Dòng Nội dung
1
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)
2
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)