intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Bài giảng Máy học nâng cao: Giới thiệu - Trịnh Tấn Đạt

Chia sẻ: Minh Vũ | Ngày: | Loại File: PDF | Số trang:41

38
lượt xem
5
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Máy học nâng cao: Giới thiệu đã giới thiệu chung về môn học, các nội dung, tài liệu tham khảo, hình thức đánh giá, danh sách các đề tài, các vấn đề trong máy học, trao đổi và thảo luận. Mời các bạn cùng tham khảo nội dung chi tiết.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Máy học nâng cao: Giới thiệu - Trịnh Tấn Đạt

  1. Trịnh Tấn Đạt Khoa CNTT – Đại Học Sài Gòn Email: trinhtandat@sgu.edu.vn Website: https://sites.google.com/site/ttdat88/ 1
  2. Nội dung  Giới thiệu môn học  Các nội dung  Tài liệu tham khảo  Hình thức đánh giá  Danh sách các đề tài  Các vấn đề trong máy học  Trao đổi và thảo luận 2
  3. Giới Thiệu Môn Học  Máy học nâng cao (Advanced Machine Learning)  3 tín chỉ  Môn bắt buộc  Mục tiêu:  Nâng cao kiến thức về máy học, cách thức hoạt động và khả năng ứng dụng của các thuật toán.  Cung cấp nền tảng tốt về suy luận thống kê và cấu trúc toán học cần thiết để phục vụ cho công việc nghiên cứu khoa học.  Kỹ năng thực hành, thiết kế thí nghiệm sử dụng ngôn ngữ Python. 3
  4. Các Nội Dung  Giới thiệu Machine Learning và các vấn đề liên quan  Machine Learning với Python.  Linear Regression/ Logistic Regression  Naïve Bayes Classifier  Neural Network  Giới thiêu về Deep Learning  Clustering  Giảm số chiều và lựa chọn đặc trưng  Support vector machine (SVM)  Decision Tree  Ensemble Model 4
  5. Tài liệu tham khảo  Slide giảng viên cung cấp  Tom Mitchell, Marchine Learning, McGraw Hill, Second Edition.  C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.  Sebastian Raschka, Python Machine Learning, Packt Publishing Ltd., 2015  Các nguồn khác trên internet  Google  Kaggle  … 5
  6. Hình thức đánh giá  Chuyên cần: 10%  Điểm bài tập: 30 %  Đánh giá cuối kỳ: Đồ án môn học 60% ❖ Yêu cầu đồ án: tìm hiểu bài toán và ứng dụng liên quan đến máy học  Đọc các papers, các công trình nghiên cứu đã được công bố.  Lý thuyết: đọc hiểu, và viết báo cáo.  Cài đặt: code, data thực nghiệm, kết quả và đánh giá.  Trình bày (powerpoint): ❑ Sơ lược ý chính lý thuyết ❑ Ý tưởng giải quyết(thuật toán, thuật giải) bài toán ❑ Kết quả ❑ Đánh giá kết quả: ưu – nhược điểm (lý do) ❑ Đề xuất ý tưởng cải tiến (nếu có – điểm cộng thêm) 6
  7. Danh sách đề tài tham khảo  Học viên có thề tự đề xuất bài toán cần giải quyết sau đó thảo luận với giảng viên để thống nhất. ❖ Danh sách đề tài (sẽ được update thêm) o Probabilistic Graphical Models: Bayesian Networks và ứng dụng o Gradient boosting, Xgboost và ứng dụng o Object detection: R-CNN, Fast R-CNN, Faster-RCNN và ứng dụng o Object detection: YOLO, Single Shot Detection và ứng dụng o Image Recognition using Deep Learning (VGG, InceptionNet, ResNet, DenseNet, …) o Face Recognition using Deep Learning (FaceNet, VGGface, …) o Speech/Speaker Recognition using Deep Learning o Audio Event Recognition using Deep Learning o LSTM và ứng dụng o Image Segmentation using Deep Learning (U-net, Mask-RCNN,…) o Text Detector using Deep Learning (Connectionist Text Proposal Network, EAST, … ) o OCR using Deep Learning o Generative Adversarial Network (GAN) và ứng dụng o … 7
  8. Các Vấn Đề Trong Máy Học ❖ Máy học là gì?  From wikipedia - Máy học là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ thể  Tom Mitchell, giáo sư nổi tiếng của Đại học Carnegie Mellon University - CMU định nghĩa cụ thể và chuẩn mực hơn như sau: "" (máy đã học) Một chương trình máy tính (CT) được xem là học cách thực thi một lớp nhiệm vụ (NV) thông qua trải nghiệm (KN), đối với thang đo năng lực (NL) nếu như dùng NL ta đo thấy năng lực thực thi của chương trình có tiến bộ sau khi trải qua KN. 8
  9. Các Vấn Đề Trong Máy Học  Các ứng dụng : Object Detection 9
  10. Các Vấn Đề Trong Máy Học  Các ứng dụng: Biometric recognition – face, fingerprint, iris, gait, … 10
  11. Các Vấn Đề Trong Máy Học  Các ứng dụng: Text detector and OCR 11
  12. Các Vấn Đề Trong Máy Học  Các ứng dụng: Medical Image 12
  13. Các Vấn Đề Trong Máy Học  Các ứng dụng: Speech Recognition 13
  14. Các Vấn Đề Trong Máy Học  Các ứng dụng : Recommender system 14
  15. Các Vấn Đề Trong Máy Học  Các ứng dụng : Sentiment Analysis 15
  16. Các Vấn Đề Trong Máy Học  Các ứng dụng : Credit scoring 16
  17. Các Vấn Đề Trong Máy Học ❖ Tại sao cần máy học ?  Một vài lý do có thể cần tới máy học để giải quyết:  hard to code up a solution by hand (e.g. vision, speech)  system needs to adapt to a changing environment (e.g. spam detection)  want the system to perform better than the human programmers  privacy/fairness (e.g. ranking search results) 17
  18. Các Vấn Đề Trong Máy Học  Processing: - Input - Model - Output 18
  19. Các Vấn Đề Trong Máy Học  Phân loại các thuật toán: (phương pháp học)  Supervised learning (học có giám sát) : regression, classification, recognition  Unsupervised learning (học không giám sát): clustering, dimensional reduction, association  Semi-supervised learning (học bán giám sát): Self-training và Co-training  Reinforcement Learning (học Củng Cố): AlphaGo, OpenAI+Dota2 19
  20. Các Vấn Đề Trong Máy Học  Phân loại các thuật toán: (chức năng)  Regression Algorithms  Classification Algorithms  Bayesian Algorithms  Clustering Algorithms  Artificial Neural Network Algorithms  Dimensionality Reduction Algorithms  Ensemble Algorithms 20
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2