Đào tạo mô hình AI thực chiến

[TF] 11.1.1. Giới thiệu ảnh

[TF] 11.1.2. Phát hiện cạnh

[TF] 11.1.3. Dùng đạo hàm để phát hiện cạnh

[DL] 11.1.4. Bạn có nhận xét gì về các bộ lọc này?

Ảnh là một hàm

[TF] 11.1.4. Bộ lọc

Bộ lọc

[TF] 11.2.1. Giới thiệu mạng CNN

[TF] 11.2.2. Điểm yếu của mạng nơ ron

[TF] 11.2.3. LeNet

[TF] 11.2.4. Lớp tích chập

[TF] 11.2.5. Công thức lớp tích chập phần 1

[DL] Tính số lượng filter trong mỗi bộ lọc

[TF] 11.2.6. Công thức lớp tích chập phần 2

[TF] 11.2.7. Tính chất lớp tích chập

Lớp tích chập

[TF] 11.3.1. Lớp Pooling

Lớp Pooling

[TF] 13.4.1. Feature Map

Hiển thị Feature Map

- 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.

Mạng tích chập - Convolutional neural network

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

- 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
- Thực hành lập trình mạng Nơ ron

Mạng nơ ron

Cùng lập trình bằng Python mạng tích chập

Lập trình mạng tích chập

Thực hành lập trình mô hình nhận diện ảnh với dữ liệu thực tế.

Model nhận diện ảnh trong thực tế

Cùng sử dụng tri thức của toàn nhân loại với Transfer learning

Transfer Learning

Khám phá hai mạng nổi tiếng: ResNet và InceptionNet

VGG, ResNet và InceptionNet

Lập trình mô hình nhận diện biển báo giao thông

Bài toán nhận diện biển báo giao thông

Giới thiệu ngôn ngữ tự nhiên cơ bản và công cụ tách từ.

Xử lý ngôn ngữ tự nhiên cơ bản

Mô hình LSTM 

- Mô hình Seq2seq
- Cơ chế Attention

Mô hình Seq2Seq và cơ chế Attention

Khám phá dữ liệu thời gian và xây dựng mô hình tương ứng

Danh sách chủ đề

Mạng tích chập - Convolutional neural network

1. Ảnh là một hàm

1.1. [TF] 11.1.1. Giới thiệu ảnh

1.2. [TF] 11.1.2. Phát hiện cạnh

1.3. [TF] 11.1.3. Dùng đạo hàm để phát hiện cạnh

2. Bộ lọc

2.1. [TF] 11.1.4. Bộ lọc

3. Lớp tích chập

3.1. [TF] 11.2.1. Giới thiệu mạng CNN

3.2. [TF] 11.2.2. Điểm yếu của mạng nơ ron

3.3. [TF] 11.2.3. LeNet

3.4. [TF] 11.2.4. Lớp tích chập

3.5. [TF] 11.2.5. Công thức lớp tích chập phần 1

3.6. [TF] 11.2.6. Công thức lớp tích chập phần 2

3.7. [TF] 11.2.7. Tính chất lớp tích chập

4. Lớp Pooling

4.1. [TF] 11.3.1. Lớp Pooling

5. Hiển thị Feature Map

5.1. [TF] 13.4.1. Feature Map

Bài học