
Rhino 6 dành cho người mới bắt đầu thiết kế sản phẩm Phần 2
usefulit
Đây là bài giảng về Rhino 3D, một phần mềm cơ bản cần biết để thiết kế sản phẩm.
Basic
Rhino
Khóa học này được thiết kế để người học có thể đồng thời phát triển lý thuyết cơ bản và khả năng ứng dụng thực tế nhằm thực hiện thành thạo các dự án mô hình hóa AI trong công việc. Người học sẽ hiểu được luồng tổng thể của dự án AI và trải nghiệm từng bước quy trình từ định nghĩa vấn đề → thiết kế mô hình → thu thập và tiền xử lý dữ liệu → trích xuất đặc trưng → huấn luyện và xác thực mô hình cùng với các bài thực hành. Ngoài ra, thông qua việc học cách lựa chọn và quản lý mô hình AI tối ưu trong các tình huống khác nhau, người học có thể xây dựng năng lực thực tế về AI có thể áp dụng vào môi trường kinh doanh thực tế. Thông qua khóa học này, người học có thể hiểu một cách có hệ thống toàn bộ quy trình dự án mô hình hóa AI và dựa trên đó tăng cường khả năng giải quyết vấn đề dựa trên dữ liệu.
Có thể xác định các vấn đề cần giải quyết thông qua mô hình trí tuệ nhân tạo, định nghĩa các yếu tố biểu diễn của vấn đề cần giải quyết bằng trí tuệ nhân tạo theo mục tiêu của mô hình trí tuệ nhân tạo đã được thiết lập.
Có thể đánh giá nhiều mô hình trí tuệ nhân tạo đã được học tập bằng cách sử dụng dữ liệu kiểm tra đã được lựa chọn.
Có thể chi tiết hóa mô hình dựa trên mô hình agent được thiết kế cơ bản.
Có thể xác định nhóm ứng viên chỉ số đánh giá phù hợp với mô hình dịch vụ trí tuệ nhân tạo.
Khi dữ liệu đã có được không đủ, có thể thiết lập kế hoạch tăng cường dữ liệu tương tự.
Có thể vận hành simulator được sử dụng trong mô hình học tập và điều chỉnh các thiết lập.
Có thể nắm bắt được cấu trúc của mô hình học máy trí tuệ nhân tạo đã được thiết kế.
Có thể nắm bắt được đặc tính của các thuật toán cần thiết cho việc học máy trí tuệ nhân tạo.
Có thể tạo ra những đặc trưng mới chưa được phát hiện bằng cách kết hợp hoặc phân chia các đặc trưng đã được chọn.
Khóa học này được thiết kế để đồng thời phát triển cả lý thuyết cơ bản và khả năng ứng dụng thực tế nhằm thực hiện thành thạo các dự án mô hình hóa AI trong công việc thực tế.
Người học sẽ hiểu được quy trình tổng thể của dự án AI và trải nghiệm từng bước một cách thực hành từ định nghĩa vấn đề → thiết kế mô hình → thu thập và tiền xử lý dữ liệu → trích xuất đặc trưng → huấn luyện và xác thực mô hình.
Ngoài ra, bạn có thể học cách lựa chọn và quản lý các mô hình AI tối ưu trong nhiều tình huống khác nhau, từ đó xây dựng năng lực thực tế về AI có thể áp dụng vào môi trường kinh doanh thực tế.
Thông qua khóa học này, người học có thể hiểu một cách có hệ thống toàn bộ quy trình dự án mô hình hóa AI và dựa trên đó có thể tăng cường khả năng giải quyết vấn đề dựa trên dữ liệu.
Định nghĩa vấn đề mô hình AI (1~3)
Xác định rõ ràng các vấn đề cần giải quyết trong dự án AI và cụ thể hóa thành những vấn đề có thể giải quyết được bằng cách liên kết với mục tiêu kinh doanh
Học cách tư duy kết nối vấn đề với dữ liệu
Thiết kế mô hình AI (1~3)
Thiết kế cấu trúc mô hình để giải quyết vấn đề đã được định nghĩa
Học cách lựa chọn thuật toán phù hợp và phương pháp tiếp cận mô hình hóa
Các chỉ số hiệu suất và phân tích giới hạn cần xem xét trong giai đoạn thiết kế ban đầu
Đảm bảo dữ liệu
Hiểu về phương pháp thu thập dữ liệu cần thiết cho việc huấn luyện mô hình và nguyên lý cấu thành tập dữ liệu
Tiền xử lý dữ liệu (1~5)
Học các kỹ thuật tiền xử lý cần thiết như xử lý dữ liệu thiếu, loại bỏ dữ liệu bất thường, chuẩn hóa dữ liệu
Áp dụng các phương pháp tiền xử lý phù hợp với nhiều dạng dữ liệu khác nhau như văn bản, hình ảnh, dữ liệu số
Trích xuất đặc trưng (1~5)
Trích xuất các đặc trưng (feature) có ý nghĩa cần thiết cho việc huấn luyện mô hình từ dữ liệu gốc
Giảm chiều dữ liệu, lựa chọn biến, ứng dụng kỹ thuật embedding
Thực hành kỹ thuật tạo biến cốt lõi để nâng cao hiệu suất mô hình
Huấn luyện mô hình AI (1~3)
Quá trình huấn luyện mô hình đã được thiết kế với dữ liệu thực tế
Thiết lập và phương pháp điều chỉnh các siêu tham số như tốc độ học, epoch, kích thước batch
Chiến lược phòng chống overfitting và tối ưu hóa hiệu suất
Lựa chọn mô hình AI (1~2)
Lựa chọn mô hình tối ưu thông qua so sánh và xác thực hiệu suất giữa các mô hình khác nhau
Sử dụng các chỉ số đánh giá như độ chính xác, độ chính밀, tỷ lệ thu hồi, điểm F1
Lựa chọn và quản lý mô hình AI
Giám sát hiệu suất sau khi triển khai mô hình và quản lý tái huấn luyện định kỳ
Duy trì độ tin cậy và khả năng mở rộng của mô hình trong môi trường vận hành
Khóa học này không cung cấp dịch vụ hỏi đáp từ người chia sẻ kiến thức
Giáo án theo tuần được cung cấp dưới dạng file PDF
Khóa học này dành cho ai?
Nhân viên công ty muốn tiến hành dự án AI tại công ty hoặc trường đại học nhưng lần đầu tiếp xúc với quy trình liên quan và thiết kế mô hình
Nhà giáo dục muốn tiến hành giáo dục dự án mô hình hóa AI
8,278,680
Học viên
6,372
Đánh giá
4.6
Xếp hạng
309
Các khóa học
Chúng tôi sẽ giúp bạn phát triển thông qua những bài giảng IT hữu ích.
Tất cả
27 bài giảng ∙ (7giờ 29phút)
Tài liệu khóa học:
2.086.691 ₫
Hãy khám phá các khóa học khác của giảng viên!
Khám phá các khóa học khác trong cùng lĩnh vực!