Tự học Machine Learning | 11. Mô hình xác suất | Thân Quang Khoát

Bài 11 trình bày các kiến thức cơ bản về mô hình xác suất, quá trình mô hình hoá, các bài toán suy diễn và học, mô hình Naive Bayes dành cho phân loại, mô hình Gauss hỗn hợp (GMM) dành cho phân cụm,… Một số phương pháp để suy diễn và học sẽ được giới thiệu, gồm MLE, MAP.
======
Chuỗi bài giảng này được ghi lại một phần từ khoá học Nhập môn Học máy và Khai phá dữ liệu (Introduction to Machine Learning & Data Mining), do thầy Thân Quang Khoát giảng dạy cho Chương trình tài năng tại Viện CNTT&TT, ĐH Bách Khoa Hà Nội.
Bài giảng cung cấp những khái niệm từ căn bản đến chuyên sâu, phù hợp với những người muốn tìm hiểu lĩnh vực này một cách bài bản mà chưa có nhiều kiến thức. Các tài liệu bài giảng và mã nguồn thực hành có thể lấy ở đây: users.soict.hus...
Chúc các bạn tìm được nhiều lợi ích từ chuỗi bài giảng này.
#HọcMáy #MachineLearning #ProbabilisticModel

[@benphan110]

Em vừa xem xong hết series bài giảng của thầy ạ, rất dễ hiểu, nhưng cũng có những phần tính toán cũng thật sự là khó để hiểu hết thầy ạ.
Em cũng cảm ơn thầy đã chia sẽ những kiến thức rất là hữu ích cho sinh viên trên cả nước được học hỏi.
Chúc thầy có nhiều sức khỏe và ra nhiều video về Machine Learning hay Deeplearning hơn nữa để chúng em có cơ hội được học nhiều hơn ạ.

[@khanhnguyenuc6354]

em cảm ơn thầy. series bài giảng rất có ích cho sinh viên ạ

[@mybuddy11]

mong Thầy quay lại video nhiều hơn, vì nhiều bạn ko học hust

[@thanquangkhoat4070]

Series này nhằm mang đến với mọi ng trên khắp đất nước, những người mong muốn tìm hiểu machine learning. Hy vọng nó mang lại lợi ích thiết thực cho nhiều người.

[@ThanhThanh-wb4ku]

@@thanquangkhoat4070 Rất có ích ạ, cám ơn thầy