Khóa Học Trí Tuệ Nhân Tạo Nền Tảng Cùng Protonx

Khóa Học Trí Tuệ Nhân Tạo Nền Tảng Cùng ProtonX

Giảng viên: Bá Ngọc

Khóa học này cung cấp kiến thức nền tảng và chuyên sâu về Trí Tuệ Nhân Tạo (AI), từ các khái niệm cơ bản đến các mô hình học máy và học sâu tiên tiến. Học viên sẽ được trang bị kiến thức và kỹ năng thực hành để xây dựng và triển khai các ứng dụng AI trong nhiều lĩnh vực khác nhau.

Đối tượng tham gia

Người đã có kiến thức cơ bản về lập trình Python.

Những ai muốn xây dựng nền tảng vững chắc về Trí Tuệ Nhân Tạo.

Người mong muốn hiểu rõ và ứng dụng các kỹ thuật học máy và học sâu trong thực tế.

Người khao khát phát triển sự nghiệp trong lĩnh vực Trí Tuệ Nhân Tạo.

Mục tiêu khóa học

Nắm vững kiến thức cơ bản và nâng cao về các thuật toán học máy (Machine Learning) và học sâu (Deep Learning).

Hiểu rõ quy trình xây dựng và đánh giá các mô hình AI.

Có khả năng ứng dụng các thư viện và công cụ phổ biến trong lĩnh vực AI như TensorFlow.

Tham gia xây dựng các dự án thực tế và đọc hiểu các nghiên cứu khoa học mới nhất.

Nhận chứng chỉ từ ProtonX sau khi hoàn thành khóa học và dự án cuối khóa.

Nội dung khóa học

Giai đoạn 1: Python cho Data Science (Miễn phí)

Nội dung lập trình Python cho khoa học dữ liệu.

Sử dụng các thư viện Numpy và Pandas.

Giai đoạn 2: Toán học nền tảng cho Học máy (4 tuần)

Đại số tuyến tính.

Đạo hàm.

Xác suất thống kê.

8 buổi học với ví dụ thực tiễn.

Giai đoạn 3: Học máy và Học sâu (12 tuần)

Học máy cơ bản: Hồi quy tuyến tính, Hồi quy Logistic.

Học sâu: Mạng nơ-ron (Neural Network).

Mạng học sâu cho hình ảnh: CNN, MobileNet, Resnet, InceptionNet.

Mạng học sâu cho ngôn ngữ tự nhiên và dữ liệu thời gian: RNN, LSTM, Transformer.

Giai đoạn 4: Nghiên cứu và Xây dựng (2 tuần)

Đọc các nghiên cứu mới nhất về AI.

Xây dựng thư viện AI.

Hướng dẫn làm dự án công nghệ thực tế.

Sử dụng Git và GitHub trong dự án.

Ôn tập và xây dựng các mô hình AI mới nhất.

Nội dung chi tiết theo buổi học:

1. Khai giảng

Hình thức: Video

Không có nội dung chi tiết.

2. Giới thiệu học máy/học sâu

Hình thức: Video

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

3. Mô hình hồi quy tuyến tính

Hình thức: Video

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

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

Hình thức: Video

Chữa bài hồi quy tuyến tính

Hồi quy tuyến tính với Tensorflow

5. Mô hình hồi quy tuyến tính với dữ liệu nhiều cột

Hình thức: Video

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

Hình thức: Video

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

Hình thức: Video

Ôn tập SGD

Hiện tượng Overfitting

8. Bài toán phân loại nhị phân

Hình thức: Video

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

Hình thức: Video

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

Hình thức: Video

Softmax Regression

Chứng minh công thức Categorical cross entropy

11. Ôn tập bài toán phân loại nhiều lớp

Hình thức: Video

Ôn tập Softmax

Trao đổi việc training hiệu quả

12. Mạng nơ ron (Neural Network)

Hình thức: Video

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

Hình thức: Video

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

Hình thức: Video

Ôn tập mạng nơ ron

Các kỹ thuật training hiệu quả

15. Các thuật toán Training

Hình thức: Video

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

Hình thức: Video

Không có nội dung chi tiết.

17. Mạng tích chập - Convolutional neural network

Hình thức: Video

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 nơ ron

18. Transfer Learning và ResNet và InceptionNet

Hình thức: Video

Transfer learning

Cấu trúc ResNet và InceptionNet

19. Ôn tập mạng CNN - Hướng dẫn đọc Paper

Hình thức: Video

Không có nội dung chi tiết.

20. Xử lý ngôn ngữ tự nhiên - Word2Vec

Hình thức: Video

Giới thiệu xử lý ngôn ngữ tự nhiên

Word2vec

21. Mô hình ngôn ngữ + RNN

Hình thức: Video

Mô hình ngôn ngữ

SimpleRNN

LSTM

22. Ôn tập NLP

Hình thức: Video

Không có nội dung chi tiết.

23. Deep RNN

Hình thức: Video

Ôn tập LSTM

Deep RNN

24. Timeseries cơ bản

Hình thức: Video

Giới thiệu Timeseries

Xây dựng bộ dữ liệu đơn giản

Xây dựng mô hình dự đoán với mạng nơ ron

25. Timeseries trong thực tế

Hình thức: Video

Xử lý timeseries trong thực tế

Bí kíp thi bài 5 trong đề thi Tensorflow

26. Zoom 1-11-2024

Hình thức: Video

Không có nội dung chi tiết.

27. Tổng kết lớp học

Hình thức: Video

Không có nội dung chi tiết.

28. Dự án cuối khóa

Hình thức: Video

Không có nội dung chi tiết.

Thông tin giảng viên

Bá Ngọc là chuyên gia hàng đầu về Machine Learning tại Việt Nam, với nhiều thành tựu đáng chú ý:

Năm 2019, được Google công nhận là chuyên gia học máy đầu tiên tại Việt Nam và thứ 66 trên toàn thế giới.

Kinh nghiệm giảng dạy ngôn ngữ tự nhiên từ cơ bản tới nâng cao tại VietAI.

Trong năm 2020 và 2021, đào tạo hơn 120 lập trình viên thi đỗ chứng chỉ TensorFlow, đưa Việt Nam vào top 4 quốc gia có số lượng người thi đỗ nhiều nhất cùng với Mỹ, Ấn Độ và Hàn Quốc.

Năm 2022, thành lập ProtonX với sứ mệnh ứng dụng AI để giải quyết các vấn đề quan trọng của xã hội.