Ebows
Tài liệu tham khảo
Khai Thác dữ liệu và kỹ thuật phân lớp
Giáo trình tài liệu tham khảo của Đại Học Bách Khoa TP HCM
Giáo trình trí tuệ nhân tạo
Giáo trình tài liệu tham khảo của Đại Học Kinh Tế TP HCM
Giáo trình thu thập và tiền xử lý dữ liệu
Giáo trình tài liệu tham khảo của Đại Học Công Nghệ Thông Tin TP HCM
Lưu ý: Mua giáo trình tại quầy giáo trình Đại Học Bách Khoa TP HCM đường Tô Hiến Thành