Machine Learning Classification: Supervised Algorithms and Implementation (bằng tiếng Anh).

Chương trình này hướng dẫn bạn qua các nguyên tắc cốt lõi của phân loại giám sát, giúp bạn chuyển từ lý thuyết sang thực hành. Bạn sẽ có được kỹ năng để phân tích các kịch bản kinh doanh, chọn thuật toán phân loại tối ưu, và chuẩn bị các tập dữ liệu cho việc huấn luyện. Bằng cách hiểu cách các mô hình hành xử trong các điều kiện khác nhau, bạn sẽ có thể đưa ra các quyết định thông tin dẫn đến các giải pháp học máy đáng tin cậy, sẵn sàng sản xuất. Bạn sẽ học được: - Hiểu các khái niệm cơ bản của việc học giám sát và phân loại các luồng công việc. - So sánh và thực hiện các thuật toán cốt lõi bao gồm Cây quyết định, K-Nearest Neighbors (KNN), và Support Vector Machines (SVM). - Apply data preparation techniques, xử lý các giá trị thiếu và tính năng scale using modern data workflows. - Đánh giá hiệu suất mô hình sử dụng các chỉ số phân loại như chính xác, nhớ lại, F1-score và đường cong ROC. - Nhận dạng các thách thức sản xuất phổ biến, bao gồm mô hình trôi dạt và rò rỉ dữ liệu, để đảm bảo độ tin cậy lâu dài của mô hình. Chương trình bắt đầu với các định nghĩa và thuật ngữ cơ bản của học máy trước khi chuyển sang các giải thích viết từng bước của các thuật toán phân loại. Sau đó bạn sẽ khám phá các bước chuẩn bị dữ liệu và học cách dự đoán và giải quyết các thách thức triển khai thực tế thông qua phân tích viết chi tiết. Lớp học này được thiết kế cho người mới bắt đầu muốn học phân loại học máy từ đầu, không cần kinh nghiệm mô hình hóa trước đó. Bắt đầu đọc hôm nay để xây dựng một nền tảng vững chắc trong học máy giám sát.