Nghiên Cứu Ứng Dụng Support Vector Machine Trong Phân Tích Dữ Liệu

Nghiên cứu ứng dụng Support Vector Machine (SVM) trong phân tích dữ liệu đã trở thành một lĩnh vực… 62 trang · Học Viện Công Nghệ Bưu Chính Viễn Thông · 2024.

• Tác giả: Nguyễn Thị Kiều Oanh
• Người hướng dẫn: PGS.TS Trần Vĩnh Phác
• Trường học: Học Viện Công Nghệ Bưu Chính Viễn Thông
• Chuyên ngành: Hệ Thống Thông Tin
• Đề tài: Tiếp Cận SVM (Support Vector Machine) Để Chọn Học Sinh Vào Đội Tuyển Tin Học
• Loại tài liệu: Đề Án Tốt Nghiệp
• Năm xuất bản: 2024
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỞ LẠC LỜI CAM ĐOAN
• DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT
• DANH SÁCH BẢNG
• DANH SÁCH HÌNH VẼ
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Giới thiệu
• 2. CHƯƠNG 2: THUẬT TOÁN MÁY VECTOR HỖ TRỢ SVM
• 2.1. Giới thiệu
• 2.2. Support Vector Machine (SVM)
• 2.2.1. Giới thiệu về SVM
• 2.2.2. Không gian đặc trưng
• 2.2.3. Ý tưởng của phương pháp SVM
• 2.2.4. Khoảng cách từ một điểm tới một siêu mặt phẳng
• 2.2.5. Các bước chính của phương pháp SVM
• 2.3. Tổng kết chương 2
• 3. CHƯƠNG 3: MÔ HÌNH NĂNG LỰC CỦA NHỮNG HỌC SINH ĐÃ TẶNG THẲNG GIẢI
• 3.1. Giới thiệu
• 3.2. Mô hình hóa các đặc trưng
• 4. CHƯƠNG 4: GIẢI THUẬT TUYỂN CHỌN HỌC SINH VÀO ĐỘI TUYỂN TIN HỌC
• 4.1. Môi trường thực nghiệm
• 4.2. Dữ liệu thực nghiệm. Tổ chức dữ liệu
• 4.3. Tiền xử lý dữ liệu
• 4.4. Tiếp cận miền thẳng giải (Winner – Domain)
• 4.5. Tổng kết chương 4
• 5. CHƯƠNG 5: KẾT LUẬN
• 5.1. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Nghiên Cứu Ứng Dụng Support Vector Machine

Nghiên cứu ứng dụng Support Vector Machine (SVM) trong phân tích dữ liệu đã trở thành một lĩnh vực quan trọng trong khoa học dữ liệu. SVM là một trong những thuật toán học máy mạnh mẽ, được sử dụng để phân loại và hồi quy. Với khả năng xử lý dữ liệu lớn và phức tạp, SVM giúp cải thiện độ chính xác trong việc phân tích và dự đoán. Nghiên cứu này sẽ khám phá các khía cạnh cơ bản của SVM, từ lý thuyết đến ứng dụng thực tiễn.

1.1. Giới thiệu về Support Vector Machine

Support Vector Machine (SVM) là một thuật toán học máy được phát triển vào giữa những năm 1990. SVM hoạt động bằng cách tìm kiếm một siêu phẳng tối ưu để phân tách các lớp dữ liệu khác nhau. Điều này giúp tối đa hóa khoảng cách giữa các điểm dữ liệu thuộc các lớp khác nhau, từ đó cải thiện khả năng phân loại.

1.2. Lịch sử phát triển của SVM

SVM được giới thiệu lần đầu bởi Vladimir Vapnik và Alexey Chervonenkis vào năm 1995. Kể từ đó, SVM đã trở thành một trong những phương pháp phổ biến nhất trong lĩnh vực học máy, nhờ vào khả năng xử lý dữ liệu phi tuyến tính và hiệu suất cao trong nhiều ứng dụng thực tiễn.

II. Thách thức trong Phân Tích Dữ Liệu với SVM

Mặc dù Support Vector Machine mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức trong việc áp dụng nó vào phân tích dữ liệu. Các vấn đề như lựa chọn kernel, điều chỉnh tham số và xử lý dữ liệu không cân bằng có thể ảnh hưởng đến hiệu suất của mô hình. Nghiên cứu này sẽ phân tích các thách thức chính và cách giải quyết chúng.

2.1. Vấn đề lựa chọn kernel trong SVM

Lựa chọn kernel là một trong những yếu tố quan trọng nhất trong việc áp dụng SVM. Kernel giúp chuyển đổi dữ liệu vào không gian cao hơn, nơi mà các lớp có thể được phân tách dễ dàng hơn. Tuy nhiên, việc lựa chọn kernel không phù hợp có thể dẫn đến kết quả không chính xác.

2.2. Điều chỉnh tham số trong SVM

Điều chỉnh tham số như C và gamma là rất quan trọng để tối ưu hóa mô hình SVM. Tham số C kiểm soát độ chính xác của mô hình, trong khi gamma xác định độ phức tạp của kernel. Việc điều chỉnh không chính xác có thể dẫn đến overfitting hoặc underfitting.

III. Phương Pháp Nghiên Cứu SVM trong Phân Tích Dữ Liệu

Nghiên cứu này sẽ trình bày các phương pháp chính trong việc áp dụng Support Vector Machine cho phân tích dữ liệu. Các bước từ thu thập dữ liệu, tiền xử lý, đến huấn luyện mô hình sẽ được mô tả chi tiết. Điều này giúp hiểu rõ hơn về quy trình và cách thức hoạt động của SVM.

3.1. Quy trình thu thập và tiền xử lý dữ liệu

Quy trình thu thập dữ liệu bao gồm việc xác định nguồn dữ liệu, thu thập và làm sạch dữ liệu. Tiền xử lý dữ liệu là bước quan trọng để đảm bảo rằng dữ liệu được đưa vào mô hình SVM là chính xác và đầy đủ.

3.2. Huấn luyện mô hình SVM

Sau khi dữ liệu đã được chuẩn bị, bước tiếp theo là huấn luyện mô hình SVM. Điều này bao gồm việc lựa chọn kernel, điều chỉnh tham số và đánh giá hiệu suất của mô hình thông qua các chỉ số như độ chính xác và độ nhạy.

IV. Ứng Dụng Thực Tiễn của SVM trong Phân Tích Dữ Liệu

SVM đã được áp dụng rộng rãi trong nhiều lĩnh vực khác nhau như y tế, tài chính và marketing. Nghiên cứu này sẽ trình bày một số ứng dụng thực tiễn nổi bật của Support Vector Machine, từ phân loại bệnh đến dự đoán xu hướng thị trường.

4.1. Ứng dụng SVM trong y tế

Trong lĩnh vực y tế, SVM được sử dụng để phân loại bệnh nhân dựa trên các đặc điểm lâm sàng. Ví dụ, SVM có thể giúp phân loại bệnh nhân mắc bệnh ung thư dựa trên các chỉ số sinh học, từ đó hỗ trợ bác sĩ trong việc đưa ra quyết định điều trị.

4.2. Ứng dụng SVM trong tài chính

Trong ngành tài chính, SVM được sử dụng để dự đoán xu hướng giá cổ phiếu và phân loại các khoản đầu tư. Việc áp dụng SVM giúp các nhà đầu tư đưa ra quyết định chính xác hơn dựa trên phân tích dữ liệu lịch sử.

V. Kết Luận và Tương Lai của Nghiên Cứu SVM

Nghiên cứu về Support Vector Machine đã mở ra nhiều cơ hội mới trong phân tích dữ liệu. Mặc dù còn nhiều thách thức, nhưng tiềm năng ứng dụng của SVM trong các lĩnh vực khác nhau là rất lớn. Tương lai của nghiên cứu này sẽ tiếp tục phát triển với sự xuất hiện của các kỹ thuật mới và cải tiến trong học máy.

5.1. Tóm tắt kết quả nghiên cứu

Nghiên cứu đã chỉ ra rằng SVM là một công cụ mạnh mẽ trong phân tích dữ liệu, với khả năng phân loại và hồi quy hiệu quả. Các ứng dụng thực tiễn cho thấy SVM có thể mang lại giá trị cao trong nhiều lĩnh vực.

5.2. Hướng phát triển tương lai của SVM

Tương lai của SVM sẽ tập trung vào việc cải thiện khả năng xử lý dữ liệu lớn và phức tạp, cũng như phát triển các thuật toán mới để tối ưu hóa hiệu suất. Sự kết hợp giữa SVM và các kỹ thuật học sâu có thể mở ra nhiều cơ hội mới trong nghiên cứu và ứng dụng.

Nội dung chính

Tổng quan nghiên cứu

Kỳ thi học sinh giỏi các cấp tại 63 tỉnh thành trên cả nước là sân chơi trí tuệ thường niên nhằm tìm kiếm và bồi dưỡng nhân tài cho ngành công nghệ thông tin. Tuy nhiên, trong thực tế, quy trình tuyển chọn thành viên đội tuyển tại các trường trung học phổ thông vẫn phụ thuộc tới hơn 85% vào cảm nhận chủ quan và kinh nghiệm cá nhân của giáo viên bộ môn. Việc đánh giá phiến diện dựa trên sổ học bạ thông thường đã khiến tỷ lệ chọn nhầm hoặc bỏ sót học sinh có tố chất đặc biệt lên đến khoảng 25% đến 30%.

Bài toán đặt ra cho nghiên cứu là xây dựng một phương pháp khoa học, định lượng và khách quan để xác định chính xác năng lực thực tế của học sinh. Luận văn thạc sĩ kỹ thuật chuyên ngành Hệ thống thông tin của tác giả Nguyễn Thị Kiều Oanh, dưới sự hướng dẫn khoa học của PGS.TS Trần Vĩnh Phước tại Học viện Công nghệ Bưu chính Viễn thông, đã tiếp cận thuật toán máy học Support Vector Machine (SVM) nhằm giải quyết bài toán này. Nghiên cứu tập trung mô hình hóa không gian năng lực và thiết lập miền chiến thắng (Winner Domain) cho các ứng viên môn Tin học.

Phạm vi nghiên cứu được triển khai trên dữ liệu thực nghiệm thu thập từ học sinh các trường trung học phổ thông tại khu vực Tây Ninh và các địa phương lân cận trong năm học 2023 - 2024. Ý nghĩa của đề tài được khẳng định qua việc cung cấp giải pháp sàng lọc tự động giúp nâng cao độ chính xác trong việc lựa chọn đội tuyển lên trên 90%, giảm thiểu 100% sự thiên vị hoặc định kiến cá nhân, đồng thời tối ưu hóa thời gian chuẩn bị và huấn luyện của các nhà trường trước các kỳ thi cấp tỉnh và quốc gia.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết máy học có giám sát Support Vector Machine do Vapnik và Chervonenkis phát triển năm 1995. Thuật toán hoạt động dựa trên nguyên lý tìm kiếm một siêu phẳng phân tách tối ưu (Optimal Separating Hyperplane) trong không gian nhiều chiều nhằm cực đại hóa khoảng cách lề (Margin) giữa các lớp dữ liệu khác nhau. Nhờ khả năng xử lý xuất sắc các bài toán có không gian đặc trưng lớn và tập dữ liệu huấn luyện giới hạn, SVM trở thành công cụ vượt trội để phân loại nhị phân giữa nhóm học sinh có tiềm năng đạt giải và nhóm không đạt giải.

Khung mô hình hóa của luận văn tích hợp 3 khái niệm trọng tâm:

1. Không gian đặc trưng học tập (Learning Features): Gồm 18 chỉ số định lượng phản ánh kết quả học tập các môn khoa học tự nhiên và công nghệ (Tin học, Toán học, Vật lý, Hóa học, Sinh học, Công nghệ) trải dài qua 3 khối lớp 10, 11 và 12.
2. Không gian đặc trưng phi học tập (Non-learning Features): Gồm 16 biến tâm lý - xã hội (từ F19 đến F34) bao gồm kỹ năng tư duy, khả năng nhận biết, tư duy nhận xét/phản biện, tính sáng tạo, năng lực quản lý thời gian, khả năng nghiên cứu độc lập, kỹ năng phân tích, độ tập trung, tính tự lực, sự tự tin, thói quen sinh hoạt cá nhân, niềm đam mê tin học, tính kiên nhẫn, mối quan hệ khác giới, sự quan tâm của gia đình và điều kiện kinh tế.
3. Miền chiến thắng (Winner Domain): Vùng không gian năng lực $S = 34$ chiều được định nghĩa bởi vector trọng tâm $w_c$, bán kính khoảng cách Euclide $d_{c.n}$ và góc hướng Cosine $\cos \theta_{c.n}$, cho phép xác định các ứng viên tiệm cận nhất với chân dung những cá nhân từng đạt giải.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm của đề tài bao gồm 304 bản ghi hồ sơ học sinh, trong đó có 83 học sinh từng đạt giải học sinh giỏi cấp tỉnh và quốc gia (nhóm chiến thắng) cùng 221 học sinh không đạt giải hoặc chưa tham gia thi đấu (nhóm đối chứng). Phương pháp chọn mẫu phân tầng có chủ đích kết hợp khảo sát bảng hỏi chuẩn hóa đã được sử dụng để thu thập đầy đủ 34 thuộc tính năng lực của từng cá nhân.

Về quy trình xử lý dữ liệu, tác giả ứng dụng thuật toán K-Nearest Neighbors Imputer (KNNImputer) để điền khuyết thiếu dữ liệu một cách tự nhiên dựa trên khoảng cách giữa các mẫu láng giềng. Tập dữ liệu sau khi làm sạch được phân chia ngẫu nhiên theo tỷ lệ 70% dành cho huấn luyện (Training Set) và 30% dành cho kiểm định (Testing Set). Để khắc phục hiện tượng mất cân bằng mẫu, kỹ thuật Random Undersampling (RUS) được áp dụng trên tập kiểm tra nhằm cân bằng số lượng giữa 2 nhóm lớp đối tượng.

Lý do lựa chọn phương pháp phân tích SVM kết hợp Winner Domain thay vì các thuật toán truyền thống là do SVM tối ưu hóa biên phân cách toàn cục, tránh bẫy cực trị địa phương và hoạt động ổn định trên tập mẫu thực nghiệm 304 bản ghi. Toàn bộ chương trình được lập trình thực nghiệm trên nền tảng Google Colab sử dụng vi xử lý Intel Xeon 2.20GHz cùng thư viện Scikit-learn và Pandas trong giai đoạn từ tháng 1 đến tháng 5 năm 2024.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích dữ liệu thực nghiệm đã chỉ ra các phát hiện khoa học mang tính đột phá về cấu trúc năng lực của học sinh giỏi Tin học:

Thứ nhất, việc phân tích vector trọng tâm $w_c$ trên 34 chiều không gian cho thấy sự khác biệt vượt trội giữa nhóm học sinh đạt giải và không đạt giải. Nhóm 83 học sinh đạt giải không chỉ duy trì điểm trung bình môn Tin học trên 9.0 điểm qua các năm học mà còn sở hữu chỉ số đam mê tin học (F30) đạt mức 0.95/1.0 và kỹ năng tư duy thuật toán (F19) đạt trung bình 0.93/1.0, cao hơn 42% so với nhóm học sinh phổ thông thông thường.

Thứ hai, các yếu tố phi học tập (Non-learning) đóng vai trò quyết định chiếm tới 47% tổng trọng số phân loại. Cụ thể, học sinh có tinh thần tự lực không dựa dẫm (F27) và tính kiên nhẫn vượt khó (F31) đạt xác suất giành giải cao hơn 68% so với những học sinh có điểm số học bạ xuất sắc nhưng thiếu tính tự giác và khả năng chịu áp lực thi đấu.

Thứ ba, mô hình phân loại SVM kết hợp không gian Winner Domain đạt hiệu năng vượt trội khi thiết lập tham số kiểm soát ngưỡng $\alpha = 0.85$. Kết quả kiểm định trên tập dữ liệu kiểm tra cho thấy tỷ lệ dự báo chính xác (Accuracy) đạt xấp xỉ 92.8%, tỷ lệ nhận diện đúng học sinh tài năng (True Positive Rate) đạt 94.5%, trong khi tỷ lệ sai âm (False Negative Rate) được kiềm chế ở mức dưới 5.5%.

Thảo luận kết quả

Các kết quả nghiên cứu có thể được trực quan hóa rõ nét thông qua biểu đồ phân tán không gian 3 chiều thể hiện các điểm dữ liệu và siêu phẳng phân cách, cùng với bảng ma trận nhầm lẫn (Confusion Matrix) chi tiết các đại lượng TP, FP, TN và FN. Biểu đồ hình học cho thấy các Support Vectors của nhóm chiến thắng tập trung thành một cụm không gian đồng nhất quanh vector trọng tâm $w_c$, tách biệt hoàn toàn với vùng phân bố phân tán của nhóm không đạt giải.

       [Nhóm 221 Không Đạt Giải]           [Nhóm 83 Đạt Giải (Winners)]
          o       o     o                      *       *      *
       o      o      o    o                  *    w_c (Trọng tâm) *
          o       o     o                      *       *      *
                 \                                /
                  \   [Siêu phẳng phân tách SVM] /
                   \                            /
                    \--------------------------/
                          [Margin tối ưu]

Sự vượt trội của mô hình bắt nguồn từ việc tích hợp đầy đủ 16 biến phi học tập. Trong thực tế, nhiều thí sinh có điểm tổng kết trên 8.5 điểm nhưng thất bại trong kỳ thi chính thức do tâm lý phòng thi bất ổn (F26) hoặc bị xao nhãng bởi các hoạt động sinh hoạt cá nhân thiếu kiểm soát (F29). Khi so sánh với các nghiên cứu trước đây chỉ sử dụng phương pháp hồi quy Logistic hoặc cây quyết định (Decision Tree) với độ chính xác dao động từ 75% đến 81%, phương pháp tiếp cận SVM kết hợp Winner Domain của luận văn đã cải thiện hiệu quả phân loại thêm từ 11.8% đến 17.8%, mang lại công cụ hỗ trợ ra quyết định đáng tin cậy cho công tác đào tạo mũi nhọn.

Đề xuất và khuyến nghị

Nhằm chuyển hóa các kết quả nghiên cứu thành giải pháp thực tiễn trong ngành giáo dục, 4 nhóm khuyến nghị hành động cụ thể được đề xuất như sau:

1. Số hóa và chuẩn hóa cơ sở dữ liệu học sinh: Ban Giám hiệu các trường THPT cần chỉ đạo bộ phận quản trị học tập số hóa đầy đủ 34 trường thông tin năng lực (gồm 18 biến học tập và 16 biến kỹ năng tâm lý) ngay từ đầu năm học, hoàn thành trước ngày 15 tháng 9 hàng năm để thiết lập hồ sơ dữ liệu đầu vào chuẩn xác.
2. Ứng dụng phần mềm tự động hóa quy trình tuyển chọn: Tổ chuyên môn Tin học cần triển khai cài đặt mô hình SVM trên hệ thống máy chủ nội bộ của nhà trường, rút ngắn thời gian rà soát hồ sơ từ 10 ngày làm việc xuống dưới 3 giờ đồng hồ, đồng thời nâng cao tính khách quan tuyệt đối trong việc thành lập danh sách ứng viên.
3. Cải tiến chương trình huấn luyện đội tuyển: Giáo viên phụ trách đội tuyển cần điều chỉnh phân phối chương trình, dành ít nhất 35% thời lượng trong khóa bồi dưỡng 6 tháng để rèn luyện các kỹ năng mềm phi học tập như quản lý thời gian làm bài, giải tỏa áp lực thi đấu và kỹ năng tư duy độc lập thay vì chỉ tập trung giải bài tập lý thuyết.
4. Thiết lập chu kỳ kiểm chuẩn và cập nhật mô hình: Sở Giáo dục và Đào tạo cùng ban cố vấn chuyên môn cần tổ chức cập nhật lại trọng số thuật toán sau mỗi chu kỳ 12 tháng với dữ liệu bổ sung từ 100% các kỳ thi học sinh giỏi cấp tỉnh mới diễn ra, đảm bảo độ chính xác của hệ số phân loại luôn duy trì ở mức trên 90%.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị thực tiễn và học thuật cao, phù hợp với 4 nhóm độc giả chính:

1. Cán bộ quản lý giáo dục và Ban Giám hiệu các trường phổ thông: Tài liệu cung cấp cơ sở khoa học vững chắc để hoạch định chính sách tuyển chọn nhân tài công bằng, giúp các nhà trường gia tăng tỷ lệ đạt giải cấp tỉnh và quốc gia từ 15% đến 25%.
2. Giáo viên bồi dưỡng đội tuyển học sinh giỏi: Luận văn là cẩm nang thực hành chi tiết giúp các thầy cô nhận diện chính xác tiềm năng của từng học sinh thông qua 16 chỉ số phi học tập, loại bỏ phán đoán cảm tính và tối ưu hóa giáo trình huấn luyện 150 tiết bồi dưỡng.
3. Học viên cao học và nghiên cứu sinh ngành Công nghệ thông tin / Khoa học dữ liệu: Cung cấp tài liệu tham khảo chuẩn mực về quy trình triển khai thuật toán SVM, kỹ thuật xử lý dữ liệu khuyết thiếu bằng KNNImputer và phương pháp định nghĩa không gian hình học 34 chiều trên tập mẫu thực tế.
4. Các chuyên gia phát triển phần mềm giáo dục (EdTech): Cung cấp mô hình thuật toán và cấu trúc dữ liệu hoàn chỉnh để tích hợp phân hệ trí tuệ nhân tạo dự báo kết quả học tập vào các hệ sinh thái quản lý trường học hiện đại.

Câu hỏi thường gặp

1. Tại sao đề tài lựa chọn thuật toán SVM thay vì các mạng nơ-ron học sâu (Deep Learning)? Thuật toán SVM được chứng minh là tối ưu nhất cho tập dữ liệu thực nghiệm gồm 304 mẫu với không gian 34 thuộc tính. Trong khi các mô hình Deep Learning đòi hỏi hàng chục nghìn mẫu dữ liệu và tiêu tốn nhiều tài nguyên tính toán để tránh hiện tượng quá khớp, SVM vẫn đạt độ chính xác trên 92% nhờ nguyên lý cực đại hóa khoảng cách lề.

2. Làm thế nào để định lượng chính xác 16 đặc trưng phi học tập (Non-learning)? Các đặc trưng phi học tập được lượng hóa thông qua phiếu khảo sát định lượng với các thang điểm chuyển đổi chuẩn hóa từ 0.0 đến 1.0. Các biến định tính như thời gian chơi game trong tuần, hoàn cảnh kinh tế gia đình hay sự ủng hộ của cha mẹ đều được quy đổi thành các giá trị số thực chính xác theo bảng trọng số khoa học.

3. Tham số alpha trong mô hình Winner Domain có ý nghĩa thực tiễn như thế nào? Tham số $\alpha$ (được tối ưu hóa ở giá trị 0.85) là hệ số điều chỉnh độ rộng của khoảng cách giới hạn $d_{lim}$ và góc hướng $\theta_{lim}$. Việc điều chỉnh $\alpha$ giúp cân bằng giữa tỷ lệ chọn nhầm thí sinh không đủ năng lực và tỷ lệ bỏ sót các học sinh có triển vọng đạt giải.

4. Phương pháp nào được sử dụng để xử lý tình trạng khuyết thiếu dữ liệu khảo sát? Đề tài sử dụng thuật toán KNNImputer trong thư viện Scikit-learn để ước lượng và bù đắp các giá trị trống dựa trên sự tương đồng về đặc trưng của các mẫu láng giềng gần nhất, đảm bảo tính toàn vẹn cho 304 bản ghi mà không làm thay đổi phân phối thống kê ban đầu.

5. Mô hình phân loại này có thể mở rộng sang các môn học khác như Toán hay Vật lý không? Mô hình hoàn toàn có thể áp dụng cho các môn khoa học khác bằng cách giữ nguyên khung 16 biến phi học tập và thay thế 18 biến học tập bằng điểm số tương ứng của môn chuyên ngành qua các năm lớp 10, 11 và 12.

Kết luận

• Luận văn đã chuẩn hóa thành công khung đánh giá năng lực toàn diện gồm 34 đặc trưng, kết hợp hài hòa giữa 18 chỉ số học tập và 16 chỉ số tâm lý - xã hội.
• Xây dựng hoàn chỉnh giải thuật phân loại Support Vector Machine kết hợp xác định miền chiến thắng (Winner Domain) dựa trên vector trọng tâm, khoảng cách Euclide và góc Cosine.
• Kiểm nghiệm thực tế trên bộ dữ liệu 304 học sinh THPT, đạt độ chính xác dự báo 92.8% và giảm thiểu tỷ lệ bỏ sót nhân tài xuống dưới mức 5.5%.
• Khẳng định vai trò then chốt của các yếu tố phi học tập, đóng góp tới 47% vào xác suất thành công của học sinh tại các kỳ thi học sinh giỏi Tin học.
• Tự động hóa và khách quan hóa 100% quy trình chọn lọc đội tuyển, hỗ trợ đắc lực cho các trường THPT nâng cao chất lượng giáo dục mũi nhọn.

Đóng góp lớn nhất của luận văn là đã mở ra hướng tiếp cận mới trong việc ứng dụng khai phá dữ liệu giáo dục để phát hiện nhân tài tại Việt Nam. Trong giai đoạn 2024 - 2026, hướng phát triển tiếp theo của đề tài là mở rộng tập mẫu lên hơn 1.000 hồ sơ và thử nghiệm các hàm Kernel phi tuyến (như RBF, Polynomial) trên nền tảng đám mây. Quý thầy cô và các nhà quản lý giáo dục quan tâm có thể khai thác trực tiếp mô hình này để nâng cao chất lượng tuyển chọn đội tuyển cho các kỳ thi học sinh giỏi trong năm học mới.

Trích đoạn nội dung tài liệu

HàC VIÆN CÔNG NGHÆ B¯U CHÍNH VIÄN THÔNG --------------------------------------- NguyÅn Thß KiÁu Oanh TI¾P CÀN SVM (SUPPORT VECTOR MACHINE) Đ CHàN HàC SINH VÀO ĐÞI TUYÂN TIN HàC CHUYÊN NGÀNH: HÆ THäNG THÔNG TIN Mà Sä: 8.04 ĐÀ ÁN TäT NGHIÆP TH¾C S) Kþ THUÀT (Theo định hướng ứng dụng) TP. Hà CHÍ MINH – NM 2024 HàC VIÆN CÔNG NGHÆ B¯U CHÍNH VIÄN THÔNG --------------------------------------- NguyÅn Thß KiÁu Oanh TI¾P CÀN SVM (SUPPORT VECTOR MACHINE) Đ CHàN HàC SINH VÀO ĐÞI TUYÂN TIN HàC CHUYÊN NGÀNH: HÆ THäNG THÔNG TIN Mà Sä: 8.04 ĐÀ ÁN TäT NGHIÆP TH¾C S) Kþ THUÀT (Theo định hướng ứng dụng) NG¯âI H¯àNG D¾N KHOA HàC: PGS.TS TRÀN V)NH PH¯àC TP. Hà CHÍ MINH – NM 2024 i LâI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cąu căa riêng tôi, trong đó có sự giúp đỡ rất lßn căa Thầy PGS.TS TrÁn V*nh Ph°ác. Các sß liệu, kÃt quÁ nêu trong đề án là hoàn toàn trung thực và ch°a từng đ°ÿc ai công bß trong bất kỳ công trình nào khác.

Hồ Chí Minh, ngày 09 tháng 05 năm 2024 Hác viên thăc hiÇn đÁ án NguyÅn Thß KiÁu Oanh ii LâI CÀM ¡N Lái đầu tiên, em xin chân thành cÁm ¢n Thầy PGS. TrÁn V*nh Ph°ác, thầy đã tÁn tình h°ßng d¿n, chỉ bÁo và luôn có sự phÁn hái tỉ mỉ trong thái gian nhanh nhất nhằm giúp em trong sußt thái gian qua để có thể hoàn thành đề án. Em cũng xin cÁm ¢n các Thầy/Cô Khoa Công Nghệ Thông Tin và Phòng Đào t¿o sau đ¿i hác căa Hác Viện Công Nghệ B°u Chính Viễn Thông c¢ sã Thành Phß Há Chí Minh đã nhiệt tình giÁng d¿y và t¿o điều kiện thuÁn lÿi cho em trong quá trình hác tÁp, nghiên cąu, hoàn thành ch°¢ng trình đào t¿o và đề án căa khóa hác. Lái cußi, em xin cÁm ¢n tÁp thể Giáo viên và đáng nghiệp Tr°áng Trung cấp Kinh tà Kỹ thuÁt – Tây Ninh cũng nh° b¿n bè, gia đình đã t¿o điều kiện để em có thể hoàn thành đề án trong thái gian sßm nhất.

Do điều kiện về thái gian và nng lực còn h¿n chÃ, sai sót là không thể tránh khỏi. Vì vÁy nhāng đóng góp quý báu từ quý thầy cô sÁ giúp em khÃc phāc nhāng sai sót và có thể hoàn thiện đề án nghiên cąu tßt h¢n. Em xin cÁm ¢n quý Thầy Cô! TP. Hồ Chí Minh, ngày 09 tháng 05 năm 2024 Hác viên thăc hiÇn đÁ án NguyÅn Thß KiÁu Oanh iii MĀC LĀC LàI CAM ĐOAN.

iii DANH MĀC CÁC THUÀT NGĀ, CHĀ VIÂT TÂT. vi DANH SÁCH BÀNG. vii DANH SÁCH HÌNH VÀ. Tổng quan về vấn đề nghiên cąu:.

Đßi t°ÿng và ph¿m vi nghiên cąu:. Ph°¢ng pháp nghiên cąu .2 CH¯¡NG 1: GIàI THIÆU .4 CH¯¡NG 2: THUÀT TOÁN MÁY VECTOR Hà TRþ SVM. Support Vector Machine (SVM). Giới thiệu về SVM.

Không gian đặc trưng. Ý tưởng của phương pháp SVM. Khoảng cách từ một điểm tới một siêu mặt phẳng. Các bước chính của phương pháp SVM.

Tổng kÃt ch°¢ng 2 .11 CH¯¡NG 3: MIÀN NNG LĂC CĂA NHĀNG HàC SINH Đà TĀNG THÂNG GIÀI. Các đặc tr°ng Non–Learning. Kỹ năng tư duy (F19). Kỹ năng nhận biết (F20).

Kỹ năng tư duy nhận xét (F21). Kỹ năng sáng tạo (F22). Kỹ năng quản lý thời gian (F23). Kỹ năng nghiên cứu (F24).

Kỹ năng phân tích (F25). Tự lực, không dựa dẫm (F27) .Sinh hoạt cá nhân (F29) .Đam mê tin học (F30) .Quan hệ khác giới (F32) .Sự quan tâm của gia đình (F33) .Kinh tế gia đình (F34) .25 CH¯¡NG 4: GIÀI THUÀT TUYÂN CHàN HàC SINH VÀO ĐÞI TUYÂN HàC SINH GIâI TIN HàC. Môi tr°áng thực nghiệm. Dā liệu thực nghiệm.

Tổ chąc dā liệu. Tiền xÿ lý dā liệu. TiÃp cÁn miền thÃng giÁi (Winner – Domain) .