Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Các phương pháp khai thác dữ liệu trong phát triển hệ thống hỏi-đáp y tế trình bày cách ứng dụng kỹ thuật khai phá dữ liệu để xây dựng hệ thống hỏi-đáp phục vụ lĩnh vực y tế. Nội dung bao gồm xử lý dữ liệu, chọn mô hình và đánh giá kết quả. Đề tài góp phần nâng cao hiệu quả tương tác trong chăm sóc sức khỏe. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Understanding and predicting depression to enhance mental health interventions giới thiệu phương pháp phân tích dữ liệu để nhận biết và dự đoán dấu hiệu trầm cảm. Thuyết trình tập trung vào phân tích khám phá dữ liệu, xây dựng mô hình và ứng dụng trong cải thiện can thiệp sức khỏe tinh thần. Đây là đề tài mang tính nhân văn cao trong khoa học dữ liệu. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Bài viết trình bày dữ liệu một cách hiệu quả. Hàm mô-men sinh là một công cụ mạnh mẽ và linh hoạt trong lí thuyết xác suất và thống kê vì nó không chỉ giúp xác định các mô-men của biến ngẫu nhiên mà còn hỗ trợ trong việc phân tích và xác định phân phối của các biến ngẫu nhiên.

Trong luận văn sẽ áp dụng phương pháp khai phá dữ liệu (data mining) để dự báo kiệt quệ tài chính của các công ty Việt Nam.Từ đó xem xét những chỉ số tài chính nào hiệu quả nhất trong dự báo và xác định khung thời gian dự báo nào là hiệu quả nhất. Mời các bạn cùng tham khảo.

Trong quá trình phát triển hệ thống dựa trên tri thức, việc biểu diễn tri thức là giai đoạn đầu tiên và rất quan trọng. Bài viết đề xuất thuật toán xây dựng các tri thức từ các nguồn dữ liệu, trong đó các cơ sở tri thức được biểu diễn bằng GBPA.

Trong bài viết này, phương pháp luật kết hợp trên tập dữ liệu học tập trực tuyến thực tế được sử dụng để đánh giá được mức độ tác động của các hoạt động học đến việc nộp bài tập của người học.

Mục tiêu chính của luận án "Giải pháp gợi ý trong việc cố vấn học tập" là đề xuất các phương pháp tiếp cận mới cho bài toán dự đoán kết quả học tập của sinh viên từ đó xây dựng hệ thống gợi ý lựa chọn môn học phù hợp cho từng sinh viên cụ thể.

Mục tiêu nghiên cứu của luận án "Phương pháp lựa chọn thuộc tính và kỹ thuật gom cụm dữ liệu phân loại sử dụng tập thô" tập trung vào hai vấn đề của đề tài: nghiên cứu phương pháp mới tìm tập rút gọn trong một bảng quyết định; kỹ thuật gom cụm dữ liệu phân loại sử dụng tập thô. Mời các bạn cùng tham khảo!

Mục tiêu nghiên cứu của luận án "Phương pháp lựa chọn thuộc tính và kỹ thuật gom cụm dữ liệu phân loại sử dụng tập thô" tập trung vào hai vấn đề của đề tài: nghiên cứu phương pháp mới tìm tập rút gọn trong một bảng quyết định; kỹ thuật gom cụm dữ liệu phân loại sử dụng tập thô. Mời các bạn cùng tham khảo!

Tóm tắt Luận án Tiến sĩ Kỹ thuật "Hướng tiếp cận SWOT cho cân bằng tải trên điện toán đám mây" dựa trên ý tưởng hướng tiếp cận SWOT từ đó đề xuất và xây dựng các phương pháp nâng cao hiệu năng cân bằng tải trong điện toán đám mây bằng cách ứng dụng / phát triển các thuật toán học máy với việc xử lý và phân tích dữ liệu cân bằng tải.

Đề án "Dự báo khách hàng sử dụng dịch vụ FiberVNN của VNPT Tây Ninh có nguy cơ rời mạng" nhằm thu thập dữ liệu khách hàng đã rời mạng làm cơ sở, phân tích và xây dựng công cụ có thể dự báo được khả năng rời mạng của các khách hàng đang sử dụng. Mời các bạn cùng tham khảo!

Tóm tắt Luận án Tiến sĩ Khoa học máy tính "Đề xuất một số giải pháp khai phá dữ liệu phân tán đảm bảo tính riêng tư" được nghiên cứu với mục tiêu là: Tổng quan về khai phá dữ liệu từ nhiều nguồn có đảm bảo tính riêng tư; Các giao thức mới để khai phá dữ liệu đảm bảo tính riêng tư cho ngữ cảnh phân tán dọc và phân tán ngang.

Luận án Tiến sĩ Khoa học máy tính "Đề xuất một số giải pháp khai phá dữ liệu phân tán đảm bảo tính riêng tư" trình bày các nội dung chính sau: Tổng quan về khai phá dữ liệu từ nhiều nguồn có đảm bảo tính riêng tư; Các khái niệm cơ bản về mật mã và tính toán bảo mật nhiều thành viên; Đề xuất các giải pháp khai phá dữ liệu đảm bảo tính riêng tư cho mô hình dữ liệu phân tán dựa trên các giao thức tính toán bảo mật nhiều thành viên.

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!