Đồ án tốt nghiệp - Tìm hiểu về Semi-Supervised Learning và ứng dụng

Tên môn học: Khóa luận tốt nghiệp

Giá: 40.000đ

Tổng thanh toán:

40.000đ

Người đăng tải:

#10377

Chi tiết tài liệu :

Đồ án tốt nghiệp ngành Kỹ thuật dữ liệu - Tìm hiểu về Semi-Supervised Learning và ứng dụng - Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (HCMUTE)

Định dạng	PDF
Dung lượng	8.45 MB
Số trang	118
Ngành	Kỹ thuật dữ liệu

Lượt xem	22
Ngày đăng	20/01/2026

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN KỸ THUẬT DỮ LIỆU

LÊ THỊ NHUNG (MSSV: 19133043)
NGUYỄN THANH SANG (MSSV: 19133048)

Đề tài:

TÌM HIỂU VỀ SEMI-SUPERVISED LEARNING
VÀ ỨNG DỤNG
KHÓA LUẬN TỐT NGHIỆP KỸ SƯ KỸ THUẬT DỮ LIỆU

GIÁO VIÊN HƯỚNG DẪN
Th.S QUÁCH ĐÌNH HOÀNG

Tp. Hồ Chí Minh, ngày 10 tháng 7 năm 2023
1

CỘNG
ĐH SƯHOÀ
PHẠM KỸ THUẬT
Độc

XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc

TP.HCM
KHOA CNTT

*******

*******
PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên 1 : Lê Thị Nhung

MSSV 1: 19133043

Họ và tên Sinh viên 2 : Nguyễn Thanh Sang

MSSV 2: 19133048

Ngành: Kỹ thuật dữ liệu
Tên đề tài: TÌM HIỂU VỀ SEMI-SUPERVISED LEARNING VÀ ỨNG DỤNG
Họ và tên Giáo viên hướng dẫn: ThS. Quách Đình Hoàng
NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện:
…………………………………………………………………………………………………
…………………………………………………………………………………………………
2.

Ưu điểm:

…………………………………………………………………………………………………
…………………………………………………………………………………………………
……………………………………………………………………………………………...
3.

Khuyết điểm

…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
4.

Đề nghị cho bảo vệ hay không ?

5.

Đánh giá loại :

6.

Điểm :
Tp. Hồ Chí Minh, ngày

tháng

năm 2023

Giáo viên phản biện
(Ký &amp ghi rõ họ tên)

3

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
Họ và tên Sinh viên 1 : Lê Thị Nhung

MSSV 1: 19133043

Họ và tên Sinh viên 2 : Nguyễn Thanh Sang

MSSV 2: 19133048

Ngành: Kỹ thuật dữ liệu
Tên đề tài: TÌM HIỂU VỀ SEMI-SUPERVISED LEARNING VÀ ỨNG DỤNG
Họ và tên Giáo viên phản biện: TS. Huỳnh Xuân Phụng
NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện:
…………………………………………………………………………………………………
…………………………………………………………………………………………………
2.

Ưu điểm:

…………………………………………………………………………………………………
…………………………………………………………………………………………………
3.

Khuyết điểm

…………………………………………………………………………………………………
…………………………………………………………………………………………………
4.

Đề nghị cho bảo vệ hay không ?

5.

Đánh giá loại :

6.

Điểm :

Tp. Hồ Chí Minh, ngày

tháng

năm 2023

Giáo viên hướng dẫn
(Ký &amp ghi rõ họ tên)

4

CỘNG
ĐH SƯHOÀ
PHẠM KỸ THUẬT
Độc

XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc

TP.HCM
KHOA CNTT

*******

*******
LỜI CẢM ƠN
Trong quá trình nghiên cứu đề tài, các giảng viên đã luôn hỗ trợ, hướng dẫn sinh
viên. Với tất cả sự kính trọng, chúng tôi xin được bày tỏ lòng biết ơn đến quý
Thầy cô đã luôn theo dõi và hướng dẫn trong suốt thời gian thực hiện đề tài. Hơn
hết, chúng tôi xi
...

...
thống hỗ trợ gán nhãn ảnh để phục vụ cho
nhiều bài toán khác nhau. Cải thiện bảo mật và tốc độ hỗ trợ gán nhãn.
3.4. Lời kết
Sau quá trình hoàn thành khóa luận tốt nghiệp, nhóm chúng tôi đã tích góp
thêm được nhiều kiến thức về khoa học dữ liệu nói riêng và machine learning và
deep learning nói riêng. Thông qua khóa luận tốt nghiệp, nhóm chúng tôi hi vọng
những kiến thức về machine learning, deep learning cũng như phương pháp học
bán giám sát dùng để huấn luyện mô hình có thể giúp được việc tiếp cận đến các
bài toán khoa học dữ liệu dễ dàng hơn, ít tốn chi phí hơn khi không có nhiều dữ
liệu đã được gán nhãn. Giúp qua trình triển khai các mô hình ngay từ giai đoạn
gán nhãn một các dễ dàng hơn.

118

TÀI LIỆU THAM KHẢO

[1] A. G. Psaltis, Psaltis, A. G. (2017). Streaming data understanding the real-time pipeline.
Manning., Manning, 2017.

[2] P. Michel Kana, Representing text in natural language processing, 15 7 2019. [Online].
Available: https://towardsdatascience.com/representing-text-in-natural-language-processing1eead30e57d8.

[3] V. H. Tiep, Machine Learning cơ bản, 2017. [Online]. Available:
https://machinelearningcoban.com/2017/02/17/softmax/.

[4] Xiangli Yang, Zixing Song, Irwin King, Zenglin Xu, A Survey on Deep Semi-supervised
Learning, 2021. [Online]. Available: http://arxiv.org/abs/2103.00550 arXiv:2103.00550.

[5] Xiaojin Zhu , Andrew B. Goldberg, Introduction to Semi-Supervised Learning, Springer Cham,
2009.

[6] C. Bishop, Pattern Recognition and Machine Learning - Microsoft, Microsoft, 2006.
[7] N. H. Nghia, Study on Semi-Supervised Learning with, 2019. [Online]. Available:
https://github.com/nghiapickup/master_thesis/blob/master/thesis.pdf.

[8] P. D. Khanh, Khoa học dữ liệu - Khanhs blog, 2019. [Online]. Available:
https://phamdinhkhanh.github.io/content.

[9] L. Weng, https://lilianweng.github.io/posts/2021-12-05-semi-supervised/, 2021. [Online].
Available: https://lilianweng.github.io/posts/2021-12-05-semi-supervised/. [Accessed 2021].

[10] David Berthelot, Nicholas Carlini, Ian Goodfellow, Nicolas Papernot, Avital Oliver, Colin A.
Raffel, David Berthelot, Nicholas Carlini, Ian Goodfellow, Nicolas Papernot, Avital Oliver,
Colin A. Raffel, 2018.

[11] Kihyuk Sohn, A Simple Semi-Supervised Learning Framework for Object Detection, 2020.
[12] L. S. team, Integrate Label Studio into your machine learning pipeline, 2022. [Online].
Available: https://labelstud.io/guide/ml.html. [Accessed 2022].

119