[AI cơ bản] Hiểu về CNN dành cho AI Research Engineer

Khi nghiên cứu AI hoặc thực hiện một dự án sử dụng nó, việc thực hiện một luận điểm cơ bản là điều cần thiết. Thông qua bài giảng này, hãy nâng cao kỹ năng thực hành của bạn bằng cách triển khai một luận văn thực tế!

Khi nghiên cứu AI hoặc thực hiện một dự án sử dụng nó, việc thực hiện một luận điểm cơ bản là điều cần thiết. Thông qua bài giảng này, hãy nâng cao kỹ năng thực hành của bạn bằng cách triển khai một luận văn thực tế!

Khóa học này là quá trình học từng bước về nguyên lý nhận diện hình ảnh và đối tượng sử dụng deep learning từ cơ bản đến các mô hình mới nhất. - Xây dựng nền tảng: Hiểu về tensor và cấu trúc cơ bản của mạng neural với Pytorch - Hiểu về hình ảnh: Học khái niệm computer vision, cấu trúc dữ liệu hình ảnh, kỹ thuật tăng cường dữ liệu (Augmentation) - Học mô hình CNN: Thực hành phân loại hình ảnh với mạng neural tích chập (CNN) (CIFAR-10, v.v.) - Transfer Learning: Sử dụng các mô hình đã được huấn luyện sẵn để học nhanh với ít dữ liệu - Object Detection: Hiểu và thực hành các mô hình phát hiện đối tượng mới nhất như R-CNN, YOLO, SSD, DETR - Segmentation: Trải nghiệm phân đoạn đối tượng theo từng pixel thông qua U-Net, Mask R-CNN

Bạn đã quan tâm đến trí tuệ nhân tạo nhưng đã chán ngắt với những bài giảng về cùng một chủ đề không? Đây là khóa học thực hành về việc tạo và ước tính tư thế 3D từ hình ảnh và video của con người, thực hiện mã thực tế và xây dựng dữ liệu riêng từ hình ảnh.

Đây là khóa học giới thiệu bao gồm OpenCV sử dụng C#. Nó chủ yếu trình bày cách sử dụng các hàm và ảnh hưởng của các đối số hàm đến kết quả hơn là các yếu tố lý thuyết.

AI Rõ ràng trí tuệ nhân tạo và di động đang là xu hướng. Nhưng làm thế nào để bạn học máy học và học sâu và sử dụng chúng trên thiết bị di động? Bây giờ, hãy cùng tìm hiểu các dự án Thị giác máy tính di động hữu ích được sử dụng trong cuộc sống hàng ngày.

Đây là khóa học dự án máy học toàn diện, nơi bạn học nhiều dự án hồi quy và phân loại máy học hữu ích khác nhau cùng với lý thuyết sử dụng Python và TensorFlow 2 dựa trên dữ liệu lớn của Boston Marathon.

Khi bạn tải hình ảnh lên, Opencv sẽ xử lý hình ảnh đó để tạo một ứng dụng web phát hiện khuôn mặt.

Dựa trên kinh nghiệm thất bại của giảng viên khi lần đầu tiếp cận Deep Learning, đây là khóa học mới được biên soạn để bạn có thể từng bước nắm vững toán học, lý thuyết, triển khai dựa trên PyTorch, học chuyển giao, và cả Transformer cốt lõi của GPT – những kiến thức cần thiết để hiểu Deep Learning.

Trong bài giảng này, chúng ta sẽ xem xét toàn bộ quá trình tạo ảnh ghép mosaic từ góc độ thuật toán. Sau khi thu gọn ảnh đầu vào thành tập hợp các màu đại diện phù hợp với số lượng ô gạch thông qua phân cụm K-means, chúng ta áp dụng thuật toán Hungarian để ghép cặp tối ưu 1:1 giữa mỗi màu và ô gạch. Thông qua đó, chúng ta hiểu được quá trình kết hợp xử lý ảnh và thuật toán tối ưu hóa tổ hợp để tạo ra một kết quả hình ảnh.

Công nghệ OCR thực sự dùng trong thực tế, nếu muốn học đúng cách thì chỉ cần một khóa học này là đủ! Đạt mục tiêu chính xác trên 98% ngay cả với tài liệu phi cấu trúc và bố cục phức tạp, dựa trên các mô hình SOTA mới nhất cùng kinh nghiệm thực chiến, chúng tôi sẽ cùng bạn xây dựng dự án OCR cấp doanh nghiệp.

Tìm hiểu cách xây dựng hệ thống phát hiện cháy thời gian thực dùng Next.js, YOLOv11, FastAPI.