神経式のディープラーニング - Gradients and PyTorch's Autograd

Đây là bài giảng cô đọng các nội dung toán đã học ở bậc THCS và THPT. Bạn học những kiến ​​thức và kỹ thuật toán học cần thiết với nhiều bài thực hành cho từng mục.

Đây là bài giảng đầu tiên về đại số tuyến tính và là bài giảng về hiểu biết hình học về vectơ và các phép toán vectơ.

Giới hạn của hàm số, đạo hàm, đạo hàm, công thức đạo hàm, cách sử dụng đạo hàm

Đây là một bài giảng về trực quan hóa dữ liệu bằng thư viện Matplotlib.

Đây là một khóa học về cách sử dụng NumPy và thực hành thực tế với nó.

Đây là bài giảng về cách sử dụng LaTeX để viết công thức.

Đây là khóa học có nhiều bài luyện tập về ngữ pháp cơ bản của Python. Đây là khóa học thực hành thực tế được sử dụng trong Machine Learning, Deep Learning, cùng với ngữ pháp Python.

Học khái niệm và cách thiết lập môi trường ảo.

Đây là bài giảng thứ năm của series [인공지능을 위한 파이썬]. Bài giảng này thực hành các bài tập ứng dụng được dùng trong Machine Learning, Deep Learning, cùng với cú pháp Python.

Đây là bài giảng thứ tư trong loạt bài [Python cho trí tuệ nhân tạo]. Đây là bài giảng cung cấp các bài tập thực hành được sử dụng trong machine learning và deep learning cùng với ngữ pháp của Python.

Là buổi học thứ ba của series [인공지능을 위한 파이썬]. Bạn sẽ học cách gỡ lỗi mã Python.

Đây là khóa học thứ hai của series [Python dành cho Trí tuệ nhân tạo]. Đây là khóa học thực hành các bài tập thực tế được sử dụng trong Machine Learning, Deep Learning, cùng với cú pháp Python.

Từ lý thuyết cốt lõi về Deep Learning và CNN đến các phương pháp triển khai mô hình CNN đa dạng, bí quyết phát triển Deep Learning thực tế thông qua các bài toán thực tế, Nếu bạn muốn trở thành chuyên gia về công nghệ CNN Deep Learning dựa trên Pytorch, hãy tham gia khóa học này :)

Bạn có muốn thực hiện bước đầu tiên vào thế giới dữ liệu không? Học máy học và học sâu, các công nghệ AI cốt lõi, với Python. Bài giảng này hướng dẫn bạn từng bước, từ những điều cơ bản về học máy và học sâu đến các ứng dụng thực tế. Học máy truyền thống và học sâu đều dựa trên nhiều nguyên tắc và hệ thống kỹ thuật giống nhau. Do đó, trong bài giảng này, thay vì tách cả hai thành các chủ đề riêng biệt, chúng tôi đã tổ chức chúng thành một khóa học được kết nối để những người mới bắt đầu có thể nâng cao hiểu biết về học máy nói chung.

"Khóa học thực hành nhập môn tạo LLM tùy chỉnh chuyên biệt theo lĩnh vực với fine-tuning nhẹ dựa trên LoRA!" LLM tùy chỉnh, giờ đây bạn có thể tự tạo ra được. Khóa học này được thiết kế để bạn có thể học cách tạo LLM chuyên biệt theo lĩnh vực một cách dễ dàng thông qua thực hành fine-tuning nhẹ dựa trên LoRA, không cần lý thuyết phức tạp. Để ngay cả những người mới bắt đầu làm việc với LLM cũng có thể theo kịp, chúng tôi sẽ hướng dẫn từng bước toàn bộ quy trình từ tải mô hình → đưa dữ liệu vào → huấn luyện → so sánh kết quả. Hãy thực hành và làm quen với kỹ thuật mới nhất để tạo ra LLM chuyên biệt cho lĩnh vực cụ thể ngay cả với tài nguyên ít!

Bài giảng nhập môn AI phù hợp với người mới bắt đầu! Các khái niệm cốt lõi từ dữ liệu đến AI tạo sinh được tổng hợp dễ hiểu. Mục tiêu là hiểu biết thực tiễn ở mức có thể đặt câu hỏi và giải thích, không phải tạo AI.

Thời gian trôi liên tục và dữ liệu tiếp tục tích lũy. Trong thế giới năng động này, dữ liệu chuỗi thời gian đóng vai trò quan trọng trong mọi khía cạnh của cuộc sống chúng ta. Từ sự biến động trên thị trường tài chính đến những dấu hiệu khó nhận thấy của biến đổi khí hậu, dữ liệu chuỗi thời gian đều có tất cả. Bây giờ hãy tìm hiểu cách diễn giải và sử dụng dữ liệu mạnh mẽ này bằng sức mạnh của Python và học sâu!

Hãy chắc chắn bắt đầu với những điều cơ bản về học máy và học sâu! Phân loại/hồi quy/phân cụm/tạo và sử dụng mạng thần kinh nhân tạo trong Python

Hãy triển khai khung deep learning trực tiếp trong Excel! Hãy cùng giải quyết việc học có giám sát/học không giám sát/học tăng cường bằng cách sử dụng khung đã triển khai!

Bạn có thể sử dụng Docker để tạo môi trường phân tích học sâu trên đám mây. Khi kết hợp Docker và đám mây do Google, MS quản lý, bạn có thể thực hiện công việc bằng các phương pháp phân tích học sâu mới nhất trên máy tính của mình.

Khóa học này là một khóa nhập môn được thiết kế để người học lần đầu tiếp xúc với công nghệ AI cũng có thể dễ dàng hiểu và thực hành theo. Thông qua các bài giảng, bạn sẽ nắm vững các khái niệm cơ bản và cách sử dụng nền tảng AI, đồng thời tiến hành thực hành tạo ra hình ảnh trực tiếp bằng cách sử dụng các công cụ AI đa dạng. Sau khi hoàn thành khóa học này, bạn sẽ trở nên gần gũi hơn với AI và có thể trang bị năng lực tạo hình ảnh AI để hiện thực hóa các ý tưởng sáng tạo một cách trực quan.

Đây là một bài giảng về máy học được viết giống như một câu chuyện bằng ngôn ngữ dễ hiểu, không có công thức phù hợp với trình độ mắt của sinh viên các môn nghệ thuật tự do!

Đây là buổi giảng đại chúng dành cho công chúng, giúp họ thoát khỏi nỗi sợ hãi mơ hồ về trí tuệ nhân tạo. Thông qua các ví dụ cụ thể, chúng ta sẽ tìm hiểu ý nghĩa thực sự của việc AI học hỏi. Đồng thời, chúng ta cũng sẽ khám phá cấu trúc não của AI trông như thế nào và cách nó tư duy, qua những ví dụ cụ thể.

Phần Project '파이토치 - Dễ hiểu bằng code': triển khai dự án học sâu thực tiễn dùng ảnh, video, ngôn ngữ tự nhiên, giúp hiểu cấu trúc, luồng mô hình qua học tập chú trọng code hơn lý thuyết.

Khóa học này bao gồm từ kiến thức cơ bản đến thực hành về nền tảng AI, là một khóa học giúp bạn có thể nắm vững công nghệ tạo hình ảnh AI. Người học có thể hiểu được các khái niệm cơ bản về AI và phát triển khả năng tạo ra hình ảnh AI bằng cách sử dụng các công cụ và kỹ thuật đa dạng. Thông qua khóa học này, bạn có thể nâng cao hiểu biết về lĩnh vực AI và học cách tạo ra hình ảnh AI trực tiếp trong thực tế.

Hãy tìm hiểu về việc phân tích các vị trí nghề nghiệp liên quan đến Data Science (DS) và Artificial Intelligence (AI), cũng như lộ trình học tập và tuyển dụng để xây dựng sự nghiệp trong các lĩnh vực liên quan.