|
Dòng
|
Nội dung
|
|
1
|
Dự đoán bệnh đột quỵ bằng học máy : Khoá luận tốt nghiệp chuyên ngành Công nghệ thông tin / Tạ Quang Hải; Sử Nhật Hạ hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024
x, 52 tr. : bảng, hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Sự phát triển mạnh mẽ của trí tuệ nhân tạo (AI) và các phương pháp học máy (Machine Learning) trong những năm gần đây đã mở ra những cơ hội mới trong việc phân tích và dự đoán các hiện tượng y học phức tạp. Các mô hình học máy, thông qua việc khai thác dữ liệu lớn và tìm hiểu các mẫu ẩn trong dữ liệu, có khả năng cung cấp các dự báo chính xác về nguy cơ mắc bệnh dựa trên các yếu tố như tuổi tác, giới tính, thói quen sinh hoạt, và tiền sử bệnh lý. Đề tài tập trung nghiên cứu vào việc áp dụng các thuật toán học máy để xây dựng mô hình dự đoán nguy cơ đột quỵ. Xác định các yếu tố ảnh hưởng chính đến bệnh lý này, tối ưu hóa độ chính xác của mô hình dự đoán, và đề xuất giải pháp hỗ trợ y tế nhằm giảm thiểu nguy cơ đột quỵ. Với sự kết hợp giữa kiến thức y học và công nghệ học máy, sẽ đóng góp vào việc nâng cao hiệu quả phòng ngừa và điều trị bệnh đột quỵ, từ đó cải thiện sức khỏe cộng đồng và giảm gánh nặng cho xã hội.
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
2
|
Dự đoán bệnh tim mạch bằng học máy:Khóa luận Tốt nghiệp chuyên ngành Trí tuệ nhân tạo. / Nguyễn Văn Nghĩa, Hà Minh Tân hướng dẫn
Tp. Hồ Chí Minh:Đại học Nguyễn Tất Thành;, 2024.
x; 52 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 616.1
Đề tài nhằm nghiên cứu và ứng dụng các phương pháp học máy dể xây dựng một mô hình chẩn đoán khả năng mắc bệnh tim mạch, hỗ trợ cải thiện khả năng chẩn đoán và phòng ngừa bệnh một cách hiệu quả. Thu thập và xử lý bộ dữ liệu y tế liên quan đến bệnh tim mạch, đảm bảo chất lượng và tính sẵn sàng của dữ liệu cho quá trình phân tích. Lựa chọn và áp dụng các thuật toán học máy. So sánh hiệu suất giữa các thuật toán học máy thông qua các chỉ số đánh giá.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
3
|
|
|
4
|
Dự đoán nhu cầu tiêu thụ điện năng sử dụng các thuật toán học máy : Khóa luận tốt nghiệp chuyên ngành Công nghệ thông tin / Nguyễn Việt Thành, Phạm Đình Tài hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
xi, 46 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Dự đoán nhu cầu điện năng phụ thuộc vào rất nhiều yếu tố: thời tiết, giờ trong ngày, mùa trong năm, các hoạt động kinh tế, thói quen của người tiêu dùng, và thậm chí là các sự kiện bất thường như lễ hội hay thời kỳ dịch bệnh. Học máy có khả năng xử lý một lượng lớn dữ liệu này và phân tích mối quan hệ giữa các yếu tố khác nhau, điều mà các phương pháp truyền thống thường gặp khó khăn hoặc tốn nhiều thời gian hơn để thực hiện. Sử dụng học máy, hệ thống có thể phân tích nhiều nguồn dữ liệu đầu vào cùng lúc, từ đó tạo ra một mô hình có độ chính xác cao hơn để dự đoán nhu cầu tiêu thụ điện năng trong tương lai
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
5
|
Fundamentals of pattern recognition and machine learning / Ulisses de Mendonça Braga-Neto
Switzerland : Springer, 2020
xviii, 357 pages : illustrations ; 26 cm.
Ký hiệu phân loại (DDC): 006.4
Fundamentals of Pattern Recognition and Machine Learning is designed for a one or two-semester introductory course in Pattern Recognition or Machine Learning at the graduate or advanced undergraduate level. The book combines theory and practice and is suitable to the classroom and self-study. The book is intended to be concise but thorough.
Số bản sách:
(0)
Tài liệu số:
(1)
|
|
|
|
|