Liên hệ với chúng tôi

Đề cương khóa học

Học có giám sát: Phân loại và Hồi quy

  • Học máy trong Python: Giới thiệu về API scikit-learn
    • Hồi quy tuyến tính và hồi quy logistic
    • Máy vectơ hỗ trợ (SVM)
    • Mạng nơ-ron
    • Rừng ngẫu nhiên (Random Forest)
  • Cài đặt quy trình học có giám sát toàn diện sử dụng scikit-learn
    • Làm việc với các tệp dữ liệu
    • Điền giá trị bị thiếu
    • Xử lý các biến phân loại
    • Trực quan hóa dữ liệu

Các khung Python cho ứng dụng AI:

  • TensorFlow, Theano, Caffe và Keras
  • AI quy mô lớn với Apache Spark: Mlib

Các kiến trúc mạng nơ-ron tiên tiến

  • Mạng nơ-ron tích chập (CNN) cho phân tích hình ảnh
  • Mạng nơ-ron hồi quy (RNN) cho dữ liệu cấu trúc theo thời gian
  • Ô bộ nhớ dài-ngắn (LSTM)

Học không giám sát: Phân cụm và Phát hiện bất thường

  • Triển khai phân tích thành phần chính (PCA) với scikit-learn
  • Triển khai bộ mã hóa tự động (autoencoders) trong Keras

Ví dụ thực tế về các vấn đề mà AI có thể giải quyết (bài tập thực hành sử dụng Jupyter notebooks), ví dụ:

  • Phân tích hình ảnh
  • Dự báo các chuỗi tài chính phức tạp, như giá cổ phiếu,
  • nhận dạng mẫu phức tạp
  • xử lý ngôn ngữ tự nhiên
  • hệ thống gợi ý

Hiểu các hạn chế của các phương pháp AI: các lỗi thường gặp, chi phí và những khó khăn phổ biến

  • Quá khớp (overfitting)
  • Sự đánh đổi giữa độ lệch (bias) và phương sai (variance)
  • Độ lệch trong dữ liệu quan sát
  • Đầu độc mạng nơ-ron (neural network poisoning)

Dự án ứng dụng (tùy chọn)

Yêu cầu

Khóa học này không yêu cầu bất kỳ điều kiện tiên quyết cụ thể nào để tham gia.

 28 Giờ

Số người tham gia


Giá cho mỗi học viên

Đánh giá (2)

Các khóa học sắp tới

Các danh mục liên quan