Lợi ích của học viên
- Nắm được tổng quan về AI - Computer Vision, các hướng phát triển và cơ hội nghề nghiệp.
- Nắm được cách làm việc và xử lý dữ liệu, các kỹ thuật tiền xử lý và tăng cường dữ liệu (Data Augmentation) để giảm overfitting và cải thiện hiệu suất mô hình AI.
- Hiểu nguồn gốc các mô hình từ kinh điển phát triển lên SOTA và ý nghĩa của các tham số từ đó hiểu cách xây dựng và tối ưu mô hình. Nắm được các metrics để đánh giá các mô hình.
- Hiểu quy trình xây dựng 1 bài toán AI nói chung và Computer Vision nói riêng, hiểu ý tưởng các lớp bài toán và cách thiết kế code cho các bài toán đó ứng dụng framework PyTorch.
- Nắm được các bài toán chính trong mảng Computer Vision: Image Classification, Object Detection, Image Segmentation, GAN, ... và các mô hình hiện đại nhất ứng dụng cho từng bài toán đó: VGG, ResNet, EfficientNet, 1-Stage, 2-Stage (YOLO, SSD, R-CNN, etc), GANs, Diffusion, ...
- Giúp học viên thực chiến hơn 20+ bài toán ứng dụng cao nhất trong Computer Vision tạo thế mạnh vô cùng lớn khi apply vào các vị trí công việc AI Engineer: Bài toán OCR, Bài toán eKYC, Bài toán nhận diện khuôn mặt, Bài toán Nhận diện hành động, Bài toán Dự đoán, Bài toán Cảnh báo, Bài toán Image Caption, Bài toán Tạo ảnh mới, ...
- Đặc biệt, giúp học viên tạo lợi thế khi tìm kiếm các cơ hội du học liên quan đến lĩnh vực Công nghệ Y tế với các module kiến thức về Image Segmentation ứng dụng cho Bài toán Phân đoạn ảnh y tế .
- Giúp học viên đột phá tư duy nắm được cách xử lý các khó khăn có thể phát sinh khi xây dựng các sản phẩm AI thực tế dựa trên nhiều năm kinh nghiệm làm nghề của đội ngũ giảng viên: Dữ liệu thật - Mô hình thật - Sản phẩm thật
- Kết thúc khóa học, học viên hoàn toàn có cho mình 1 CV cá nhân đủ mạnh để tự tin ứng tuyển các công việc AI - Data Science và các cơ hội du học.
Dự án của học viên
Thông tin giảng viên
Chuyên gia Nguyễn Xuân Nhật
Leader AI tại FPT Software
ThS. Phạm Văn Toàn
Chuyên gia nghiên cứu và phát triển về Trí tuệ nhân tạo - Ban nghiên cứu và phát triển - Tập đoàn Sun Asterisk
Chuyên gia Bùi Anh Tuấn
AI Engineer, tại trung tâm CNTT - Ngân hàng Bảo Việt
Thông tin lộ trình học
Tổng quan lịch sử phát triển của AI cho đến thời điểm hiện tại
Hiện trạng phát triển AI ở Việt Nam
Các hướng phát triển trong ngành AI và Data Science
Trao đổi về định hướng nghề nghiệp
Tổng quan về khóa học
Tiền xử lý dữ liệu ảnh (resize, normalize, center-crop, etc.)
Thực hành tiền xử lý dữ liệu
Tăng cường dữ liệu (Data Augmentation) để giảm overfitting và cải thiện hiệu suất mô hình (rotation, flipping, zooming, etc.)
Thực hành tăng cường dữ liệu
Tổng quan, lịch sử phát triển bài toán Image Classification
Giới thiệu các mạng Convolution: VGG, ResNet, EfficientNet, etc
Các metrics đánh giá Image Clasification
Thực hành huấn luyện Image Classification trên Cifar-10
Tổng quan, lịch sử phát triển bài toán Object Detection
Kiến trúc mô hình Object Detection: CNN, Sliding Window, Non-Maximum Suppression
Các kiến trúc CNN hiện đại: 1-Stage, 2-Stage (YOLO, SSD, R-CNN, etc)
Các metrics đánh giá Object Detection
Thực hành huấn luyện kiến trúc YOLO
Streamlit là gì
Thực hành demo các ứng dụng AI bằng Streamlit
Giới thiệu về bài toán nhận diện khuôn mặt và sinh trắc học khuôn mặt
Các hướng giải quyết
Xây dựng mô hình nhận diện khuôn mặt (RetinaFace, ArcFace)
Xây dựng mô hình sinh trắc học khuôn mặt (Optical Flow, Temporal Analysis)
Giới thiệu về bài toán OCR
Text detection (DB, CRAFT)
Text recognition (PaddleOCR, VietOCR)
Các metrics đánh giá OCR
Giới thiệu về bài toán eKYC và các ứng dụng trong thực tiễn
Hướng dẫn viết pipeline kết hợp các modules của bài 6 và 7
Hướng dẫn demo
Kiến trúc tổng quan của bài toán Image Segmentation
Các mô hình nổi tiếng trong Image Segmentation: Unet, FCN, SegFormer
Giới thiệu thư viên Segmentation PyTorch
Thực hành segmentation cho bài toán phân đoạn ảnh y tế
Các kĩ thuật học bán giám sát phổ biến
Hướng dẫn triển khai học bán giám sát cho bài toán image classìicaiton
Các kĩ thuật tăng độ hiệu quả của học bán giám sát
Tư tưởng chính của Active Learning
Các kĩ thuật Active Learning phổ biến
Thực hành triển khai active learning cho bài toán image classification
Tổng quan về mạng 3DCNN
Ứng dụng của mạng 3DCNN
Kiến trúc của mạng 3DCNN
Các metrics đánh giá mạng 3DCNN
Thực hành xây dựng mô hình nhận dạng hành động với model I3D
Tổng quan, lịch sử phát triển bài toán GAN
Các ứng dụng của GAN
Kiến trúc mô hình GAN
Các metrics đánh giá GAN
Thực hiện xây dựng mô hình sinh ảnh thay đổi theo phong cách cho trước với Neural Style Transfer
Lựa chọn và xây dựng dự án xử lý ảnh dựa trên kiến thức và kỹ năng đã học
Yêu cầu về dự án
Hướng dẫn và thảo luận về dự án
Trình bày dự án và đánh giá kết quả
Nhận xét và góp ý
Tỏng kết khóa học
Hướng dẫn viết và sửa CV
Cảm nhận của học viên
Câu hỏi thường gặp
Bạn đang học hoặc đã đăng ký một khóa học mà muốn đổi sang khóa khác thì phí đổi là 500,000/ lần đổi
Khi bạn đăng ký tham gia chương trình học, bạn sẽ được bảo lưu khóa học nếu chưa có thời gian học
Giảng viên, các trợ giảng sẽ hỗ trợ sau giờ học. Các khóa sẽ có cộng đồng trên Facebook và Zalo để hỗ trợ lẫn nhau.
Mỗi buổi học online sẽ được record lại và gửi lại cho học viên theo quy định của lớp
Khóa học dành cho mọi trình độ, dạy từ cơ bản đến nâng cao. Tuy nhiên, dù ở trình độ nào khóa học yêu cầu nỗ lực và kiên trì nhất định của học viên. Hãy chắc chắn bạn có đủ tinh thần để theo khóa học nhé!
9.000.000đ
9.000.000đ
Tiết kiệm 0%
- Hoàn tiền sau buổi học đầu tiên nếu không hài lòng
- Học lại miễn phí
