Scale Machine Learning System - Nhân rộng hệ thống học máy (Video)

Code Crawler

Code Crawler cập nhật

Code

Slide MongoDB

Slide Crawler

Slide

[MLEs] Build Crawler

Video hướng dẫn Crawl

[MLEs] Khi lữu trữ dữ liệu nên?

[MLEs] Nếu lưu HTML khả năng nào nguy hiểm sẽ xảy ra.

Quizz

Bài toán Crawl và Scrapy

Video trên lớp

Crawl tiêu đề và văn bản

Kiến trúc của Scrapy

Giới thiệu về MongoDB

Một số cú pháp MongoDB

MongoDB atlas

MongoShell

Video bổ sung

Video MLEs 04

Cách sử dụng DB lưu trữ dữ liệu hiệu quả

MongoDB + Crawl dữ liệu

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

Khai giảng

MLOps

<ol><li>Thư viện Tensorflow với bài toán phân loại hình ảnh </li><li>Thực hành thư viện Pytorch</li><li>Thư viện HuggingFace với bài toán phân loại văn bản</li></ol>

Pytorch + Tensorflow + HuggingFace

<ul><li>Giới thiệu CPU </li><li>Tính toán song song trên CPUs </li><li>Nhiều lệnh song song (ILP) </li><li>Một lệnh trên nhiều luồng dữ liệu (SIMD) </li><li>Đa luồng (Multi-thread parallelism) </li><li>Phân tán (Distributed Compute) - Bài tập: Lập trình multi threading.</li></ul>

CPUs

GPUs và TPUs<ul><li>Sự khác biệt giữa CPUs và GPUs (tối ưu cho độ trễ và tối ưu cho băng thông)</li><li>Chi tiết kiến trúc của GPU</li><li>Giới thiệu CUDA</li><li>Lập trình CUDA với C++ </li><li>Song song trên GPUs - Thư viện Numba</li></ul>

GPUs

<ul><li>Bàn về các phiên bản của TPUs</li><li>Tham số đo quan trọng đo lường tốc độ phần cứng</li><li>TPUs</li><li>Số thực dấu phẩy động</li></ul>

TPUs - Số thực dấu phẩy động

<ul><li>Lượng tử hóa mô hình</li><li>ONNX</li></ul>

Học máy chính xác thấp

<ul><li>Chắt lọc tri thức</li><li>TensorRT</li></ul>

Chắt lọc tri thức + TensorRT

<ul><li>Docker là gì?</li><li>Phân biệt image và container</li><li>Cài đặt Docker</li><li>Xây dựng Docker Image và chạy docker Container</li><li>Docker container</li></ul>

Docker + Cloud

- Tại sao cần dùng Intriton Inference Server?- Cách Deploy mô hình ONNX- Cách Deploy mô hình Pytorch- Cách Deploy mô hình Tensorflow- Concurrent Model Execution- Instance group- Dynamic Batching- Stateful vs Stateless Model- Migrate từ Flask sang Triton Server

Triton Inference Server - Phần 1

<ul><li>Ôn tập deploy trên GG Cloud</li><li>Ôn tập deploy tên AWS</li></ul>

Triton Inference Server - Phần 2 

Tự động hóa Machine Learng Pipeline bao gồm Continuous Integration (CI) để kiểm thử hệ thống và Continous Delivery (CD) để tự động đưa ứng dụng lên production.

Machine Learning CI/CD

Trong bài này chúng ta sẽ nâng cấp Distillation thông qua việc train cả mô hình teacher và Student.

Bài tập cuối khóa - Distillation

Project - Thực hành chắt lọc tri thức

<ul><li>Đào tạo phân tán với Pytorch</li><li>Đào tạo phân tán với Keras</li></ul>

Đào tạo phân tán

Deploy mô hình trên Jetson Nano

MongoDB + Crawl dữ liệu

1. Code

1.1. Code Crawler

1.2. Code Crawler cập nhật

2. Slide

2.1. Slide MongoDB

2.2. Slide Crawler

3. Video hướng dẫn Crawl

3.1. [MLEs] Build Crawler

4. Quizz

4.1. [MLEs] Khi lữu trữ dữ liệu nên?

4.2. [MLEs] Nếu lưu HTML khả năng nào nguy hiểm sẽ xảy ra.

5. Video trên lớp

5.1. Bài toán Crawl và Scrapy

6. Video bổ sung

6.1. Crawl tiêu đề và văn bản

6.2. Kiến trúc của Scrapy

6.3. Giới thiệu về MongoDB

6.4. Một số cú pháp MongoDB

6.5. MongoDB atlas

6.6. MongoShell

7. Video MLEs 04

7.1. Video trên lớp