Dự án Machine Learning regression end-to-end bám sát bộ notebook 9 buổi: data Ames Housing, ảnh output EDA/modeling, cleaning, feature engineering, model training, evaluation, Kaggle submission và quiz tốt nghiệp.
9 buổi · 8-12 giờ
Thời gian
10
Bài học
567
Học viên
4.9
Đánh giá
Tạo project local và chạy notebook bằng Jupyter/VS Code
Chuẩn bị đúng cấu trúc notebook root, data folder, images output và data dictionary Ames Housing
Phân tích SalePrice, missing values, outliers, correlation và feature groups
Xử lý missing theo domain, log-transform target và chuẩn hóa preprocessing pipeline
Tạo features như TotalSF, TotalBath, OverallScore, HouseAge, RemodAge và encode categorical features
Train và so sánh RidgeCV, LassoCV, Random Forest, XGBoost, StackingRegressor và weighted blend
Đánh giá bằng CV RMSE log scale, residual plots và tạo data/submission.csv đúng format Kaggle
10 bài học • Ước tính hoàn thành trong 2-3 ngày
0/10
Hoàn thành
Sẵn sàng bắt đầu?
Học theo trình tự từ bài 1

AI & Data Science Educator
Đội ngũ giảng viên MinAI với kinh nghiệm thực tế trong lĩnh vực AI, Machine Learning và Data Science. Chúng tôi cam kết mang đến nội dung chất lượng và hỗ trợ học viên tận tình.
Variables, functions, pandas và notebook workflow
Mean, median, skewness, correlation và evaluation metrics
Regression, train/test split, cross-validation và overfitting
💡 Gợi ý: Hoàn thành các yêu cầu trên để có trải nghiệm học tập tốt nhất. Bạn vẫn có thể bắt đầu dự án, nhưng một số khái niệm có thể khó hiểu hơn.
Tham gia cùng 567+ học viên đã hoàn thành dự án này và nâng cao kỹ năng của bạn ngay hôm nay.
Bắt đầu ngay miễn phí0 câu hỏi
Hãy là người đầu tiên đặt câu hỏi về dự án này!