Nhập môn học máy và khai phá dữ liệu
Danh sách Tài liệu :
-
Tổng hợp đề thi trắc nghiệm môn Nhập môn học máy và khai phá dữ liệu| Môn Nhập môn học máy và khai phá dữ liệu| Trường ĐH Bách Khoa Hà Nội
103 52 lượt tải 67 trangTổng hợp đề thi trắc nghiệm môn Nhập môn học máy và khai phá dữ liệu| Môn Nhập môn học máy và khai phá dữ liệu| Trường ĐH Bách Khoa Hà Nội. Tài liệu gồm 67 trang giúp bạn tham khảo, ôn tập và đạt kết quả cao trong kỳ thi sắp tới. Mời bạn đọc đón xem.
Danh mục: Đại học Bách Khoa Hà NộiMôn: Nhập môn học máy và khai phá dữ liệuDạng: Đề thiTác giả: Trịnh Thảo Anh2 tháng trước -
Báo cáo đồ án môn học môn Nhập môn học máy và khai phá dữ liệu| Môn Nhập môn học máy và khai phá dữ liệu| Trường ĐH Bách Khoa Hà Nội
94 47 lượt tải 27 trangCông nghệ thông tin ngày càng phát triển và có vai trò hết sức quan trọng không thể thiếu trong cuộc sống hiện đại. Trong thời đại 4.0, con người ngày càng tạo ra những cỗ máy thông
minh có khả năng tự nhận biết và xử lí được các công việc một cách tự động, phục vụ cho lợi ích của con người. Trong những năm gần đây, một trong những bài toán nhận được nhiều sự quan tâm và tốn nhiều công sức nhất của lĩnh vực công nghệ thông tin, đó chính là bài toán nhận dạng.Danh mục: Đại học Bách Khoa Hà NộiMôn: Nhập môn học máy và khai phá dữ liệuDạng: Báo cáoTác giả: Trịnh Thảo Anh2 tháng trước -
Tổng hợp bài giảng môn Nhập môn học máy và khai phá dữ liệu| Bài giảng môn Nhập môn học máy và khai phá dữ liệu| Trường ĐH Bách Khoa Hà Nội
86 43 lượt tải 404 trangNội dung môn học:
◼ Giới thiệu về
• Học máy
• Khai phá dữ liệu
• Các framework và công cụ phần mềm◼ Tiền xử lý dữ liệu
◼ Đánh giá hiệu năng của hệ thống
◼ Hồi quy
◼ Phân cụm
◼ Phân lớp
◼ Phát hiện luật kết hợpDanh mục: Đại học Bách Khoa Hà NộiMôn: Nhập môn học máy và khai phá dữ liệuDạng: Bài giảngTác giả: Trịnh Thảo Anh2 tháng trước -
Tổng hợp bài giảng môn Nhập môn học máy và khai phá dữ liệu| Bài giảng môn Nhập môn học máy và khai phá dữ liệu| Trường ĐH Bách Khoa Hà Nội
70 35 lượt tải 471 trangNội dung môn học
• Lecture 1: Giới thiệu về Học máy và khai phá dữ liệu
• Lecture 2: Thu thập và tiền xử lý dữ liệu
• Lecture 3: Hồi quy tuyến tính (Linear regression)
• Lecture 4+5: Phân cụm
• Lecture 6: Phân loại và Đánh giá hiệu năng
• Lecture 7: dựa trên láng giềng gần nhất (KNN)
• Lecture 8: Cây quyết định và Rừng ngẫu nhiên
• Lecture 9: Học dựa trên xác suất
• Lecture 10: Mạng nơron (Neural networks)Danh mục: Đại học Bách Khoa Hà NộiMôn: Nhập môn học máy và khai phá dữ liệuDạng: Bài giảngTác giả: Trịnh Thảo Anh2 tháng trước