ĐỀ CƯƠNG CHI TIẾT HỌC PHẦN

1. Thông tin chung về học phần

Tên học phần : NHẬP MÔN HỌC MÁY
Tên đơn vị quản lý học phần: Công nghệ thông tin
Các giảng viên phụ trách học phần: Theo sự phân công của Khoa

Mã học phần: 001880 Số tín chỉ : 2 Trình độ: Đại học

Lý thuyết 30
Bài tập 0
Tiểu luận 0
Phân bố thời gian
Thí nghiệm, thực
0
hành
Tổng 30
- Tên học phần: Toán rời rạc; Mã học phần: 003395
Học phần tiên quyết - Tên học phần: Cấu trúc dữ liệu và giải thuật nâng cao; Mã học
phần: 000146

2. Mô tả tóm tắt nội dung học phần

Nhập môn học máy là học phần chuyên ngành bắt buộc cho sinh viên ngành CNTT và là
kiến thức cần thiết để học môn học máy nâng cao. Học phần này trang bị cho sinh viên các kiến
thức cơ bản về học máy, hồi quy tuyến tính, phân cụm, K-NN, Gradient, thuật toán học Perceptron
một lớp, mạng nhiều lớp, thuật toán lan truyền ngược và các bộ phân lớp nhị phân. Khi kết thúc học
phần, sinh viên cài đặt được một số thuật toán học máy cơ bản.

3. Mục tiêu học phần

Mô tả
Mục tiêu Học phần này trang bị cho sinh viên/ cung cấp cho sinh viên CĐR CTĐT
các kiến thức :
Cơ bản về học máy, hồi quy tuyến tính, phân cụm, K-NN, 1, 2, 3, 5, 6, 7, 9,
1
Gradient, 14, 16
Thuật toán học Perceptron một lớp, mạng nhiều lớp, thuật toán 1, 2, 3, 5, 6, 7, 9,
2
lan truyền ngược và các bộ phân lớp nhị phân 14, 16

4. Chuẩn đầu ra học phần

CĐR học Mô tả
CĐR CTĐT
phần Sau khi kết thúc học phần này, người học có thể:
Nắm được các khái niệm máy học, phương pháp phân nhóm máy 1, 2
1
học
Hiểu và nắm rõ một số phương pháp hồi quy tuyến tính, phân 1, 2, 5
2
cụm, k-NN, Gradient, mạng nơ ron Perceptron
Có thể áp dụng, xây dựng và cài đặt một số phương pháp máy 3, 6, 7, 9
3 học ứng dụng trong các hệ thống thông tin thông minh, phân tích
số liệu và dự báo
Có đạo đức và trách nhiệm nghề nghiệp cao, tôn trọng sự khác 16
4
biệt;
Có khả năng thuyết trình và có khả năng tự giác, làm việc nhóm 14
5
hoàn thành bài tập lớn

5. Học liệu
5.1. Tài liệu học tập (Sách, giáo trình chính)
[1] Đinh Mạnh Tưởng, Học máy các kỹ thuật cơ bản và nâng cao, NXB Đại học Quốc Gia Hà Nội,
2015.
5.2. Tài liệu tham khảo
[2] Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.
5.3. Các tài liệu khác

6. Nội dung chi tiết học phần

6.1. Phần lý thuyết
Hình thức tổ chức dạy-học Yêu cầu sinh viên chuẩn bị CĐR
Nội dung Giờ lên lớp TH, Tự trước giờ đến lớp học
LT BT TL TN học phần
Chương 1: Tổng quan 6 0 12 Đọc quyển(1), trang 1- 7 để 1, 4
về học máy nắm được kiến thức tổng
quan về học máy, cách
phân nhóm các thuật toán
học máy
1.1 Giới thiệu máy học Máy học là gì?
1.2 Phân nhóm các Trình bày cách phân nhóm
thuật toán học máy thuật toán học máy?

1.2.1 Phân nhóm dựa

trên phương thức học
1.2.2 Phân nhóm dựa
trên chức năng
Chương 2: Hồi quy 6 0 12 Đọc quyển(2), trang 137 – 2, 3, 4
tuyến tính 173 để nắm vững kiến thức
về hồi quy tuyến tính
1.1 Giới thiệu Hồi quy tuyến tính là gì?
1.2 Dạng của hồi quy Trình bày dạng của hồi quy
tuyến tính tuyến tính?
1.3 Sai số dự đoán Sai số dự đoán là gì?
1.4 Hàm mất mát Hàm mất mát là gì?
1.5 Nghiệm cho bài Tìm nghiệm cho bài toán
toán hồi quy tuyến tính hồi quy tuyến tính như thế
nào?
Chương 3: Phân cụm 6 0 12 Đọc quyển(1), trang 92 – 2, 3, 4
K-mean và K lân cận 94, 308- 318 để nắm được
gần nhất kiến thức về phân cụm, k-
mean, k lân cận gần nhất và
khoảng cách trong không
gian véc tơ
3.1 Giới thiệu Phân cụm là gì?
3.2 Hàm mất mát và bài Hàm mất mát và bài toán
toán tối ưu tối ưu là gì?
3.3 Thuật toán tối ưu Thuật toán tối ưu hàm mất
hàm mất mát mát như thế nào?
Trình bày ý tưởng và thuật
3.4 K lân cận gần nhất
toán K lân cận gần nhất?
3.5 Khoảng cách trong Khoảng cách trong không
không gian véc tơ gian véc tơ là gì?
Chương 4: Giảm 6 0 12 Đọc quyển(1), trang 40-42 2, 3,
 Hình thức tổ chức dạy-học Yêu cầu sinh viên chuẩn bị CĐR
Nội dung Giờ lên lớp TH, Tự trước giờ đến lớp học
LT BT TL TN học phần
Gradient để hiểu được kiến thức 4, 5
giảm Gradient cho hàm
một biến và nhiều biến
4.1 Giới thiệu Giảm Gradient là gì?
4.2 Gradient cho hàm Gradient cho hàm một biến
một biến là gì?
4.3 Gradient cho hàm Gradient cho hàm nhiều
nhiều biến biến là gì?
Chương 5: Thuật toán 6 0 12 Đọc quyển(1), trang 65 – 90 2, 3,
học Perceptron để nắm vững kiến thức về 4, 5
mạng nơ ron và thuật toán
học Perceptron
5.1 Giới thiệu Mạng nơ ron là gì?
5.2 Thuật toán Trình bày một số ký hiệu
Perceptron và xây dựng hàm mất mát
của thuật toán Perceptron?
5.2.1 Một số ký hiệu
5.2.2 Xây dựng hàm
mất mát
Tổng cộng 30 0 0 0 60

6.2. Phần thực hành: Nội dung các bài thí nghiệm (thực hành, tiểu luận, bài tập lớn)

7. Phương pháp dạy – học

+ Diễn giảng, thảo luận, người học tham luận

8. Phương pháp, hình thức kiểm tra – đánh giá kết quả học tập học phần
8.1. Nhiệm vụ của sinh viên
Dự lớp (chuyên cần); Chuẩn bị thảo luận; Hoàn thành các nhiệm vụ học tập được giảng viên giao
trong các buổi học.
Bài tập: Sinh viên làm các bài tập trong tài liệu và các bài tập giảng viên cung cấp.
Dụng cụ học tập: Máy tính, máy chiếu, bảng, phấn.
Khác:
8.2. Kế hoạch kiểm tra
Thời Hình Thời Thang Chuẩn đầu Tỷ
Nội dung
điểm thức gian điểm ra trọng
Kiểm tra – đánh giá thường xuyên, kiểm tra định kỳ: tính bằng trung bình cộng 30%
các bài kiểm tra
Bài 1 Tổng quan về học máy Tự luận, 30 10 1, 2, 3, 4, 5
Hồi quy tuyến tính báo cáo phút
chuyên
đề
Bài 2 Phân cụm K-mean và K lân cận Tự luận, 30 10 1, 2, 3, 4, 5
gần nhất báo cáo phút
Giảm Gradient chuyên
đề
Thi cuối kỳ 70%
Kiến thức cơ bản về học máy, Báo cáo 60 10 1, 2, 3, 4, 5
 hồi quy tuyến tính, phân cụm, K- chuyên phút
NN, Gradient, thuật toán học đề
Perceptron một lớp, mạng nhiều
lớp, thuật toán lan truyền ngược
và các bộ phân lớp nhị phân

9. Tiến trình cập nhật đề cương chi tiết học phần

Lần 1: Nội dung cập nhật ĐCCT lần 1: 29/12/2017 Người cập nhật
<Quyết định ngày: 29/12/2017>

PGS.TS Nguyễn Hữu Quỳnh

Lần 2: Nội dung cập nhật ĐCCT lần 2: / /2019 Người cập nhật

PGS.TS Nguyễn Hữu Quỳnh

Hà Nội, ngày 16 tháng 06 năm 2019

P.Trưởng khoa Người biên soạn

TS. Nguyễn Thị Thu Hà PGS.TS Nguyễn Hữu Quỳnh