Phân Tích Cụm và Machine Learning Không Giám Sát bằng Python

Giới Thiệu Khóa Học 

• Giới thiệu toàn diện về học máy không giám sát và phân cụm dữ liệu.
• Khám phá sâu các thuật toán: K-Means, phân cụm phân cấp (Hierarchical Clustering), và Gaussian Mixture Models (GMMs).
• Bài tập thực hành lập trình và ứng dụng thực tiễn với Python.

• Phân cụm K-Means: Học cách triển khai từ lý thuyết đến thực hành qua các bài tập mã hóa thực tế.
• Phân cụm phân cấp: Tìm hiểu chi tiết về kỹ thuật phân cụm gộp (agglomerative clustering), cách đọc và diễn giải dendrograms, cũng như áp dụng vào các trường hợp thực tế như phân tích tiến hóa và dữ liệu mạng xã hội.
• Gaussian Mixture Models (GMMs): Khám phá sự khác biệt giữa GMM và K-Means, tìm hiểu thuật toán Expectation-Maximization, và giải quyết các vấn đề phức tạp trong phân cụm dữ liệu.

• Nhà khoa học dữ liệu và kỹ sư học máy, những người muốn nâng cao kỹ năng phân cụm dữ liệu.
• Chuyên viên phân tích có kiến thức cơ bản về Python và thống kê.
• Những ai muốn mở rộng khả năng phân tích dữ liệu và học máy của mình.

1. Triển khai các thuật toán phân cụm trong Python.
2. Phân tích ưu, nhược điểm của các kỹ thuật phân cụm khác nhau.
3. Áp dụng phương pháp phân cụm vào các tập dữ liệu thực tế.
4. Hiểu rõ lý thuyết nền tảng của K-Means, phân cụm phân cấp, và GMMs.
5. Đánh giá kết quả phân cụm bằng các chỉ số như purity và Davies-Bouldin Index.
6. Trực quan hóa quy trình và kết quả phân cụm để có cái nhìn sâu sắc hơn.