[Dự án AI] Dự đoán điểm thi từ số giờ tự học mỗi ngày

Mục tiêu

Vận dụng scikit-learn (thư viện học máy phổ biến nhất Python) để xây dựng mô hình hồi quy tuyến tính đầu tiên — dự đoán điểm kiểm tra từ số giờ tự học mỗi ngày — đồng thời rèn tư duy phản biện về 2 sai lầm rất phổ biến khi dùng mô hình dự đoán: ngoại suy ngoài phạm vi dữ liệu, và hiểu sai ý nghĩa của chỉ số R².

Thời lượng gợi ý: 2 tiết học (90 phút)

• Tiết 1 (cell 1-6): trực quan hoá dữ liệu, lý thuyết hồi quy tuyến tính với scikit-learn, huấn luyện mô hình đầu tiên
• Tiết 2 (cell 7-13): dùng mô hình để dự đoán, tư duy phản biện (ngoại suy nguy hiểm, R² không phải "% dự đoán đúng", tương quan ≠ nhân quả khi ra quyết định), áp dụng dữ liệu thật của lớp qua Tải CSV, vận dụng

Em sẽ làm được gì

• Tải và dùng thư viện scikit-learn trong notebook (dự án đầu tiên trong Nhóm B "Học máy cơ bản")
• Huấn luyện mô hình LinearRegression, đọc đúng hệ số góc, hệ số chặn và chỉ số R²
• Dùng mô hình để dự đoán điểm cho 1 giá trị giờ tự học mới
• Nhận ra và tránh lỗi "ngoại suy" — dự đoán ngoài phạm vi dữ liệu đã huấn luyện
• Hiểu đúng ý nghĩa R² (không phải phần trăm dự đoán đúng)
• Phân biệt "mô hình dự đoán tốt" và "kết luận nhân quả để ra quyết định"

Về dữ liệu và thư viện scikit-learn

Đây là dự án ĐẦU TIÊN trong Nhóm B (Học máy cơ bản) — khác Nhóm A, cần bấm thêm nút "scikit-learn" trong mục "Thư viện thêm" (~72MB, mất khoảng nửa phút tuỳ mạng) SAU KHI đã bấm "Bắt đầu tải & chạy Notebook", TRƯỚC KHI chạy cell import sklearn — xem hướng dẫn chi tiết ở Cell 1. Notebook chạy được ngay với dữ liệu MẪU ở Cell 3 (số liệu giả định). Dữ liệu về điểm kiểm tra hơi riêng tư — học sinh có thể dùng số liệu giả định nếu không thoải mái chia sẻ điểm thật, hoặc thu thập ẩn danh từ các bạn tự nguyện rồi tải lên qua CSV.