General Info

Máy học và mạng neural
(Machine Learning and Neural Networks)

Giảng viên: TS. Vũ Đức Lung Email: [email protected]

1

Điểm số và Kế hoạch học

– –

Điểm 40%
Điểm chuyên cần (dự lớp, tham gia giải BT, thảo luận,…): 10% Bài tập kiểm tra trên lớp : 30%


– –

Điểm cuối kỳ 60%
Báo cáo & thảo luận seminar: 30% Trình bày báo cáo (quyển báo cáo, chương trình, file kèm,…): 30%



Kế hoạch học:
– Mỗi tuần 1 topic – Từ tuần 2: Sáng học lý thuyết, chiều bài tập + seminar thảo luận – Báo cáo lý thuyết + demo bằng MATLAP hoặc các ngôn ngữ lập trình bất kỳ

2

Tài liệu tham khảo
 Text books:
- Machine Learning. Tom M. Mitchell, McGraw Hill,1997 - E. Alpaydin. Introduction to Machine Learning. The MIT Press, 2010.

 Video lectures from Stanford university:
http://academicearth.org/lectures/applications-of-machine-learning

 Iain Murray, School of Informatics, University of Edinburgh
http://videolectures.net/bootcamp2010_murray_iml/

 Slides bài giảng được tổng hợp từ nhiều nguồn trong và ngoài nước  Nguồn download tài liệu môn học:
https://sites.google.com/site/vdlung/mlnn

3

Software Packages & Datasets • Weka: Mã nguồn mở các thuật toán ML cho giải quyết các vấn đề Data Mining Software in Java
• http://www.cs.waikato.ac.nz/~ml/weka/index.html

• MLC++
• Machine learning library in C++ • http://www.sig.com/Technology/mlc

• GALIB
• MIT GALib in C++ • http://lancet.mit.edu/ga

• UCI
• Machine Learning Data Repository UC Irvine • http://www.ics.uci.edu/~mlearn/ML/Repository.html

Các kiến thức yêu cầu
 Toán: Calculus, linear algebra, optimization  Xác suất thống kê  Kiến thức về Lập trình, cấu trúc dữ liệu và giải thuật  Sử dụng một số phần mềm công cụ: C, Matlab,…: Neural network tools, Support vector machine, text/image processing, Bayesian,…

5

NỘI DUNG
 Tổng quan về học máy (Introduction to Machine Learning)  Học khái niệm (Concept Learning)  Cây quyết định (Decision tree learning)  Mạng nơron nhân tạo (Artificial Neural Networks)  Mô hình Markov ẩn (Hidden Markov Model)  Học với luật Bayes (Bayesian Learning)  Giải thuật di truyền (Genetic algorithm – GA)  Các giải thuật học máy khác SVM (Support Vector Machine), k-láng giềng gần nhất (k-Nearest Neighbor)

6