Thời lượng:

04 ngày (32 giờ)

Mục tiêu:

-       Ứng dụng các thuật toán khai phá dữ liệu như phân lớp, phân cụm, luật kết hợp cũng như cách sử dụng các công cụ hỗ trợ xây dựng các bài toán khai phá dữ liệu cho Vietinbank

Nội dung khóa học:

1. Ứng dụng các mô hình machine learning trong phân tích tập khách hàng và hành vi tiêu dùng:

• Các mô hình phân cụm
• Mô hình Association rules
• Mô hình Profiling

2. Bài toán khuyến nghị sản phẩm: Recommendation và cross-sell

• Các mô hình sử dụng: mô hình supervised và unsupervised learning
• Ứng dụng thực tế

3. Bài toán phát hiện giao dịch gian lận: Fraud detection

• Mô hình quy tắc truyền thống
• Các mô hình thống kê nâng cao
• Các mô hình machine learning
• Mô hình mạng lưới network

4. Các kỹ thuật machine learning khác

• Mô hình cây quyết định nâng cao với Bagging và Random forest
• Mô hình GAM (general additive models) - phân tích các biến có sự phụ thuộc biến đổi
• Các phương pháp kernals – tổng hợp biến phù hợp
• Phương pháp PCA (Dimensional reduction with PCA) – tìm ra các chiều quan trọng và giảm số chiều cần thiết
• Phương pháp SVM (Support vector machine)

5. Các mô hình dự báo theo thời gian (time-series forecasting)

6. Giới thiệu về dữ liệu lớn big data: xu hướng, công nghệ, framework