Học Online: 2000+ Khóa học trực tuyến cho người đi làm
Đăng nhập
Đăng ký
Kích hoạt khóa học
Hội viên
Doanh nghiệp

Danh mục đào tạo

Tải app

Hỗ trợ

Hotline: 090 488 6095
Email: cskh@unica.vn

AI ứng dụng: Học sâu cho thị giác máy tính

Khóa học "AI Ứng Dụng: Học Sâu Cho Thị Giác Máy Tính" dành cho sinh viên, nhà phát triển phần mềm, nhà nghiên cứu và những ai muốn khám phá và áp dụng trí tuệ nhân tạo. Học viên sẽ được đào tạo về các mô hình học sâu như Convolutional Neural Networks và áp dụng chúng vào các ứng dụng thực tế.

4.3 (6 đánh giá)
15 học viên
Giảng viên
Trần Văn Nhân

Bạn sẽ học được gì?

Bạn sẽ có được kiến thức cơ bản về học sâu và thị giác máy tính-Deep learning for computer vision
Hiểu được ứng dụng của AI thông qua thực hành, giải quyết các vấn đề liên quan AI cơ bản - nâng cao qua mỗi phần học
Cơ sở để học tiếp các khóa học chuyên sâu hơn về AI
Củng cố kiến thức lập trình Python đã được học, hiểu rõ hơn về framework PyTorch và ứng dụng
Có được định hướng về các hướng phát triển trong lĩnh vực AI
Có khả năng tự học và tư phát triển trong mảng AI

Giới thiệu khóa học

Trí tuệ nhân tạo (AI) là một lĩnh vực của khoa học máy tính mà mục tiêu chính là tạo ra máy móc có khả năng thực hiện các công việc mà trước đây chỉ có thể được thực hiện bởi con người. AI đang phát triển với tốc độ nhanh chóng, và ảnh hưởng sâu rộng đến mọi khía cạnh của cuộc sống hiện đại, từ công nghiệp đến y tế, giáo dục, và giao tiếp.

Nhằm giúp các bạn tiếp cận với AI một cách bài bản, chi tiết và khoa học nhất , giảng viên Trần Văn Nhân đã kết hợp cùng Unica cho ra mắt khóa AI ứng dụng: Học sâu cho thị giác máy tính dành cho các học viên có nhu cầu tìm hiểu và mong muốn học về kiến thức nền tảng của AI, cùng với cách ứng dụng các kiến thức đó để thực hiện giải quyết các vấn đề trong thực tế. Mục tiêu của khóa học là xây dựng một kiến thức nền tảng vững chắc để có thể làm việc được với các dự án về AI cũng như dễ dàng phát triển chuyên sâu trong lĩnh vực AI.

Khóa học được thiết kế không chỉ cho các học viên đang theo học các chuyên ngành liên quan đến AI, mà còn cho các học viên ngoài ngành nhưng có nhu cầu muốn tìm hiểu và phát triển trong lĩnh vực AI, để có thể áp dụng AI vào lĩnh vực của riêng mình, đều có thể đăng ký tham gia khóa học này.

Trong suốt chặng đường của khóa học, học viên sẽ tiếp cận với các khái niệm, kiến thức từ cơ bản đến nâng cao trong học sâu và thị giác máy tính. Học viên sẽ được tìm hiểu về các kiến thức mô hình học sâu và thị giác máy tính như:

- Linear Regression.

- Multi-layer Perceptron.

- Các hàm kích hoạt (ReLU, Sigmoid, Softmax,...).

Giải quyết các vấn đề về Overfitting & Underfitting.

- Gradient Descent và các thuật toán tối ưu mô hình.

- Các kỹ thuật tăng cường chất lượng mô hình.

- Convolutional Neural Networks (CNNs) và xây dựng các kiến trúc CNN nâng cao.

- Áp dụng vào các vấn đề cụ thể trong lĩnh vực thị giác máy tính như phân loại ảnh, và phát hiện đối tượng.

- Từng bước xây dựng dự án tạo dựng mô hình AI để phát hiện sớm ưng thư phổi.

Không chỉ dừng lại ở lý thuyết, khóa học cũng đặc biệt chú trọng vào việc thực hành. Học viên sẽ có cơ hội thực hành với các dự án thực tế, từ việc xử lý dữ liệu đến xây dựng và đánh giá mô hình. Học viên sẽ trải qua các bài rèn luyện về lập trình, sử dụng các thư viện và framework phổ biến như PyTorch.

Hãy đăng kí khóa học ngay hôm nay!

Nội dung khóa học

6 Phần• 42 Bài • 13h 19p
Phần 1: Giới thiệu về học sâu và các công cụ lập trình 4 bài học
Bài 1: Giới thiệu về học sâu 00:12:45
Bài 2: Lịch sử của học sâu 00:09:24
Bài 3: Các công cụ hỗ trợ cho học sâu 00:13:51
Bài 4: Cài đặt phần mềm 00:04:30
Phần 2: Linear Regression 5 bài học
Bài 5: Giới thiệu về Linear Regression 00:12:47
Bài 6: Nghiệm của bài toán Linear Regression 00:09:25
Bài 7: Huấn luyện và đánh giá Linear Regression 00:07:25
Bài 8: Xây dựng mô hình Linear Regression (Lập trình) 00:19:27
Bài 9: Xây dựng mô hình Linear Regression-tiếp theo (Lập trình) 00:02:56
Phần 3: Multi-layer Perceptron 7 bài học
Bài 10: Giới thiệu về Multi-layer Perceptron 00:04:42
Bài 11: Các hàm kích hoạt 00:13:45
Bài 12: Phân tích Multi-layer Perceptron 00:21:41
Bài 13: Hàm Softmax 00:20:41
Bài 14: Đánh giá mô hình Multi-layer Perceptron 00:07:50
Bài 15: MLP code 00:28:00
Bài 16: MLP code- tiếp theo 00:56:07
Phần 4: Kỹ thuật tối ưu mô hình trong AI 4 bài học
Bài 17: Các cách giải quyết Overfitting & Underfitting 00:11:15
Bài 18: Các thuật toán tối ưu mô hình 00:14:23
Bài 19: Các thuật toán tối ưu Gradient Descent 00:15:41
Bài 20: Các kỹ thuật tăng chất lượng mô hình 00:23:31
Phần 5: Thị giác máy tính 9 bài học
Bài 21: Giới thiệu về thị giác máy tính 00:14:19
Bài 22: Convolutional Neural Network 00:13:08
Bài 23: Các kiến trúc CNN nâng cao 00:25:44
Bài 24: ResNet code - phần 1 00:50:05
Bài 25: ResNet code - phần 2 00:52:13
Bài 26: ResNet code - phần 3 00:54:05
Bài 27: Các thuật toán Object Detection 00:09:49
Bài 28: Thuật toán của YOLO 00:21:13
Bài 29: YOLO github 00:07:42
Phần 6: Phát hiện sớm ung thư phổi với AI 13 bài học
Bài 30: Giới thiệu về dữ liệu 00:06:58
Bài 31: Xử lý dữ liệu 00:39:04
Bài 32: Xử lý dữ liệu (code) 00:02:38
Bài 33: Huấn luyện mô hình phân loại 00:25:10
Bài 34: Huấn luyện mô hình phân loại (code) 00:01:49
Bài 35: Cải thiện kết quả huấn luyện 00:24:19
Bài 36: Cải thiện kết quả huấn luyện (code) 00:02:45
Bài 37: Huấn luyện mô hình phân đoạn 00:45:30
Bài 38: Huấn luyện mô hình phân đoạn - tiếp theo 00:33:31
Bài 39: Huấn luyện mô hình phân đoạn (code) 00:07:51
Bài 40: Kết nối toàn bộ hệ thống 00:35:45
Bài 41: Kết nối toàn bộ hệ thống (code) 00:07:08
Bài 42: Các hướng phát triển trong AI 00:08:17
Tags:
Lập trình Python AI (trí tuệ nhân tạo)

Thông tin giảng viên

Trần Văn Nhân
Trần Văn Nhân

Nghiên cứu sinh Tiến sĩ

4.3 Đánh giá
99+ Học viên
1 Khóa học

Học vấn:

Đại học: Tốt nghiệp ngành Điện tử- Viễn thông tại Đại học Bách Khoa TP.HCM (chương trình kỹ sư tài năng).

Cao học: Tốt nghiệp Thạc sĩ ngành Artificial Intelligence Convergence và đang làm nghiên cứu sinh Tiến sĩ trong ngành AI.

Hướng nghiên cứu: AI, Deep Learning, Computer Vision, Generative AI,  Deepfake, Deepfake Detection, Digital Security, etc.

Các cơ quan, tổ chức đã từng công tác: Intel, Đại học Kinh tế- Luật - ĐHQG HCM, và một số công ty start-up trong mảng AI.

Kinh nghiệm làm việc, nghiên cứu: Đã có hơn 10 năm kinh nghiệm về lập trình, nhiều năm làm việc và nghiên cứu trong mảng AI và có nhiều bài báo khoa học được công bố ở các tạp chí quốc tế và hội nghị quốc tế. Tham gia làm "Reviewer" cho các tạp chí khoa học quốc tế và các hội nghị quốc tế (IEEE, Springer, Elsevier). Tham gia vào nhiều dự án thực tế liên quan đến AI.

Kinh nghiệm giảng dạy: tham gia giảng dạy cùng các giáo sư ở cả trong và ngoài nước ở các trường Đại học.

 

Khóa học liên quan

4.3 xếp hạng khóa học
6 đánh giá

Nguyễn Văn Trung

Cảnh

giọng nói không thu hút, phần lấp trình nên hướng dẫn cách xây dựng modul thực tế: Vd: cách tải file, cách đưa vào pycharm, cách viết code ... CÁi này chỉ đưa màn hình code lên nói rất khó hiểu

Nguyễn Thị Mỹ Hạnh

Bài giảng kết thúc đột ngột, không liền mạch.

799.000đ 1.000.000đ -20%
Ưu đãi chỉ còn 5 giờ 12 phút!
Cam kết hoàn tiền trong 7 ngày
  • Thời lượng: 13 giờ 19 phút
  • Giáo trình: 42 bài giảng
  • Truy cập trọn đời
  • Chứng chỉ hoàn thành

799.000đ

1.000.000đ -20%
Chat
logo

Học online cùng chuyên gia

Hotline 1: 19001568

Hotline 2: 090 488 6095

Email: cskh@unica.vn

08h0 - 18h0, Thứ 2 - 7

Về Unica

Hợp tác

Unica App

Unica on App Store Unica on Google Play

Kết nối với Unica

© Công ty cổ phần đào tạo trực tuyến Unica - Tầng 3, Số 247 Cầu Giấy, Phường Cầu Giấy, TP. Hà Nội.

Đại diện: Ông Nguyễn Trọng Thơ | Mã số thuế: 0107695756 cấp tại Sở KH&ĐT thành phố Hà Nội

Open language menu

Tiếng Việt

Đã thông báo Bộ Công Thương