Lợi ích của học viên

Cung cấp cho người học kiến thức tổng quan về AI, học máy (Machine Learning), học sâu (Deep Learning), thị giác máy tính (Computer Vision), xử lý ngôn ngữ tự nhiên (Natural Language Processing)

Hiểu được khái niệm và các bài toán trong học máy, học sâu từ cơ bản đến nâng cao (Linear Regression, Logistic Regression, k-NN, Decision Tree, Gradient Descent, SGD...)

Hiểu được cách xây dựng mô hình bài toán từ A đến Z

Ứng dụng các kiến thức về học sâu trong kỹ thuật xử lý ảnh, nhận diện vật thể trong ảnh và xử lý ngôn ngữ tự nhiên - NLP

Tiếp cận với các bài toán AI ứng dụng nổi bật trong doanh nghiệp: dự báo giá nhà, phân đoạn ảnh, nhận dạng chữ viết tay, nhận diện vật thể, ...

Tạo nền tảng để học viên phát triển sự nghiệp Ai theo hai hướng CV và NLP

Dự án của học viên

Thông tin giảng viên

TS. Đặng Tuấn Linh

Giảng viên Bộ môn Truyền thông và Mạng máy tính tại ĐHBK HN

Chuyên gia Nguyễn Xuân Nhật

Leader AI tại FPT Software

Thông tin lộ trình học

Giới thiệu khóa học

Khái niệm về AI, Machine learning, Deep Learning

Lịch sử AI, Hiện trạng phát triển AI

Tổng hợp các kiến thức toán cơ bản cần thiết trong AI

Tổng hợp các kiến thức lập trình Python

Sử dụng Python thực hành cơ bản

Cách sử dụng Google colab introduction để code

Các bước xây dựng mô hình machine learning

Bài toán hồi quy: Linear Regression, Logistic Regression

Bài toán phân loại: k-NN, Decision Tree, Naive Bayes,...

Thực hành: Dự doán giá nhà, Credit scoring,...

Phân cụm dữ liệu: K-mean, Mean shift, DBSCAN

Bài toán phát hiện bất thường dữ liệu

Giảm chiều dữ liệu: PCA, LLE,...

Thực hành: K-mean và Mean shift trong ứng dụng phân đoạn ảnh

Mạng neuron đa lớp

Các phương pháp huấn luyện mạng nơ ron nhân tạo

Các thuật toán tối ưu mô hình: Gradient Descent, SGD,...

Thực hành: Nhận dạng chữ viết tay sử dụng mạng neuron đa lớp

Nhập môn xử lý ảnh và Thị giác máy tính

Các kĩ thuật cải thiện chất lượng hình ảnh

Các bộ lọc ảnh: Gaussian, Laplace, ...

Thực hành: Các kỹ thuật xử lý hình ảnh sử dụng OpenCV, Pillow

Các kỹ thuật trích xuất thông tin ảnh: 

- Edge detection: Sobel, Canny,...

- Corner detection: Harris, Shi-Tomasi,...

- Feature extraction: HOG, SIFT, ...

Thực hành: Xây dựng hệ thống nhận diện vật thể ứng dụng machine learning

Giới thiệu về học sâu: sự hình thành và phát triển

CNN và các kiến trúc học sâu hiện đại: ResNet, MobileNet,...

Ứng dụng học sâu trong thị giác máy tính

Thực hành:

- Xây dựng mạng học sâu trong bài toán phân loại hình ảnh, xác định vật thể trong ảnh

Giới thiệu về xử lý ngôn ngữ tự nhiên

- Luồng xử lý của một mô hình ngôn ngữ tự nhiên

- Tiền xử lý của ngôn ngữ tự nhiên

Embedding từ:

- One hot

- Skip gram

- CBOW

Thực hành:

- Xây dựng mô hình embedding từ

Tokenizer

Các bài toán trong ngôn ngữ tự nhiê‌n

- text classification

- POS tagging

Thực hành:

- Text classification: phân loại sắc thái văn bản

Giới thiệu các mạng học sâu: RNN, LSTM, GRU

Bài toán text classifcation với mạng LSTM

Cấu trúc Se‌lf Attentio‌n và Transformer

Thực hành: Image Captioning

Cảm nhận của học viên

Câu hỏi thường gặp

7.500.000đ

  • Học lại miễn phí