Dòng
|
Nội dung
|
1
|
A Hands-On Introduction to Data Science / Chirag Shah UK : Cambridge University Press, 2020 424 p. : illustration ; 25 cm. Ký hiệu phân loại (DDC): 006 This book introduces the field of data science in a practical and accessible manner, using a hands-on approach that assumes no prior knowledge of the subject. The foundational ideas and techniques of data science are provided independently from technology, allowing students to easily develop a firm understanding of the subject without a strong technical background, as well as being presented with material that will have continual relevance even after tools and technologies change. Số bản sách:
(0)
Tài liệu số:
(1)
|
2
|
|
3
|
Chatbot AI dự đoán sức khoẻ tinh thần : Khoá luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Nguyễn Thị Cẩm Tiên; Vương Xuân Chí hướng dẫn Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024 viii, 68 tr. : hình ảnh ; 29 cm. Ký hiệu phân loại (DDC): 006.3 Nghiên cứu này tập trung vào việc ứng dụng trí tuệ nhân tạo, cụ thể là trong lĩnh vực xử lý ngôn ngữ tự nhiên (NLP), nhằm tạo ra một nền tảng tương tác thông minh giúp người dùng tự đánh giá sức khỏe tinh thần. Hệ thống này được thiết kế dành cho những người quan tâm đến việc chăm sóc sức khỏe tâm lý của bản thân, nhất là đối với nhóm thanh thiếu niên và người trẻ tuổi, những người thường đối mặt với nhiều áp lực trong cuộc sống hiện đại. Nghiên cứu các tiêu chí và dấu hiệu phổ biến của các rối loạn tâm thần như trầm cảm, lo âu và stress, dựa trên tiêu chuẩn DSM-5 và các tài liệu chuyên ngành khác. Xây dựng hệ thống chatbot tích hợp các chức năng đánh giá, theo dõi và cung cấp thông tin hỗ trợ sức khỏe tinh thần. Khai thác sức mạnh của trí tuệ nhân tạo, đặc biệt là các kỹ thuật xử lý ngôn ngữ tự nhiên và học máy, để xây dựng một hệ thống chatbot thông minh, có khả năng giao tiếp tự nhiên bằng tiếng Việt, nhằm đáp ứng nhu cầu giao tiếp và hỗ trợ người dùng một cách hiệu quả. Số bản sách:
(1)
Tài liệu số:
(1)
|
4
|
Chuẩn đoán bệnh thông qua hình ảnh y tế mạng Neuron tích chập (CNN) : Khoá luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Phạm Đắc Toàn; Võ Thị Hồng Thắm hướng dẫn Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024 x, 43 tr. : hình ảnh ; 29 cm. Ký hiệu phân loại (DDC): 006.42 Nghiên cứu nhằm xây dựng một mô hình mạng neuron tích chập (CNN) hiệu quả đểphân tích và chẩn đoán bệnh dựa trên hình ảnh y tế, đảm bảo đạt được độ chính xác cao,thời gian xử lý nhanh và khả năng ứng dụng thực tiễn trong lĩnh vực y học. Hệ thống này không chỉ hỗ trợ bác sĩ trong việc ra quyết định mà còn góp phần giảm thiểu sai sót trong quá trình chẩn đoán. Bên cạnh đó, đề tài tập trung vào việc cải thiện chất lượng hình ảnh ytế thông qua các phương pháp tiền xử lý, bao gồm giảm nhiễu, tăng độ nét và cân bằng ánh sáng. Việc nâng cao chất lượng dữ liệu đầu vào được kỳ vọng sẽ giúp cải thiện đáng kể độ tin cậy của các kết quả phân tích. Đánh giá hiệu quả của mô hình CNN so với các phương pháp truyền thống và các mô hình học máy khác trongviệc nhận diện và phân loại bệnh thông qua hình ảnh y tế. Khai thác tối đa tiềm năng của trí tuệ nhân tạo, đặc biệt là học sâu, để phát triển một hệ thống chẩn đoán thông minh có khả năng tự động nhận diện các đặc điểm quan trọng trong hình ảnh y tế, từ đó đưa ra những chẩn đoán chính xác và đáng tin cậy hơn cả mắt thường. Ngoài ra, nghiên cứu này còn đề xuất quy trình và giải pháp ứng dụng mô hình đã phát triển vàothực tế tại các cơ sở y tế, từ đó hỗ trợ bác sĩ và kỹ thuật viên trong việc phân tích hình ảnhX-quang một cách hiệu quả. Số bản sách:
(1)
Tài liệu số:
(1)
|
5
|
Data Science Projects with Python : A case study approach to successful data science projects using Python, pandas, and scikit-learn / Stephen Klosterman UK : Packt, 2019 374 p. : illustration ; 24 cm. Ký hiệu phân loại (DDC): 005.6 Data Science Projects with Python is designed to give you practical guidance on industry-standard data analysis and machine learning tools, by applying them to realistic data problems. You will learn how to use pandas and Matplotlib to critically examine datasets with summary statistics and graphs, and extract the insights you seek to derive. You will build your knowledge as you prepare data using the scikit-learn package and feed it to machine learning algorithms such as regularized logistic regression and random forest. Số bản sách:
(1)
Tài liệu số:
(1)
|
|
|
|
|