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 dự án và quy trình làm việc AI

Chuẩn bị dữ liệu cho AI

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

Kỹ thuật học có giám sát

  • Các thuật toán hồi quy và phân loại
  • Các phương pháp tập hợp: Random Forest, Gradient Boosting
  • Điều chỉnh siêu tham số và xác nhận chéo

Kỹ thuật học không giám sát

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

Mạng nơ-ron và Học sâu

  • Giới thiệu về TensorFlow và Keras
  • Xây dựng và huấn luyện các mạng nơ-ron tiền tiến (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
  • Các ứng dụng của học tăng cường

Triển khai các mô hình AI

  • Lưu trữ và tải các mô hình đã huấn luyện
  • Tích hợp các mô hình vào ứng dụng qua API
  • Giám sát và bảo 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 với các thư viện phân tích dữ liệu như NumPy và pandas
  • Kiến thức cơ bản về các khái niệm và thuật toán học máy

Đối tượng

  • Các lập trình viên phần mềm nhằm mở rộng kỹ năng phát triển AI
  • Các nhà phân tích dữ liệu tìm cách áp dụng các kỹ thuật AI vào các tập dữ liệu phức tạp
  • Các chuyên viên R&D xây dựng các ứng dụng dựa trên AI

Số người tham gia


Giá cho mỗi học viên

Đánh giá (2)

Các khóa học sắp tới

Các danh mục liên quan