Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Machine Learning for Interviews & Research and DL basics

Học Máy cho Phỏng vấn & Nghiên cứu cùng Kiến thức Cơ bản về Học Sâu

Học Máy cho Phỏng vấn & Nghiên cứu cùng Kiến thức Cơ bản về Học Sâu

Học Máy, Hồi quy Tuyến tính, PCA, Mạng Nơ-ron, Siêu tham số, Học Sâu, Keras, Phân cụm, Nghiên cứu Tình huống

4.4
(123 đánh giá)
1,196 học viên
Giảng viên
Learn with Amine
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 349.000đ -86%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
5.0 giờ video
39 bài giảng
2 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Kiến thức nền tảng về học máy và học sâu trong ứng dụng dữ liệu lớn.
Các khái niệm học máy và học sâu cần thiết cho các cuộc phỏng vấn khoa học dữ liệu.
Bộ công cụ để phân tích dữ liệu thăm dò và xây dựng mô hình học máy.
Các nghiên cứu tình huống dựa trên lập trình

Yêu cầu

Yêu cầu kiến thức cơ bản về lập trình.
Không yêu cầu kinh nghiệm trước về khoa học dữ liệu.
Kiến thức cơ bản về thống kê và toán học sẽ rất hữu ích

Đối tượng phù hợp

Những người đam mê học máy, học giả hoặc bất kỳ ai muốn trau dồi kỹ năng khoa học dữ liệu cần thiết
Nhà phát triển mới bắt đầu và trung cấp quan tâm đến khoa học dữ liệu.

Nội dung khóa học

7 phần • 39 bài giảng
1 Các loại hình Học Máy
2 Mô hình Tham số
3 Mô hình Phi tham số
4 Định lý Giới hạn Trung tâm. Phân phối Chuẩn. Khung làm việc Học Máy
5 Hiệp phương sai, Phân rã Ma trận, Giá trị riêng, Phân tích Thành phần Chính
1 Học Máy có Giám sát
2 Hồi quy
3 Phân loại
4 Hồi quy Tuyến tính
5 Gradient Descent
6 Mẹo cho Gradient Descent
7 Phương trình Chuẩn
8 Phương pháp Phi tham số - Hồi quy Tuyến tính Có Trọng số Cục bộ
9 Hồi quy Ridge
10 Hồi quy Lasso
11 Mô hình Phân loại trong sklearn
12 Mô hình Phân loại - Hồi quy Logistic
13 Ánh xạ hàm phi tuyến tính bằng kỹ thuật tuyến tính
14 Quá khớp và Điều chuẩn
15 Máy Vectơ Hỗ trợ (SVM)
16 Cây Quyết định
1 Mạng Nơ-ron: Lan truyền Xuôi, Lan truyền Ngược, GD/Stochastic/Minibatch
2 Điều chỉnh Siêu tham số trong Mạng Nơ-ron
1 Học Sâu - Các yêu cầu
2 Mẹo thông dụng để xây dựng Mạng Nơ-ron Sâu & Cải thiện hiệu suất độ chính xác
3 Quá khớp - Điều chuẩn - Dropout
4 Chuẩn hóa Theo Batch
5 Mạng sâu hơn có thể nhanh hơn mạng nông không? ResNet
6 Mạng Nơ-ron Tích chập (CNN)
7 Lớp Gộp Cực đại (Max Pooling)
8 Mạng Nơ-ron Hồi quy (RNN)
9 Đơn vị LSTM
10 Đơn vị GRU
1 Phân cụm
1 Bắt đầu với Python và Học Máy
2 Nghiên cứu Tình huống - Sử dụng Keras để Phân loại Chữ số
3 Nghiên cứu Tình huống - Dự báo Tải điện
4 Nghiên cứu Tình huống - Hồi quy Tuyến tính Bội
1 Khái niệm OOPs sử dụng Ví dụ Python

Giới thiệu khóa học

Interested in Machine Learning, and Deep Learning and preparing for your interviews or research? Then, this course is for you!

The course is designed to provide the fundamentals of machine learning and deep learning. It is targeted toward newbies, scholars, students preparing for interviews, or anyone seeking to hone the data science skills necessary. In this course, we will cover the basics of machine learning, and deep learning and cover a few case studies.


This short course provides a broad introduction to machine learning, and deep learning. We will present a suite of tools for exploratory data analysis and machine learning modeling. We will get started with python and machine learning and provide case studies using keras and sklearn.


### MACHINE LEARNING ###

1.) Advanced Statistics and Machine Learning

  • Covariance

  • Eigen Value Decomposition

  • Principal Component Analysis

  • Central Limit Theorem

  • Gaussian Distribution

  • Types of Machine Learning

  • Parametric Models

  • Non-parametric Models


2.) Training Machine Learning Models

  • Supervised Machine Learning

  • Regression

  • Classification

  • Linear Regression

  • Gradient Descent

  • Normal Equations

  • Locally Weighted Linear Regression

  • Ridge Regression

  • Lasso Regression

  • Other classifier models in sklearn

  • Logistic Regression

  • Mapping non-linear functions using linear techniques

  • Overfitting and Regularization

  • Support Vector Machines

  • Decision Trees

3.) Artificial Neural Networks

  • Forward Propagation

  • Backward Propagation

  • Activation functions

  • Hyperparameters

  • Overfitting

  • Dropout


4.) Training Deep Neural Networks

  • Deep Neural Networks

  • Convolutional Neural Networks

  • Recurrent Neural Networks (GRU and LSTM)

5.) Unsupervised Learning

  • Clustering (k-Means)

6.) Implementation and Case Studies

  • Getting started with Python and Machine Learning

  • Case Study - Keras Digit Classifier

  • Case Study - Load Forecasting

So what are you waiting for? Learn Machine Learning, and Deep Learning in a way that will enhance your knowledge and improve your career!

Thanks for joining the course. I am looking forward to seeing you. let's get started!

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Deep Learning
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊