Bài giảng Khai phá dữ liệu (Data mining): Clustering, chương này trình bày những nội dung về: giới thiệu Clustering; phân loại; thuật toán Kmeans; hierarchical clustering; density-based clustering; bài tập;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Ensemble models, chương này trình bày những nội dung về: introduction; voting; bagging; boosting; stacking and blending; learning ensembles; methods of constructing ensembles; bias-variance tradeoff; simple ensemble techniques;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Data preprocessing, chương này trình bày những nội dung về: why preprocess the data; descriptive data summarization; data cleaning; data integration and transformation; data reduction; discretization and concept hierarchy generation;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Genetic algorithm, chương này trình bày những nội dung về: introduction to genetic algorithms (GA); classes of search techniques; nature to computer mapping; GA operators and parameters; example and homework;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Introduction, chương này trình bày những nội dung về: giới thiệu môn học, tài liệu tham khảo, hình thức đánh giá; danh sách các đề tài - đồ án môn học; các vấn đề trong data mining;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Association rule, chương này trình bày những nội dung về: giới thiệu luật kết hợp; các ứng dụng; định nghĩa và mô hình hóa bài toán; thuật toán Apriori; bài tập;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Support vector machine, chương này trình bày những nội dung về: ôn tập Đại số tuyến tính; bộ phân loại và biên độ phân loại; SVM tuyến tính - bài toán tối ưu hóa; phân loại ký quỹ cứng và mềm; SVM phi tuyến tính;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Naïve Bayes Classification, chương này trình bày những nội dung về: giới thiệu Naïve Bayes Classification (NBC); mô hình toán; các dạng phân phối dùng trong NBC; các ví dụ và bài tập;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Linear regression, chương này trình bày những nội dung về: khái niệm hồi qui tuyến tính (linear regression); hồi qui tuyến tính đơn biến; hồi qui tuyến tính đa biến; phương pháp ước lượng tham số; các mở rộng; linear regression dùng gradient descent;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu (Data mining): Dimensionality reduction and feature selection, chương này trình bày những nội dung về: introduction to dimensionality reduction and feature selection; principal component analysis (PCA); fisher’s linear discriminant analysis (LDA);... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá dữ liệu trong kinh doanh - Chương 3: Sử dụng công cụ OLAP trong khai phá dữ liệu. Chương này cung cấp cho học viên những kiến thức về: tổng quan chung SQL server analysis service; xây dựng OLAP Cube; xây dựng Report;... Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu trong kinh doanh - Chương 2: Tiền xử lý và Tổ chức dữ liệu kinh doanh. Chương này cung cấp cho học viên những kiến thức về: lựa chọn mẫu, làm sạch dữ liệu, tích hợp và biến đổi dữ liệu; tổ chức và cài đặt kho dữ liệu (Data warehouse), tổ chức và cài đặt Data Mart;... Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu trong kinh doanh - Chương 1: Tổng quan về khai phá dữ liệu trong kinh doanh. Chương này cung cấp cho học viên những kiến thức về: khai phá dữ liệu; khái niệm kho dữ liệu; một số mẫu dữ liệu trong kinh doanh cần khai phá; tầm quan trọng của khai phá dữ liệu trong kinh doanh; quy trình khai phá dữ liệu trong kinh doanh;... Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu: Chương 6 Phân cụm dữ liệu, cung cấp cho người học những kiến thức như: Giới thiệu bài toán phân cụm; Một số độ đo cơ bản cho phân cụm; Phân cụm K-mean gán cứng; Phân cụm phân cấp; Biểu diễn cụm và gán nhãn; Đánh giá phân cụm. Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu: Chương 5 Phân lớp, cung cấp cho người học những kiến thức như: Giới thiệu phân lớp; Các kỹ thuật phân lớp. Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu: Chương 3 Hiểu dữ liệu và tiền xử lý dữ liệu, cung cấp cho người học những kiến thức như: Vai trò của hiểu dữ liệu; Đối tượng dữ liệu và kiểu thuộc tính; Độ đo tương tự và không tương tự của dữ liệu; Thu thập dữ liệu; Mô tả thống kê cơ bản của dữ liệu; Trực quan hóa dữ liệu; Đánh giá và lập hồ sơ dữ liệu;... Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu: Chương 1 Tổng quan về Khai phá dữ liệu, cung cấp cho người học những kiến thức như: Nhu cầu của khai phá dữ liệu; Khái niệm KDD và Khai phá dữ liệu; Khai phá dữ liệu và quản trị CSDL; Kiểu dữ liệu trong Khai phá dữ liệu; Kiểu mẫu được khai phá; Công nghệ KPDL điển hình; Một số ứng dụng điển hình; Các vấn đề chính trong Khai phá dữ liệu. Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu: Chương 2 Phát hiện tri thức từ dữ liệu, cung cấp cho người học những kiến thức như: Công nghệ tri thức; Quản lý tri thức; Chuyển đổi meta-knowledge; Bài toán phát hiện tri thức từ dữ liệu; Một số nội dung liên quan. Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu: Chương 4 Khai phá luật kết hợp, cung cấp cho người học những kiến thức như: Khai phá luật kết hợp (Association rule); Các thuật toán khai phá vô hướng luật kết hợp (giá trị lôgic đơn chiều) trong CSDL giao dịch; Khai phá kiểu đa dạng luật kết hợp/tương quan; Khai phá kết hợp dựa theo ràng buộc; Khai phá mẫu dãy. Mời các bạn cùng tham khảo!

Bài giảng Khai phá dữ liệu: Bài 3 Luật kết hợp cung cấp cho người học những kiến thức như: Tổng quan; Phát biểu bài toán; Thuật giải Apriori; Thuật giải AprioriTid; Thuật giải FP_Growth. Mời các bạn cùng tham khảo!