MDS301 là học phần 3 tín chỉ về học máy trong khoa học dữ liệu, với PDS301m và MAE101 là hai môn tiên quyết. Nội dung bắt đầu từ vectơ, ma trận, phân phối xác suất, trung bình, phương sai, đạo hàm và gradient trước khi phân biệt học có giám sát, không giám sát và học tăng cường. Một dự án nhỏ đặt ra bài toán, chọn thước đo, thu thập dữ liệu, thăm dò, trực quan hóa, làm sạch, tạo đặc trưng, dựng bộ biến đổi và pipeline tiền xử lý, rồi huấn luyện và tinh chỉnh mô hình. Phần học có giám sát phân biệt hồi quy với phân loại, chia tập huấn luyện và kiểm tra, đọc các độ đo tương ứng, quan sát overfitting và underfitting. Hồi quy tuyến tính, gradient descent, hồi quy đa thức, đường học, mô hình tuyến tính có điều chuẩn và hồi quy logistic được đặt cạnh k-nearest neighbors, naïve Bayes, cây quyết định, rừng ngẫu nhiên và SVM với kernel. Nội dung không giám sát gồm đánh giá cụm bằng độ đo nội tại và ngoại tại, k-means, DBSCAN, phân cụm phân cấp, Gaussian mixtures, PCA, random projection và LLE. Khối mạng nơ-ron đi từ perceptron, hàm kích hoạt, MLP và backpropagation đến mô hình MLP hồi quy và phân loại bằng scikit-learn; tiếp đó là tensor, autograd, tăng tốc phần cứng, bộ phân loại ảnh, CNN, ResNet-34 và transfer learning trong PyTorch. Việc chọn siêu tham số, regularization, tách tập đánh giá và kiểm soát khả năng tổng quát hóa xuất hiện xuyên suốt các khối mô hình. Phần kỹ thuật hệ thống chuyển mô hình đã huấn luyện thành hiện vật có thể lưu và nạp, phục vụ suy luận qua REST API, đóng gói bằng container và giới thiệu môi trường triển khai đám mây. Các buổi về vận hành xem xét data drift, concept drift, suy giảm hiệu năng, phân phối dự đoán, nhật ký, pipeline scikit-learn, kiểm thử thành phần, Git, CI/CD nhập môn, theo dõi thí nghiệm và phiên bản mô hình bằng MLflow. Những ứng dụng cuối môn lần lượt khảo sát dự báo chuỗi thời gian bằng họ ARMA, Prophet, RNN và LSTM; xử lý văn bản bằng tokenization, Bag-of-Words, TF-IDF, Word2Vec, transformer, BERT và Hugging Face; cùng hệ gợi ý dựa trên nội dung, cộng tác và phân rã ma trận. Buổi về AI có trách nhiệm đặt rủi ro đạo đức trong bối cảnh hệ thống học máy. Bảng buổi còn dành riêng thời gian cho hai lab, hai assignment, một bài kiểm tra tiến độ và phần trình bày hệ thống có mô hình, API cùng tài liệu dự án. Các buổi chỉ dành cho lab, assignment, kiểm tra và trình bày dự án không thành chủ đề kiến thức riêng.
