Chương I: GIỚI THIỆU VỀ MÁY HỌC ( Machine learning )

I GIỚI THIỆU:

1.1 Định nghĩa ‘học’

1.2. Khái niệm về học máy

1.3 Các tiếp cận học

1.4 Tương tác với con người

II. QUÁ TRÌNH HỌC MÁY

2.1 Quá trình trích tri thức từ dữ liệu

2.2 Phân loại học

2.3 Dữ liệu

2.4 Giao thức

2.5 Tiêu chuẩn thành công

2.6 Không gian biểu diễn

2.7 Bản chất của các thuộc tính

2.8 Tiền xử lý dữ liệu

2.10 Tập mẫu

2.11 Tìm kiếm trong không gian giải thuyết

III. CÁC LOẠI GIẢI THUẬT TRONG MÁY

3.1 Các loại giải thuật.

3.2 Các chủ đề về học máy

Chương II: HỌC NỬA GIÁM SÁT(Semi-supervised learning )

I. TỔNG QUAN

1.1 Giới thiệu về học có giám sát (supervised learning) và không có giám sát (unsupervised learning)

a. Học có giám sát:

b. Học không có giám sát:

1.2 Khái niệm về học nửa giám sát

II. MỘT SỐ GIẢI THUẬT TRONG HỌC NỬA GIẤM SÁT

2.1 Generative Models

2.1.1 Giới thiệu về “Generative Models”

2.1. Generative Models trong Semi - supervised learning

2.1.3 Ưu điểm và nhược điểm của giải thuật

2.1.5 Ứng dụng của mô hình

2.2 Semi – superviesd Suport vector machines

2.2.1 Giới thiệu về S3VM

2.2.2 Giải thuật S3MV

2.2.3 Kết luận về S3VM

2.3 Self-training

CHƯƠNG III. SELF – TRAINING VÀ BÀI TOÁN NHẬN DẠNG KÝ TỤ TRÊN ẢNH

I. GIẢI THUẬT SELF – TRAINING

1.1 Giới thiệu về Self – training

1.2 Giải thuật

1.3 Đánh giá giải thuật

II. BÀI TOÁN NHẬN DẠNG KÝ TỰ TRÊN ẢNH

2.1 Phân tích bài toán

2.2 Hướng giải quyết bài toán.

I. KẾT QUẢ BAN ĐẦU ĐÃ ĐẠT ĐƯỢC

II. HƯỚNG PHÁT TRIỂN