• Lời chào từ giảng viên + trợ giảng
• Giới thiệu nội dung chi tiết lớp học + thi chứng chỉ Tensorflow
• Giới thiệu về Project cuối khóa + điều kiện tham gia.

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

• 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

• Ôn tập hồi quy tuyến tính
• Thực hành hồi quy tuyến với Tensorflow

• 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

Ôn tập hồi quy tuyến tính với nhiều cột, thực hành với Tensorflow

• 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

• Bài toán phân loại nhị phân
• Bài toán phát hiện rủi ro
• Mô hình hồi quy Logistic theo chiều thuận

• Ôn luyện mô hình
• Lập trình với Tensorflow

• Softmax Regression
• Chứng minh công thức Categorical cross entropy

Ôn tập Softmax - Maximum Likelihood Estimation

• Giới thiệu hiện tượng Underfitting và Overfitting
• Ví dụ Overfitting với bài toán phân loại
• Cách khắc phục hiện tượng Overfitting

Các chỉ số đánh giá mô hình cơ bản

• Precision
• Recall
• F1

• 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

• Ôn tập Mạng nơ ron lan truyền thuận
• Thực hành với Tensorflow

• Mô phỏng mạng nơ ron
• Ý tưởng thuật toán lan truyền ngược
• Chứng minh lan truyền ngược trên một tham số

• 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.

• Học cấu trúc phổ biến của một bài báo nghiên cứu, cách đọc hiệu quả.

• Cùng đọc một số nghiên cứu nổi tiếng trong thị giác máy tính

• Sử dụng các mô hình đã được xây dựng và đào tạo trên những bộ dữ liệu lớn để cho bài toán với số lượng nhãn nhỏ hơn.

• Đây là một trong những kỹ thuật quan trọng và được sử dụng rộng rãi trong hầu hết các bài toán AI hiện tại.

• Cấu trúc ResNet và InceptionNet

• Ôn tập đọc nghiên cứu
• Đề thi Tensorflow 03

• Học cấu trúc phổ biến của một bài báo nghiên cứu, cách đọc hiệu quả.

• Cùng đọc một số nghiên cứu nổi tiếng trong thị giác máy tính

• Sử dụng các mô hình đã được xây dựng và đào tạo trên những bộ dữ liệu lớn để cho bài toán với số lượng nhãn nhỏ hơn.

• Đây là một trong những kỹ thuật quan trọng và được sử dụng rộng rãi trong hầu hết các bài toán AI hiện tại.

• Tối ưu lồi
• Vấn đề của SGD
• SGD với quán tính
• AdaGrad
• AdaDelta và RMSProp

• Mô hình ngôn ngữ
• SimpleRNN
• LSTM

• LSTM
• Deep RNN

• Ôn tập LSTM
• Kỹ thuật training
  • Dropout
  • Batch Norm
  • Early Stopping (Dừng sớm)
  • Multi Task Learning

• Giới thiệu Timeseries
• Xây dựng bộ dữ liệu đơn giản
• Xây dựng mô hình dự đoán với mạng nơ ron

• Xử lý timeseries trong thực tế
• Bí kíp thi bài 5 trong đề thi Tensorflow

• Cấu trúc đề thi
• Đề thi mẫu
• Một số chú ý quan trọng khi thi