🚀 Học phát hiện bất thường AI thực tế với Databricks! 💡 Dừng các mô hình đắt đỏ và chậm chạp! Từ tối ưu hóa dữ liệu quy mô lớn đến triển khai thời gian thực, hoàn thành AI phát hiện bất thường có thể được sử dụng ngay trong thực tế kinh doanh.
79 học viên
Độ khó Trung cấp trở lên
Thời gian 12 tháng
Đánh giá từ những học viên đầu tiên
5.0
나띵메로
Tôi đang học được những kỹ năng chất lượng cao. Đây là khóa học hoàn toàn xứng đáng với số tiền bỏ ra. Tôi chỉ biết các khái niệm cơ bản của Python như class, kế thừa một cách nông cạn thôi. (Chỉ ở mức có thể hiểu được code mà giảng viên viết) Có thể gọi là code refactoring không nhỉ..? Tôi có cảm giác như được nhìn thấy hình ảnh thực tế làm việc của giảng viên qua video. Tôi cũng cảm thấy mình cần phải biết sử dụng thư viện tích hợp sẵn của Python nhiều hơn. Đặc biệt là gần đây với AI, việc hiểu code hay xử lý lỗi đã trở nên tương đối dễ dàng hơn, tôi đang học với sự hỗ trợ của AI cho những khái niệm khó hoặc cần giải thích ở giữa chừng. Cảm ơn anh đã cung cấp khóa học tốt với mức giá như thế này.
5.0
강지은
Cảm ơn bạn vì bài giảng hay.
5.0
Chansu Shin
Tôi đã học được rất nhiều. Điều này đã giúp ích rất nhiều cho tôi.
MLflow
MLOps
Databricks
Học sâu
Thị giác máy tính
Phát hiện dị thường
Thị giác máy tính
Học sâu
Databricks
Khóa học này là khóa học thực hành hướng dẫn bạn cách thực hiện hiệu quả việc phát hiện bất thường dựa trên thị giác máy tính. Nó bao gồm mọi thứ từ xử lý dữ liệu cho học sâu đến tối ưu hóa và triển khai mô hình .
Đặc biệt, nó cung cấp bí quyết thực tế về tối ưu hóa dữ liệu quy mô lớn và xây dựng và triển khai các mô hình phát hiện bất thường bằng Apache Spark & Databricks .
Ngoài các kỹ thuật viết mã đơn giản, bạn sẽ học được các chiến lược tối ưu hóa nâng cao và các kỹ thuật tiết kiệm chi phí mà bạn có thể tận dụng trong các dự án thực tế .
Trong khóa học này, bạn sẽ từng bước tìm hiểu các nội dung thiết yếu cho các dự án thực tế , bao gồm thu thập dữ liệu, xử lý trước, tăng cường, đào tạo và đánh giá mô hình, phục vụ mô hình thông qua REST API và quản lý phiên bản mô hình .
Đặc biệt, bạn có thể có được những kỹ năng mạnh mẽ có thể áp dụng ngay vào thực tế thông qua các chiến lược tối ưu hóa giúp triển khai hiệu suất cao với chi phí thấp trong Databricks .
#Python, #Trí tuệ nhân tạo (AI), #Học máy, Học sâu, #azure-databricks
Các mô hình thị giác máy tính phát hiện các điểm bất thường và thực hiện phân tích dữ liệu thời gian thực trong môi trường công nghiệp chất lượng cao
✔ Các kỹ sư AI/ML muốn tìm hiểu về phát hiện bất thường dựa trên thị giác máy tính
✔ Các nhà phát triển muốn xây dựng hệ thống phát hiện bất thường trong sản xuất, chăm sóc sức khỏe, an ninh, v.v.
✔ Những người muốn tìm hiểu các kỹ thuật xử lý dữ liệu tối ưu bằng Apache Spark & Databricks
✔ Bất kỳ ai muốn tìm hiểu cách xây dựng các mô hình phát hiện bất thường và triển khai chúng dưới dạng API thời gian thực
🔹 Kỹ sư dữ liệu & Kỹ sư AI
→ Tìm hiểu cách tối ưu hóa mọi quy trình từ thu thập, xử lý, học tập và phân phối dữ liệu để chạy một dự án AI hiệu quả.
🔹 Nhà phát triển học máy và học sâu
→ Bằng cách tìm hiểu các kỹ thuật quản lý thử nghiệm dựa trên MLflow, học chuyển giao và tối ưu hóa mô hình, bạn có thể phát triển các mô hình mạnh mẽ và thiết thực hơn.
🔹 Nhà sáng lập & Trưởng dự án khởi nghiệp về AI/Dữ liệu
→ Tìm hiểu cách tiết kiệm chi phí và tối ưu hóa hiệu suất để sử dụng hiệu quả các nguồn lực và tối đa hóa ROI (lợi tức đầu tư) của dự án.
🔹 Quản lý dữ liệu doanh nghiệp và AI
→ Tìm hiểu các công nghệ tối ưu hóa Databricks & Spark để xử lý hiệu quả dữ liệu quy mô lớn và vận hành hiệu quả các dự án AI trong công ty của bạn.
#Python, #Trí tuệ nhân tạo (AI), #Học máy, Học sâu, #azure-databricks
✅ Bao gồm các kỹ thuật tối ưu hóa hướng đến thực hành . Thay vì chỉ cung cấp các bài giảng lý thuyết, chúng tôi cung cấp bí quyết thực tế để giải quyết các vấn đề về hiệu suất và chi phí thường xảy ra trong các dự án thực tế.
✅ Tìm hiểu các chiến lược tiết kiệm chi phí bằng Spark & Databricks . Tìm hiểu cách đạt được hiệu suất cao với nguồn lực chi phí thấp , điều này có thể giúp tiết kiệm chi phí đáng kể trong thực tế.
✅ Từ xử lý dữ liệu học sâu đến đào tạo mô hình, triển khai và phục vụ REST API, tất cả ở một nơi ! Nó bao gồm toàn bộ quá trình thu thập dữ liệu → lưu trữ → xử lý trước → tăng cường → đào tạo → phân phối .
✅ Tiết lộ những bí mật tối ưu hóa mà bạn chỉ có thể học được trong bài giảng này !
Chúng tôi sẽ tiết lộ riêng các chiến lược tối ưu hóa và bí quyết tiết kiệm chi phí trong môi trường Databricks và Spark mà không có trong các bài giảng khác.
✅ Tối ưu hóa việc thu thập, lưu trữ và xử lý trước dữ liệu hình ảnh quy mô lớn
✅ Xử lý hình ảnh quy mô lớn bằng Apache Spark & Databricks
✅ Kỹ thuật xử lý tải và phát dữ liệu có tính đến hiệu quả bộ nhớ
✅ Các nguyên tắc chính của Phát hiện dị thường
✅ So sánh mô hình phát hiện dị thường dựa trên học có giám sát và học không giám sát
✅ Salt and Pepper Patches, một kỹ thuật học mẫu bất thường bằng cách sử dụng Noise Injection
✅ Xử lý hình ảnh bằng OpenCV và PIL
✅ Các kỹ thuật xử lý dữ liệu như thay đổi kích thước hình ảnh, chuẩn hóa và chuyển đổi kênh
✅ Tự động chuyển đổi hình ảnh quy mô lớn bằng Spark UDF
✅ Chuyển giao việc học bằng cách sử dụng mô hình được đào tạo trước Hugging Face
✅ So sánh và ứng dụng các mô hình phát hiện dị thường dựa trên autoencoder, GAN và CNN
✅ Đánh giá hiệu suất mô hình và quản lý thử nghiệm bằng MLflow
✅ Kỹ thuật đo lường hiệu suất sử dụng điểm F1 và Đường cong Precision-Recall
✅ Xây dựng API phát hiện bất thường theo thời gian thực bằng FastAPI
✅ Triển khai tự động với Databricks Model Serving
✅ Xử lý yêu cầu và phản hồi phát hiện bất thường dựa trên REST API
✅ Giảm chi phí và cải thiện hiệu suất thông qua tối ưu hóa Apache Spark
✅ Kỹ thuật xử lý song song trong các hệ thống phát hiện dị thường quy mô lớn
✅ Triển khai mô hình và quản lý phiên bản bằng MLflow & Databricks
#Python, #Trí tuệ nhân tạo (AI), #Học máy, Học sâu, #azure-databricks
Xin chào.
Tôi đã làm việc trong nhiều dự án khác nhau trong lĩnh vực AI, học máy và kỹ thuật dữ liệu trong hơn 10 năm và đã có được kinh nghiệm chuyên sâu về tối ưu hóa mô hình học sâu và xử lý dữ liệu quy mô lớn .
Hiện tại, ông là giáo sư thỉnh giảng tại Đại học Hàn Quốc và là Giám đốc điều hành của DC Solutions, nơi ông thực hiện các dự án kỹ thuật dữ liệu và AI cho các tập đoàn và viện nghiên cứu lớn trong nước .
Ngoài ra, chúng tôi đã tiến hành các dự án thực tế trong nhiều lĩnh vực công nghiệp khác nhau như Apache Spark, phát triển mô hình ML, xây dựng MLOps và nghiên cứu AI y tế , đồng thời nghiên cứu cách thiết kế và vận hành các hệ thống xử lý dữ liệu và AI được tối ưu hóa .
Qua quá trình làm việc trên nhiều dự án, tôi nhận ra rằng "tối ưu hóa dữ liệu" cũng quan trọng như việc phát triển các mô hình AI .
Đặc biệt , trong quá trình đào tạo và triển khai các mô hình học sâu, chúng ta thường gặp phải vấn đề lãng phí tài nguyên tính toán do xử lý dữ liệu không hiệu quả .
Hầu hết các dự án AI đều tốn kém gấp nhiều lần, thậm chí hàng chục lần so với dự kiến ban đầu .
Nếu điều này không được giải quyết, các dự án thường thất bại với chi phí rất lớn trước khi chúng thành công .
Vì vậy, tôi thực sự đã lên kế hoạch cho bài giảng này bằng cách tập hợp các chiến lược triển khai mô hình học sâu và tối ưu hóa dữ liệu đã được chứng minh từ các công ty và viện nghiên cứu .
Ngoài việc phát triển các mô hình học sâu, chúng tôi muốn chia sẻ bí quyết thực tế về việc xây dựng các hệ thống AI nhanh hơn và mạnh hơn với chi phí thấp hơn .
💡 Quan trọng như việc phát triển các mô hình AI và máy học là việc tối ưu hóa và triển khai dữ liệu hiệu quả .
Trong nhiều dự án, mô hình hoạt động hoàn hảo, nhưng lại phát sinh vấn đề khiến việc đưa vào sử dụng thực tế trở nên khó khăn do xử lý dữ liệu không hiệu quả và chi phí vận hành cao.
Trong khóa học này, bạn sẽ học cách tối ưu hóa dữ liệu quy mô lớn và triển khai các mô hình học sâu nhanh hơn với chi phí thấp hơn bằng cách sử dụng Apache Spark & Databricks .
✔ Bạn sẽ học được cách thực tế để xây dựng các hệ thống AI hiệu suất cao đồng thời giảm chi phí .
✅ Có được năng lực thực tế để thực hiện các dự án AI/ML tại các công ty và viện nghiên cứu .
✅ Có thể tối ưu hóa và xử lý dữ liệu quy mô lớn bằng cách sử dụng Apache Spark & Databricks .
✅ Bạn có thể tìm hiểu toàn bộ quy trình đào tạo, tối ưu hóa và triển khai các mô hình học sâu và áp dụng trực tiếp vào công việc của mình.
✅ Bạn có thể thực hiện đào tạo mô hình, theo dõi thử nghiệm và quản lý phiên bản bằng MLflow .
✅ Bạn có thể học công nghệ triển khai mô hình AI thông qua REST API và áp dụng chúng vào các dịch vụ thực tế .
🔹 Đây là khóa học từ trình độ trung cấp đến nâng cao .
🔹 Bao gồm Apache Spark, kỹ thuật dữ liệu, đào tạo mô hình học sâu và quy trình triển khai, tập trung vào ứng dụng thực tế cũng như lý thuyết .
🔹 Khuyến khích cho những người có kiến thức cơ bản về Python và các khái niệm về máy học hơn là người mới bắt đầu.
🔹 Nhưng! Vì các bài giảng được thiết kế để bạn có thể học từng bước trong khi thực hành code thực tế nên bạn có thể theo dõi ngay cả khi chỉ biết các khái niệm cơ bản.
Môi trường thực hành của khóa học này có thể chạy trơn tru trên các hệ điều hành sau.
✅ Windows 10/11 (64-bit)
✅ macOS (bao gồm cả chip Apple Silicon)
✅ Linux (Ubuntu 18.04 trở lên, CentOS, Debian, v.v.)
※ Trong môi trường Windows, bạn cũng có thể cấu hình môi trường Linux bằng cách sử dụng WSL (Hệ thống con Windows cho Linux) hoặc Docker.
※ Vì khóa đào tạo dựa trên nền tảng đám mây được bao gồm nên bạn có thể tiến hành chỉ bằng trình duyệt web, bất kể hệ điều hành cục bộ nào.
Định dạng tài liệu học tập được cung cấp (Jupyter Notebook, Python Scripts)
Mã liên quan đến nội dung bài giảng chỉ được cung cấp cho những người đăng câu hỏi trên bảng tin^^.
💻 Nếu bạn biết Python và các khái niệm cơ bản về máy học, khóa học này sẽ dễ theo dõi hơn.
📌 Tuy nhiên, vì chúng tôi giải thích các khái niệm trên lớp và sau đó tiến hành đào tạo thực hành nên bạn có thể theo dõi ngay cả khi bạn thiếu kiến thức cơ bản.
📌 Chúng tôi sẽ hướng dẫn bạn cách cài đặt và thiết lập môi trường phát triển cần thiết (Apache Spark, Databricks, MLflow, v.v.) trực tiếp trong bài giảng.
Khóa học này dành cho ai?
Nhà phát triển quan tâm đến AI và thị giác máy tính
Nhà phân tích và kỹ sư dữ liệu trong các lĩnh vực sản xuất, tài chính và bảo mật
Các nhà phát triển quan tâm đến việc phục vụ và triển khai mô hình AI
Người muốn áp dụng dự án AI vào thực tế công việc
Một nhà khoa học dữ liệu muốn phát triển mô hình phát hiện bất thường dựa trên deep learning
Kỹ sư học máy
Chuyên gia muốn tìm hiểu về khả năng ứng dụng thực tế trong các lĩnh vực như sản xuất (kiểm tra hàng lỗi), tài chính (phát hiện giao dịch gian lận), bảo mật (phát hiện xâm nhập).
Những người muốn ứng dụng AI trong các lĩnh vực cần phát hiện bất thường như quản lý chất lượng, phân tích rủi ro, kiểm soát an ninh.
Người muốn học toàn bộ quy trình từ chuẩn bị dữ liệu, học mô hình và cung cấp API trong môi trường Databricks.
Nhà phát triển có kinh nghiệm thực tế về quản lý mô hình và triển khai thời gian thực bằng MLflow
Học viên muốn hoàn thành dự án thông qua thực hành lập trình thực tế, không chỉ là lý thuyết suông
Người muốn nâng cao khả năng giải quyết vấn đề phát sinh trong quá trình phát triển thực tế.
Cần biết trước khi bắt đầu?
Cơ bản về Python
Các kiến thức cơ bản về ngôn ngữ Spark
199
Học viên
22
Đánh giá
32
Trả lời
4.9
Xếp hạng
3
Các khóa học
Hiện tại, tôi đang đảm nhận vai trò trưởng dự án phát triển và tư vấn cho các dự án dưới đây tại các tập đoàn lớn. Tôi vẫn đang trực tiếp thực chiến^^.
Bên cạnh đó, tôi cũng đang hoạt động với tư cách là giáo sư kiêm nhiệm về lĩnh vực trí tuệ nhân tạo tại cao học trường Đại học Korea.
Mục tiêu của tôi là truyền tải những kỹ thuật lập trình mang tính thực tiễn cao, có thể áp dụng ngay vào công việc thực tế. Tôi rất mong muốn được cùng các bạn tạo nên những giờ học thú vị trong tương lai.
Thiết kế dịch vụ và cấu trúc trí tuệ nhân tạo doanh nghiệp
Triển khai dịch vụ Machine Learning
Phát triển dịch vụ Backend
Xây dựng cơ sở dữ liệu và phát triển dịch vụ trong các môi trường đám mây khác nhau như Cloud (Azure) Databricks, ETL, Fabric, v.v.
Tất cả
31 bài giảng ∙ (11giờ 10phút)
Tất cả
13 đánh giá
5.0
13 đánh giá
Đánh giá 5
∙
Đánh giá trung bình 5.0
5
Vì đây là lĩnh vực tôi vốn quan tâm, tôi rất tò mò không biết nó sẽ diễn ra như thế nào ở các lĩnh vực khác hoặc trong môi trường làm việc thực tế, và đã được giải đáp rất nhiều. Rất thú vị và dường như sẽ rất hữu ích cho dự án mà tôi định thực hiện. Ngoài ra, mặc dù trước đây tôi đã được giải quyết phần nào khi học các phần khác liên quan đến Data Bricks hoặc Azure, tôi xin chia sẻ rằng sẽ tốt hơn nếu có thêm giải thích bổ sung trong bài giảng này. 1) Các phương pháp liên kết API khác (Mục 2, ví dụ liên kết API của ChatGPT hoặc các công cụ khác, không phải Azure OpenAI, trong môi trường thực hành) 2) Phân bổ tài nguyên Azure VM (Mục 3, Mục 6, cần thiết khi thiết lập cấu hình phù hợp cho Databricks Compute & Quản lý ngân sách chi phí) 3) Công khai mã nguồn (hướng tới lập trình trực tiếp, nhưng để tránh các vấn đề phát sinh lỗi khi sử dụng tài nguyên tính toán trong hình thức thanh toán cá nhân)
Tôi đã nhận được bài học hay từ nhận xét khóa học. Nhất định sẽ lưu ý~
Đánh giá 5
∙
Đánh giá trung bình 5.0
Đã chỉnh sửa
Đánh giá 10
∙
Đánh giá trung bình 5.0
5
Khóa học AI sử dụng Databricks dường như là duy nhất, xin cảm ơn vì bài giảng tuyệt vời. Tuy nhiên, sẽ tốt hơn nếu mỗi phần chi tiết có thêm một chút giải thích tổng quan. Ví dụ, nếu giải thích chức năng của từng menu trong Machine Learning và bổ sung cách mỗi đoạn mã được sử dụng trong menu nào, thì sẽ tuyệt vời hơn nữa. Và những người tham gia khóa học này, vì tập trung nhiều hơn vào Spark hoặc Databricks, nên sẽ có nhiều người dù rất quan tâm đến AI nhưng lại thiếu kiến thức. Nếu bổ sung thêm phần này, thì khóa học sẽ trở nên xuất sắc hơn nữa.
Xin chân thành cảm ơn những đánh giá của quý vị về bài giảng. Tôi sẽ nỗ lực để đáp lại bằng những bài giảng tốt hơn nữa trong tương lai!
Đánh giá 3
∙
Đánh giá trung bình 3.7
Đã chỉnh sửa
5
Tôi đang học được những kỹ năng chất lượng cao. Đây là khóa học hoàn toàn xứng đáng với số tiền bỏ ra. Tôi chỉ biết các khái niệm cơ bản của Python như class, kế thừa một cách nông cạn thôi. (Chỉ ở mức có thể hiểu được code mà giảng viên viết) Có thể gọi là code refactoring không nhỉ..? Tôi có cảm giác như được nhìn thấy hình ảnh thực tế làm việc của giảng viên qua video. Tôi cũng cảm thấy mình cần phải biết sử dụng thư viện tích hợp sẵn của Python nhiều hơn. Đặc biệt là gần đây với AI, việc hiểu code hay xử lý lỗi đã trở nên tương đối dễ dàng hơn, tôi đang học với sự hỗ trợ của AI cho những khái niệm khó hoặc cần giải thích ở giữa chừng. Cảm ơn anh đã cung cấp khóa học tốt với mức giá như thế này.
Cảm ơn những đánh giá khóa học đầy năng lượng ạ~ Tôi cảm thấy như vừa nhận được món quà ý nghĩa. Tôi sẽ nỗ lực hơn nữa!
Đánh giá 1
∙
Đánh giá trung bình 5.0
Hãy khám phá các khóa học khác của giảng viên!
Khám phá các khóa học khác trong cùng lĩnh vực!
Giảm 25% cho thành viên mới
1.870.330 ₫
25%
2.493.770 ₫
![[TensorFlow 2] Hoàn thành cuộc chinh phục Python machine learning - Dự án dự đoán kỷ lục MarathonHình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/324207/course_cover/1a79c7dc-1624-4d3a-95ff-79ba1e9c4025/python_machine_learning.png?w=420)
![[Di động] Dự án thực hành thị giác máy tính Deep LearningHình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/324985/course_cover/6bedded2-1f32-4d11-be03-6e5bf5a3b488/sjh-mobile-cv.png?w=420)
![[Thực chiến AIoT] Chuẩn bị hoàn hảo cho Makerthon Gương thông minh: Từ LLM, CV đến thiết kế phần cứngHình thu nhỏ khóa học](https://cdn.inflearn.com/public/files/courses/340196/cover/01kexgfr26whtfsmsqd2dj1x7x?w=420)
![[Tập] Excel + Python (cơ bản)Hình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/332174/cover/4bff11a1-9859-43f4-8e17-6374ee50e6d6/332174-eng.png?w=420)
![[Đổi mới] Bootcamp Machine Learning với Python cho người mới bắt đầu (Dễ dàng! Vừa giải các bài toán Kaggle thực tế vừa hệ thống hóa kiến thức) [Phân tích/Khoa học dữ liệu Phần 2]Hình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/327464/cover/55c4db7b-7764-43cc-ac75-d9e8d08098f1/327464-eng.png?w=420)
![[Lập trình Vibe] Không biết lập trình cũng OK! Tạo hệ thống tự động hóa phân tích dữ liệu bằng AIHình thu nhỏ khóa học](https://cdn.inflearn.com/public/files/courses/343876/cover/01m0cdq4w7crfs0n22s6r6z4bm?w=420)
![[Việc riêng sau giờ tan làm] Kỳ thi thực hành chứng chỉ phân tích dữ liệu lớn (Dạng bài 1, 2, 3)Hình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/329972/cover/dcfb28fd-48c1-4bb1-ab31-d59eac874194/329972-original.png?w=420)