Module 4 - Tuần 1: Random Forest • AdaBoost • Gradio demo • Tổng quan Time-series

Tuần mở màn của Module 4 tập trung vào hai thuật toán ensemble chủ lực (Random Forest, AdaBoost), thực hành dựng demo bằng Gradio (Basic MLOps), và mở rộng nền tảng về dữ liệu chuỗi thời gian – một tuần học thiên về thực hành, ứng dụng và kết nối giữa mô hình & triển khai.

September 2, 2025
3 min read

Minh họa dòng chảy học tập tuần: Random Forest → Gradio → AdaBoost → Time-series → Exercise.

🎉 Chào mừng đến với blog Tuần 1 của team Time Series – Module 4!

🌟 Giới thiệu

Tuần này, chúng ta bước vào các kỹ thuật ensemble learning trọng yếu: Random Forest và AdaBoost. Bên cạnh phần thuật toán, bạn sẽ học cách triển khai demo mô hình bằng Gradio để trình bày và kiểm thử nhanh, đồng thời củng cố nền tảng về dữ liệu time-series nhằm định hướng mô hình và đánh giá đúng bản chất chuỗi thời gian. Kết thúc tuần là một phiên bài tập tổng hợp để bạn liên kết toàn bộ kiến thức đã học vào thực hành end-to-end. (Lịch & nội dung chi tiết dựa trên Study Guide tuần này. :contentReference[oaicite:0]{index=0})

📅 Lịch trình tuần học

🗓️ Thứ Ba – 02/09/2025
🔥 Cơ bản về Random Forest (Warm-up Session)
Giảng viên: Dr. Đinh Quang Vinh
Nội dung: Ôn tập Entropy & Gini, thảo luận nguyên lý Random Forest, làm tay ví dụ đơn giản & cài đặt cơ bản.

🗓️ Thứ Tư – 03/09/2025
🌲 Random Forest (Main Session)
Giảng viên: Dr. Đình Vinh
Nội dung: Thảo luận mở rộng về Random Forest; xử lý dữ liệu thiếu/mất, các chủ đề nâng cao, và các ứng dụng trong data science.

🗓️ Thứ Năm – 04/09/2025
⚙️ Basic MLOps: Gradio for ML model demos
Giảng viên: TA Dương Thuận
Nội dung: Giới thiệu Gradio và cách dựng demo mô hình ML nhanh; thực hành qua các ví dụ minh họa.

🗓️ Thứ Sáu – 05/09/2025
⚡ AdaBoost (Main Session)
Giảng viên: Dr. Đình Vinh
Nội dung: Tổng quan boosting & giải thuật AdaBoost; minh họa ứng dụng cho dữ liệu time-series.

🗓️ Thứ Bảy – 06/09/2025
📈 Time-series: Tổng quát & Ứng dụng
Giảng viên: PhD-c Nguyễn Khoa
Nội dung: Đặc trưng dữ liệu time-series, mô hình phù hợp, đánh giá hiệu quả và các hướng phát triển trong mảng này.

🗓️ Chủ Nhật – 07/09/2025
💪 Exercise: Random Forest & AdaBoost
Giảng viên: TA Quốc Thái
Nội dung: Ôn nhanh trọng tâm buổi Thứ Tư & Thứ Sáu; giải bài tập tổng hợp.

🎯 Mục tiêu học tập

🔍 Random Forest

Nắm cách kết hợp bagging + tập con thuộc tính để giảm phương sai.
Xử lý dữ liệu thiếu/mất và hiểu tác động tới hiệu năng.
Thực hành cài đặt, phân tích feature importance, và đánh giá mô hình.

⚡ AdaBoost

Hiểu cơ chế trọng số mẫu & cập nhật weak learner.
Áp dụng AdaBoost cho bài toán thực tế (bao gồm minh họa trên time-series).
So sánh điểm mạnh/yếu giữa bagging vs boosting.

🛠️ Gradio (Basic MLOps)