Đại Học Quốc Gia TP.

HCM Vietnam National University – HCMC

Trƣờng Đại Học Bách Khoa Ho Chi Minh City University of Technology
Khoa Khoa học và Kỹ thuật máy tính Faculty of Computer Science and Engineering

Đề cương môn học

HỌC MÁY
(M ACHINE LEARNING )

Số tín chỉ 3 (3.0.6) MSMH CO4027

Số tiết Tổng: 45 LT: 45 LT: TN: BTL/TL:
Môn ĐA, TT, LV
Tỉ lệ đánh giá BT: 0% TN: 0% KT: 40% BTL/TL: 0% Thi: 60%
Hình thức đánh giá - Kiểm tra giữa kỳ (viết, 90’):40%
- Thi cuối kỳ (viết, 120’):60%
Môn tiên quyết Không có
Môn học trước Nhập môn Trí Tuệ nhân tạo CO3061
Môn song hành
CTĐT ngành Khoa học máy tính
Trình độ đào tạo Đại học
Cấp độ môn học 4
Ghi chú khác Giữa kỳ và cuối kỳ đều thi tập trung.

1. Mô tả môn học (Course Description)

-
.

2. Tài liệu học tập

[1] Cao Hoàng Trụ (2008), Trí tuệ Nhân tạo = Thông minh + Giải thuật. Nhà Xuất bản Đại học
Quốc gia TP.HCM.
[2] Tom Mitchell (1997), Machine Learning. McGraw-Hill.
[3] Stephen Marsland (2009), Machine Learning: An Algorithmic Perspective. Chapman &
Hall/CRC.
[4] Christopher Bishop (2006), Pattern Recognition and Machine Learning. Springer.
[5] Charu Aggawal, ChengXiang Zhai (2013), Mining Text Data. Kluwer Academic.

3. Mục tiêu môn học (Course Goals)

Sau khi học xong môn học này, các sinh viên sẽ đạt được khả năng:
Hiểu biết:
- L.O.1: Hiểu biết các khái niệm và nguyên lý cơ bản của Học Máy.
- L.O.2: Hiểu biết ý tưởng cơ bản và chi tiết giải thuật của các phương pháp học máy phổ
biến.
- L.O.3: Vận dụng được các phương pháp học máy phổ biến vào các bài toán thực tế.

1/4
4. Chuẩn đầu ra môn học (Course Outcomes)

STT Chuẩn đầu ra môn học CDIO

L.O.1 Hiểu biết các khái niệm và nguyên lý cơ bản của Học Máy. 1.1
L.O.2 Hiểu biết ý tưởng cơ bản và chi tiết giải thuật của các phương pháp học
máy phổ biến. 4.1
L.O.3 Vận dụng được các phương pháp học máy phổ biến vào các bài toán thực 4.2
tế.

5. Hƣớng dẫn cách học - chi tiết cách đánh giá môn học
Sinh viên cần đi học đầy đủ các buổi.Tỉ lệ đánh giá các thành phần như nêu ở trên.

Các chuẩn đầu ra được đánh giá thông qua:

Chuẩn đầu ra
L.O.1 Thi giữa, cuối kỳ
L.O.2 Thi giữa, cuối kỳ
L.O.3 Thi giữa, cuối kỳ

6. Dự kiến danh sách Cán bộ tham gia giảng dạy

GS.TS. Cao Hoàng Trụ

7. Nội dung chi tiết

Tuần / Nội dung Chuẩn đầu ra Hoạt động Hoạt động
Chƣơng chi tiết dạy và học đánh giá
1, 2 Chƣơng 1. Các khái niệm L.O.1  Thầy/Cô: Kiểm tra giữa
và nguyên lý cơ bản - Giảng bài trên lớp.
1.1 Định nghĩa về Học
Máy  Sinh viên:
1.2 Các kiểu học máy - Nghe giảng trên lớp.
1.3 Các giai đoạn học máy - Đọc tài liệu [1][2] ở nhà.
1.4 Độ đo hiệu quả
1.5 Sự quá khớp và thiên
vị trong học máy

Chƣơng 2. Cây quyết L.O.1  Thầy/Cô: Kiểm tra giữa

định L.O.2 - Giảng bài trên lớp.
2.1 Phương pháp cơ bản
2.2 Trường hợp thuộc tính  Sinh viên:
có nhiều giá trị - Nghe giảng trên lớp.
2.3 Trường hợp thuộc tính - Đọc tài liệu [3] ở nhà.
có giá trị liên tục - Các yêu cầu tự học đ/v
2.4 Trường hợp thiếu giá sinh viên 12 giờ
trị thuộc tính
2.5 Dùng để hồi qui
3, 4 Chƣơng 3. Mạng nơron L.O.1  Thầy/Cô: Kiểm tra giữa
nhân tạo L.O.2 - Giảng bài trên lớp.
3.1 Perceptron và phương
pháp huấn luyện  Sinh viên:
3.2 Qui tắc Delta - Nghe giảng trên lớp.
3.3 Giải thuật - Đọc tài liệu [2] ở nhà.
Backpropagation - Các yêu cầu tự học đ/v
3.4 Ứng dụng ví dụ sinh viên 12 giờ

2/4
 Tuần / Nội dung Chuẩn đầu ra Hoạt động Hoạt động
Chƣơng chi tiết dạy và học đánh giá
5 Chƣơng 4. Phương pháp L.O.1  Thầy/Cô: Kiểm tra giữa
học Bayes L.O.2 - Giảng bài trên lớp.
4.1 Phương pháp tối ưu
4.2 Phương pháp ngây thơ  Sinh viên:
- Nghe giảng trên lớp.
- Đọc tài liệu [2] ở nhà.
- Các yêu cầu tự học đ/v
sinh viên 6 giờ
6 Chƣơng 5.Giải thuật di L.O.1  Thầy/Cô: Kiểm tra giữa
truyền L.O.2 - Giảng bài trên lớp.
5.1 Các bước tổng quát
5.2Biểu diễn giả thuyết  Sinh viên:
5.3 Các tác vụ di truyền - Nghe giảng trên lớp.
- Đọc tài liệu [2] ở nhà.
- Các yêu cầu tự học đ/v
sinh viên 6 giờ
7,8,9 Chƣơng 6. Các mô hình L.O.1  Thầy/Cô:
đồ thị L.O.2 - Giảng bài trên lớp. Thi cuối kỳ
6.1 Mạng Bayes L.O.3
6.2 Mô hình Bayes ngây  Sinh viên:
thơ tăng cường - Nghe giảng trên lớp.
6.3 Mô hình Markov ẩn - Đọc tài liệu [3] ở nhà.
- Các yêu cầu tự học đ/v
sinh viên 12 giờ
10,11 Chƣơng 7. Máy vectơ hỗ L.O.1  Thầy/Cô: Thi cuối kỳ
trợ L.O.2 - Giảng bài trên lớp.
7.1 Bộ phân loại biên cực L.O.3
đại  Sinh viên:
7.2 Sử dụng hàm hạt nhân - Nghe giảng trên lớp.
7.3 Biên mềm - Đọc tài liệu [3] và [4] ở
nhà.
- Các yêu cầu tự học đ/v
sinh viên 12 giờ
Chƣơng 8.
12,13 Chƣơng 8. Thu giảm số L.O.1  Thầy/Cô: Thi cuối kỳ
chiều L.O.2 - Giảng bài trên lớp.
7.1 8.1 Phương pháp LDA L.O.3
7.2 8.2 Phương pháp PCA  Sinh viên:
7.3 8.3 Các đặc trưng cho - Nghe giảng trên lớp.
phân loại văn bản - Đọc tài liệu [3] và [5] ở
nhà.
- Các yêu cầu tự học đ/v
sinh viên 12 giờ
Chƣơng14
9. Chƣơng 9. Phương pháp L.O.1  Thầy/Cô: Thi cuối kỳ
học hợp quần L.O.2 - Giảng bài trên lớp.
9.1 9.1 Phương pháp Bagging L.O.3
9.2 9.2 Phương pháp  Sinh viên:
Boosting - Nghe giảng trên lớp.
9.3 9.3 Các phương pháp - Đọc tài liệu [3] ở nhà.
khác - Các yêu cầu tự học đ/v
sinh viên 6 giờ
15 Chƣơng 10. Các mô hình L.O.1  Thầy/Cô: Thi cuối kỳ
phân biệt L.O.2 - Giảng bài trên lớp.
10.1 Mô hình sinh và mô L.O.3
hình phân biệt  Sinh viên:
10.2 Bộ phân loại tuyến - Nghe giảng trên lớp.
tính dựa trên đặc trưng - Đọc tài liệu [4] ở nhà.
3/4
Tuần / Nội dung Chuẩn đầu ra Hoạt động Hoạt động
Chƣơng chi tiết dạy và học đánh giá
10.3 Phương pháp hồi qui - Các yêu cầu tự học đ/v
Logistic sinh viên 6 giờ
10.4 Mô hình entropy cực
đại
10.5 Phương pháp CRF
** Nội dung kiểm tra giữa kỳ
Đến hết chương 5.
** Nội dung thi cuối kỳ
Từ chương 6 đến chương 10.

8. Thông tin liên hệ

Bộ môn/Khoa phụ trách Khoa học máy tính/ Khoa KH&KTMT

Văn phòng
Điện thoại 38647256 – 5848
Giảng viên phụ trách GS.TS. Cao Hoàng Trụ
Email tru@cse.hcmut.edu.vn

Tp. Hồ Chí Minh, ngày 10tháng 04 năm 2017

TRƢỞNG KHOA CHỦ NHIỆM BỘ MÔN CB PHỤ TRÁCH LẬP ĐỀ CƢƠNG

GS.TS. Cao Hoàng Trụ

4/4