Đồ án cuối khóa - Khoa học Dữ liệu
Thông tin chung
| Mã môn học: | DSP305x |
| Tên môn học: | Đồ án cuối khóa - Khoa học dữ liệu |
| Số tín chỉ: | 3 |
| Thời gian học: | 6 tuần |
Bạn đã hoàn thành bốn khóa học của Chương trình Data Science (Khoa học Dữ liệu). Bắt đầu với khóa học Intro to Data Science bạn đã học về các khái niệm, phương pháp luận, thuật toán và ứng dụng của Data Science. Trong khóa học thứ hai, Data Analysis (Phân tích dữ liệu), bạn đã học được cách truy vấn dữ liệu từ cơ sở dữ liệu, xử lý dữ liệu bằng Python và phân tích dữ liệu bằng phương pháp trực quan hóa. Sau đó, trong khóa học về Machine Learning (Học máy), bạn đã học được những kiến thức cơ bản về học máy và ứng dụng của nó trong các lĩnh vực khác nhau như chăm sóc sức khỏe, ngân hàng, viễn thông và về các kỹ thuật học máy hiệu quả nhất. Cũng trong khóa học về Deep Learning (Học sâu), bạn có được kiến thức về mạng nơ-ron hiện đại và các ứng dụng của chúng trong computer vision (thị giác máy tính) và natural language understanding (thấu hiểu ngôn ngữ tự nhiên).
Trong đồ án cuối khóa này, bạn sẽ có cơ hội tham gia vào một dự án thực tế và thực sự trải nghiệm trực tiếp các nhiệm vụ của một data scientist (nhà khoa học dữ liệu). Đối với các yêu cầu của dự án, bạn sẽ mô tả Business Understanding (Tìm hiểu về nghiệp vụ) trong một báo cáo. Sau đó, bạn sẽ sử dụng kỹ năng phân tích của mình để hiểu dữ liệu được cung cấp để tìm ra các đặc điểm tốt nhất. Sau đó, bạn sẽ áp dụng machine learning (học máy) để xây dựng mô hình dự đoán. Cuối cùng, bạn sẽ học cách tạo API RestFul để đưa ra dự đoán với dữ liệu mới.
Đề bài cụ thể của dự án thực tế có thể do bạn tự tìm hiểu và lựa chọn bài toán phù hợp mà mình muốn nghiên cứu và theo đuổi.
MỤC TIÊU MÔN HỌC
- Vận dụng toàn diện vòng đời của khoa học dữ liệu vào một vấn đề thực tế.
- Áp dụng các kỹ năng phân tích và trực quan hóa để phân tích dữ liệu và việc hoàn thành việc lựa chọn tính năng.
- Chọn các thuật toán Machine Learning phù hợp và các chỉ số đánh giá hợp lý cho một vấn đề thực tế.
- Áp dụng nhiều kỹ thuật để cải thiện độ chính xác của mô hình.
- Hiểu và áp dụng Flask để tạo API cho một dự án khoa học dữ liệu.
- Có thể viết một báo cáo khoa học dữ liệu chi tiết.
CẤU TRÚC MÔN HỌC
Bước 1: Tổng quan Đồ án
Bước 2: Chi tiết Đồ án
Bước 3: Hướng dẫn Đồ án
Bước 4: Cách thức đánh giá Đồ án
Bước 5: Hướng dẫn lập kế hoạch Đồ án
Bước 6: Hướng dẫn nộp và bảo vệ Đồ án
ĐỘI NGŨ THIẾT KẾ MÔN HỌC
THIẾT KẾ MÔN HỌC
M.S. Vũ Thương Huyền
 |
|
M.Sc. Nguyễn Hải Nam
 |
|
CHUYÊN GIA PHẢN BIỆN
|
Chuyên gia phản biện chi tiết
|
Kiểm thử
|
||
|
Ph.D. Đặng Hoàng Vũ |
|
B.A. Hồ Quốc Bảo |
|
|
Assoc. Prof. Từ Minh Phương |
Ph.D. Nguyễn Văn Vinh |
Ph.D. Trần Thế Trung |
|
|
|
NGUỒN HỌC LIỆU
Trong thời đại hiện nay, mỗi môn học đều có nhiều nguồn tài liệu liên quan kể cả sách in và online, FUNiX Way không quy định một nguồn học liệu cụ thể mà khuyến cáo để học viên chọn được nguồn phù hợp nhất cho mình. Trong quá trình học từ nhiều nguồn khác nhau theo lựa chọn cá nhân đó, khi sinh viên phát sinh câu hỏi thì sẽ được kết nối nhanh nhất với mentor để được giải đáp. Toàn bộ phần đánh giá bao gồm các câu hỏi trắc nghiệm, bài tập, dự án và thi vấn đáp do FUNiX thiết kế, xây dựng và thực hiện.
Các môn học của FUNiX không quy định bắt buộc tài liệu học tập, sinh viên có thể chủ động tìm và học từ bất kỳ nguồn nào phù hợp, kể cả sách in hay nguồn học liệu online (MOOC) hay các website. Việc sử dụng các nguồn đó do học viên chịu trách nghiệm và đảm bảo tuân thủ các chính sách của chủ sở hữu nguồn, trừ trường hợp họ có sự hợp tác chính thức với FUNiX. Nếu cần hỗ trợ, học viên có thể liên hệ phòng đào tạo FUNiX để được hướng dẫn.
Kênh phản hồi
FUNiX sẵn sàng đón nhận và trao đổi về mọi ý kiến góp ý, phản hồi liên quan đến học liệu qua email program@funix.edu.vn.