#Topic
1

Khai giảng

  • Kiến thức nền cần chuẩn bị trước khi tham gia khóa học

  • Khai giảng lớp, định hướng AI sắp tới

2

Giới thiệu học máy/học sâu

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

  • Kinh nghiệm làm model AI trong công nghiệp

    • Làm gì khi ít dữ liệu

3

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

4

Chữa bài hồi quy tuyến tính - Hồi quy tuyến tính với Tensorflow

  • Chữa bài hồi quy tuyến tính

  • Hồi quy tuyến tính với Tensorflow

5

Mô hình hồi quy tuyến tính với dữ liệu nhiều cột

  • Bộ dữ liệu giá nhà

  • Phân tích dữ liệu và các vấn đề sẽ gặp khi xử lý dữ liệu

  • Hồi quy tuyến tính trên bộ dữ liệu này

6

Stochastic Gradient Descent - SGD

  • Tại sao chúng ta không dùng Gradient Descent

  • Stochastic Gradient Descent

  • Lập trình SGD với bài toán Grab

  • Nâng cao - Khả năng hội tụ của SGD

7

Ôn tập SGD + Hiện tượng Overfitting

  • Ôn tập SGD

  • Hiện tượng Overfitting

8

Bài toán phân loại nhị phân

  • Bài toán phân loại nhị phân

  • Bài toán phát hiện rủi ro

  • Mô hình hồi quy Logistic theo chiều thuận

9

Chữa bài mô hình phân loại + Đánh giá chất lượng mô hình

  • Chữa bài phân loại nhị phân

  • Thực hành với Tensorflow

  • Các chỉ số TP, TN, FP, FN

  • Chỉ số Precision, Recall

  • Chỉ số F1

10

Bài toán phân loại nhiều lớp

  • Softmax Regression

  • Chứng minh công thức Categorical cross entropy

11

Ôn tập bài toán phân loại nhiều lớp

  • Ôn tập Softmax

  • Trao đổi việc training hiệu quả

12

Mạng nơ ron (Neural Network)

  • 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

13

Thuật toán lan truyền ngược

  • Mô phỏng mạng nơ ron

  • Ý tưởng thuật toán lan truyền ngược

  • Chứng minh lan truyền ngược trên một tham số

14

Ôn tập Mạng nơ ron - Các kỹ thuật training hiệu quả

  • Ôn tập mạng nơ ron

  • Các kỹ thuật training hiệu quả

15

Các thuật toán Training

  • Tối ưu lồi

  • Vấn đề của SGD

  • SGD với quán tính

  • AdaGrad

  • AdaDelta và RMSProp

16

Ôn tập các thuật toán đào tạo mô hình

Các thuật toán đào tạo nâng cao hơn so với SGD đó là

  • SGD với Momentum

  • AdaGrad

  • AdaDelta

  • Adam

17

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.

18

Transfer Learning và ResNet và InceptionNet

  • Transfer learning

  • Cấu trúc ResNet và InceptionNet

19

Ôn tập mạng CNN - Hướng dẫn đọc Paper

Ôn tập mạng CNN

20

Xử lý ngôn ngữ tự nhiên - Word2Vec

  • Giới thiệu xử lý ngôn ngữ tự nhiên

  • Word2vec

21

Chữa bài tập mạng nơ ron

Chữa bài tập mạng nơ ron

22

Mô hình ngôn ngữ + RNN

  • Giới thiệu xử lý ngôn ngữ tự nhiên

  • Mạng nơ ron hồi quy (RNN)

  • Chi tiết mô hình ngôn ngữ

23

Lập trình LSTM từ đầu

  • Lập trình LSTM từ đầu

24

Mạng RNN sâu

  • Ôn tập LSTM

  • Deep RNN

25

Dữ liệu Time series và cách xây dựng mô hình

  • Dữ liệu Timeserise

  • Cách lựa chọn và xây dựng mô hình đúng

26

Dự án cuối khóa

No content
27

Timeseries cơ bản

  • Giới thiệu Timeseries

  • Xây dựng bộ dữ liệu đơn giản

  • Xây dựng mô hình dự đoán với mạng nơ ron