Đối tượng

• Người học có kiến thức về ngôn ngữ lập trình Python

Chương trình/Mục tiêu đạt được

• Áp dụng và triển khai các thuật toán trong nhóm Supervised Learning như Logistic Regression, Linear Regression, Naïve Bayes, K-Nearest Neighbors (KNN), Decision Tree, Random Forest, Support Vector Machine (SVM), Boosting và AdaBoost với Python
• Áp dụng và triển khai các thuật toán trong nhóm Unsupervised Learning như K-Means clustering, Hierarchical Clustering, DBSCAN, HDBSCAN, Dimensionality Reduction với Principal Component Analysis (PCA) với Python
• Vận dụng các thuật toán Machine Learning trong việc giải quyết các vấn đề thực tế, cụ thể
• Xây dựng nền tảng kiến thức về Machine Learning với Python, tạo tiền đề cho việc tìm hiểu kiến thức về mạng nơ-ron.