Dòng Nội dung
1
Khái lược nghiên cứu vê ửng dụng các kỹ thuật mô hình học máy trong dự báo giá vàng / Trương Thị Thùy Dương, Phan Anh // Kinh tế Châu Á - Thái Bình Dương : Asia - Pacific Economic Review . - 2023. - tr. 46-48. - ISSN: 0868-3808



Ký hiệu phân loại (DDC): 363.7
Trình bày Dự báo xu hướng của giá vàng chính xác và hiệu quả có ý nghĩa lý thuyết và thực tiễn rất lớn, nó không chỉ giúp ích cho các nhà đâu tư, các nhà quản lý tiền tệ trong việc lựa chọn thời điểm cung ứng mặt hàng này mà còn sử dụng vàng như một phương tiện để quản lý lạm phát và củng cố vị thế kinh tế quốc gia. Đã có nhiều phương pháp dự đoán được ứng dụng trong dự báo, từ các mô hình thống kê truyền thống đến các mô hình học máy. Do tính đa yếu tố và phi tuyển của thị trường vàng cùng với sự tiến bộ như vũ bão của công nghệ, các kỹ thuật mô hình học máy trong những năm gần đây đã đóng vai trò quan trọng trong việc dự đoán giá vàng.
 Số bản sách: (0) Tài liệu số: (1)
2
So sánh hiệu quả các mô hình học máy trong đánh giá rủi ro tín dụng / Cao Văn Kiên, Vũ Thuận An // Tạp chí Khoa học và Công nghệ - Đại học Nguyễn Tất Thành . - 2023. - tr. 24-31. - ISSN: 2615-9015



Ký hiệu phân loại (DDC): 332.12
Nghiên cứu này so sánh hiệu suất của bốn mô hình học máy phổ biến: “Cây quyết định”, “Rừng ngẫu nhiên”, “Máy véctơ hỗ trợ”, và “Hồi quy logistic” trong việc đánh giá rủi ro tín dụng. Dữ liệu đã trải qua kiểm thử và phân tích cho thấy mô hình “Rừng ngẫu nhiên” vượt trội hơn so với các mô hình còn lại, với độ chính xác cao nhất là 93,22 %. Kết mô hình học máy trong việc đánh giá rủi ro tín dụng và có thể hỗ trợ các tổ chức tài chính trong quyết định về việc cấp tín dụng cho cá nhân.
Số bản sách: (0) Tài liệu số: (1)
3
Xây dựng hệ thống dự đoán nhu cầu khách hàng thương mại điện tử dựa trên nền tảng học máy : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành: 8480201 / Nguyễn Huỳnh Thông, Hà Minh Tân (hướng dẫn)
Tp, Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
viii, 65 tr. : hình, biểu đồ ; 29 cm.
Ký hiệu phân loại (DDC): 006.2
Đề án tập trung vào việc ứng dụng các phương pháp học máy để giải quyết bài toán dự đoán nhu cầu mua hàng trong lĩnh vực thương mại điện tử. Thiết kế và xây dựng các mô hình học máy để dự đoán nhu cầu mua hàng dựa trên dữ liệu thương mại điện tử có sẵn để giúp doanh nghiệp hiểu rõ hơn về hành vi và xu hướng tiêu dùng của khách hàng, từ đó hỗ trợ ra quyết định kinh doanh chính xác, tối ưu hóa chiến lược tiếp thị và quản lý nguồn cung hiệu quả. Đánh giá và so sánh hiệu quả của các mô hình học máy trong việc dự đoán nhu cầu mua hàng của khách hàng thương mại điện tử. Tìm ra mô hình tối ưu nhất dựa trên các tiêu chí đánh giá hiệu suất.
Số bản sách: (1) Tài liệu số: (0)