Đề cương khóa học

Tổng quan về Trí tuệ nhân tạo trong Python

  • Những khái niệm và phạm vi của AI
  • Các thư viện Python cho phát triển AI
  • Tructruất cấu dự án và quy trình làm việc của AI

Bảo Prepare dữ liệu cho AI

  • Làm sạch, biến đổi dữ liệu và tạo tính năng
  • Xử lý dữ liệu thiếu hụt và mất cân bằng
  • Escaling và mã hóa tính năng

Các Kỹ thuật Supervised Learning

  • Các thuật toán hồi quy và phân loại
  • Các phương pháp tập hợp: Random Forest, Gradient Boosting
  • Tuning siêu tham số và kiểm chứng chéo

Các Kỹ thuật Unsupervised Learning

  • Các phương pháp phân cụm: K-Means, DBSCAN, clustering层级聚类
  • Giảm chiều: PCA, t-SNE
  • Những trường hợp sử dụng cho học không giám sát

Neural Networks và Deep Learning

  • Giới thiệu về TensorFlow và Keras
  • Xây dựng và huấn luyện mạng nơ-ron truyền thẳng
  • Tối ưu hóa hiệu suất của mạng nơ-ron

Reinforcement Learning (Giới thiệu)

  • Các khái niệm cơ bản về đại lý, môi trường và phần thưởng
  • Thực hiện các thuật toán học tăng cường cơ bản
  • Những ứng dụng của học tăng cường

Triển Khai Mô hình AI

  • Lưu trữ và tải mô hình đã được huấn luyện
  • Đưa mô hình vào ứng dụng thông qua API
  • Theo dõi và duy trì hệ thống AI trong sản xuất

Tóm Tắt và Các Bước Tiếp Theo

Requirements

  • Nắm vững các nguyên tắc cơ bản của lập trình Python
  • Kinh nghiệm với thư viện phân tích dữ liệu như NumPy và pandas
  • Có kiến thức cơ bản về khái niệm và thuật toán học máy

Đối tượng tham gia

  • Nhà phát triển phần mềm muốn mở rộng kỹ năng phát triển AI của mình
  • Phân tích dữ liệu tìm kiếm cách áp dụng các phương pháp AI vào bộ dữ liệu phức tạp
  • Các chuyên viên R&D xây dựng ứng dụng được hỗ trợ bởi AI
 35 Hours

Number of participants


Price per participant

Testimonials (3)

Provisional Upcoming Courses (Require 5+ participants)

Related Categories