List of topics
Ôn tập Học máy
Khai giảng
Mô hình hồi quy tuyến tính
Ôn tập mô hình
Giới thiệu xác suất - Đếm
Xác suất + Định lý Bayes
Xác suất và ứng dụng AI
Biến ngẫu nhiên + Phân phối rời rạc
Phân phối liên tục
Phân phối chuẩn
Kỹ thuật lấy mẫu con (Subsampling) (Nguyên tắc 1)
Tensorflow + HuggingFace
MongoDB + Training bằng Pytorch
Các kỹ thuật training hiệu quả 1 (Nguyên tắc 2)
Cloud Storage + Hoàn thiện pipeline training
Giảm chiều dữ liệu
PCA - Principal Component Analysis
MLOPs - các khái niệm liên quan
CPUs
CPUs trên Google Cloud + AWS + Digital Ocean
RAM và cơ chế cache của CPUs
GPUs
TPUs - Số thực dấu phẩy động
Học máy chính xác thấp
ONNX và một số phương pháp tối ưu khác
Deploy AI Model bằng Docker
Docker + Cloud
Chắt lọc tri thức + TensorRT
Triton Inference Server
Đào tạo phân tán
Cùng nhau làm Project
Demo quy trình làm MLOPs
Xây dựng Crawler Web và xây dựng Text Dataset
MLOPs - các khái niệm liên quan
- Định nghĩa MLOps
- Các thành tố chính
- Liên hệ tới thực tế
1. Khái niệm MLOPs
1.1. Giới thiệu về MLOps
Click to view more
1.2. Các bước trong vòng đời MLOps
Click to view more
1.3. Quá trình Exploratory Data Analysis bao gồm?
Click to view more
2. Design - Thiết kế
2.1. Design - Quy trình thiết kế
Click to view more
2.2. Giá trị đem lại cho người dùng + Yêu cầu kinh doanh
Click to view more
2.3. Chất lượng dữ liệu
Click to view more
2.4. Vấn đề này là?
Click to view more
2.5. Chỉ số đánh giá
Click to view more
3. Development - Quá trình xử lý dữ liệu
3.1. Thu thập dữ liệu
Click to view more
3.2. Crawl và lưu trữ data Tiếng Việt
Click to view more
3.3. Làm sạch dữ liệu
Click to view more
3.4. Khám phá dữ liệu
Click to view more
3.5. Lựa chọn và biến đổi dữ liệu
Click to view more
3.6. Sắp xếp thứ tự các bước trong Feature engineering?
Click to view more
4. Ví dụ về một bài toán tiền xử lý dữ liệu
4.1. [MLEs] 10.2.1. Bộ dữ liệu Titanic.mp4
Click to view more
4.2. [MLEs] 10.2.2. Đặc trưng số và đặc trưng phân loại.mp4
Click to view more
4.3. [MLEs] 10.2.3. Giả định và phân tích.mp4
Click to view more
4.4. [MLEs] 10.2.4. Xử lý dữ liệu thiếu.mp4
Click to view more
4.5. [MLEs] 10.2.5. Tạo khoảng giá trị.mp4
Click to view more
4.6. Đường dẫn Notebook
Click to view more
5. Development - Quá trình đào tạo
5.1. Development - Quá trình training
Click to view more
5.2. Thử nghiệm học máy
Click to view more
5.3. Lợi ích của việc sử dụng các công cụ để theo dõi thử nghiệm?
Click to view more
5.4. Lợi ích của việc sử dụng các công cụ để theo dõi thử nghiệm?
Click to view more
6. Operations - Triển khai
6.1. Các thành phần chính
Click to view more
6.2. Operations - Triển khai trên server
Click to view more
6.3. Operations - Theo dõi mô hình
Click to view more
7. Các công cụ
7.1. Công cụ xây dựng vòng đời học máy và theo dõi thử nghiệm
Click to view more
1. Khái niệm MLOPs
1.1. Giới thiệu về MLOps
1.2. Các bước trong vòng đời MLOps
1.3. Quá trình Exploratory Data Analysis bao gồm?
2. Design - Thiết kế
2.1. Design - Quy trình thiết kế
2.2. Giá trị đem lại cho người dùng + Yêu cầu kinh doanh
2.3. Chất lượng dữ liệu
2.4. Vấn đề này là?
2.5. Chỉ số đánh giá
3. Development - Quá trình xử lý dữ liệu
3.1. Thu thập dữ liệu
3.2. Crawl và lưu trữ data Tiếng Việt
3.3. Làm sạch dữ liệu
3.4. Khám phá dữ liệu
3.5. Lựa chọn và biến đổi dữ liệu
3.6. Sắp xếp thứ tự các bước trong Feature engineering?
4. Ví dụ về một bài toán tiền xử lý dữ liệu
4.1. [MLEs] 10.2.1. Bộ dữ liệu Titanic.mp4
4.2. [MLEs] 10.2.2. Đặc trưng số và đặc trưng phân loại.mp4
4.3. [MLEs] 10.2.3. Giả định và phân tích.mp4
4.4. [MLEs] 10.2.4. Xử lý dữ liệu thiếu.mp4
4.5. [MLEs] 10.2.5. Tạo khoảng giá trị.mp4
4.6. Đường dẫn Notebook
5. Development - Quá trình đào tạo
5.1. Development - Quá trình training
5.2. Thử nghiệm học máy
5.3. Lợi ích của việc sử dụng các công cụ để theo dõi thử nghiệm?
5.4. Lợi ích của việc sử dụng các công cụ để theo dõi thử nghiệm?
6. Operations - Triển khai
6.1. Các thành phần chính
6.2. Operations - Triển khai trên server
6.3. Operations - Theo dõi mô hình
7. Các công cụ
7.1. Công cụ xây dựng vòng đời học máy và theo dõi thử nghiệm