Module 4 - Tuần 3: Tree Review & LightGBM – Cây cối nở rộ và nở hoa với Time-series

🎉 Chào mừng đến với blog Tuần 3 – Module 4 của AIO Course 2025!

🌟 Giới thiệu

Nếu tuần trước chúng ta dừng lại ở Gradient Boosting & XGBoost, thì tuần này là một hành trình tổng hợp:

• Ôn tập toàn bộ dòng họ Tree-based models.
• Khám phá LightGBM – “người kế vị tốc độ” của Gradient Boosting.
• Thực hành MLOps cơ bản với Docker.
• Project thực tế: Sales Forecasting với Explainable AI (LightGBM + SHAP + Optuna + Streamlit).

📅 Lịch trình tuần học

🗓️ Thứ Ba – 16/09/2025
🔥 Warm-up: Cơ bản về XGBoost (Extra class)
Instructor: TA Đình Thắng

• Thảo luận tổng quát về giải thuật XGBoost.
• Làm ví dụ tính tay đơn giản, sau đó cài đặt lại bằng Python.

🗓️ Thứ Tư – 17/09/2025
🌲 Tree Review – Tổng hợp lý thuyết (Main session)
Instructor: Dr. Đình Vinh

• Ôn tập toàn bộ các giải thuật dựa trên cây: Decision Tree, Random Forest, Gradient Boosting, XGBoost.
• Thảo luận ứng dụng vào bài toán time-series.
• So sánh ưu/nhược điểm từng mô hình khi dữ liệu thay đổi theo thời gian.

🗓️ Thứ Năm – 18/09/2025
⚙️ Basic MLOps: Docker for ML
Instructor: TA Dương Thuận

• Giới thiệu về Docker: container, image, registry.
• Các bước đóng gói & triển khai mô hình ML trong Docker.
• Thảo luận về Docker Compose, Docker Swarm và ứng dụng trong ML pipeline.

🗓️ Thứ Sáu – 19/09/2025
⚡ LightGBM & SHAP (Main session)
Instructor: Dr. Quang Vinh

• Nhược điểm của Gradient Boosting và cách LightGBM giải quyết bằng histogram-based, leaf-wise growth, GOSS, EFB.
• LightGBM trong classification và regression.
• Giới thiệu nhanh về SHAP để giải thích mô hình (model interpretability).

🗓️ Thứ Bảy – 20/09/2025
📊 Project: Sales Forecasting with Explainable AI
Instructor: Dr. Thái Hà

• Đề bài: Dự báo doanh số bán hàng (time-series).
• Giải bài toán bằng LightGBM + SHAP.
• Tối ưu tham số với Optuna.
• Triển khai giao diện nhanh bằng Streamlit.

🗓️ Chủ Nhật – 21/09/2025
💪 Exercise Session: Tree Review & LightGBM
Instructor: TA Quốc Thái

• Ôn nhanh nội dung chính của buổi Tree Review (Thứ 4) và LightGBM (Thứ 6).
• Giải các bài tập tổng hợp: từ tính tay entropy/gini → chạy code → đọc kết quả SHAP.

🎯 Mục tiêu học tập

📌 Tree Review

• Hệ thống lại các mô hình cây: Decision Tree, Random Forest, Gradient Boosting, XGBoost.
• So sánh khả năng áp dụng trong time-series.

📌 LightGBM

• Hiểu rõ cải tiến của LightGBM: histogram-based, leaf-wise, GOSS, EFB.
• Biết cách tính toán tại lá: ( w^* = -G / (H+\lambda) ).
• Dùng SHAP để giải thích mô hình.

📌 MLOps với Docker

• Biết cách container hoá và triển khai ML models.
• Hiểu vai trò của Compose, Swarm trong hệ thống ML.

📌 Project thực tế

• Tích hợp LightGBM, Optuna, SHAP và Streamlit.
• Giải quyết bài toán dự báo doanh số – một ứng dụng phổ biến của AI trong kinh doanh.

📂 Tài liệu đi kèm:

🧠 Repository được quản lý bởi Time Series Team Hub