Phát triển Trí tuệ nhân tạo Phần 3 Dự án Học máy thực tế

Giới thiệu về ngôn ngữ C, ngôn ngữ cơ sở phát triển phần mềm

Trong khóa học này, bạn sẽ học cách phát triển front web bằng React. Tìm hiểu cú pháp cốt lõi của JavaScript để phát triển React, phát triển React dựa trên CDN và các phương pháp phát triển React dựa trên NPM.

"Hơn cả phân tích dữ liệu, từ thiết kế đến tối ưu hóa mô hình dự báo (Tổng cộng 29 bài giảng)" Bạn đã hoàn tất việc phân tích dữ liệu nhưng lại cảm thấy bế tắc khi bắt tay vào xây dựng mô hình? Vượt xa việc chỉ đơn thuần gọi các thư viện, chúng tôi sẽ giúp bạn nắm vững nguyên lý hoạt động của từng thuật toán và chiến lược kiểm chứng mô hình tối ưu nhất.

Bạn có thể tìm hiểu thông tin chung về JavaScript, bao gồm tổng quan về ngôn ngữ JavaScript, ngữ pháp cơ bản và các thư viện được cung cấp.

CSS & CSS3 là dễ học và dễ mắc lỗi nhất. Đi thôi!! không thấy.

: "Từ thiết lập môi trường đến dự án kinh doanh thực tế, hành trình khoa học dữ liệu tìm lời giải cho doanh thu thương mại điện tử bằng thống kê (Tổng cộng 38 bài giảng)" Vượt xa mức độ chỉ đơn thuần là học cách sử dụng các công cụ phân tích, bạn sẽ được học cách xử lý dữ liệu log phát sinh trong thực tế ngành thương mại điện tử thông qua các quy trình thống kê. Sau khi củng cố vững chắc các lý thuyết cốt lõi từ thiết lập môi trường phát triển đến thống kê mô tả, phân phối xác suất và kiểm định giả thuyết, bạn sẽ tiến tới phân tích so sánh thời gian lưu trú trên ứng dụng và tỷ lệ chuyển đổi mua hàng của người dùng thực tế, cũng như định lượng mức độ đóng góp hiệu quả thông qua phân tích hồi quy tuyến tính đa biến! Thông qua các dự án thực tế, bạn sẽ chinh phục một cách hệ thống 'năng lực ra quyết định dựa trên dữ liệu và tự động hóa phân tích' - yếu tố cốt lõi của một nhà khoa học dữ liệu.

"Từ thiết lập môi trường đến dự án kinh doanh thực tế, hành trình khoa học dữ liệu tìm lời giải cho doanh thu bằng dữ liệu (Tổng cộng 39 bài giảng)" Vượt xa mức độ chỉ đơn thuần là học cách sử dụng thư viện, bạn sẽ được học cách xử lý dữ liệu thực tế trong lĩnh vực thương mại điện tử thông qua quy trình khoa học dữ liệu. Bắt đầu từ việc thiết lập môi trường phát triển và kiến thức cơ bản về Numpy/Pandas, đến tiền xử lý dữ liệu, phân tích thống kê, trực quan hóa, và cả phân khúc RFM dựa trên kịch bản kinh doanh cùng kiểm chứng giả thuyết! Chinh phục các năng lực cốt lõi của một nhà khoa học dữ liệu một cách hệ thống thông qua các dự án thực tế.

"Hoàn thiện từ A đến Z về Deep Learning, từ cơ bản đến 7 dự án thực tế (Tổng cộng 41 bài giảng)“ Vượt xa mức độ gọi mô hình đơn thuần, bạn sẽ học cách xây dựng đường ống (pipeline) Deep Learning gọn gàng và hiệu quả bằng cách sử dụng PyTorch Lightning - xu hướng hiện nay trong ngành. Hãy trực tiếp triển khai tổng cộng 7 dự án từ dự báo giá cổ phiếu đến AI tạo sinh, hình ảnh y tế và phân tích âm thanh để trở thành một kỹ sư AI tự tin trước bất kỳ loại dữ liệu nào.

: "Từ nền tảng toán học đến các mô hình mới nhất, hoàn thiện pipeline Deep Learning với Pytorch (Tổng cộng 44 bài giảng)" Thời đại chỉ học cách gọi model.fit() một cách đơn thuần đã qua rồi. Từ đạo hàm và hạ giang (gradient descent) - những nền tảng cơ bản nhất của mạng thần kinh nhân tạo, đến cách sử dụng Pytorch thiết yếu trong công việc thực tế, và cả CNN/RNN để xử lý dữ liệu hình ảnh và chuỗi thời gian! Chúng tôi sẽ giúp bạn chinh phục toàn bộ quy trình Deep Learning một cách hệ thống. Giờ đây, hãy bước vào thế giới Deep Learning kinh ngạc, nơi trí tuệ nhân tạo mô phỏng bộ não con người có thể tự học hỏi và đưa ra phán đoán, vượt xa việc chỉ phân tích dữ liệu thông thường.

: "Hành trình Deep Learning Full-stack xuyên suốt các lĩnh vực dữ liệu, từ thiết lập môi trường đến 7 dự án thực tế (Tổng cộng 35 bài giảng)" Vượt xa mức độ chỉ đơn thuần làm theo mã ví dụ, bạn sẽ học cách xử lý các loại dữ liệu đa dạng trong thực tế bằng Deep Learning. Bắt đầu từ việc thiết lập môi trường phát triển CPU/GPU, cho đến phân loại rác tái chế (hình ảnh), dự đoán giá cổ phiếu (chuỗi thời gian), phát hiện bất thường điện tâm đồ (AE), hoạt hình hóa (GAN), phân đoạn hình ảnh y tế (U-Net) và phân loại âm thanh (âm thanh)! Bạn sẽ chinh phục các thuật toán cốt lõi của Deep Learning một cách hệ thống thông qua các dự án thực chiến.

: "Từ nền tảng toán học đến các mô hình mới nhất, hoàn thiện quy trình Deep Learning với TensorFlow (Tổng cộng 44 bài giảng)" Thời đại chỉ học cách gọi model.fit() một cách đơn thuần đã qua rồi. Từ đạo hàm và hạ cực trị (Gradient Descent) - những nền tảng cơ bản nhất của mạng thần kinh nhân tạo, đến cách sử dụng TensorFlow và Keras thiết yếu trong công việc thực tế, và cả CNN/RNN để xử lý dữ liệu hình ảnh và chuỗi thời gian! Chúng tôi sẽ giúp bạn chinh phục toàn bộ quá trình Deep Learning một cách hệ thống. Giờ đây, hãy vượt qua việc phân tích dữ liệu thông thường để bước vào thế giới Deep Learning kinh ngạc, nơi trí tuệ nhân tạo mô phỏng não bộ con người có thể tự học hỏi và đưa ra phán đoán.

* Lộ trình học thực chiến 100%: Không chỉ học ngữ pháp, cấu trúc chương trình tập trung vào thực hành xử lý dữ liệu trực tiếp. * Khóa học tiên quyết để chinh phục Machine Learning: Hệ thống hóa hoàn hảo các kỹ thuật tiền xử lý bắt buộc phải biết trước khi học AI. * Làm chủ công cụ phân tích dữ liệu: Chinh phục các tính năng cốt lõi của Numpy (tính toán số học) và Pandas (kiểm soát dữ liệu). * Rút ra Insight thông qua trực quan hóa: Truyền đạt kỹ năng trực quan hóa dữ liệu bằng Matplotlib và Seaborn. * Củng cố nền tảng thống kê: Học các kỹ thuật phân tích nhóm và thống kê cơ bản để nắm bắt đặc tính của dữ liệu.

Hiện tại, Android có thể được phát triển bằng ngôn ngữ Java và Kotlin. Dù sử dụng ngôn ngữ nào, bạn cũng có thể phát triển cùng một ứng dụng Android như nhau. Khóa học này bao gồm hầu hết các nội dung từ cơ bản đến nâng cao về phát triển ứng dụng Android, và toàn bộ mã nguồn từ những nội dung cơ bản nhất đều được viết bằng ngôn ngữ Kotlin. Ngoài ra, khóa học còn sử dụng Material 3, thư viện UI mới nhất của Google. Trong toàn bộ lộ trình học Android này, bạn sẽ được thực hiện 3 dự án thực tế. Thông qua việc thực hiện các dự án, bạn có thể nắm vững các kỹ thuật nâng cao đang được sử dụng thực tế trong công việc như Hilt, Retrofit, RoomDatabase, MVVM. Bên cạnh đó, bạn còn có thể tăng cường năng suất bằng cách sử dụng AI thông qua việc thực hiện "vibe coding" với Gemini ngay trong công cụ phát triển Android. Soft Campus chúng tôi sẽ luôn nỗ lực để cung cấp những bài giảng mới nhất.

Android có thể được phát triển bằng ngôn ngữ Java và Kotlin. Bạn có thể phát triển cùng một ứng dụng Android bằng bất kỳ ngôn ngữ nào. Khóa học này bao gồm hầu hết các nội dung từ cơ bản đến nâng cao về phát triển ứng dụng Android, và tất cả mã nguồn từ những nội dung cơ bản nhất đều được viết bằng ngôn ngữ Kotlin. Ngoài ra, khóa học còn sử dụng Material 3, thư viện UI mới nhất của Google. Trong toàn bộ lộ trình học Android, khóa học này chủ yếu tập trung vào các nội dung về Action Bar, quản lý dữ liệu, quản lý tài nguyên, cảm biến và mạng.

Hiện tại, Android có thể được phát triển bằng ngôn ngữ Java và ngôn ngữ Kotlin. Dù sử dụng ngôn ngữ nào, bạn cũng có thể phát triển các ứng dụng Android tương tự nhau. Khóa học này bao gồm hầu hết các nội dung từ cơ bản đến nâng cao về phát triển ứng dụng Android, và tất cả các mã nguồn từ nội dung cơ bản đều được viết bằng ngôn ngữ Kotlin. Ngoài ra, khóa học còn sử dụng Material 3, thư viện UI mới nhất của Google. Trong toàn bộ chương trình học Android, khóa học này chủ yếu tập trung vào các nội dung về Menu, các thành phần của ứng dụng Android, Thread và Fragment; các nội dung chuyên sâu hơn sẽ được đề cập trong các khóa học tiếp theo. Soft Campus chúng tôi sẽ luôn nỗ lực để cung cấp những bài giảng mới nhất. Xin cảm ơn.

Có thể chế tạo trò chơi hybrid casual sử dụng Unity6.

Học C# trong môi trường Unity. Khi học C#, bạn sẽ tự nhiên làm quen với môi trường phát triển Unity, điều này rất hữu ích cho những người mới bắt đầu phát triển.

Đây là khóa học lập trình UI phần 1 về phát triển ứng dụng Android phiên bản 15 cùng với thư viện Material 3 mới nhất.

Phiên bản mới nhất vào năm 2024 và thời gian chạy là 17 giờ 48 phút. Bạn hoàn toàn có thể thành thạo Kotlin trong một khóa học này.

Dựa trên ngôn ngữ c#, bạn sẽ học cách tạo game phòng thủ theo từng giai đoạn bằng cách sử dụng Unity.

Cách đọc thế giới bằng dữ liệu: Khám phá khoa học dữ liệu riêng của bạn! Khám phá sâu sắc và thực tế các công cụ và kỹ thuật cốt lõi của khoa học dữ liệu hiện đại. Đặc biệt, bạn sẽ học cách phân tích dữ liệu và triển khai thuật toán bằng Anaconda, Numpy, Pandas và Scikit-learn, những yếu tố cần thiết của khoa học dữ liệu.

Đầu tư thực chiến không chỉ dừng lại ở những kiến thức cơ bản, hãy tự mình xây dựng mô hình lợi nhuận bằng bí quyết học máy (machine learning) của chuyên gia định lượng (quant) 10 năm kinh nghiệm.

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!

Quá trình chuyển đổi kỹ thuật số (DT) và giới thiệu trí tuệ nhân tạo (AI) của một công ty bắt đầu bằng việc xây dựng mô hình học máy. Tuy nhiên, phạm vi của công nghệ học máy rất rộng và việc lựa chọn phương pháp tối ưu đòi hỏi sự hiểu biết rõ ràng về các khái niệm cơ bản. Bài giảng này giới thiệu những nội dung cốt lõi cần thiết để hiểu rõ các khái niệm cơ bản về machine learning thông qua 5 ví dụ.

Khóa học này được thiết kế để giúp bạn nâng cao trình độ trở thành chuyên gia xây dựng máy học thực tế thông qua việc triển khai mô hình máy học của cuộc thi Home Credit Default Risk trên Kaggle.

Với lộ trình học tập bài bản gồm 40 bài giảng, bạn sẽ được học từ lý thuyết cơ bản về AI đến các kỹ thuật AI ứng dụng của từng thuật toán. Thông qua việc học và thực hành thuật toán bằng ngôn ngữ R cùng tư duy toán học trực quan, bạn sẽ trang bị được năng lực phát triển mô hình AI có thể áp dụng ngay vào thực tế, từ việc xây dựng và lựa chọn sử dụng các mô hình thuật toán cho phân tích dữ liệu, học máy (machine learning) và các công cụ ứng dụng liên quan.

Khám phá những hạn chế của LLM, các công nghệ mới nhất để khắc phục những hạn chế đó và triển vọng của các công nghệ trong tương lai.

Bạn đã nắm vững kiến thức cơ bản nhưng vẫn thấy lúng túng khi áp dụng vào thực tế? Với kinh nghiệm thực chiến, tôi sẽ giải đáp một cách rõ ràng các cấu trúc LLM phức tạp.

"Tại sao hệ thống giao dịch tự động của tôi lại sụp đổ khi thị trường đi xuống?" Tôi cũng đã từng trăn trở sâu sắc về vấn đề này. Hầu hết các logic giao dịch tự động trên thị trường có vẻ tạo ra lợi nhuận trong thị trường giá lên, nhưng lại mất khả năng ứng phó ngay khi sắc thái thị trường thay đổi. Để giải quyết vấn đề này, tôi đã kết hợp bí quyết nghiên cứu trực tiếp trong 2 năm qua cùng công nghệ AI mới nhất. Trong khóa học này, chúng ta sẽ trực tiếp thiết kế 'Mô hình Deep Learning dựa trên Transformer' có khả năng đọc hiểu đồng thời dòng chảy kinh tế vĩ mô và từng mã cổ phiếu riêng lẻ, đồng thời học cách tự động huấn luyện và triển khai trên môi trường GPU miễn phí. Đặc biệt, bằng cách áp dụng kỹ thuật chuẩn hóa dữ liệu tinh vi ở cấp độ quỹ phòng hộ, chúng ta sẽ xây dựng một 'Hệ thống điểm tổng hợp thông minh' kết hợp từ các chỉ số đơn thuần cho đến phân tích cảm xúc tin tức. Thêm vào đó là ‘Cổng an toàn AI’ được cấy ghép tầm nhìn của các nhà giao dịch có 20 năm kinh nghiệm tại Wall Street, giúp bổ sung sự xác nhận cuối cùng dưới góc nhìn của một nhà giao dịch con người ngay trước khi đặt lệnh mua. Không chỉ dừng lại ở chức năng mua bán đơn thuần, với logic chốt lời/cắt lỗ động, 8 cơ chế tự phục hồi và báo cáo thời gian thực qua Slack, bạn sẽ tự tay mình hiện thực hóa toàn bộ quy trình của một hệ thống thuật toán cấp tổ chức.

Khóa học này là một masterclass thực hành hoàn chỉnh phân tích sâu sự phát triển công nghệ cốt lõi của AI tạo sinh từ LDM(Latent Diffusion Model) đến DiT(Diffusion Transformer). Chúng ta sẽ trực tiếp phân tích nguyên lý học tập dựa trên không gian tiềm ẩn của LDM, cấu trúc của Stable Diffusion, và phương thức triển khai của Diffusion Transformer mới nhất thông qua các bài báo và code. Học viên sẽ trực tiếp triển khai các mô hình LDM, CFG(Classifier-Free Guidance), DiT dựa trên PyTorch, đồng thời học một cách có hệ thống các xu hướng mới nhất và sự tiến hóa cấu trúc của mô hình tạo sinh.

Khóa học này giải thích các khái niệm cơ bản về LLM và GPT một cách dễ hiểu để bất kỳ ai cũng có thể nắm bắt được. Học viên có thể trực tiếp sử dụng GPT API để tạo chatbot và chạy trên web bằng Streamlit. Thông qua trải nghiệm từ cơ bản đến thực hành, bạn có thể xây dựng nền tảng vững chắc cho những bước đầu tiên trong việc ứng dụng AI.

Nếu bạn yêu cầu AI "hãy tạo mô hình bằng dữ liệu này", vài dòng đầu tiên trông có vẻ hợp lý, nhưng chỉ cần phức tạp hơn một chút, nó sẽ sử dụng sai cột, làm rò rỉ dữ liệu (leakage), và dù điểm số tăng lên nhưng mô hình thực tế lại tệ đi. Khóa học này không dạy bạn cách viết prompt tốt hơn. Thay vào đó, nó tập trung vào cách trực tiếp thiết kế một vòng lặp (harness) để Agent có thể hiểu dữ liệu, lập kế hoạch, viết mã, tự xác nhận kết quả và quay lại nếu sai sót. Sau khi thực hành thủ công một vòng lặp năm mảnh của DS-STAR, chúng ta sẽ lần lượt lắp ráp các thành phần: Data Profile Card, Hook, Skill Hierarchy, Independent Verifier và Ablation.

Ngành sản xuất ô tô và linh kiện là lĩnh vực mà sự đổi mới là điều thiết yếu trong bối cảnh cạnh tranh toàn cầu khốc liệt và chuỗi cung ứng phức tạp. Khóa học này tập trung vào cách áp dụng công nghệ AI vào thực tế, giải thích thông qua các trường hợp thực tế như nâng cao hiệu quả sản xuất, tự động hóa kiểm tra chất lượng, bảo trì dự báo thiết bị, tối ưu hóa chuỗi cung ứng. Từ hiểu biết cơ bản cần thiết để triển khai AI, đến chiến lược và quản lý rủi ro cần xem xét khi áp dụng thực tế, khóa học được xây dựng theo từng bước để cung cấp kiến thức và hiểu biết sâu sắc mà nhân viên thực thi và quản lý có thể áp dụng ngay lập tức.

Khóa học dành cho người mới bắt đầu trở thành kỹ sư AI được thiết kế để trải nghiệm ngắn gọn toàn bộ quy trình từ xử lý dữ liệu, phát triển mô hình, đến Cloud, MLOps và các cân nhắc về đạo đức. Khóa học không chỉ dừng lại ở việc tạo ra mô hình mà còn tập trung vào việc hiểu quy trình kết nối với dịch vụ thực tế để rèn luyện kỹ năng chuyên môn. Các bài thực hành và ví dụ đi kèm sẽ giúp ngay cả những người lần đầu học về AI cũng có thể dễ dàng theo kịp.

Cách xử lý dữ liệu lớn và học hỏi từ các kỹ sư phần mềm ở Thung lũng Silicon Chúng tôi hướng dẫn bạn cách phát triển mã dữ liệu lớn với Apache Spark bằng Python. Hiện là nhà phát triển phần mềm 14 năm có chuyên môn về ứng dụng web, dữ liệu lớn và SRE & Ngay cả DevOps cũng đang được xử lý bằng Python. Đừng bao giờ bỏ lỡ cơ hội tìm hiểu sâu và dễ dàng về Apache Spark, điều cần thiết đối với các chuyên gia dữ liệu lớn khi sử dụng Python!

Bạn muốn học AI nhưng lần nào cũng bị khựng lại trước các công thức đại số tuyến tính? Thay vì bắt bạn học thuộc lòng các công thức, khóa học này sẽ giúp bạn tận mắt chứng kiến các vectơ và ma trận thực sự chuyển động như thế nào trong không gian. Sau khi hoàn thành khóa học, bạn có thể tự mình đọc hiểu toán học đằng sau mạng thần kinh, PCA và SVD.

Bạn có thể học một cách có hệ thống phương pháp tiếp cận thống kê về giao dịch cặp S&P 500 bằng Python. Xây dựng nền tảng cho chiến lược đầu tư không cảm xúc thông qua phân tích dữ liệu chuyên nghiệp.

Hướng dẫn làm chủ ứng dụng AI dành cho lập trình viên Java! Khóa học này sẽ phá bỏ định kiến rằng AI chỉ dành riêng cho Python, giúp trang bị cho ứng dụng Java của bạn đôi mắt, đôi tai, giọng nói và cả khả năng lập trình của AI. Hãy trở thành Kiến trúc sư AI dựa trên OpenAI API. Bạn sẽ trực tiếp phát triển các chuyên gia AI đa dạng như nhà văn AI, thông dịch viên, họa sĩ, cộng sự lập trình, đồng thời xây dựng một trợ lý AI đa năng tích hợp các tính năng cốt lõi như: tóm tắt văn bản, phân tích cảm xúc, thuyết minh hình ảnh, tạo mã Java, chuyển đổi giọng nói/văn bản, tạo hình ảnh/phụ đề. Đây là cơ hội tuyệt vời để tối đa hóa khả năng cạnh tranh cho hệ thống Java sẵn có của bạn thông qua việc học cách thiết lập vai trò cho AI bằng System Message và kiểm duyệt nội dung độc hại.

Khóa học này là quá trình học tập toàn bộ quy trình 'Xây dựng dữ liệu huấn luyện AI' cần thiết để thực hiện thành công các dự án mô hình hóa AI. Người học không chỉ dừng lại ở kiến thức lý thuyết mà sẽ trải nghiệm từng bước quy trình xây dựng dữ liệu được yêu cầu trong thực tế công việc. Cụ thể, khóa học được cấu trúc để có thể phát triển năng lực thực tế có thể áp dụng ngay trong công việc thông qua việc thực hành tập trung vào toàn bộ quy trình từ lập kế hoạch → thu thập → lưu trữ → làm sạch → gán nhãn → kết hợp và chuyển đổi thông tin giả danh của dữ liệu huấn luyện AI. Ngoài ra, người học sẽ học tập một cách có hệ thống các năng lực quản lý dữ liệu quan trọng nhất trong dự án AI như quản lý chất lượng dữ liệu và vấn đề bảo mật, xử lý phi nhận dạng thông tin cá nhân, tối ưu hóa tập dữ liệu. Thông qua điều này, người học có thể phát triển thành chuyên gia dữ liệu có thể chủ động lập kế hoạch và thực hiện dự án AI, chứ không chỉ là người thu thập dữ liệu đơn thuần. 👉 Thông qua khóa học này, người học sẽ hiểu được phương pháp xây dựng dữ liệu huấn luyện chất lượng cao quyết định hiệu suất mô hình AI và có được năng lực thực tế để áp dụng hiệu quả vào môi trường thực tế.

Hãy chinh phục hoàn toàn chứng chỉ Kỹ sư Phân tích Dữ liệu lớn - một chứng chỉ bắt buộc nhưng không hề dễ dàng để tự học - trong thời gian ngắn bằng cách sử dụng R, một công cụ phân tích dữ liệu dễ học!!