[Dự án AI] Cây quyết định & so sánh mô hình: dự đoán đỗ/trượt tốt nghiệp

Mục tiêu

Dự án nối tiếp trực tiếp dự án "Dự đoán khả năng đạt học lực Giỏi từ điểm học bạ" (Nhóm B, dùng LogisticRegression) — cùng một dạng bài toán phân loại, nhưng lần này học sinh HUẤN LUYỆN VÀ SO SÁNH 2 thuật toán khác nhau (Cây quyết định và Hồi quy logistic) trên CÙNG 1 dữ liệu, học cách đọc hiểu logic của cây quyết định một cách trực quan (plot_tree), đánh giá mô hình sâu hơn hẳn .score() (ma trận nhầm lẫn, precision/recall), và tự tay thực nghiệm hiện tượng overfitting — một trong những khái niệm quan trọng và hay bị hiểu sai nhất của học máy.

Thời lượng: 4 tiết học (180 phút)

• Tiết 1 (cell 1-7): lý thuyết Cây quyết định (trực quan, không công thức nặng), tạo/đọc hiểu dữ liệu mô phỏng, phân tích dữ liệu ban đầu (EDA)
• Tiết 2 (cell 8-14): huấn luyện & so sánh 2 mô hình, vẽ và đọc hiểu cây quyết định, xem "mức độ quan trọng" từng đặc trưng, tư duy phản biện về tính minh bạch
• Tiết 3 (cell 15-19): ma trận nhầm lẫn, precision/recall/f1, tư duy phản biện về hậu quả 2 loại lỗi khác nhau, ý nghĩa thực tiễn (hệ thống cảnh báo sớm học sinh có nguy cơ trong giáo dục thật)
• Tiết 4 (cell 20-26): thực nghiệm overfitting bằng số liệu thật, tư duy phản biện mở rộng (đạo đức dùng AI dự đoán học sinh), mục Tìm hiểu thêm (nguồn tham khảo mới nhất), câu hỏi vận dụng

Em sẽ làm được gì

• Hiểu trực quan cách cây quyết định "học" — chọn câu hỏi/ngưỡng nào để chia dữ liệu thành các nhóm thuần nhất nhất
• Huấn luyện và so sánh công bằng 2 mô hình khác nhau trên cùng 1 tập train/test
• Đọc hiểu trực tiếp 1 cây quyết định đã vẽ ra (node, ngưỡng, Gini, số mẫu, lớp dự đoán)
• Dùng ma trận nhầm lẫn và classification_report để đánh giá mô hình sâu hơn độ chính xác đơn thuần — phân biệt 2 loại lỗi có hậu quả khác nhau
• Tự tay thực nghiệm và giải thích hiện tượng overfitting bằng chính số liệu do mình chạy ra, không chỉ đọc lý thuyết suông
• Phản biện về giới hạn đạo đức khi dùng AI để "gắn nhãn nguy cơ" cho học sinh

Về thư viện scikit-learn và dữ liệu

Cần bấm thêm nút "scikit-learn" trong mục "Thư viện thêm" (~72MB) SAU KHI đã bấm "Bắt đầu tải & chạy Notebook", TRƯỚC KHI chạy Cell 9 (import từ sklearn). Dự án dùng dữ liệu MÔ PHỎNG nhúng sẵn trong Cell 4 (chạy được ngay, không cần chuẩn bị file) — Cell 7 hướng dẫn cách thay bằng dữ liệu CSV thật (ẩn danh) nếu lớp muốn mở rộng.