Khóa Học Trí Tuệ Nhân Tạo Nền Tảng Cùng ProtonX

Khóa học này cung cấp kiến thức nền tảng và chuyên sâu về Trí Tuệ Nhân Tạo (AI), từ các khái niệm cơ bản đến các mô hình học máy và học sâu tiên tiến. Học viên sẽ được trang bị kiến thức và kỹ năng thực hành để xây dựng và triển khai các ứng dụng AI trong nhiều lĩnh vực khác nhau.

Đối tượng tham gia

Người đã có kiến thức cơ bản về lập trình Python.

Những ai muốn xây dựng nền tảng vững chắc về Trí Tuệ Nhân Tạo.

Người mong muốn hiểu rõ và ứng dụng các kỹ thuật học máy và học sâu trong thực tế.

Người khao khát phát triển sự nghiệp trong lĩnh vực Trí Tuệ Nhân Tạo.

Mục tiêu khóa học

Nắm vững kiến thức cơ bản và nâng cao về các thuật toán học máy (Machine Learning) và học sâu (Deep Learning).

Hiểu rõ quy trình xây dựng và đánh giá các mô hình AI.

Có khả năng ứng dụng các thư viện và công cụ phổ biến trong lĩnh vực AI như TensorFlow.

Tham gia xây dựng các dự án thực tế và đọc hiểu các nghiên cứu khoa học mới nhất.

Nhận chứng chỉ từ ProtonX sau khi hoàn thành khóa học và dự án cuối khóa.

Nội dung khóa học

Giai đoạn 1: Python cho Data Science (Miễn phí)

Nội dung lập trình Python cho khoa học dữ liệu.

Sử dụng các thư viện Numpy và Pandas.

 

Giai đoạn 2: Toán học nền tảng cho Học máy (4 tuần)

Đại số tuyến tính.

Đạo hàm.

Xác suất thống kê.

8 buổi học với ví dụ thực tiễn.

 

Giai đoạn 3: Học máy và Học sâu (12 tuần)

Học máy cơ bản: Hồi quy tuyến tính, Hồi quy Logistic.

Học sâu: Mạng nơ-ron (Neural Network).

Mạng học sâu cho hình ảnh: CNN, MobileNet, Resnet, InceptionNet.

Mạng học sâu cho ngôn ngữ tự nhiên và dữ liệu thời gian: RNN, LSTM, Transformer.

 

Giai đoạn 4: Nghiên cứu và Xây dựng (2 tuần)

Đọc các nghiên cứu mới nhất về AI.

Xây dựng thư viện AI.

Hướng dẫn làm dự án công nghệ thực tế.

Sử dụng Git và GitHub trong dự án.

Ôn tập và xây dựng các mô hình AI mới nhất.

 

Nội dung chi tiết theo buổi học:

1. Khai giảng

2. Giới thiệu học máy/học sâu

3. Mô hình hồi quy tuyến tính

4. Chữa bài hồi quy tuyến tính – Hồi quy tuyến tính với Tensorflow

5. Mô hình hồi quy tuyến tính với dữ liệu nhiều cột

6. Stochastic Gradient Descent – SGD

7. Ôn tập SGD + Hiện tượng Overfitting

8. Bài toán phân loại nhị phân

9. Chữa bài mô hình phân loại + Đánh giá chất lượng mô hình

10. Bài toán phân loại nhiều lớp

11. Ôn tập bài toán phân loại nhiều lớp

12. Mạng nơ ron (Neural Network)

13. Thuật toán lan truyền ngược

14. Ôn tập Mạng nơ ron – Các kỹ thuật training hiệu quả

15. Các thuật toán Training

16. Ôn tập các thuật toán đào tạo mô hình

17. Mạng tích chập – Convolutional neural network

18. Transfer Learning và ResNet và InceptionNet

19. Ôn tập mạng CNN – Hướng dẫn đọc Paper

20. Xử lý ngôn ngữ tự nhiên – Word2Vec

21. Mô hình ngôn ngữ + RNN

22. Ôn tập NLP

23. Deep RNN

24. Timeseries cơ bản

25. Timeseries trong thực tế

26. Zoom 1-11-2024

27. Tổng kết lớp học

28. Dự án cuối khóa