Hướng dẫn Khoa học Dữ liệu

Hướng dẫn cho người mới bắt đầu minh họa cách hệ thống quản lý phiên bản Git hoạt động và vì sao nó quan trọng đối với các dự án khoa học dữ liệu.

Xem cách một pipeline MLOps đầu-cuối dự đoán kết quả World Cup 2026, từ tự động huấn luyện lại và DVC đến mô phỏng Monte Carlo 10.000 lượt cho nhánh đấu.

Ước lượng mật độ nhân là một phương pháp phi tham số để ước lượng hình dạng của phân phối dữ liệu mà không giả định mô hình cố định. Tìm hiểu công thức, cách chọn băng thông, và triển khai thực hành trong Python và R.

Hướng dẫn thực hành về hồi quy spline, bao gồm cách các đa thức theo đoạn và nút mô hình hóa quan hệ phi tuyến, các loại spline chính, và cách khớp chúng trong Python và R.

Hướng dẫn thực tế về các giả định của hồi quy logistic, các chẩn đoán phát hiện vi phạm trong Python và R, và lựa chọn thay thế khi giả định không giữ.

Hướng dẫn chi tiết về overfitting và underfitting trong học máy, gồm cách nhận diện từng chế độ lỗi, vì sao xảy ra, và cách khắc phục thông qua đánh đổi bias-variance.

Hướng dẫn thực tiễn về GLM - chúng là gì, cách ba thành phần phối hợp với nhau, và cách fit cùng diễn giải trong Python và R.

Gradient clipping là một chỉnh sửa một dòng trong huấn luyện giúp ngăn gradient bùng nổ phá hỏng quá trình huấn luyện mạng nơ-ron sâu. Hướng dẫn này trình bày cách hoạt động, hai phương pháp clipping chính, cách chọn ngưỡng và triển khai trong PyTorch và TensorFlow.

Hướng dẫn về Markov Chain Monte Carlo — bao gồm cách hoạt động, lý do sử dụng, các thuật toán phổ biến và cách áp dụng bằng Python cho suy luận Bayes.

Tìm hiểu cách diễn giải adjusted r-squared để đánh giá hiệu năng mô hình hồi quy. So sánh sự khác biệt giữa r-squared và adjusted r-squared với các ví dụ trong R và Python.

Tìm hiểu cách dùng kiểm định ANOVA để so sánh trung bình của nhiều nhóm với ví dụ rõ ràng, ứng dụng thực tế và mẹo phân tích dữ liệu.

Tìm hiểu cách phân phối nhị thức mô hình hóa nhiều kết quả nhị phân và được sử dụng trong các lĩnh vực như tài chính, chăm sóc sức khỏe và học máy.