[NHẠC] OK bạn đã nói về hoạt động tương lai của máy móc, hãy nói về cái chúng ta sẽ thực hiện trong chuỗi. OK trong khóa học quy hồi bạn biết quy hồi là gì, chúng ta sẽ đi qua kĩ hơn một chút trên các công thức khác nhau cho các mô hình. Ví dụ cách xử lí các tính năng, cái gì đó mà chúng ta đã tránh trong khóa học này. Và chúng ta cũng sẽ nói về các thuật toán phù hợp trong các mô hình này. Các thuật toán tối ưu hóa khác nhau, nhớ rằng chúng ta đã thấy có chi phí này, tổng bình phương phần dư hình vuông và làm tối giản nó. Chúng ta sẽ nói về các thuật toán khác nhau như thuật toán GD và CD để thực hiện sự tối ưu hóa này. Sau đó qua trường hợp nghiên cứu trong việc dự đoán giá nhà, chúng ta sẽ bao gồm nhiều khái niệm làm nền tảng của học máy trong nhiều lĩnh vực khác nhau. Nó bao gồm cách chúng ta nghĩ về chi phí đo lường. Chúng ta nghĩ về việc chọn lựa giữa các mô hình và xử lí với sự mất khả năng tổng quát của mô hình. Chúng ta sẽ khám phá điều này trong nội dụng này nhưng một lần nữa các ý tưởng khái quát vượt ra ngoài quy hồi và vượt qua sự dự đoán giá nhà. Sau đó khi chúng ta có khóa học phân loại, chúng ta sẽ nói về các ví dụ cụ thể trong phân loại tuyến tính. Chúng ta cũng sẽ nói về các phương pháp bằng cách sử dụng nhiều các tính năng và tạo ra các bộ phân loại trong tính năng đại diện. Và chúng ta sẽ nói về các thuật toán để thể hiện các loại phân loại. Cụ thể nhìn vào thuật toán tối ưu hóa mà cho phép chúng ta mở rộng tới các tập dữ liệu lớn. Chúng ta cũng sẽ nói về các ý tưởng này bằng cách chúng ta nghĩ về việc pha trộn các mô hình khác nhau sử dụng cái gọi là thuật toán học quần thể. Và chúng ta sẽ nhìn vào nhiều khái niệm khác nhau. Một cái mà tôi nghĩ là rất thú vị là cách làm gọi là học trực tuyến nới mà chúng ta có dữ liệu liên tục và chúng ta tạo ra sự ảnh hưởng khi chúng ta có dữ liệu. Sau đó khi chúng ta nhận được cluster và thu hồi, một lần nữa chúng ta sẽ đi qua các ý tưởng nền tảng có nghĩa là thực hiện cluster và cái mà là nhiệm vụ thu hồi tài liệu của chúng ta. Nhưng chúng ta sẽ đẩy mạnh hơn bây giờ, ví dụ, khi chúng ta nghĩ về cluster, một tài liệu có thể không chỉ là về thể thao hoặc bản tin thế giới hoặc khoa học hay giải trí. Có thể một tài liệu có một số các chủ đề khác nhau kết hợp lại. Chúng ta có thể nghĩ đến một tài liệu mà về cả tài chính và bản tin thế giới. Vì thế chúng ta sẽ nghĩ đến cách chúng ta làm mẫu cấu trúc phức tạp này có thể đại diện trong dữ liệu của chúng ta như thế nào. Và với thuật toán của những điều này chúng ta sẽ nhìn vào các cách hiệu quả cho việc tìm kiếm dữ liệu khi chúng ta làm các nhiệm vụ thu hồi. Rất nhiều các thuật toán khác nhau cho việc thực hiện các mô hình cluster mà chúng ta đang nói đến. Trong các khai niệm quan trọng mà chúng ta sẽ tìm hiểu trong khóa học này, một điều đang nghĩ đến là cách thực hiện cluster với các thu thập khổng lồ của các tài liệu sử dụng cái gì đó gọi là giản đồ. Tiếp theo chúng ta sẽ trở lại với hệ thống tư vấn và khóa học giảm chiều. Ở đây ngoài các loại bộ lọc hợp tác và ma trận thừa số mà chúng ta đã nói đến trong khóa học này. Chúng ta cũng sẽ nói về các cách để có bộ dữ liệu kích cỡ và việc làm mẫu trong một số đại diện thấp hơn. Và với điều này chúng ta sẽ nghĩ về một số thuật toán để làm sự giảm chiều này. Chúng ta sẽ nói về các thuật toán để làm phù hợp các loại mô hình ma trận thừa số chúng ta đã mô tả trong khóa học này. Và trong khóa học này một số các khái niệm quan trọng chúng ta sẽ đi qua khi chúng ta nghĩ đến ma trận thừa số là cách chúng ta nghĩ về việc thực hiện cái gì đó giống như ma trận hoàn thành. Đó là nơi chúng ta điền vào tất cả các ô vuông không được biết đến, nếu bạn nhớ điều đó từ khóa học này. Sau đó một vấn đề tổng quát hơn nữa là vấn đề khởi động nguội, trong các hệ thống tư vấn của chúng ta có thể không có thông tin về người sử dụng hoặc sản phẩm và muốn tạo ra các khuyến khích. Cuối cùng chúng ta sẽ nhận được bài tập lớn, tôi hi vọng bạn hiểu. Bây giờ bạn sẽ đi qua khóa học này, bạn hiểu một số khai niệm mà chúng ta đã nói đến khi làm bài tập lớn. CỤ thể chúng ta sẽ nhìn vào hệ thống tư vấn cái mà kết hợp các ý tưởng về việc làm phân tích tâm lí với các ý tưởng quan trọng từ máy tính trong điều kiện tìm kiếm trên các hình ảnh khác nhau. Và để làm điều này chúng ta sẽ sử dụng học sâu, sẽ là rất quan trọng và thông tin chi tiết hơn về học sâu được thể hiện trong bài tập lớn. Vì thế hãy lưu ý điểm này. Nó thực sự rất hay và quan trọng và tất cả điều này sẽ cho phép bạn xây dựng ứng dụng trang web thông minh và triển khai những thứ ấn tượng, không chỉ bạn bè và gia đình mà còn là người lao động tiềm năng. Tất nhiên đó là một khoản thưởng cho bạn. NÓ thực sự rất vui. Chúng tôi hi vọng bạn làm dự án bài tập lớn. [NHẠC]