Classical Supervised Machine Learning: Classification and Regression (bằng tiếng Anh).

Hiểu được học máy giám sát là bước đầu tiên cần thiết cho bất kỳ ai tham gia khoa học dữ liệu và trí tuệ nhân tạo. Chương trình này cung cấp một con đường khái niệm rõ ràng thông qua các nguyên tắc học máy cốt lõi mà không cần kinh nghiệm trước đó phức tạp. Bạn sẽ có được một sự nắm bắt sâu sắc về cách các mô hình dự đoán học từ dữ liệu được dán nhãn. Bắt đầu với thuật ngữ thiết yếu, bạn sẽ tiến hành xây dựng, đánh giá và tinh chỉnh mô hình phân loại và hồi quy cơ bản thông qua các giải thích và đoạn mã. Bạn sẽ học được gì: - Hiểu thuật ngữ học máy cơ bản, loại dữ liệu và các bước workflow. - Thực hiện các thuật toán hồi quy cốt lõi để dự đoán các biến mục tiêu liên tục. - Ứng dụng các thuật toán phân loại khóa để giải quyết các vấn đề quyết định phân loại. - Đánh giá hiệu suất mô hình sử dụng các chỉ số như chính xác, nhớ lại, F1-score, và lỗi bình phương trung bình. - Chiến lược xác minh chủ để ngăn chặn rò rỉ dữ liệu và mô hình quá phù hợp. - Chuẩn bị dữ liệu thô thông qua kỹ thuật đặc điểm cơ bản và kỹ năng xử lý trước. Con đường học tập bắt đầu với các định nghĩa cơ bản và các khái niệm dữ liệu trước khi hướng dẫn bạn qua các thuật toán tiêu chuẩn, chỉ số đánh giá và các luồng công việc xác minh. Được thiết kế cho người mới bắt đầu, chuyên gia dữ liệu tham vọng, và các nhà phát triển tìm kiếm một sự giới thiệu sạch sẽ về học máy mà không cần kinh nghiệm trước đó. Bắt đầu đọc hôm nay để làm chủ các nền tảng của mô hình dự đoán giám sát.