Hướng dẫn Machine Learning

Bài viết này đề cập cách và thời điểm sử dụng phân loại random forest với scikit-learn, tập trung vào khái niệm, quy trình và ví dụ. Chúng tôi cũng trình bày cách dùng ma trận nhầm lẫn và mức độ quan trọng của đặc trưng.

Tìm hiểu về PCA và cách tận dụng nó để trích xuất thông tin từ dữ liệu mà không cần giám sát với hai bộ dữ liệu phổ biến: Breast Cancer và CIFAR-10.

Khám phá cross-entropy trong machine learning qua hướng dẫn tối ưu hóa độ chính xác và hiệu quả của mô hình phân loại với ví dụ TensorFlow và PyTorch.

Tìm hiểu về mô hình học sâu phổ biến nhất RNN và thực hành bằng cách xây dựng bộ dự đoán giá cổ phiếu MasterCard.

Khám phá sức mạnh của XGBoost, một trong những framework machine learning phổ biến nhất với các nhà khoa học dữ liệu, qua hướng dẫn từng bước bằng Python này.

Trong hướng dẫn này, bạn sẽ học cách trích xuất dữ liệu từ web, thao tác và làm sạch dữ liệu bằng thư viện Pandas của Python, và trực quan hóa dữ liệu bằng thư viện Matplotlib của Python.

Vượt qua rủi ro model drift và khám phá hướng dẫn thực hành về giám sát data drift.

Hướng dẫn khái niệm về kernel trick – nó là gì, cách nó hỗ trợ SVM và các mô hình dựa trên kernel khác, và khi nào nên dùng thay cho các cách tiếp cận mô hình hóa phi tuyến khác.

Tổng quan thực tế về regularization trong machine learning - nó là gì, hoạt động ra sao, và khi nào dùng L1, L2, Elastic Net để xây dựng mô hình có khả năng khái quát.