Dòng Nội dung
1
Khai thác mô hình học máy để dự đoán giá bất động sản và so sánh các mô hình : Khóa luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Nguyễn Minh Sang, Phạm Đình Tài hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
xv, 51 tr. : Hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 332.632
Đề tài nghiên cứu nhằm mục đích tận dụng ưu điểm của các học máy tiên tiến để thực hiện dự đoán trong lĩnh vực doanh thu nhằm đưa lại một chính sách hiệu quả nhất. Nghiên cứu này chỉ tập trung vào việc so sánh hiệu suất giữa hai mô hình cụ thể là ARIMA và LSTM trong quá trình dự đoán. Để có một cái nhìn chi tiết nhất, ở đây sẽ sử dụng các chỉ số quan trọng như MSE, MAE và RMSE và tiến hành một phân tích tổng quan, tập trung vào so sánh kết quả các giá trị của hai mô hình. Cung cấp thông tin rất chi tiết về cách mỗi mô hình hoạt động, bao gồm cơ chế của ARIMA và LSTM, và tương quan của chúng trong việc dự đoán. Nghiên cứu sẽ xây dựng, tinh chỉnh, cho các mô hình học hỏi trên dữ liệu lịch sử, điều chỉnh các tham số quan trọng để đảm bảo hiệu quả và tính linh hoạt trong dự đoán. Sau khi hoàn tất việc xây dựng, nghiên cứu sẽ áp dụng thuật toán của những mô hình để dự đoán và đưa ra một cái đánh giá chất lượng dự đoán dựa trên MSE và RMSE, MAE. Kết quả so sánh giữa ARIMA và LSTM giúp đưa ra kết luận rằng một trong hai có khả năng dự đoán tốt hơn trong ngữ cảnh doanh thu.Nghiên cứu này hứa hẹn mang lại hiểu biết của sự khác biệt giữa ARIMA và LSTM, cung cấp thông tin quan trọng cho những người có ý định tiến hành áp dụng khi họ đưa ra quyết định về lựa chọn mô hình phù hợp nhất cho nhiệm vụ dự đoán doanh thu
 Số bản sách: (1) Tài liệu số: (0)
2
Khai thác mô hình học máy tiên tiến cho dự báo lợi nhuận: Nghiên cứu so sánh giữa Arima và LSTM : Khóa luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Bùi Tiến Sang, Hà Minh Tân hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
xiii, 75 tr. : Hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 332.8
Nghiên cứu tận dụng ưu điểm của các học máy tiên tiến để thực hiện dự đoán lợi nhuận trong lĩnh vực tài chính nhằm đưa lại một chính sách hiệu quả nhất. Nghiên cứu này chỉ tập trung vào việc so sánh hiệu suất giữa hai mô hình cụ thể là Arima và LSTM trong quá trình dự đoán của lợi nhuận. Sử dụng các chỉ số quan trọng như MSE, MAE và RMSE để tiến hành một phân tích tổng quan, tập trung vào so sánh kết quả các giá trị của hai mô hình. Cung cấp thông tin rất chi tiết về các mỗi mô hình hoạt động, bao gồm cơ chế của Arima và LSTM tương quan của chúng trong việc dự báo lợi nhuận tài chính. Nghiên cứu sẽ xây dựng, tinh chỉnh cho các mô hình học hỏi trên dữ liệu lịch sử, điều chỉnh các tham số quan trọng để đảm bảo hiệu quả cà tính linh hoạt trong dự báo. Đưa ra đánh giá chất lượng dự báo dựa trên MSE và RMSE, MAE. Kết quả so sánh giữa Arima và LSTM giúp đưa ra kết luận rằng một trong hai có khả năng dự báo tốt hơn trong ngữ cảnh tài chính.
 Số bản sách: (1) Tài liệu số: (0)
3
Xây dựng mô hình dự đoán tài chính bằng LSTM : Khóa luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Nguyễn Khánh Toàn, Hà Minh Tân hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
53 tr. : hình ảnh ; 29cm.
Ký hiệu phân loại (DDC): 005.5
Nghiên cứu này nhằm phát triển và áp dụng các mô hình LSTM và ARIMA để đánh giá hiệu quả dự báo cổ phiếu SYM trong các khoảng thời gian khác nhau. Nghiên cứu sẽ tiến hành so sánh kết quả dự báo giữa 2 phương pháp này để xác định mô hình nào có độ chính xác cao hơn trong việc dự đoán xu hướng giá cổ phiếu. Thông qua việc sử dụng các mô hình học máy tiên tiến như LSTM kết hợp với phương pháp thống kê ARIMA, nghiên cứu này không chỉ đóng góp vào việc cải thiện các phương pháp dự báo trong lĩnh vực tài chính mà còn mở rộng ứng dụng của các kỹ thuật phân tích dữ liệu vào môi trường tài chính tại Việt Nam
 Số bản sách: (1) Tài liệu số: (0)