Xây dựng kiến thức cơ bản về lập trình R
coco
Lớp này được thiết kế để đặt nền tảng về lập trình R cho những người chưa biết gì về lập trình R.
입문
R
Kiến thức cơ bản về trí tuệ nhân tạo và tư vấn nghề nghiệp cho học sinh không chuyên/trung học
Khóa học này dành cho học sinh không chuyên hoặc học sinh trung học lần đầu tiên học về khoa học dữ liệu và trí tuệ nhân tạo. Chúng tôi sẽ giúp bạn hiểu các khái niệm về trí tuệ nhân tạo và học máy, đồng thời cho bạn biết bạn cần nỗ lực gì để có được công việc liên quan.
(5.0) 1 đánh giá
14 học viên
Độ khó Nhập môn
Thời gian Không giới hạn
Machine Learning(ML)
Machine Learning(ML)
Deep Learning(DL)
Deep Learning(DL)
Machine Learning(ML)
Machine Learning(ML)
Deep Learning(DL)
Deep Learning(DL)
Bạn sẽ nhận được điều này sau khi học.
Các khái niệm cơ bản về học máy và trí tuệ nhân tạo
Các loại mô hình học máy
Các loại và khái niệm mô hình học sâu
Con đường sự nghiệp liên quan đến trí tuệ nhân tạo
Cách nghiên cứu trí tuệ nhân tạo/phân tích dữ liệu
Để trở thành Nhà khoa học dữ liệu / Nhà nghiên cứu AI
Hãy nắm chắc bước đầu tiên! 🤖
Nhà khoa học dữ liệu/nhà nghiên cứu AI
Bước đầu tiên để trở thành 👨💻
Chúng tôi sẽ giúp bạn hiểu các khái niệm về trí tuệ nhân tạo và máy học, cũng như những gì bạn cần làm để theo đuổi sự nghiệp trong lĩnh vực này. 
Bạn có bao giờ có những lo lắng này không?
"Khoa học dữ liệu và AI đang trên đà phát triển. Tôi cũng có thể làm được điều đó không?"
"Sinh viên khoa học xã hội và nhân văn có thể làm được việc này không? Có yêu cầu phải học sau đại học không? Tôi không biết phải bắt đầu từ đâu."
Tôi sẽ giải thích từng khái niệm một, bắt đầu từ những điều cơ bản.
Do đó, bài giảng này tập trung vào các khái niệm cơ bản về học máy và trí tuệ nhân tạo, thay vì tập trung vào lý thuyết và thực hành, giúp người mới bắt đầu (học sinh trung học phổ thông và sinh viên đại học không chuyên ngành) dễ dàng hiểu được. Chúng tôi giải thích các khái niệm và loại hình AI và học máy, đồng thời giới thiệu các nghề nghiệp liên quan. Chúng tôi giải thích các kỹ năng cần thiết cho những nghề nghiệp này và những gì các công ty thực sự tìm kiếm ở họ. Cuối cùng, chúng tôi giải thích cách học cho từng nghề nghiệp và những chuyên ngành nào có lợi thế.
Ai sẽ được lợi khi lắng nghe?
Các khái niệm cơ bản về máy học và mô hình AI
Bất cứ ai muốn biết
Sự nghiệp của một nhà khoa học dữ liệu
Những người muốn chuyển đổi
Những người muốn theo đuổi sự nghiệp trong AI/DS
Học sinh trung học phổ thông/sinh viên đại học không chuyên ngành
Khóa học được thiết kế để giúp sinh viên ít nhất có thể lập kế hoạch nghề nghiệp liên quan đến AI sau khi hoàn thành khóa học. Khóa học so sánh các yêu cầu của các công ty thực tế và giới thiệu sự khác biệt giữa các công việc liên quan đến AI. Hơn nữa, khóa học còn giới thiệu các khoa và chuyên ngành liên quan để giúp sinh viên phát triển các kỹ năng cần thiết cho sự nghiệp trong lĩnh vực này.
Nội dung chính của bài giảng
Hãy xem thử nhé 📚
1️⃣ Các khái niệm cơ bản về học máy và học sâu
Để giúp người mới bắt đầu dễ hiểu hơn, chúng tôi bắt đầu với chủ đề "Dữ liệu là gì?". Sau đó, chúng tôi sẽ giải thích những gì chúng ta có thể làm với dữ liệu này thông qua học máy và AI. Chúng tôi sẽ giải thích cách các mô hình học máy có thể được phân loại rộng rãi, cách mỗi mô hình học và kết quả mà chúng tạo ra.
2️⃣ Các loại máy học
(Cây quyết định, kNN, Học tập tổng hợp, Phân cụm, Giá trị SHAP)
Chúng tôi sẽ đề cập đến các mô hình học máy thiết yếu. Các bài giảng sẽ được trình bày súc tích và tập trung vào khái niệm để dễ hiểu. Chúng tôi sẽ khám phá các khái niệm, điểm mạnh và điểm yếu của các mô hình cơ bản, đồng thời giới thiệu ShapValue, một công cụ được sử dụng cho AI có thể giải thích được.
3️⃣ Khái niệm về mô hình học sâu và mô hình tạo trí tuệ nhân tạo DALLE.2
Chúng ta sẽ tìm hiểu về các khái niệm và loại mô hình học sâu. Chúng ta sẽ giới thiệu khả năng của từng mô hình. Chúng ta cũng sẽ trải nghiệm DALLE.2, một mô hình do AI tạo ra gần đây đang trở thành chủ đề nóng.
4️⃣ Cách đánh giá tính phù hợp của mô hình
Mô hình chúng tôi tạo ra có chính xác đến mức nào? Để xác định độ chính xác của mô hình, thiết kế thử nghiệm phù hợp là rất quan trọng. Thiết kế thử nghiệm này rất quan trọng cho việc phân tích dữ liệu. Vì đây là phần mà nhiều người mới bắt đầu thường mắc lỗi, tôi đã cố gắng giải thích chi tiết nhất có thể để mọi người dễ hiểu.
5️⃣ Điều quan trọng trong phân tích dữ liệu
Phân tích dữ liệu không chỉ dừng lại ở việc mô hình hóa. Nó bao gồm một loạt các bước, bắt đầu từ việc tiền xử lý dữ liệu thô, tạo ra các biến số suy ra, thiết kế thí nghiệm, mô hình hóa và cuối cùng là diễn giải. Chúng ta sẽ thảo luận về các khía cạnh chính và thiết yếu của quy trình này.
6️⃣ Các công việc liên quan đến Khoa học Dữ liệu và Trí tuệ Nhân tạo và các kỹ năng cần thiết
Nhà khoa học dữ liệu không phải là nghề nghiệp duy nhất liên quan đến AI. Nhìn chung, họ có thể được phân loại thành bốn nhóm: nhà khoa học dữ liệu, nhà phân tích dữ liệu, kỹ sư AI/ML và nhà nghiên cứu AI. Tuy có vẻ tương tự nhau, nhưng trách nhiệm của họ lại khác nhau, và mỗi công việc lại yêu cầu những công cụ và kỹ năng khác nhau. Hãy cùng xem xét những gì các công ty thực sự yêu cầu cho từng vị trí, đồng thời giới thiệu các kỹ năng cần thiết và chuyên ngành liên quan cho từng vị trí.
Khuyến nghị cho
những người này
Khóa học này dành cho ai?
Những người không chuyên muốn học về trí tuệ nhân tạo/khoa học dữ liệu
Học sinh cấp 3 muốn trải nghiệm trí tuệ nhân tạo
8,390
Học viên
509
Đánh giá
136
Trả lời
4.4
Xếp hạng
20
Các khóa học
Tôi là một người thất nghiệp vẫn đang tiếp tục học tập, sau khi tốt nghiệp cử nhân chuyên ngành Thống kê và nhận bằng Tiến sĩ Kỹ thuật Công nghiệp (Trí tuệ nhân tạo).
Giải thưởng
ㆍ Cuộc thi Big Contest lần thứ 6: Phát triển thuật toán dự đoán người dùng rời bỏ trò chơi / Giải thưởng NCSOFT (2018)
ㆍ Cuộc thi Big Contest lần thứ 5 - Phát triển thuật toán dự đoán người nợ quá hạn khoản vay / Giải thưởng của Chủ tịch Hiệp hội Xúc tiến Công nghệ Thông tin và Truyền thông Hàn Quốc (2017)
ㆍ Cuộc thi Big Data Thời tiết 2016 / Giải thưởng của Viện trưởng Viện Thúc đẩy Công nghiệp Khí tượng (2016)
ㆍ Phát triển thuật toán dự đoán gian lận bảo hiểm tại Big Contest lần thứ 4 / Lọt vào vòng chung kết (2016)
ㆍ Cuộc thi Big Contest lần thứ 3: Phát triển thuật toán dự đoán trận đấu bóng chày / Giải thưởng của Bộ trưởng Bộ Khoa học, Công nghệ thông tin và Hoạch định tương lai (2015)
* blog : https://bluediary8.tistory.com
Lĩnh vực nghiên cứu chính của tôi là khoa học dữ liệu, học tăng cường và học sâu.
Hiện tại tôi đang thực hiện việc thu thập dữ liệu (crawling) và khai phá văn bản (text mining) như một sở thích :)
Tôi đã phát triển một ứng dụng có tên là Marong, sử dụng kỹ thuật crawling để thu thập và hiển thị những bài viết phổ biến từ các cộng đồng trực tuyến, và
Tôi cũng từng thu thập danh sách các quán ăn ngon và blog trên toàn quốc để tạo ra một ứng dụng gợi ý quán ăn :) (nhưng rồi cũng thất bại thảm hại..)
Hiện tại, tôi đang là nghiên cứu sinh tiến sĩ chuyên nghiên cứu về trí tuệ nhân tạo.
Tôi đã từng phát triển và tạo ra một ứng dụng gợi ý quán ăn ngon bằng cách thu thập danh sách các nhà hàng và blog ẩm thực trên toàn quốc :) (nhưng đã thất bại thảm hại..). Hiện tại, tôi đang là nghiên cứu sinh tiến sĩ chuyên ngành trí tuệ nhân tạo.
Tôi đã từng phát triển và tạo ra một ứng dụng gợi ý quán ăn ngon bằng cách thu thập danh sách các quán ăn và blog trên toàn quốc :) (nhưng đã thất bại thảm hại..). Hiện tại, tôi đang là nghiên cứu sinh tiến sĩ chuyên ngành trí tuệ nhân tạo.
Tôi đã từng phát triển và tạo ra một ứng dụng gợi ý quán ăn ngon bằng cách thu thập danh sách các quán ăn cũng như các bài blog trên toàn quốc :) (nhưng đã thất bại thảm hại..). Hiện tại, tôi đang là nghiên cứu sinh tiến sĩ chuyên ngành trí tuệ nhân tạo.
Tôi đã từng phát triển và tạo ra một ứng dụng gợi ý quán ăn ngon bằng cách thu thập danh sách các quán ăn và blog trên toàn quốc :) (nhưng đã thất bại thảm hại..). Hiện tại, tôi đang là nghiên cứu sinh tiến sĩ chuyên ngành trí tuệ nhân tạo.
Chương trình giảng dạy
Tất cả
22 bài giảng ∙ (4giờ 52phút)
Tài liệu khóa học:
Tài liệu bài giảng
Ngày đăng:
Cập nhật lần cuối:
Đánh giá
Tất cả
1 đánh giá
911.091 ₫
Khóa học khác của coco
Hãy khám phá các khóa học khác của giảng viên!
![[Với R] Thống kê cơ bản cho học máy강의 썸네일](https://cdn.inflearn.com/public/courses/325155/course_cover/d8120723-26f7-4fcc-a25c-a99eef4ea0f6/machine-learning-statistics-r-eng.png?f=avif&w=420)
![[PyTorch] Học NLP dễ dàng và nhanh chóng강의 썸네일](https://cdn.inflearn.com/public/courses/325056/course_cover/b66025dd-43f5-4a96-8627-202b9ba9e038/pytorch-nlp-eng.png?f=avif&w=420)
![[R] KOSPI/KOSDAQ tất cả việc thu thập và quản lý dữ liệu chứng khoán강의 썸네일](https://cdn.inflearn.com/public/courses/324972/course_cover/36468a43-de3b-461b-af55-f3c7b0e51637/kospi-kosdaq-data-eng-1.png?f=avif&w=420)
![[PyTorch] Học GAN dễ dàng và nhanh chóng강의 썸네일](https://cdn.inflearn.com/public/courses/324945/course_cover/9794a376-0e54-4745-8a1d-3c6fe72b8fe6/pytorch-gan-eng.png?f=avif&w=420)
![[PyTorch] Học sâu một cách dễ dàng và nhanh chóng강의 썸네일](https://cdn.inflearn.com/public/courses/324742/course_cover/96781b94-7bae-47f8-ab6f-42821f26f042/coco-pytorch.png?f=avif&w=420)
Khóa học tương tự
Khám phá các khóa học khác trong cùng lĩnh vực!
