Chuyên Đề Học máy (Machine learning)

Chuyên đề này viết về học máy, một nhánh của môn trí tuệ nhân tạo mà được áp dụng nhiều trong đời sống ( Nhận dạng khuôn mặt, nhận dạng biển số xe tự động, dự đoán giá vàng, thời tiết .) . Chuyên đề này gồm 3 phần trong đó phần thứ nhất mang tính chất mở đầu, giới thiệu về phương pháp học máy, sang phần tiếp theo chuyên đề viết về lý thuyết học máy, tìm hiểu kĩ tại sao học máy lại có hiệu quả trong các bài toán, chứng minh tính đứng đắn của học máy. Và phần III sẽ giới thiệu về 9 phương pháp học máy bao gồm các phương pháp cổ điển (cây quyết định, k-mean cluster, .) và một số phương pháp học máy được áp dụng nhiều trong ngày nay (support vector machine, mạng noron). Các phương pháp này cũng bao gồm cả phương pháp học giám sát và học không giám sát.
Phần I Làm quen với học máy
1.1Định nghĩa về học máy
1.2Ứng dụng của học máy
1.3Các bước trong giải quết bài toán bằng phương pháp học máy
1.4Các phương pháp học máy


Phần II Lý thuyết học máy
2.1 Vấn đề Bias/Variance
2.2 Không gian giả thuyết H hữu hạn


Phần III Giới thiệu một số phương pháp học máy
3.1 Cây quyết đinh
3.2 Mô hình tính toán tổng quát Linear Regression
3.3 Logistic regression
3.4 Các phương pháp tìm cực trị
3.5 Naive Bayes
3.6 K-means clustering
3.7 Thuật toán EM
3.8 Support Vector Machine
3.9 Neural Network