|
Dòng
|
Nội dung
|
|
1
|
|
|
2
|
Xây dựng mô hình dự đoán bệnh tim bằng phương pháp tổ hợp bagging và Voting classifier : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành:8480201 / Nguyễn Ngọc Tài; Võ Thị Hồng Thắm hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
xiii, 67 tr. : biểu đồ ; 29 cm.
Ký hiệu phân loại (DDC): 616.12
Bệnh tim mạch là một trong những nguyên nhân hàng đầu gây tử vong trên toàn cầu, chiếm tỉ lệ lớn trong số các bệnh lý mãn tính. Việc chẩn đoán và phát hiện sớm bệnh tim có ý nghĩa quan trọng trong việc giảm thiểu rủi ro và cải thiện chất lượng sống của bệnh nhân. Tuy nhiên, phương pháp chẩn đoán truyền thống thường đòi hỏi nhiều thời gian, chi phí và phụ thuộc vào kinh nghiệm của bác sĩ. Sự phát triển của trí tuệ nhân tạo, đặc biệt là các thuật toán học máy, mang lại cơ hội lớn để xây dựng các hệ thống hỗ trợ chẩn đoán tự động, giúp giảm gánh nặng cho ngành y tế và nâng cao độ chính xác trong phát hiện bệnh. Trong đó, phương pháp học máy tổ hợp như Bagging và Voting Classifier đã chứng minh được hiệu quả trong việc cải thiện độ chính xác và ổn định của mô hình. Đề tài “xây dựng mô hình dự đoán bệnh tim bằng phương pháp tổ hợp Bagging và Voting Classifier” không chỉ tập trung vào xây dựng mô hình dự đoán chính xác mà còn so sánh hiệu quả giữa các phương pháp tổ hợp, từ đó đề xuất giải pháp tối ưu trong thực tế. Đây là một hướng nghiên cứu có tính ứng dụng cao
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
3
|
Xây dựng mô hình phân loại sao lùn và sao khổng lồ dựa trên học máy : Khóa luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Nguyễn Ngọc Tài, Hà Minh Tân hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
x, 52 tr. : Hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 550
Đề tài nghiên cứu nhằm đánh giá hiệu suất phân loại, so sánh độ chính xác, độ nhạy, độ đặc biệt và F1-score của các mô hình học máy trên bộ dữ liệu thiên văn đã sử dụng. Xác định mô hình học máy nào đạt được hiệu suất cao nhất trong việc phân loại sao dựa trên các đặc trưng có sẵn. Đánh giá AH của từng đặc trưng (Vmag, Plx, B-V, SpType, Amag) đối với khả năng phân loại của mô hình và xác định đặc trưng đóng góp nhiều nhất vào quá trình phân loại. Tối ưu hóa các tham số của mô hình. Đề xuất cách sử dụng mô hình được chọn để hỗ trợ các nghiên cứu và quan sát thiên văn trong thực tế.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
|
|
|