Machine Learning cơ bản
Nội dung đang được chuẩn bị.
Linear & Logistic Regression
Hai model tuyến tính nền tảng: một dự đoán giá trị liên tục, một phân loại nhị phân. Hiểu hàm mất mát và Gradient Descent.
KNN và SVM
Hai thuật toán không tham số phổ biến — K-Nearest Neighbors và Support Vector Machine.
Decision Tree và Random Forest
Cách model học bằng cách chia nhỏ không gian dữ liệu, và cách Random Forest cải thiện độ chính xác bằng ensemble.
hình: quá trình phân nhánh của Decision Tree
K-Means và PCA
Học không giám sát: phân cụm dữ liệu (K-Means) và giảm chiều dữ liệu (PCA).
Đánh giá model
Accuracy, Precision, Recall, F1-score, ROC-AUC — chọn chỉ số phù hợp với bài toán và tránh các bẫy thường gặp.
Mục tiêu sau module
Sau module này bạn có thể train model ML cơ bản, đánh giá kết quả và hiểu vì sao model tốt hoặc kém.