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.

Đề tài nghiên cứu nhằm phát triển một ứng dụng di động đặc biệt dành cho bệnh nhân Alzheimer và người chăm sóc bệnh nhân, với mục đích hỗ trợ trong việc quản lý thông tin và cải thiện môi trường sống của người bệnh. Dự án tập trung vào những tính năng và chức năng sau: Tạo giao diện người dùng thân thiện và dễ tiếp cận với mọi đối tượng. Tích hợp các phương pháp hiện đại. Phát triển ứng dụng Thông báo và Quản lý dữ liệu. Lưu trữ an toàn và hiệu quả trên nền tảng đám mây. Tăng cường khả năng nhận biết và ghi nhớ của người bệnh. Đề tài nghiên cứu không chỉ là tạo ra một ứng dụng có ích mà còn là thách thức trong việc tích hợp công nghệ hiện đại vào việc quản lý và chăm sóc bệnh nhân Alzheimer. Đánh giá hiệu quả của ứng dụng trong việc giúp bệnh nhân nhận diện và ghi nhớ thông tin, tìm cách cải thiện chất lượng cuộc sống của họ. Tập trung vào việc tích hợp ứng dụng với các ứng dụng chăm sóc sức khoẻ hiện tại nhằm mục đích mở rộng khả năng triển khai và sử dụng rộng rãi.

Đề tài nghiên cứu nhằm phát triển mô hình dự đoán bệnh tim trên dữ liệu y tế của người dùng, bao gồm các yếu tố như huyết áp, đường huyết, cholesterol, tuổi, giới tính và một số yếu tố khác.Áp dụng nhiều mô hình thuật toán để thực hiện và xem xét mô hình nào có độ chính xác cao để áp dụng vào giao diện. Tiến hành chọn lọc các biến quan trọng và xử lý dữ liệu y tế để chuẩn bị cho việc đào tạo mô hình. Thực hiện các đánh giá hiệu suất nmo6 hình chi tiết về độ chính xác của mô hình giữa kết quả của giao diện khi áp dụng và dữ liệu đã gắn nhãn cho trước. Kết hợp mô hình dự đoán bệnh tim vào ứng dụng web Django để cung cấp dự đoán nguy cơ bệnh tim cho người dùng.

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.

Đề tài nghiên cứu nhằm xây dựng một hệ thống khuyến nghị phim, phát triển một hệ thống tự động khuyến nghị phim cho người dùng dựa vào nội dung, đánh giá họ. Cải thiện và tối ưu hóa trải nghiệm xem phim của người dùng. Áp dụng học máy và khai phá dữ liệu, khai thác dữ liệu từ các nhận xét của người dùng để áp dụng các kỹ thuật tiên tiến để xử lý ngôn ngữ người dùng. Nghiên cứu về tương tác người-máy, cách mà người dùng tương tác với hệ thống khuyến nghị. Phát triển ứng dụng thực tế, xây dựng một ứng dụng hoặc nền tảng thực tế dựa trên hệ thống khuyến nghị xem phim.