Đào tạo mô hình AI thực chiến. Lớp học chỉ tập trung vào đào tạo mô hình AI một cách nhanh chóng. Học viên sẽ được hướng dẫn cách áp dụng mô hình AI vào các bài toán thực tế và rèn luyện kỹ năng xử lý dữ liệu để có thể hoàn thành các dự án AI hiệu quả.Sau khi hoàn thành khóa học, học viên sẽ có khả năng phát triển và triển khai các ứng dụng AI phù hợp với nhu cầu của doanh nghiệp và xã hội.Lớp học bao gồm: hướng dẫn lý thuyết về các thuật toán và mô hình AI phổ biến, thực hành xử lý dữ liệu và xây dựng mô hình, đánh giá hiệu suất của mô hình AI, ứng dụng AI vào các bài toán thực tế, và giải quyết các vấn đề phức tạp trong lĩnh vực trí tuệ nhân tạo.

Đào tạo mô hình AI thực chiến

ProtonX

Giới thiệu học giám sát, không giám sát và học tăng cường.




Giới thiệu học máy/học sâu

<ul><li>Giới thiệu bài toán Grab</li><li>Quá trình xây dựng một mô hình</li><li>Mô hình hồi quy tuyến tính</li><li>Thuật toán Gradient Descent</li><li>Lập trình hồi quy tuyến tính một biến</li></ul>

Mô hình hồi quy tuyến tính

- Giới thiệu mạng nơ ron
- Diễn giải lớp ẩn, nơ ron
- Hàm tuyến tính, phi tuyến
- Các vấn đề hay gặp khi đào tạo mạng nơ ron
- Thực hành lập trình mạng Nơ ron

Mạng nơ ron

- Giới thiệu về hình ảnh, cấu trúc của hình ảnh
- Giới thiệu về Filter, một số filter cơ bản để xử lý ảnh
- Cấu trúc mô hình CNN, các đặc điểm vượt trội so với mạng Neural Network.

Mạng tích chập - Convolutional neural network

Cùng lập trình bằng Python mạng tích chập

Lập trình mạng tích chập

Thực hành lập trình mô hình nhận diện ảnh với dữ liệu thực tế.

Model nhận diện ảnh trong thực tế

Cùng sử dụng tri thức của toàn nhân loại với Transfer learning

Transfer Learning

Khám phá hai mạng nổi tiếng: ResNet và InceptionNet

VGG, ResNet và InceptionNet

Lập trình mô hình nhận diện biển báo giao thông

Bài toán nhận diện biển báo giao thông

Giới thiệu ngôn ngữ tự nhiên cơ bản và công cụ tách từ.

Xử lý ngôn ngữ tự nhiên cơ bản

Mô hình LSTM 

- Mô hình Seq2seq
- Cơ chế Attention

Mô hình Seq2Seq và cơ chế Attention

Khám phá dữ liệu thời gian và xây dựng mô hình tương ứng

#	Topic
1	Giới thiệu học máy/học sâu Giới thiệu học giám sát, không giám sát và học tăng cường.
2	Mô hình hồi quy tuyến tính Giới thiệu bài toán Grab Quá trình xây dựng một mô hình Mô hình hồi quy tuyến tính Thuật toán Gradient Descent Lập trình hồi quy tuyến tính một biến
3	Mạng nơ ron Giới thiệu mạng nơ ron Diễn giải lớp ẩn, nơ ron Hàm tuyến tính, phi tuyến Các vấn đề hay gặp khi đào tạo mạng nơ ron Thực hành lập trình mạng Nơ ron
4	Mạng tích chập - Convolutional neural network Giới thiệu về hình ảnh, cấu trúc của hình ảnh Giới thiệu về Filter, một số filter cơ bản để xử lý ảnh Cấu trúc mô hình CNN, các đặc điểm vượt trội so với mạng Neural Network.
5	Lập trình mạng tích chập Cùng lập trình bằng Python mạng tích chập
6	Model nhận diện ảnh trong thực tế Thực hành lập trình mô hình nhận diện ảnh với dữ liệu thực tế.
7	Transfer Learning Cùng sử dụng tri thức của toàn nhân loại với Transfer learning
8	VGG, ResNet và InceptionNet Khám phá hai mạng nổi tiếng: ResNet và InceptionNet
9	Bài toán nhận diện biển báo giao thông Lập trình mô hình nhận diện biển báo giao thông
10	Xử lý ngôn ngữ tự nhiên cơ bản Giới thiệu ngôn ngữ tự nhiên cơ bản và công cụ tách từ.
11	Mô hình LSTM No content
12	Mô hình Seq2Seq và cơ chế Attention Mô hình Seq2seq Cơ chế Attention
13	Dữ liệu theo thời gian Khám phá dữ liệu thời gian và xây dựng mô hình tương ứng
14	Mô hình Graph Neural Network No content