Liên hệ với chúng tôi
 Thời gian kéo dài 35 Giờ học

Đề cương khóa học

Tổng quan về AI trong Python

  • Các khái niệm chính và phạm vi của AI
  • Các thư viện Python cho phát triển AI
  • Cấu trúc và quy trình làm việc của dự án AI

Chuẩn bị dữ liệu cho AI

  • Làm sạch, biến đổi dữ liệu và kỹ thuật đặc trưng
  • Xử lý dữ liệu thiếu và mất cân bằng
  • Chuẩn hóa và mã hóa đặc trưng

Kỹ thuật học có giám sát

  • Thuật toán hồi quy và phân loại
  • Phương pháp kết hợp (Ensemble): Random Forest, Gradient Boosting
  • Điều chỉnh siêu tham số và xác thực chéo

Kỹ thuật học không giám sát

  • Phương pháp phân cụm: K-Means, DBSCAN, phân cụm phân cấp
  • Giảm chiều không gian: PCA, t-SNE
  • Các trường hợp sử dụng cho học không giám sát

Mạng nơ-ron và Deep Learning

  • Giới thiệu về TensorFlow và Keras
  • Xây dựng và huấn luyện mạng nơ-ron lan truyền (feedforward)
  • Tối ưu hóa hiệu suất mạng nơ-ron

Học tăng cường (Giới thiệu)

  • Các khái niệm cốt lõi về tác nhân, môi trường và phần thưởng
  • Triển khai các thuật toán học tăng cường cơ bản
  • Ứng dụng của học tăng cường

Triển khai mô hình AI

  • Lưu trữ và nạp các mô hình đã huấn luyện
  • Tích hợp mô hình vào ứng dụng thông qua API
  • Giám sát và duy trì các hệ thống AI trong môi trường sản xuất

Tóm tắt và Các bước tiếp theo

Yêu cầu

  • Hiểu biết vững chắc về các nguyên tắc cơ bản của lập trình Python
  • Kinh nghiệm làm việc với các thư viện phân tích dữ liệu như NumPy và pandas
  • Hiểu biết cơ bản về các khái niệm và thuật toán machine learning

Đối tượng học viên

  • Các nhà phát triển phần mềm mong muốn mở rộng kỹ năng phát triển AI
  • Các nhà phân tích dữ liệu tìm cách áp dụng kỹ thuật AI vào các bộ dữ liệu phức tạp
  • Các chuyên gia R&D xây dựng các ứng dụng sử dụng AI

Số người tham gia


Giá cho mỗi học viên

Đánh giá (2)

Các khóa học sắp tới

Các danh mục liên quan