|
Dòng
|
Nội dung
|
|
1
|
Áp dụng Machine Learning vào Pyspark để dự đoán quyết định mua sắm của khách hàng : Khóa luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Trần Nguyễn Hoàng Hảo; Trần Châu Thanh Thiện hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
41 tr. : bàng biểu ; 29 cm.
Ký hiệu phân loại (DDC): 658.81
Đề tài được xây dựng với mục tiêu nhằm phân tích nhu cầu mua sắm của khách hàng. Dựa trên nghiên cứu các thuật toán cùng với việc khai phá dữ liệu, đưa ra được mô hình dự đoán quyết định mua sắm của khách hàng là việc có mua sắm hay không. Thay vì những phân tích thủ công trước đây, các thuật toán học máy phân tích dựa trên các dữ liệu thu thập được từ trước đến nay làm bộ dữ liệu huấn luyện và đưa ra mô hình để hỗ trợ việc xem người dùng có quyết định mua sắm hay không thông qua các số liệu liên quan đến người dùng đó. Đề tài này nhằm hỗ trợ một phần quan trọng để biết được nhu cầu mua sắm của khách hàng là như thế nào.
Số bản sách:
(2)
Tài liệu số:
(0)
|
|
2
|
Dự đoán các yếu tố ảnh hưởng đến tự quản chăm sóc của người bệnh đái tháo đường type 2 tại Bệnh viện Thanh Nhàn năm 2020 / Đỗ Thị Thu Huyền, Trương Quang Trung, [...và những người khác] // Tạp chí Nghiên cứu Y học . - 2021. - tr. 115-122. - ISSN: 2354-080X
Ký hiệu phân loại (DDC): 615
Trình bày về nghiên cứu nhằm xác định mức độ ảnh hưởng của các yếu tố liên quan đến tự quản chăm sóc của người bệnh đái tháo đường type 2 tại Bệnh viện Thanh Nhàn năm 2020. Nghiên cứu cho thấy Mô hình hồi quy tuyến tính gồm 8 biến độc lập có ý nghĩa thống kê (R² hiệu chỉnh = 0,435; ANOVA cho F(8, 349) = 35,330; p < 0,001); 3 biến ảnh hưởng đến tự quản chăm sóc, bao gồm: thời gian mắc bệnh (β = -0,121; 95% CI: 0,074 – 0,572; p = 0,011), hiểu biết sức khỏe (β = 0,403; 95% CI: 0,547 – 1,066; p < 0,001) và HbA1c (β = -0,452; 95% CI: -3,922, -2,605; p < 0,001). Cần nâng cao tự quản chăm sóc cho người bệnh đái tháo đường bằng cách kiểm soát HbA1c, tăng cường hiểu biết sức khỏe và rút ngắn thời gian mắc bệnh hay biến chứng do đái tháo đường type 2 gây ra.
Số bản sách:
(0)
Tài liệu số:
(1)
|
|
3
|
Dự đoán khu vực nguy hiểm của Covid 19:Khóa luận Tốt nghiệp chuyên ngành Khoa học dữ liệu. / Nguyễn Thụy Thúy An, Nguyễn Thị Phong Dung hướng dẫn.
Tp. Hồ Chí Minh:Đại học Nguyễn Tất Thành;, 2024.
viii; 63 tr. : hình ảnh;29 cm.
Ký hiệu phân loại (DDC): 616
Nghiên cứu nhằm phát triển mô hình dự đoán khu vực nguy hiểm của COVID19. Mô hình này không chỉ giúp xác định những nguy cơ cao về mặt y tế mà còn hỗ trợ quyết định vè biện pháp phòng ngừa. Bằng cách này, có thể chuẩn bị và thực hiện các biện pháp phòng ngừa một cách đúng đắn và đúng lúc. Tận dung một khối dữ liệu lớn về y tế và xã hội. Dữ liệu không chỉ bao gồm số lượng ca nhiễm mà còn các yếu tố khác như mật độ dân số, cơ sở hạ tầng y tế, và tuân thủ các biện pháp an toàn. Hiệu quả hóa nguồn lực y tế thông qua việc định rõ các khu vực có tỷ lệ nguy hiểm. Giúp phân phối tài nguyên y tế một cách hợp lý, đảm bảo những nơi có nguy cơ cao nhất sẽ được cung cấp và hỗ trợ cần thiết. Kiểm soát hiệu quả và giảm thiểu thiệt hại kinh tế; thí nghiệm và cải tiến liên tục; chủ động trong việc đối mặt với biến động của đại dịch; chia sẻ kiến thức toàn cầu.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
4
|
|
|
5
|
Dự đoán vận tốc phương tiện xe tham gia giao thông : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Trần Thị Hồng Diễm; Bùi Tiến Đức hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
54 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Đề tài nghiên cứu nhằm phát triển một hệ thống dự đoán vận tốc của các phương tiện tham gia giao thông. Hệ thống sử dụng DeepSORT để theo dõi đối tượng và YOLOv8 để nhận diện các đối tượng trên hình ảnh. Kết hợp hai công nghệ này sẽ giúp tạo ra một giải pháp mạnh mẽ cho việc dự đoán vận tốc và quản lý giao thông. Để đạt mục tiêu, đề tài sử dụng DeepSORT để theo dõi đối tươ5ng và YOLOv8 để nhận diện các đối tượng trên hình ảnh. Các kết quả từ cả hai mô hình sẽ được tích hợp và sử dụng để dự đoán vận tốc của phương tiện tham gia giao thông. Quá trình này sẽ được thực hiện thông qua việc tích hợp mã nguồn và phát triển các chức năng cần thiết cho hệ thống dự đoán. Nghiên cứu này hướng tới việc đưa ra những giải pháp hiệu quả và thực tiễn để cải thiện khả năng quản lý và an toàn của hệ thống giao thông.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
|
|
|