Machine Learning thực chiến

Dành cho: Đã có nền Python và dữ liệu.

Bạn sẽ làm được gì

• Chọn được thuật toán phù hợp cho một bài toán dự đoán trên dữ liệu bảng, thay vì chạy hết rồi lấy cái điểm cao nhất trên tập test.
• Gói tiền xử lý và mô hình thành một pipeline sklearn với ColumnTransformer, để cross-validation không bị data leakage làm hỏng.
• Đánh giá bằng đúng metric: MAE hay RMSE cho hồi quy; precision, recall, F1 và PR-AUC khi dữ liệu mất cân bằng, và bảo vệ được lựa chọn.
• Tinh chỉnh có hệ thống bằng GridSearchCV và RandomizedSearchCV, có experiment log thay vì chỉnh mò, và biết lúc nào nên dừng lại.
• Giải thích mô hình cho người không kỹ thuật bằng permutation importance và SHAP, kèm báo cáo một trang và danh sách khách rủi ro nhất.

Project 3: Dự đoán khách hàng rời bỏ end-to-end. Một bài toán ML hoàn chỉnh trên dữ liệu churn: từ baseline logistic đến model cuối có feature engineering và tuning, kèm báo cáo kinh doanh đề xuất hành động. Chấm theo rubric 25 điểm, chia cho năm phần: EDA nhanh, baseline, feature engineering, model và tuning, diễn giải và báo cáo.