Khoá học AI Advanced - Computer Vision

Theo chuẩn BLOOM 3 mốc đầu

Biết:
• Các khái niệm cốt lõi trong AI và các hướng phát triển của Computer Vision, từ đó nắm bắt cơ hội nghề nghiệp trong ngành.
•.Kỹ thuật làm việc với dữ liệu, tiền xử lý và tăng cường dữ liệu (Data Augmentation) để cải thiện hiệu suất và giảm overfitting cho mô hình.
• Nguồn gốc và sự phát triển của các mô hình từ truyền thống đến hiện đại (SOTA), cùng ý nghĩa của các tham số trong mô hình.

Hiểu:
• Nắm vững quy trình giải quyết một bài toán AI và các lớp bài toán trong Computer Vision, từ thiết kế đến hiện thực mã hóa với PyTorch.
• Hiểu sâu về các bài toán quan trọng trong Computer Vision (Image Classification, Object Detection, Image Segmentation, GAN, etc.) cùng các mô hình hiện đại ứng dụng cho từng bài toán.
• Nắm vững các chỉ số (metrics) để đánh giá hiệu quả và chất lượng của mô hình, giúp tối ưu và cải thiện sản phẩm AI.

Áp dụng:
• Áp dụng kiến thức để xây dựng trên 20 bài toán Computer Vision thực chiến như OCR, eKYC, nhận diện khuôn mặt, dự đoán, cảnh báo, Image Caption.
• Sử dụng AI để giải quyết các bài toán trong Công nghệ Y tế, đặc biệt là phân đoạn ảnh y tế, tạo lợi thế lớn khi ứng tuyển các vị trí hoặc chương trình du học liên quan.
• Xử lý các khó khăn phát sinh trong dữ liệu thực và xây dựng sản phẩm AI thực tế, nhờ kinh nghiệm chuyên sâu từ giảng viên.

Chuẩn đầu ra theo tư duy, công cụ, kỹ năng

Công cụ:
• Xử lý dữ liệu chuyên sâu: Thành thạo các công cụ và framework như PyTorch để xử lý, tiền xử lý và tăng cường dữ liệu cho AI.
• Xây dựng mô hình hiện đại: Sử dụng thành thạo các mô hình SOTA trong Computer Vision như YOLO, ResNet, GANs để giải quyết bài toán thực tế.
• Đánh giá hiệu suất: Áp dụng các metrics chuẩn để đo lường và cải thiện hiệu quả mô hình AI trong đa dạng ngữ cảnh.

Tư duy:
• Tư duy giải quyết bài toán AI: Hiểu cấu trúc và cách tiếp cận bài toán AI từ ý tưởng đến triển khai thực tế.
• Tư duy tối ưu hóa mô hình: Phát triển tư duy phân tích để điều chỉnh mô hình, tránh overfitting và đạt hiệu suất cao nhất.
• Tư duy ứng dụng thực tiễn: Định hướng ứng dụng AI vào các lĩnh vực như y tế, tài chính, và tự động hóa, mang lại giá trị thực tế.

Kỹ năng:
• Thực chiến bài toán Computer Vision: Xử lý hơn 20+ bài toán như OCR, eKYC, và nhận diện khuôn mặt với dữ liệu thực.
• Phân đoạn ảnh y tế: Kỹ năng đặc biệt trong xử lý bài toán phân đoạn ảnh y tế, mở ra cơ hội lớn cho nghề nghiệp và nghiên cứu.
• Triển khai sản phẩm AI thực tế: Kỹ năng xây dựng pipeline AI hoàn chỉnh từ dữ liệu thật đến sản phẩm hoàn thiện, sẵn sàng áp dụng trong doanh nghiệp.

Công việc sau khi hoàn thành khóa học

Sau khi hoàn thành khóa học này học viên sẽ thành thạo việc xây dựng và tối ưu các mô hình AI hiện đại, đặc biệt trong lĩnh vực Computer Vision. Học viên có thể xử lý dữ liệu thực tế, giải quyết hơn 20+ bài toán ứng dụng như OCR, nhận diện khuôn mặt, và phân đoạn ảnh y tế. Ngoài ra, họ sẽ tự tin triển khai sản phẩm AI hoàn chỉnh, áp dụng vào các lĩnh vực y tế, tài chính và tự động hóa, đồng thời sở hữu lợi thế lớn khi ứng tuyển các vị trí AI Engineer hoặc cơ hội du học. Có cơ hội làm việc tại những công ty tập đoàn lớn về AI ở tại Việt Nam và trên Thế giới.