Đồ án tốt nghiệp - Ứng dụng học sâu cho bài toán gợi ý

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


VÕ HÀ NHẬT TÂN - 18133047
PHẠM ĐÌNH NHIÊN - 18133038
Đề Tài:
ỨNG DỤNG HỌC SÂU CHO BÀI TOÁN GỢI Ý
KHÓA LUẬN TỐT NGHIỆP KỸ SƯ KỸ THUẬT DỮ LIỆU

GIÁO VIÊN HƯỚNG DẪN
ThS. Quách Đình Hoàng

KHÓA 2018 - 2022

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


VÕ HÀ NHẬT TÂN - 18133047
PHẠM ĐÌNH NHIÊN - 18133038
Đề Tài:
ỨNG DỤNG HỌC SÂU CHO BÀI TOÁN GỢI Ý
KHÓA LUẬN TỐT NGHIỆP KỸ SƯ KỸ THUẬT DỮ LIỆU

GIÁO VIÊN HƯỚNG DẪN
ThS. Quách Đình Hoàng

KHÓA 2018 – 2021

ĐH SƯ PHẠM KỸ THUẬT
TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc

KHOA CNTT
*********
PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
*******
Họ và tên Sinh viên 1: Võ Hà Nhật Tân

MSSV: 18133047

Họ và tên Sinh viên 2: Phạm Đình Nhiên

MSSV: 18133038

Ngành: Kỹ thuật dữ liệu
Tên đề tài: Ứng dụng học sâu cho bài toán gợi ý
Họ và tên giáo viên hướng dẫn: Quách Đình Hoàng
NHẬN XÉT
1. Về nội dung đề tài khối lượng thực hiện:

......................................................................................................................................
......................................................................................................................................
......................................................................................................................................
......................................................................................................................................
......................................................................................................................................
2. Ưu điểm:

......................................................................................................................................
......................................................................................................................................
......................................................................................................................................
......................................................................................................................................
......................................................................................................................................
3. Khuyết điểm

.......................................................
...

...
collaborative filtering with
autoencoders. arXiv preprint arXiv:1603.00806, 2016.
[4] Carol McDonald, “How to Build a Deep Learning Powered Recommender System Part 2”, ngày đăng:
02/05/2021, ngày đọc: 05/05/2022, khả dụng tại: https://developer.nvidia.com/blog/how-to-build-awinning-recommendation-system-part-2-deep-learning-for-recommender-systems/
[5] Shuai Zhang, Lina Yao, Aixin Sun, Yi Tay, “Deep Learning based Recommender System: A Survey
and New Perspectives”, 2018
[6] Artem Oppermann, “Deep Autoencoders For Collaborative Filtering”, ngày đăng: 15/04/2018, ngày
đọc 20/05/2022, khả dụng tại: https://towardsdatascience.com/deep-autoencoders-for-collaborativefiltering-6cf8d25bbf1d
[7] Sagar Sharma, “Activation Functions in Neural Networks”, ngày đăng: 06/09/2017, ngày đọc:
20/04/2022, khả dụng tại: https://towardsdatascience.com/activation-functions-neural-networks1cbd9f8d91d6
[8] Elena Storozhkova, “Deep Learning vs Machine Learning: Getting to the Bottom of Artificial
Intelligence”, ngày đăng: 12/05/2019, ngày đọc:29/03/2022, khả dụng tại https://perfectial.com/blog/deeplearning-vs-machine-learning/
[9] Mehmet Toprak, “ Collaborative Filtering” , ngày đăng: 2/5/2020, ngày đọc: 07/05/2022, Khả dụng tại
https://medium.com/@toprak.mhmt/collaborative-filtering-3ceb89080ade
[10] Mehmet Toprak, “ Content-based Recommender System”, ngày đăng: 26/4/2020, ngày đọc:
05/04/2022, Khả dụng tại https://medium.com/@toprak.mhmt/content-based-recommender-systembdfc60b1bee8
[11] Vaibhav Kumar, “ Singular Value Decomposition (SVD) &amp Its Application In Recommender
System’’, ngày đăng: 25/3/2020, ngày đọc: 20/04/2022 ,Khả dụng tại
https://analyticsindiamag.com/singular-value-decomposition-svd-application-recommender-system

111

[12] “ Singular Value Decomposition (SVD)” , ngày đăng: 14/03/2022, ngày đọc 05/04/2022 ,Khả dụng
tại https://www.geeksforgeeks.org/singular-value-decomposition-svd/
[13] Harsha Bommana, “Introduction to Neural Networks”, ngày đăng: 26/05/2019, ngày đọc:
24/04/2022, khả dụng tại https://medium.com/deep-learning-demystified/introduction-to-neural-networkspart-1-e13f132c6d7e
[14] Pragati Baheti, “Activation Functions in Neural Networks”, ngày đăng: 21/06/2022, ngày đọc:
30/06/2022, khả dụng tại: https://www.v7labs.com/blog/neural-networks-activation-functions
[15] Badreesh Shetty, “An In-Depth Guide to How Recommender Systems Work” ,ngày đăng 06/07/2022,
Khả dụng tại: https://builtin.com/data-science/recommender-systems

112