Giới thiệu về học máy bắt đầu từ đầu
Bài giảng này là Giới thiệu về Học máy, Bắt đầu từ dưới cùng, bài giảng thứ hai trong khóa học khoa học dữ liệu do TEAMLAB và Inflearn hợp tác xây dựng. Giới thiệu về học máy bắt đầu từ phần dưới cùng gồm Phần I và Phần II. Bài giảng này được thực hiện với sự hỗ trợ tài chính của WADIZ do TEAMLAB và Inflearn đồng biên soạn.

Đánh giá từ những học viên đầu tiên
1. Giới thiệu khóa học
Khóa học nhập môn học máy này là khóa học thứ hai trong chuỗi khóa học khoa học dữ liệu do TEAMLAB và Inflearn đồng phát triển, có tên "Giới thiệu về Học máy từ đầu". Khóa học "Giới thiệu về Học máy từ đầu" bao gồm Phần I và Phần II. Khóa học này được phát triển với sự hỗ trợ của WADIZ Funding, một dự án hợp tác giữa TEAMLAB và Inflearn. Chúng tôi dự định phát triển các khóa học về các chủ đề sau:
- Giới thiệu về Python cho Khoa học Dữ liệu
- Học Machinenine từ đầu với Python Phần I - Khóa học chính
- Học Machinenine từ đầu với Python Phần II
Vui lòng tham khảo danh sách bên dưới để biết các khóa học K-MOOC hiện có.
| Mục tiêu học tập | Những người hữu ích |
|---|---|
| Khóa học này nhằm mục đích giúp sinh viên hiểu và triển khai các khái niệm cơ bản và thuật toán chính của học máy. Thông qua khóa học này, sinh viên sẽ có được hiểu biết cơ bản về các thuật ngữ khác nhau được sử dụng trong khoa học dữ liệu. | Bất kỳ ai muốn bắt đầu lập trình, người mới bắt đầu muốn học khoa học dữ liệu, người muốn xây dựng nền tảng trước khi bắt đầu học máy hoặc người đang chuẩn bị cho công việc trong lĩnh vực khoa học dữ liệu |
2. Tính năng của khóa học
- Cấu trúc cơ bản của khóa học này bao gồm phần giải thích về thuật toán, triển khai bằng Numpy và sử dụng gói bằng Scikit-Learn.
- Học sinh được kỳ vọng có hiểu biết về thống kê và đại số tuyến tính ở cấp độ trung học phổ thông để triển khai các thuật toán thường được sử dụng trong học máy.
- Thông qua khóa học này, sinh viên sẽ hiểu các gói Python cơ bản để phân tích dữ liệu, bao gồm Numpy, Pandas, Matplotlib và Scikit-Learn.
3. Học máy có thể làm gì
4. Tài liệu tham khảo
- Học máy (Couera) của Andrew Ng
- Học sâu cho mọi người của Sung Kim
- Học sâu với C++ của Giáo sư Hong Jeong-mo
- Học máy từ đầu [https://github.com/eriklindernoren/ML-From-Scratch]
Hỗ trợ kỹ thuật phân tích gán mã: Lablup (www.lablup.com)
Sách giáo khoa
Tài liệu đọc: Khoa học dữ liệu từ đầu (Joel Gruss, 2016)
Học máy bằng Python (Sebastian Raschka, 2016)
Học máy thực hành với Scikit-Learn và TensorFlow (Aurélien Géron, 2017, PDF)
Khai thác dữ liệu: Khái niệm và kỹ thuật (Jiawei Han, Micheline Kamber và Jian Pei, 2011, PDF)
Sách giáo khoa bổ sung: Phân tích dữ liệu bằng thư viện Python (Wes McKinney, 2013)
Học máy trong hành động (Peter Harrington, 2013)
Giới thiệu về Khoa học Dữ liệu (Rachel Schutt | Cathy O'Neill, 2014)
Học máy trong Python (Michael Bowles, 2015)
Giới thiệu về Lý thuyết Học máy (Etsuji Nakai, 2016)
Điều kiện tiên quyết - Các môn học bạn phải học trước hoặc trong khóa học
Thống kê cơ bản: Thống kê dễ nhất thế giới (Hiroyuki Kojima, 2009)
Giới thiệu dễ nhất thế giới về thống kê Bayesian (Hiroyuki Kojima, 2017)
Xác suất và Thống kê (Giáo sư Lee Sang-hwa, Đại học Hanyang, 2014)
Tài liệu đọc: Khoa học dữ liệu từ đầu - Chương 5, Chương 6, Chương 7 Đại số tuyến tính cấp khoa học trung học phổ thông (cần xem lại các khái niệm cơ bản về ma trận và vectơ) Bản chất của đại số tuyến tính (3Blue1Brown, 2017)
Đại số tuyến tính (Khan Academy) (Giáo sư Lee Sang-hwa, Đại học Hanyang, 2013)
- Tài liệu đọc nâng cao - Khoa học dữ liệu từ đầu - Chương 4 Giải tích cấp độ khoa học trung học phổ thông (yêu cầu hiểu các khái niệm) Bản chất của giải tích (3Blue1Brown, 2017)
Giới thiệu về Python cho Khoa học Dữ liệu (TEAMLAB, 2017)
Git Pro Git (Scott Chaconne | Ben Straub, 2016)
Git & Github (TEAMLAB, 2016) Bài giảng về Git (Life Coding, 2014)
5. Giới thiệu giảng viên
Choi Seong-cheol (Giám đốc TEAMLAB )
- Email: teamlab.gachon@gmail.com
Gam Dong-geun, Kang Nam-gu, Kang Dong-hoon, Kang Min-goo, Kang Seung-hyung, Kang Shin-hyun, Kang Jeong-mo, Kang Cheon-seong, Kyeon Eun-kyung, Ko Sang-gyu, Ko Tae-young, Ko Hyeong-ju, Kwak Byeong-woo, Kwak Jun-gyu, Kwak Hyo-eun, Kwon Ki-woong, Kwon Su-rim, Kwon Jun-ho, Kim Kang-han, Kim Ki-beom, Kim Ki-hyun, Kim Dae-hyun, Kim Dong-soo, Kim Beom-young, Kim Sang-ho, Kim Seok, Kim Seol-hwa, Kim Seong-seon, Kim Young-gon, Kim Young-bok, Kim Wan, Kim Woo-jae, Kim Won-jun, Kim Yu-jun, Kim Jae-hoon, Kim Jong-cheol, Kim Joo-ho, Kim Jun-yeop, Kim Jun-cheol, Kim Jun-tae, Kim Ji-hoon, Kim Jin Young, Kim Tae Il, Kim Tae-hyung, Kim Hyun-soo, Kim Hyun-il, Kim Hyun-pyo, Kim Hyung-soo, Kim Hee-jung, Nam Goong-yeong, No Dong-heun, No Jeong-cheol, No Jin-seon, No Tae-joo, Ryu Jae-guk, Ryu Ji-hwan, Mok Jeong-hwan, Moon Jong-bae, Moon Jin-sol, Moon Jin-won, Park Kyung-hwa, Park Dong-hee, Park Du-gang, Park Min-jun, Park Seon-ho, Park Se-won, Park Soo-yeon, Park Shin-young, Park Jae-ho, Park Je-min, Park Jun-hyeon, Park Jin-tae, Park Chan-jin, Park Cheol-hong, Park Tae-gyun, Park Tae-wook, Park Hye-won, Park Hong-seong, Park Hoon-beom, Park Heung-joo, Bae Yoon-seong, Bae I-hwan, Bae Jin-ui, Baek Gil Ho, Baek Sang Il, Byeong Seop Byun, Seo Ki-yong, Seo Dong-jin, Seo Dong-hwa, Seo Yoon-hee, Seo Jae-won, Seok Min-ho, Seong Jeong-mo, Son Ki-chang, Son Baek-mo, Son Yu-yeon, Son Jeong-hoon, Song Min-gyu, Song Eun-jeong, Song Ji-hoon, Shin Dong-soo, Shin Myeong-seok, Shin Ik-soon, Shin Jae-geun, Shin Jeong-hyeon, Shin Jin-gyu, Shin Heon-seop, Ahn Byeong-hun, Ahn Jung-hee, Yang Je-yeol, Oh Seong-woo, Oh Seung-jae, Ok Jae-woo, Woo Ji-won, Won Seon, Won Ha-ri, Wi Jae-hyeok, Yoo Young-ho, Yoon Byeong-gil, Yoon Seok-chae, Yoon Seok-pil, Yoon Sung-hyun, Yoon Jun-seo, Yoon Jin-hwan, Lee Kyung-rok, Lee Kyung-mi, Lee Kyung-eun, Lee Ki-yong, Lee Dae-gyu, Lee Deok-gi, Lee Don-joong, Lee Min-sun, Lee Sang-yeop, Lee Sung-joo, Lee Sung-han, Lee Sung-hoon, Lee Su-hwan, Lee Seung-gyu, Lee Seung-jun, Lee Shin-ae, Lee Yeon-jun, Lee Young-sook, Lee Young-il, Lee Yong-min, Lee Yu-jeong, Lee Eun-seop, Lee Ja-ho, Lee Jae-jun, Lee Jae-hyun, Lee Jeong-yeon, Lee Jeong-ho, Lee Jong-seok, Lee Joo-woong, Lee Joo-won, Lee Ji-seon, Lee Ji-o, Lee Chang-seop, Lee Hyeong-beom, Im Se-min, Im Won-gyun, Im Jong-tae, Im Ji-hong, Im Chae-hyun, Jang Seok-won, Jang Woo-il, Jang Woo-cheol, Jang Jun-hyeok, Jang Hyun-jeong, Jang Hong-gi, Jeon Gyeong-hwan, Jeon Yong-jin, Jeon Jong-yeol, Jeon Jin-myeong, Jeong Gwang-yoon, Jeong Gwang-ho, Jeong Dae-hwan, Jeong Dong-ryeol, Jeong Dong-min, Jeong Seong-uk, Jeong Su-jeong, Jeong Seung-hyeon, Jeong Yeong-gyo, Jeong Yun-gi, Jeong Chan-mo, Jeong Hyang-won, Jeong Hyeon-cheol, Jo Gwang-je, Jo Min-ha, Jo Su-jeong, Jo Young-man, Jo Yong-jun, Jo Won-seok, Jo Jae-moon, Jo Jung-hyun, Joo Jeong-seok, Jin So-ra, Cha Dong-cheol, Cha Jin-man, Chae Ho-jin, Choi Kyung-min, Choi Woong-sik, Choi In-bo, Choi Jeong-won, Choi Je-ho, Choi Jun-sik, Choi Han-dong, Chu Jeong-ho, Ha Jun-soo, Han Bo-ram, Han Seong-uk, Han Seong-hyeon, Han Hyeong-seop, Hyun Seung Cheol, Hong Mi Na, Hong Sim-hee, Hong Jun-won, Hong Tae-hwan, Hwang Dae-seong, Hwang Ui-yeong, Hwang Ji-yeong, Hyo-ju, eric, Sunghuek Park, Lablup, Shin Jeong-gyu, TeamLab, Choi Soo-kyung, Lee Se-ri
Chương trình giảng dạy
Tất cả
139 bài giảng ∙ (28giờ 20phút)
Tài liệu khóa học:
4. Cách học máy học
07:00
5. Các loại học máy
09:00
Đánh giá
Tất cả
41 đánh giá
4.3
41 đánh giá
kdg1016v0809Đánh giá 9
∙
Đánh giá trung bình 4.7
4
15% đã tham giaMột khóa học tuyệt vời để nhanh chóng hiểu các khái niệm cơ bản về học máy - Nửa bài giảng đầu tưởng chừng như được tiến hành một cách có hệ thống nhưng sang nửa sau nó được giải thích một cách đại khái và có cảm giác như đang tiến triển, hơi thất vọng. - Tôi cũng tò mò khi nào khóa học Machnine Learning from Scratch with Python Part II sẽ được ra mắt.
sckim3400Đánh giá 1
∙
Đánh giá trung bình 5.0
shuma13590958Đánh giá 5
∙
Đánh giá trung bình 3.6
chunsun2Đánh giá 3
∙
Đánh giá trung bình 4.0
jsoolee0927Đánh giá 3
∙
Đánh giá trung bình 5.0




