Khai phá dữ liệu (UET)

Tien Xu Ly Du Lieu P2 - Nhập Môn Khai Phá Dữ Liệu. Môn Khai phá dữ liệu (UET) | Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

Tài liệu gồm 39 trang giúp bạn tham khảo, củng cố kiến thức và ôn tập đạt kết quả cao trong kỳ thi sắp tới. Mời bạn đọc đón xem!

Instructions

You have 2 hours and 50 minutes to complete the exam.

•    The exam is closed book, closed notes, closed computer, closed calculator, except the provided reference sheet.

•    Mark your answers on the exam itself in the spaces provided. We will not grade answers written on scratch paper or outside the designated answer spaces.

•    If you need to use the restroom, bring your phone, exam, and student ID to the front of the room.

•    The test is designed to be completed using methods we have learned in this class. We reserve the right to deduct or not score answers using methods out of scope.

For multiple choice questions with circles, you should select exactly one choice. You should indicate your selection by completely filling in the circle.   You must choose either this option

  Or this one, but not both!

DATA 8 Final Exam Instructions and Guidelines, Spring 2024. Môn Khai phá dữ liệu (UET) | Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

Tài liệu gồm 17 trang giúp bạn tham khảo, củng cố kiến thức và ôn tập đạt kết quả cao trong kỳ thi sắp tới. Mời bạn đọc đón xem!

You have 2 hours and 50 minutes to complete the exam.

•    The exam is closed book, closed notes, closed computer/calculator, except the provided final reference sheet.

•    Mark your answers on the exam itself in the spaces provided. We will not grade answers written on scratch paper or outside the designated answer spaces.

•    If you need to use the restroom, bring your phone and exam to the front of the room.

For questions with circular bubbles, you should fill in exactly one choice. You must choose either this option # Or this one, but not both!

For questions with square checkboxes, you may fill in multiple choices. You could select this choice.

2 You could select this one too!

DATA 8 Spring 2023 Foundations of Data Science Final Exam Guide. Môn Khai phá dữ liệu (UET) | Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

Tài liệu gồm 17 trang giúp bạn tham khảo, củng cố kiến thức và ôn tập đạt kết quả cao trong kỳ thi sắp tới. Mời bạn đọc đón xem!

Data 8 Fall 2024 Midterm Exam: Foundations of Data Science Insights. Môn Khai phá dữ liệu (UET) | Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

Tài liệu gồm 15 trang giúp bạn tham khảo, củng cố kiến thức và ôn tập đạt kết quả cao trong kỳ thi sắp tới. Mời bạn đọc đón xem!

16.1     Introduction

Spatial data arises commonly in geographical data mining applications. Numerous applications related to meteorological data, earth science, image analysis, and vehicle data are spatial in nature. In many cases, spatial data is integrated with temporal components. Such data is referred to as spatiotemporal data. Some examples of applications in which spatial data arise, are as follows:

1.    Meteorological data: Quantifications of important weather characteristics, such as the temperature and pressure, are typically measured at different geographical locations. These can be analyzed to discover interesting events in the underlying data.

2.    Mobile objects: Moving objects typically create trajectories. Such trajectories can be analyzed for a wide variety of insights, such as characteristic trends, or anomalous paths of objects.

Khai Phá Dữ Liệu Không Gian: Khảo Sát và Ứng Dụng (Chương 16). Môn Khai phá dữ liệu (UET) | Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

Tài liệu gồm 27 trang giúp bạn tham khảo, củng cố kiến thức và ôn tập đạt kết quả cao trong kỳ thi sắp tới. Mời bạn đọc đón xem!

 Lý thuyết:

1.              What is the main difference between K-Nearest Neighbors and K-Mean Clustering algorithms?

-> K-Nearest Neighbors (KNN) and K-Means Clustering are two distinct algorithms in machine learning:

KNN: A supervised algorithm for classification and regression. It makes predictions based on the nearest K labeled data points. Sensitivity to K value and distance measurement selection.

K-Means: An unsupervised algorithm for clustering. It groups the data into K clusters based on minimizing the distance to the cluster center. No need for labels, requires K to be predefined. Sensitive to the initial position of the cluster center.

Đề cương học phần KHÁI PHÁ DỮ LIỆU - Phân tích và Thuật toán. Môn Khai phá dữ liệu (UET) | Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

Tài liệu gồm 14 trang giúp bạn tham khảo, củng cố kiến thức và ôn tập đạt kết quả cao trong kỳ thi sắp tới. Mời bạn đọc đón xem!

Đề thi vấn đáp Khai phá dữ liệu đề số 75 kỳ 1 năm học 2020-2021 | Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Tài liệu được sưu tầm và biên soạn dưới dạng PDF gồm 01 trang giúp bạn tham khảo, củng cố kiến thức và ôn tập đạt kết quả cao trong kỳ thi sắp tới. Mời bạn đọc đón xem!