List of topics
Ôn tập Học máy
Mô hình hồi quy tuyến tính
Khai giảng lớp học
Pytorch + Tensorflow + HuggingFace
MongoDB + Crawl dữ liệu
MLOps
Tiền xử lý dữ liệu + Hoàn thiện pipeline
Các kỹ thuật training hiệu quả
CPUs
GPUs
RAM và cơ chế cache của CPUs
TPUs - Số thực dấu phẩy động
Học máy chính xác thấp
Chắt lọc tri thức + TensorRT
Docker + Cloud
Thực hành Docker và Cloud
Triton Inference Server
Đào tạo phân tán
Orchestration for Machine Learning: Airflow + DVC
Làm project cuối khóa
MLOps
No content
1. Khái niệm MLOPs
1.1. Giới thiệu về MLOps
Khái niệm MLOps
Quy trình thiết kế
Quá trình phát triển
Ví dụ về một bài toán cụ thể
Triển khai
Các công cụ
1.2. Các bước trong vòng đời MLOps
1.3. Quá trình Exploratory Data Analysis bao gồm?
Click to view more
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?
Click to view more
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?
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
5.2. Thử nghiệm học máy
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
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
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