Bài giảng Nhập môn khai phá dữ liệu - Giới thiệu môn học - Hà Quang Thụy

Tổ chức dạy - học

Hình thức dạy-học:

- Giáo viên trình bày: 08-09 buổi

- Sinh viên trình bày tiểu luận và bài tập: 06-07 buổi

Hình thức đánh giá và khung điểm

- Đánh giá thường xuyên: 40%

+ Chuyên cần lên lớp học: 2.5

+ Tiểu luận theo nhóm: 6.0

+ Đóng góp xây dựng bài: 1.5

(nếu > 1.5 được chuyển sang điểm tiểu luận)

+ Mỗi ý kiến đóng góp: 0.3, lớp trưởng: 1.5

+ Một số điểm cộng, trừ khác (Bỏ học buổi 1-2 trừ 0.5 điểm, từ

buổi thứ ba trừ 1.0 điểm, trừ bỏ giữa giờ bằng trừ hai buổi bỏ học)

- Điểm cuối kỳ: 60%

+ Nộp báo cáo tiểu luận cuối kỳ: 3.0

+ Thi vấn đáp: 7.0

* Câu hỏi trắc nghiệm: 3.5

* Câu hỏi biện luận, bài tập: 3.5

pdf6 trang | Chia sẻ: Thục Anh | Ngày: 12/05/2022 | Lượt xem: 386 | Lượt tải: 1download
Nội dung tài liệu Bài giảng Nhập môn khai phá dữ liệu - Giới thiệu môn học - Hà Quang Thụy, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
NHẬP MÔN KHAI PHÁ DỮ LIỆU GIỚI THIỆU MÔN HỌC Lớp đại học K63, 2020-2021 PGS. TS. Hà Quang Thụy HÀ NỘI, 09-2020 TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ĐẠI HỌC QUỐC GIA HÀ NỘI 1 Giới thiệu chung về môn học ⚫ Tên môn học: Nhập môn khai phá dữ liệu ⚫ Số tín chỉ: 3 ⚫ Tài liệu dạy - học: Nguyễn Hà Nam, Nguyễn Trí Thành, Hà Quang Thụy (2013). Giáo trình khai phá dữ liệu (Các chương: 1-6, 10). Bài giảng: ⚫ Tài liệu làm tiểu luận: hai sinh viên/một bài Giảng viên sẽ gửi tới lớp trưởng 2 Tài liệu đọc thêm ⚫ Phan Xuân Hiếu, Đoàn Sơn, Nguyễn Trí Thành, Hà Quang Thụy, Nguyễn Thu Trang, Nguyễn Cẩm Tú. Giáo trình khai phá dữ liệu Web. NXBGD, 2009. ⚫ Charu C. Aggarwal. Neural Networks and Deep Learning. A Textbook. Springer, 2018 (lớp năm 2018) ⚫ James R Evans. Business Analytics. Pearson, 2017 (lớp cao học) ⚫ Hà Quang Thụy và cộng sự. Trí tuệ nhân tạo trong thời đại số: Bối cảnh thế giới và liên hệ với Việt Nam. ⚫ Hà Quang Thụy và cộng sự. Một phân tích môi trường Chiến lược quốc gia Việt Nam về Trí tuệ nhân tạo. ⚫ Hà Quang Thụy và cộng sự. Kinh tế số: Bối cảnh thế giới và liên hệ với Việt Nam. ⚫ J. Han, M. Kamber, and Jian Pei. Data Mining: Concepts and Techniques (3rd edition). Morgan Kaufmann, 2011. ⚫ Xindong Wu and Vipin Kumar. The Top Ten Algorithms in Data Mining, Chapman & Hall/CRC, 2009 3 Tổ chức dạy - học ⚫ Hình thức dạy-học: - Giáo viên trình bày: 08-09 buổi - Sinh viên trình bày tiểu luận và bài tập: 06-07 buổi ⚫ Hình thức đánh giá và khung điểm - Đánh giá thường xuyên: 40% + Chuyên cần lên lớp học: 2.5 + Tiểu luận theo nhóm: 6.0 + Đóng góp xây dựng bài: 1.5 (nếu > 1.5 được chuyển sang điểm tiểu luận) + Mỗi ý kiến đóng góp: 0.3, lớp trưởng: 1.5 + Một số điểm cộng, trừ khác (Bỏ học buổi 1-2 trừ 0.5 điểm, từ buổi thứ ba trừ 1.0 điểm, trừ bỏ giữa giờ bằng trừ hai buổi bỏ học) - Điểm cuối kỳ: 60% + Nộp báo cáo tiểu luận cuối kỳ: 3.0 + Thi vấn đáp: 7.0 * Câu hỏi trắc nghiệm: 3.5 * Câu hỏi biện luận, bài tập: 3.5 ⚫ Thời gian dự kiến: 15 tuần (31/08/2020- xx/12/2020) 4 Nhóm tiểu luận – bài tập: nhiệm vụ ⚫ Nhóm tiểu luận – bài tập - Nhóm hai sinh viên làm một bài tiểu luận (Cả lớp có 45 bài) - Chịu trách nhiệm một nội dung tiểu luận và bài tập trên ngôn ngữ lập trình ⚫ Nội dung công việc - Đọc, nắm bắt, trình bày được nội dung bài tiểu luận. Khuyến khích tìm tài liệu tham khảo mở rộng nội dung - Hiểu và làm bài tập. Khuyến khích thực hiện dữ liệu khác - Trình bày bài tiểu luận-bài tập và trả lời câu hỏi - Làm (nộp) báo cáo toàn văn tiểu luận ⚫ Trình bày thuyết trình - Mỗi nhóm sinh viên: 16 phút cho trình bày + 5 phút cho trả lời (không quá 30 trang nội dung trình bày) - Sinh viên khác: Đặt câu hỏi được cộng điểm chuyên cần 5 Báo cáo tiểu luận cuối kỳ ▪ Báo cáo biên soạn bài tiểu luận. ▪ Có bìa, có mục lục, danh sách bảng, hình vẽ, căn lề hai phía, nhất quán: kiểu chữ và cỡ chữ, căn lề hai phía ▪ Đầy đủ nội dung bài tiểu luận được giao. ▪ Nội dung chữ ở bảng, hình vẽ cần chuyển sang tiếng Việt ▪ Khuyến khích mở rộng nội dung (cần chỉ rõ nguồn từ sách, bài báo, không sử dụng nguồn tiếng Việt không tin cậy) 6

Các file đính kèm theo tài liệu này:

  • pdfbai_giang_nhap_mon_khai_pha_du_lieu_gioi_thieu_mon_hoc_ha_qu.pdf