4 tín chỉ
Học phần tiên quyết: Nhập môn Lập trình (Python), Thuật toán và Cấu trúc Dữ liệu, Trí tuệ Nhân tạo và Nhập môn Học máy, Xác suất và Thống kê, Đại số tuyến tính
Mô tả học phần: Học máy là quá trình xây dựng các mô hình toán học dựa trên dữ liệu nhằm đưa ra dự đoán cho các tình huống trong tương lai, hoặc thực hiện hành động trong tương lai để tối ưu hóa một kết quả nào đó. Mạng nơ-ron (một dạng mô hình học máy) là các mô hình phi cấu trúc và có tính biểu đạt cao, có thể được sử dụng để xấp xỉ hàm và phân loại.
Trong học phần này, sinh viên sẽ nghiên cứu một loạt công cụ học sâu (Deep Learning) giúp xây dựng hiệu quả các mô hình mạng nơ-ron phức tạp. Học phần cũng sẽ đề cập đến các phương pháp đánh giá mô hình. Trong các bài tập và dự án, sinh viên sẽ sử dụng các công cụ dựa trên Python như PyTorch, TensorFlow và Keras.
Ngoài ra, học phần còn đề cập đến các kỹ thuật mô hình hóa nâng cao như học tổ hợp (ensemble learning), mô hình tuyến tính mở rộng, mô hình đồ thị xác suất, mô hình hỗn hợp và biến tiềm ẩn, và phân rã ma trận. Trước tiên, các nền tảng lý thuyết của các kỹ thuật này sẽ được trình bày cùng với ví dụ thực tiễn và bài tập. Sau đó, các nghiên cứu tiên tiến liên quan sẽ được thảo luận thông qua bài đọc học thuật, làm nổi bật các ứng dụng thực tế của những kỹ thuật khai phá dữ liệu nâng cao này. Các ứng dụng của mô hình sẽ được trình bày trong các lĩnh vực phổ biến như tính toán xã hội và tin học y sinh.
