Trí tuệ nhân tạo – Khóa cơ bản

Giảng viên

HTA

Loại

Tên khóa học: TRÍ TUỆ NHÂN TẠO – CƠ BẢN

Thời lượng: 15 buổi (2h/ buổi)
Thời gian: Theo lịch trung tâm hoặc tùy chọn
Địa điểm: 35 Hữu Nghị, Bình Thọ, Thủ Đức
Học phí gốc: 4.500.000 đ/ khóa (ưu đãi học phí xem bên dưới)

Giảm 5% học phí dành cho sinh viên và đăng ký trước 30/09/2023 còn 4.275.000đ/khóa
Giảm 10% học phí nhóm 3 người còn 4.050.000 khóa
Giảm 15% học phí nhóm 5 người còn 3.825.000/ khóa

Đăng ký khóa học tại đây: ĐĂNG KÝ

Hotline tư vấn/ zalo: 0938 644 732

MÔ TẢ KHÓA HỌC

Khóa học này được biên soạn tích hợp giữa lý thuyết và dự án thực tế nhằm trang bị cho học viên một số ý tưởng cốt lõi trong máy học, khoa học dữ liệu và trí tuệ nhân tạo. Trọng tâm chính của môn học là giúp học viên xây dựng các giải pháp AI trong thế giới thực bằng cách sử dụng các kỹ năng họ học được.
Trong khóa học này chúng ta sẽ đi sâu vào tìm hiểu về trí tuệ nhân tạo từ đơn giản đến phức tạp, từ những bài toán hồi quy đơn giản ban đầu đến các mạng thần kinh nhân tạo phức tạp hiện đại. Các bạn cũng sẽ được đi sâu vào tìm hiểu lý thuyết hay ý tưởng đằng sau các thiết kế và tự tay chuyển đổi những lý thuyết, ý tưởng đó thành các dòng code. Những ai đang quan tâm trí tuệ nhân tạo từ lý thuyết đến thực tiễn thì khóa học này là điểm khởi đầu hoàn hảo cho các bạn.
Trong suốt chương trình học tại HTA, các bạn sẽ được hướng dẫn bởi các chuyên gia có nhiều kinh nghiệm về trí tuệ nhân tạo được đào tạo ở nước ngoài. Họ sẽ cung cấp đầy đủ các kiến thức nền tảng và chuyên sâu, cũng như các kinh nghiệm thực tế đảm bảo trải nghiệm học tập toàn diện cho các bạn. Chương trình giảng dạy được thiết kế cẩn thận của chúng tôi kết hợp giữa lý thuyết với các dự án thực tế, cho phép bạn vận dụng kiến thức đã học vào các tình huống thực tế.

MỤC TIÊU KHÓA HỌC

Cung cấp những kiến thức cốt lõi trong máy học, khoa học dữ liệu và trí tuệ nhân tạo.
Hướng dẫn cách thức mô hình một vấn đề thực tế và đưa ra giải pháp giải quyết nó bằng trí tuệ nhân tạo.
Thực hiện một dự án riêng để giải quyết một vấn đề trong thực tế cuộc sống.
Kỹ năng viết báo cáo và trình bày báo cáo.
Khi hoàn thành khóa học, các bạn sẽ có nền tảng vững chắc về trí tuệ nhân tạo, cho phép bạn tự tin giải quyết nhiều dự án và theo đuổi chuyên môn sâu hơn trong lĩnh vực này.

ĐỐI TƯỢNG KHÓA HỌC

Sinh viên theo đuổi các ngành về công nghệ thông tin, kỹ thuật máy tính, tự động hóa, trí tuệ nhân tạo, khoa học dữ liệu và các lĩnh vực liên quan khác.
Người đi làm muốn bổ sung kiến thức nền tảng, nâng cao kiến thức chuyên ngành và các kỹ năng giải quyết vấn đề.
Người đam mê trí tuệ nhân tạo và có mong muốn biến các ý tưởng của mình thành hiện thực.
Các sinh viên gần ra trường có nguyện vọng xin việc ở các công ty chuyên về trí tuệ nhân tạo và cần bổ sung kiến thức thực tế.

NỘI DUNG KHÓA HỌC

Thời lượng: 15 buổi (2h/ buổi)

Buổi	Nội dung
1	Giới thiệu về AI 1. Trí tuệ nhân tạo (AI) là gì?2. Lịch sử phát triển của AI3. Các thành tựu và ứng dụng của ngành AI4. Các bài toán học không giám sát5. Các bài toán học có giám sátThực hành 1: Cài đặt Python, Anaconda, IDE
2	Hồi quy tuyến tính một biến 1. Bài toán hồi quy tuyến tính một biến 2. Biểu diễn mô hình hồi quy tuyến tính 3. Hàm mục tiêu 4. Tối ưu hàm mục tiêu sử dụng thuật toán gradient descent 5. Đạo hàm hàm mục tiêu Thực hành 2: Viết chương trình python giải bài toán hồi quy tuyến tính một biến sử dụng gradient descent. Đánh giá tác động của learning rate vào hàm cost và lựa chọn learning rate phù hợp.
3	Hồi quy tuyến tính đa biến 1. Bài toán hồi quy tuyến tính đa biến 2. Tối ưu hàm mục tiêu sử dụng thuật toán gradient descent 3. Chuẩn hóa dữ liệu 4. Bài toán hồi quy đa thức 5. Công thức Normal Equation Thực hành 3.1: Viết chương trình python giải bài toán hồi quy tuyến tính đa biến sử dụng gradient descent. Thực hành 3.2: Viết chương trình python giải bài toán hồi quy tuyến tính đa bậc sử dụng gradient descent. Thực hành 3.3: Viết chương trình python giải bài toán hồi quy tuyến tính đa biến sử dụng normal equation.
4	Phân loại 1. Bài toán phân loại hai lớp 2. Biển diễn mô hình phân loại 3. Hàm mục tiêu 4. Đạo hàm hàm mục tiêu 5. Bài toán phân loại đa lớp Thực hành 4.1: Viết chương trình python giải bài toán phân loại tuyến tính sử dụng gradient descent. Thực hành 4.2: Viết chương trình python giải bài toán phân loại phi tuyến sử dụng gradient descent.
5	Phương pháp điều chuẩn (Regularization) 1. Hiện tượng quá phù hợp (Overfitting) 2. Phương pháp khắc phục hiện tượng quá phù hợp 3. Hàm mục tiêu 4. L2-Norm, L1-Norm và Max Norm 5. Kiểm thử (Validation) Thực hành 5.1: Viết chương trình python áp dụng phương pháp điều chuẩn L2-Norm vào quá trình huấn luyện. Sử dụng tập kiểm thử (Validation dataset) để lựa chọn siêu thông số lambda cho mô hình. Thực hành 5.2: Viết chương trình python áp dụng phương pháp điều chuẩn L1-Norm vào quá trình huấn luyện. Sử dụng tập kiểm thử (Validation dataset) để lựa chọn siêu thông số lambda cho mô hình. Thực hành 5.3: Viết chương trình python áp dụng phương pháp điều chuẩn Max Norm vào quá trình huấn luyện. Sử dụng tập kiểm thử (Validation dataset) để lựa chọn siêu thông số lambda cho mô hình.
6	Mạng thần kinh nhân tạo (Artificial Neural Networks) 1. Bài toán phi tuyến 2. Tế bào thần kinh và bộ não người 3. Biểu diễn mô hình mạng thần kinh 4. Ví dụ về trực quan về cách hoạt động của mạng thần kinh 5. Bài toán phân loại đa lớp sử dụng mạng thần kinh Thực hành 6: Viết chương trình python cho phép người dùng khai báo một mạng thần kinh với số lượng ngõ vào, ngõ ra, số lượng lớp (layer) và nút ẩn (hidden node) cho mỗi lớp bất kì.
7	Mạng thần kinh nhân tạo (tiếp tục) 6. Hàm mục tiêu 7. Thuật toán lan truyền ngược 8. Khởi tạo cho mạng thần kinh 9. Huấn luyện mạng thần kinh Thực hành 7: Viết chương trình python huấn luyện mạng thần kinh bằng phương pháp lan truyền ngược.
8	Tăng tốc quá trình huấn luyện khi học với Mini-Batch 1. Mini-batch gradient descent 2. Momentum 3. Adaptive learning rate 4. RMSProp Thực hành 8.1: Viết chương trình python huấn luyện mạng thần kinh tích hợp phương pháp Momentum vào quá trình huấn luyện. Thực hành 8.2: Viết chương trình python huấn luyện mạng thần kinh tích hợp phương pháp Adaptive learning rate vào quá trình huấn luyện. Thực hành 8.3: Viết chương trình python huấn luyện mạng thần kinh tích hợp phương pháp RMSProp vào quá trình huấn luyện.
9	Kết hợp nhiều model 1. Tại sao cần kết hợp nhiều model 2. Kết hợp các mô hình chuyên gia 3. Bayesian learning 4. Dropout Thực hành 9: Viết chương trình python huấn luyện mạng thần kinh tích hợp phương pháp Dropout vào quá trình huấn luyện.
10	Mạng thần kinh tích chập (Convolutional Neural Network) 1. Ý tưởng về việc thiết kế một mạng nhỏ gọn 2. Lớp tích chập 3. Kiến trúc mạng tích chập nguyên bản 4. Khai báo mạng tích chập sử dụng thư viện Keras 5. Các loại mạng tích chập hiện đại và ứng dụng Thực hành 10: Xây dựng một mạng tích chập cho một ứng dụng cụ thể.
11	Mạng thần kinh tích chập (tiếp tục) 6. Các phiên bản R-CNN 7. Các phiên bản YOLO 8. Attention module 9. Inception module 10. Xception module
12	Mạng thần kinh tái phát (Recurrent Neural Network) 1. Ý tưởng khác về việc thiết kế một mạng nhỏ gọn 2. Mạng thần kinh tái phát nguyên bản 3. LSTM 4. GRU 5. Highway Network 6. Grid LSTM 7. Ứng dụng của mạng thần kinh tái phát Thực hành 11: Xây dựng một mạng thần kinh tái phát cho một ứng dụng cụ thể.
13	Mạng đối nghịch tạo sinh (Generative Adversarial Network) 1. Autoencoder 2. Variational autoencoder 3. Entropy, Cross entropy, KL divergence 4. Generative Adversarial Network (GAN) truyền thống 5. Ứng dụng của GAN 6. Các vấn đề của GAN truyền thống, thuật toán WGAN Thực hành: Xây dựng một mạng đối nghịch tạo sinh cho một ứng dụng cụ thể.
14	Phát triển dự án cá nhân (phần 1) 1. Lựa chọn một dự án trí tuệ nhân tạo 2. Quy trình thực hiện một dự án 3. Một số kỹ năng quan trọng
15	Phát triển dự án cá nhân (phần 2) 4. Viết chương trình thực hiện dự án 5. Đánh giá và cải thiện mô hình 6. Hoàn thiện dự án

THÔNG TIN ĐĂNG KÝ

Ngày khai giảng: 16/10/2023 Đăng ký khóa học tại đây: ĐĂNG KÝ

Thời lượng: 15 buổi (2h/ buổi)
Thời gian: Theo lịch trung tâm hoặc tùy chọn
Địa điểm: 35 Hữu Nghị, Bình Thọ, Thủ Đức
Hotline tư vấn/ zalo: 0938 644 732

Học phí gốc: 4.500.000 đ/ khóa (ưu đãi học phí xem bên dưới)

Giảm 5% học phí dành cho sinh viên và đăng ký trước 30/09/2023 còn 4.275.000đ/khóa
Giảm 10% học phí nhóm 3 người còn 4.500.000 khóa
Giảm 15% học phí nhóm 5 người còn 3.825.000/ khóa

Đăng ký khóa học tại đây: ĐĂNG KÝ

Hotline tư vấn/ zalo: 0938 644 732

HÌNH ẢNH KHÓA HỌC