<img style="max-width: 100%; height: auto;" src="https://storage.googleapis.com/mle-courses-prod/users/61b6fa1ba83a7e37c8309756/private-files/e0566c90-0544-11ef-821d-71cacdc60b9d-CV_cover.png" width="1275" height="473" isdraggable="true">Thị giác máy tính là khả năng của máy tính giải quyết các tác vụ liên quan đến hình ảnh và video. Thị giác máy tính có thể được áp dụng trong nhiều lĩnh vực khác nhau như nhận dạng khuôn mặt, phát hiện chuyển động, hay phân loại ảnh.Sau thời gian dài chuẩn bị, ProtonX chính thức ra mắt lớp học thị giác máy tính giúp học viên nắm chắc các kiến thức cần thiết để trở thành một kỹ sư thị giác máy tính thực thụ. Học viên sẽ được đào tạo bởi đội ngũ giáo viên giàu kinh nghiệm và có kiến thức chuyên sâu về lĩnh vực thị giác máy tính, đồng thời được trải nghiệm các dự án thực tế để phát triển kỹ năng và nâng cao khả năng ứng dụng vào công việc hiệu quả.<a target="_blank" rel="noopener noreferrer nofollow" href="https://docs.google.com/document/d/1PBVOdvJ3z2XXUTzeCWiEV9NmNTj3yfemg1TYE1hg5I4/edit?usp=sharing">Chi tiết nội dung</a> của lớp học.Khóa học qua video + Chat với giảng viên<h2>Các chủ đề chính:</h2><h3>Các mô hình nhận diện hình ảnh</h3><hr><img style="max-width: 100%; height: auto;" src="https://storage.googleapis.com/mle-courses-prod/users/61b6fa1ba83a7e37c8309756/private-files/625b5c70-07be-11ef-821d-71cacdc60b9d-OD_01.png" width="614" height="737" isdraggable="true"><ul><li>Faster R-CNN sử dụng Region Proposal Network (RPN) nhận đầu vào là ảnh với kích thước bất kì và cho đầu ra là region proposal bao gồm vị trí các hình chữ nhật chứa vật thể cùng với xác suất chứa vật thể của hình chữ nhật tương ứng. Region Proposal Network (RPN) cải thiện tốc độ của thuật toán Selective search, rất tốn tài nguyên tính toán.</li></ul><ul><li>YOLO (You Only Look Once): Đây là bước đột phá trong phát hiện và nhận diện vật thể thời gian thực. YOLO có thể nhận diện các vật thể trong hình ảnh và video một cách cực kỳ nhanh chóng, làm cho nó trở thành công nghệ lý tưởng cho các ứng dụng cần tính toán tức thời như hệ thống lái xe tự động hay hệ thống an ninh.</li><li>RetinaNet - Nổi tiếng với hiệu quả trong việc phát hiện các vật thể nhỏ với độ chính xác cao, RetinaNet giải quyết một trong những vấn đề khó khăn nhất trong thị giác máy tính: cân bằng tốc độ với độ chính xác. Nó sử dụng Focal Lossđể tập trung hơn vào các vật thể khó phát hiện, làm cho nó trở thành công cụ mạnh mẽ cho phân tích hình ảnh chi tiết.</li></ul><h2>Các mô hình sinh ảnh</h2><hr><img style="max-width: 100%; height: auto;" src="https://storage.googleapis.com/mle-courses-prod/users/61b6fa1ba83a7e37c8309756/private-files/32dcd560-0e84-11ef-93c0-dda10eccd08e-CV_02_600x600.png" width="600" height="600" isdraggable="true"><ul><li>Điều gì khiến GANs trở nên thú vị? Hãy tưởng tượng hai thuật toán AI thi đấu với nhau trong một trận chiến nghệ thuật. Một thuật toán là họa sĩ, tạo ra các hình ảnh mới từ con số không, trong khi thuật toán kia đóng vai trò phê bình nghệ thuật khó tính, cố gắng phát hiện bất kỳ hình ảnh giả mạo nào. Kết quả? Những hình ảnh, âm nhạc, hoặc thậm chí là thế giới ảo cực kỳ chân thực có thể đánh lừa thị giác con người. Giống như việc có Picasso và một giáo sư nghệ thuật nghiêm khắc trong một cuộc đấu sáng tạo!</li><li>Stable Diffusion - một kỳ quan của thế giới AI cho phép bạn tạo ra những hình ảnh tuyệt đẹp từ các mô tả đơn giản bằng văn bản.</li></ul><h2>Các ứng dụng trong lớp học:</h2><h3>A) Ứng dụng phân đoạn thời trang</h3><hr>Phân đoạn hình ảnh, đặc biệt là tách quần áo khỏi ảnh, là một ứng dụng rất quan trọng trong lĩnh vực công nghệ và thương mại điện tử. Để hiểu sâu hơn về cách thức hoạt động của công nghệ này, một trong những công cụ được sử dụng rộng rãi chính là mạng UNet, một loại mạng nơ-ron tích chập được thiết kế đặc biệt cho các bài toán về xử lý hình ảnh y tế nhưng giờ đây lại được áp dụng một cách hiệu quả trong ngành thời trang và bán lẻ.<img style="max-width: 100%; height: auto;" src="https://storage.googleapis.com/mle-courses-prod/users/61b6fa1ba83a7e37c8309756/private-files/cc5d2710-09cc-11ef-80a3-017312ed63cb-ImageSegement.png" width="574" height="579" isdraggable="true"><h2>Lớp học CV 01 sinh động hơn với Kaggle</h2>Kaggle là nền tảng cho phép bạn có thể thử nghiệm đào tạo các mô hình và thi đấu với người khác trong những bài toán khác nhau. K<span style="font-family: Söhne, ui-sans-serif, system-ui, -apple-system, Segoe UI, Roboto, Ubuntu, Cantarell, Noto Sans, sans-serif, Helvetica Neue, Arial, Apple Color Emoji, Segoe UI Emoji, Segoe UI Symbol, Noto Color Emoji; color: rgb(13, 13, 13)">aggle không chỉ là một nơi để bạn thu thập kinh nghiệm thực tế trong lĩnh vực khoa học dữ liệu mà còn là một cầu nối những cá nhân tài năng với các tổ chức cần các giải pháp dựa trên dữ liệu.Team rất vui mừng thông báo rằng lớp học của chúng ta sẽ tổ chức một cuộc thi trên Kaggle cho bài toán phân loại hình ảnh. Cuộc thi này được thiết kế để thách thức các học viên áp dụng kiến thức và kỹ năng về thị giác máy tính của để giải quyết một vấn đề thực tế. Học viên sẽ được cung cấp một bộ dữ liệu và nhiệm vụ phát triển một mô hình có thể phân loại dựa trên dữ liệu hình ảnh một cách chính xác.Cuộc thi nhằm mục đích thúc đẩy sự hiểu biết sâu sắc hơn về các kỹ thuật xử lý ảnh, mạng nơ-ron và các thuật toán máy học được tùy chỉnh cho dữ liệu trực quan. Đây là cơ hội tuyệt vời để các học viên thể hiện các phương pháp sáng tạo và kỹ năng kỹ thuật của mình.Hãy chờ đón thêm thông tin chi tiết về ngày bắt đầu cuộc thi, thông tin về bộ dữ liệu và cấu trúc giải thưởng nhé.<img style="max-width: 100%; height: auto;" src="https://storage.googleapis.com/mle-courses-prod/users/61b869ca9c3c5e00292bb42d/private-files/5a3ba800-104d-11ef-93c0-dda10eccd08e-Kaggle_01.png" width="608" height="828" isdraggable="true">

Lớp học bao gồm 14 buổi học qua Zoom.Chi tiết nội dung lớp học xem thêm <a target="_blank" rel="noopener noreferrer nofollow" href="https://protonx.coursemind.io/courses/660137cff83560001912c743/info?activeTab=curriculum">tại đây</a>.

Thời lượng của lớp học

<ul><li>Bạn cần phải nắm chắc được ngôn ngữ lập trình Python. Tham gia lớp học miễn phí Python <a target="_blank" rel="noopener noreferrer nofollow" href="https://protonx.coursemind.io/courses/61b7081639320455cc70848b/info">tại đây</a>.</li><li>Bạn cần hiểu cách đào tạo các mô hình học máy. Tham gia lớp học AI thực chiến miễn phí <a target="_blank" rel="noopener noreferrer nofollow" href="https://protonx.coursemind.io/courses/626fea1fc872f1001258a452/info">tại đây</a>.</li><li>Ngoài ra lớp học sẽ sử dụng Pytorch làm chủ đạo. Bạn có thể xem một số video cơ bản Pytorch <a target="_blank" rel="noopener noreferrer nofollow" href="https://www.youtube.com/watch?v=DnzCQy-JC2s&amp;list=PLMm4sOMuA2QLZtQqsnvGNytfG7IXZu-2P&amp;index=1">tại đây</a>.</li></ul>

Đầu vào yêu cầu của lớp học

Thị giác máy tính nền tảng

ProtonX

<img style="max-width: 100%; height: auto;" src="https://storage.googleapis.com/mle-courses-prod/users/61b6fa1ba83a7e37c8309756/private-files/61faf9d0-d78a-11ed-beb7-f3ba4cca30cf-python-for-ds.png" width="1000" height="auto" isdraggable="true"><h1>Lớp học Python cho khoa học dữ liệu</h1>Ngôn ngữ Python đã trở thành một ngôn ngữ vô cùng quan trọng trong kỉ nguyên số, nắm chắc được ngôn ngữ này sẽ mở một cánh cửa mới trong sự nghiệp của bạn. Kết hợp nhiều bài học sinh động, chúng tôi sẽ giúp bạn nắm được kiến thức nền tảng của Python.Lớp học hoàn toàn miễn phí dành cho tất cả mọi ngườiNgoài ra lớp học đã được bổ sung các thư viện cho Khoa học dữ liệu<ul><li>Numpy</li><li>Pandas</li></ul>cũng như thư viện để làm trí tuệ nhân tạo:<ul><li>Pytorch</li></ul>Lớp học sử dụng hệ thống chấm bài tự động nên bạn có thể nộp bài bất cứ khi nào.Giảng viên : Bá Ngọc - Founder @ ProtonX. <a target="_blank" rel="noopener noreferrer nofollow" href="https://protonx.coursemind.io/courses/61b7081639320455cc70848b/info?activeTab=teachers">Chi tiết</a><a target="_blank" rel="noopener noreferrer nofollow" href="https://www.facebook.com/groups/vietaicommunity">Facebook Group</a>

Lớp học Python cơ bản cho người mới bắt đầu học khoa học dữ liệu.

Lớp học Python cho khoa học dữ liệu

Với gói đăng ký này, học viên sẽ được:<ul><li>Học trực tuyến qua Zoom</li><li>Bài giảng Zoom được tải ngay sau khi lớp học kết thúc</li><li>Có các video được tải lên trước để chuẩn bị trước lớp học tốt hơn.</li></ul>Về làm bài tập:<ul><li>Học viên luyện bài tập qua hệ thống của ProtonX Thời lượng sử dụng:</li><li>12 tháng từ khi lớp học được khai giảng, đây là thời lượng để xem lại video và làm các bài tập tương tác trực tuyến.</li><li>Sau khi kết thúc 12 tháng, bạn có thể gia hạn với chi phí thấp <a target="_blank" rel="noopener noreferrer nofollow" href="https://docs.google.com/presentation/d/17RsA49bmTI_ruchRFK8W8ziEzBHXtM5nyHfgYJpUtZY/edit?usp=sharing">tại đây</a></li></ul>

Gói Pro

Với gói đăng ký này, học viên sẽ được:<ul><li>Xem lại bài giảng Zoom đã được đăng tải</li><li>Trao đổi với giảng viên mọi lúc mọi nơi</li><li>Làm bài tập và giảng viên chữa bài</li></ul>Về làm bài tập:<ul><li>Học viên luyện bài tập qua hệ thống của ProtonX</li><li>Thời lượng sử dụng: 12 tháng từ khi lớp học được khai giảng, đây là thời lượng để xem lại video và làm các bài tập tương tác trực tuyến.</li><li>Sau khi kết thúc 12 tháng, bạn có thể gia hạn với chi phí thấp <a target="_blank" rel="noopener noreferrer nofollow" href="https://docs.google.com/presentation/d/17RsA49bmTI_ruchRFK8W8ziEzBHXtM5nyHfgYJpUtZY/edit?usp=sharing">tại đây</a></li></ul>

Gói học online qua Video, trao đổi với giảng viên mọi lúc mọi nơi

Gói Essentials

Các ứng dụng trong theo dõi khuôn mặt

Nhận diện biển báo

<ul><li>Các bài toán trong Computer vision</li><li>Các không gian màu ảnh số</li><li>Xử lý ảnh trong computer vision</li><li>Thực hành xử lý ảnh với OpenCV</li></ul>

LECTURE 1: Giới thiệu chung về Computer vision

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

[Chuẩn bị trước] Mạng tích chập - Convolutional neural network

<ul><li>Phép toán convolution và các tham số của phép toán convolution</li><li>Các loại layer trong mô hình CNN</li><li>Các mô hình CNN nổi tiếng: VGG, ResNet, MobileNet …</li><li>Dự án mẫu: Giải bài toán Image classification</li></ul>

LECTURE 2: Mô hình Convolution neural network (2 buổi)

Xem kỹ hướng dẫn <a target="_blank" rel="noopener noreferrer nofollow" href="https://docs.google.com/presentation/d/11y7B0SlAjOJtS6T3Ruq7aw0L3QcPn1MY104bbz1pwMk/edit?usp=sharing">tại đây</a>

Bài tập cuối khóa

<ul><li>Giới thiệu chung về bài toán OD, cấu trúc của các bộ dữ liệu giải bài toán OD</li><li>Mô hình two-stage (Faster RCNN), mô hình one-stage (YOLO, RetinaNet)</li><li>Chỉ số đánh giá mô hình Object detection</li><li>Vấn đề tỷ lệ giữa kích thước của đối tượng và kích thước ảnh</li><li>Dự án mẫu: Giải bài toán Object detection sử dụng YOLOv5</li></ul>

LECTURE 3: Bài toán object detection (2 buổi)

<ul><li>Data augmentation cho bài toán image classification và object detection</li><li>Dự án mẫu: Thực hành lập trình data augmentation cơ bản và sử dụng auto-augmentation</li></ul>

LECTURE 4: Kỹ thuật Data augmentation trong computer vision

<ul><li>Bài toán semantic segmentation và instance segmentation</li><li>Mô hình Masked RCNN, UNET</li><li>Chỉ số đánh giá mô hình segmentation</li><li>Dự án mẫu: Giải bài toán image segmentation sử dụng UNET</li></ul>

LECTURE 5: Bài toán image segmentation (2 buổi)

<ul><li>Kỹ thuật image embedding</li><li>Contrastive learning và bài toán face recognition</li><li>Dự án mẫu: Giải bài toán face recognition</li></ul>

LECTURE 6: Bài toán Face recognition (2 buổi)

<ul><li>Mô hình GANs</li><li>Mô hình Stable diffusion</li><li>Chỉ số đánh giá mô hình image generation</li></ul>

LECTURE 7: Bài toán Image generation

<ul><li>Các kỹ thuật trực quan hoá mô hình nói chung</li><li>CAM và GradCAM</li><li>Thực hành trực quan hoá mô hình CNN với GradCAM</li></ul>

LECTURE 8: Trực quan hoá mô hình CNN với GradCAM

<ul><li>Giới thiệu chung về ý tưởng weakly-supervised learning, semi-supervised learning và self-supervised learning</li><li>Kỹ thuật self-supervised learning trên hình ảnh</li></ul>

LECTURE 9: Self-supervised learning với dữ liệu hình ảnh

<ul><li>Convolution 3D, Depth-wise convolution</li><li>Các mô hình trích xuất đặc trưng của video</li></ul>

LECTURE 10: Các mô hình xử lý video

<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>