|
Dòng
|
Nội dung
|
|
1
|
Dự đoán chỉ số VNIDEX dựa trên mô hình học máy : Khóa luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Lâm Hoàng Hưng, Sử Nhật Hạ hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
47 tr. : Hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 006.3
Nghiên cứu nhằm phát triển một mô hình học máy chính xác và đáng tin cậy để dự đoán biến động chỉ số VNIDEX trong tương lai. Mô hình nên có khả năng ứng dụng vào thực tế và mang lại kết quả dự đoán gần với thực tế nhất. Tối ưu hoá hiệu suất mô hình để giảm thiểu sai số dự đoán và tăng cường khả năng đoán trúng. Sự chính xác của mô hình là quan trọng để đảm bảo thông tin dự đoán là hữu ích và đáng tin cậy. Phân tích ảnh hưởng của các yếu tố khác nhau như giá cổ phiếu lịch sử, chỉ số kinh tế và yếu tố tài chính khác đối với biến động của VNIDEX. So sánh và đánh giá mô hình nhằm giúp đánh giá tính hiệu quả và độ độc lập của mô hình được xây dựng.Kiểm tra khả năng ứng dụng của mô hình trong thực tế nhằm tạo ra một công cụ hữu ích cho nhà đầu tư. Góp phần vào sự phát triển của lĩnh vực dự đoán chỉ số chứng khoán bằng mô hình học máy.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
2
|
Dự đoán giá máy tính sách tay sử dụng Machine Learning:Khóa luận Tốt nghiệp chuyên ngành Trí tuệ nhân tạo. / Nguyễn Hạ Nguyên Hảo, Hà Minh Tân hướng dẫn
Tp. Hồ Chí Minh:Đại học Nguyến Tất Thành;, 2024
xii; 48 tr. : hình ảnh;29 cm.
Ký hiệu phân loại (DDC): 006.31
Nghiên cứu nhằm xây dựng tìm ra một mô hình có khả năng dự đoán chính xác và đáng tin cậy để dự đoán giá của các sản phẩm này dựa trên các thông số kỹ thuật.Điền các giá trị thiếu, xử lý các giá trị trùng lặp và mã hóa các giá trị từ category sang dạng số để phù hợp cho mô hình huống luyện. Áp dụng các thuật tóa hồi quy như Linear Regression, Random Forests, CatBoost và một số mô hình khác để xây dựng mô hình từ dữ liệu đã dược tiền sử lý. Đánh giá và tối ưu hóa mô hình; triển khai và ứng dụng. Đây sẽ là công cụ hữu ích cho người tiêu dùng và nhà sản xuất để ước tính giá trị của sản phẩm máy tính xách tay.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
3
|
Dự đoán khu vực nguy hiểm của Covid 19:Khóa luận Tốt nghiệp chuyên ngành Khoa học dữ liệu. / Nguyễn Thụy Thúy An, Nguyễn Thị Phong Dung hướng dẫn.
Tp. Hồ Chí Minh:Đại học Nguyễn Tất Thành;, 2024.
viii; 63 tr. : hình ảnh;29 cm.
Ký hiệu phân loại (DDC): 616
Nghiên cứu nhằm phát triển mô hình dự đoán khu vực nguy hiểm của COVID19. Mô hình này không chỉ giúp xác định những nguy cơ cao về mặt y tế mà còn hỗ trợ quyết định vè biện pháp phòng ngừa. Bằng cách này, có thể chuẩn bị và thực hiện các biện pháp phòng ngừa một cách đúng đắn và đúng lúc. Tận dung một khối dữ liệu lớn về y tế và xã hội. Dữ liệu không chỉ bao gồm số lượng ca nhiễm mà còn các yếu tố khác như mật độ dân số, cơ sở hạ tầng y tế, và tuân thủ các biện pháp an toàn. Hiệu quả hóa nguồn lực y tế thông qua việc định rõ các khu vực có tỷ lệ nguy hiểm. Giúp phân phối tài nguyên y tế một cách hợp lý, đảm bảo những nơi có nguy cơ cao nhất sẽ được cung cấp và hỗ trợ cần thiết. Kiểm soát hiệu quả và giảm thiểu thiệt hại kinh tế; thí nghiệm và cải tiến liên tục; chủ động trong việc đối mặt với biến động của đại dịch; chia sẻ kiến thức toàn cầu.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
4
|
Dự đoán xếp hạng và xây dựng hệ thống gợi ý dựa trên nội dung đánh giá của khách hàng : Khoá luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Trần Quốc Thắng; Võ Thị Hồng Thắm hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
viii, 64 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 658.812
Đề tài này tập trung vào việc xây dựng mô hình dự đoán xếp hạng sản phẩm dựa trên nội dung đánh giá của khách hàng và phát triển hệ thống gợi ý sản phẩm thông qua việc phân tích dữ liệu đánh giá. Cụ thể, mô hình sẽ sử dụng các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) kết hợp với học máy để tự động phân tích ý nghĩa của các đánh giá, từ đó đưa ra dự đoán về mức độ hài lòng của khách hàng. Mô hình học máy sẽ được xây dựng để tự động phân tích nội dung của các đánh giá và đưa ra dự đoán về mức độ hài lòng của khách hàng đối với sản phẩm, thể hiện qua các xếp hạng sao (từ 1 đến 5 sao). Dựa trên các đánh giá và sở thích của người dùng, hệ thống gợi ý sẽ đưa ra các sản phẩm mà người tiêu dùng có thể quan tâm. Các sản phẩm gợi ý sẽ được chọn lọc dựa trên những đánh giá tích cực của các khách hàng trước đó hoặc sản phẩm có đặc điểm tương tự với những sản phẩm mà người dùng đã mua hoặc xem, góp phần nâng cao trải nghiệm mua sắm và tối ưu hóa doanh thu cho doanh nghiệp. Đề tài này cũng nhằm mục tiêu áp dụng các kỹ thuật học máy và xử lý ngôn ngữ tự nhiên vào việc giải quyết các vấn đề thực tiễn trong ngành thương
mại điện tử, đồng thời nghiên cứu các mô hình học máy hiệu quả cho việc phân tích và dự đoán xếp hạng sản phẩm.
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
5
|
|
|
|
|
|