Deep Learning

Các ứng dụng Trí tuệ nhân tạo đang tăng theo cấp mũ và có mặt mọi nơi trong đời sống chúng ta. Từ xe tự lái đến nhận dạng khuôn mặt, từ máy đánh cờ đến bác sỹ khám bệnh ảo, … Các tiến bộ của Trí tuệ nhân tạo hay AI đến từ kỹ thuật Deep Learning, là một hướng quan trọng trong Machine Learning sử dụng mô hình mạng Neuron mô phỏng lại cách não bộ con người hoạt động.

Hiểu rõ về Deep Learning hay chính là AI và thực hành trên các vấn đề thực tế sẽ giúp bạn tiến xa trong tương lai

CHƯƠNG TRÌNH HỌC

  • Deep Learning (DL) là gì?
    • Vì sao Deep Learning?
    • Tác nhân thúc đẩy Deep Learning?
  • Ôn tập Đại số tuyến tính
    • Vector, cộng vector, nhân vô hướng, tích vector
    • Ma trận, định thức, nhân ma trận, ma trận nghịch đảo
    • Giá trị riêng, vector riêng, phân tích thành phần chính
  • Giới thiệu về Mạng Neuron
    • Neuron, cách hoạt động
    • Hàm activation
    • Mạng Neuron (NN) hoạt động thế nào?
    • Mạng Neuron Ảo (ANN) học thế nào?
    • Gradient Descent là gì?
    • Gradient Descent ngẫu nhiên là gì?
    • Lan truyền ngược (Backpropagation) là gì?
    • Thực hành xây dựng NN với python và keras
    • Đánh giá, cải tiến và tinh chỉnh mạng NN: Hyperparameter tuning, Regularization và Optimization
  • Mạng Neuron Tích chập (CNN)
    • CNN là gì? Vì sao?
    • Cách hoạt động của CNN
    • Hàm ReLu
    • Pooling, Flattening, Full Connection là gì?
    • Softmax và Cross-Entropy?
    • Thực hành xây dựng CNN
    • Đánh giá, cải tiến và tinh chỉnh mạng CNN
  • Mạng Neuron Hồi quy (RNN)
    • Ý tưởng của mạng RNN
    • Vấn đề suy biến đạo hàm (Vanishing Gradient)
    • Mạng bộ nhớ dài-ngắn (Long Short Term Memory networks)
    • Thực hành xây dựng RNN
    • Đánh giá, cải tiến và tinh chỉnh mạng RNN
  • Mạng neural tự tổ chức SOM (Self-Organizing Map) 
    • Ý tưởng của SOMs là gì?
    • SOMs hoạt động thế nào?
    • Liên hệ với K-Means
    • Thực hành xây dựng SOM
    • Đánh giá, cải tiến và tinh chỉnh mạng SOM
  • Mạng AutoEncoders
    • Ý tưởng của AutoEncoders là gì?
    • AutoEncoders hoạt động thế nào?
    • Các biến thể của AutoEncoders

Cấu trúc dự án Deep Learning

KẾT QUẢ NHẬN ĐƯỢC

  • Hiểu về hiệu quả của mạng Neuron và Deep Learning trong Machine Learning, xu thế Deep Learning và AI
  • Hiểu rõ cấu trúc, cơ chế vận hành của mạng Neuron và Deep Learning
  • Thực hành mạng Neuron trong bài toán Machine Learning

Thực hành mạng CNN, RNN trong bài toán xử lý hình ảnh, giọng nói

ĐỐI TƯỢNG HỌC VIÊN

  • Sinh viên và những người đam mê Khoa học dữ liệu, AI
  • Những ai đã bắt đầu học Machine Learning muốn nâng cao trình độ
  • Data Analyst muốn trở thành Data Scientist
  • Data Engineer, Software Developer, Junior Data scientist
  • Business Manager

 

ĐIỀU KIỆN THEO HỌC

  • Có tư duy logic và đam mê Toán
  • Đã biết ngôn ngữ lập trình Python