Machine learning
Học máy
Course description
The objective of the course Machine Learning is to provide students with the basic knowledge of deep learning and machine learning in general and artificial neural networks in particular. Based on that, students can grasp the algorithms of deep learning techniques and apply them to specific problems such as speech recognition, image processing, signal analysis, natural language processing, and other types of signals from various sources. In addition to providing fundamental knowledge, the course also guides learners on how to approach modern methods in deep learning. Characteristic deep learning algorithms in common problems such as classification and recognition are also analyzed, evaluated so that students can understand and apply them in real-world applications.
Tiếng Việt
Mục đích của môn học Học máy là cung cấp cho sinh viên lớp kỹ sư chuyên sâu các kiến thức cơ bản của học sâu- phương pháp tiên tiến trong học máy nói chung và mạng nơ ron nhân tạo nói riêng. Trên cơ sở đó sinh viên có thể nắm bắt được các thuật toán của kỹ thuật học sâu và áp dụng vào các bài toán như nhận dạng tiếng nói, hình ảnh, phân tích tín hiệu, xử lý ngôn ngữ tự nhiên. Cùng với việc cung cấp những kiến thức cơ sở, môn học còn định hướng cho người học cách tiếp cận các phương pháp hiện đại trong học sâu. Các thuật toán học sâu đặc trưng trong các bài toán phổ biến như phân loại và nhận dạng cũng được phân tích, đánh giá để người học có thể nắm bắt và áp dụng trong các bài toán thực tế.
Course Learning Outcomes (CLOs) 4
Click each outcome to see the translation, mapped PLOs and contribution level.
-
CLO1 Understand and analyze fundamental concepts of neural network and deep learning.
Phân tích các khái niệm cơ bản về mạng nơ-ron và học sâu.
-
CLO2 Design and implement MLP, CNN, RNN models.
Thiết kế và triển khai các mô hình MLP, CNN, RNN
-
CLO3 Evaluate and compare the model's performance.
Đánh giá và so sánh hiệu năng các mô hình.
-
CLO4 Utilize Google colab and PyTorch for Machine Learning applications.
Sử dụng thành thạo công cụ Google colab, PyTorch cho các ứng dụng của học máy.
Assessment
| Component | Weight | Timing |
|---|---|---|
| Dự án (Final project) | 70.0% | Tuần 17 (Week 17) |
| Bài tập về nhà (Homework) | 30.0% |
Learning materials
Required
- [1] Pattern Recognition and Machine Learning, Chris Bishop, 2006, Springer