[Thực hành AI] Bắt đầu triển khai luận án dành cho Kỹ sư nghiên cứu AI với PyTorch

Dành cho những ai đã chạy thử ví dụ nhận diện bàn tay nhưng vẫn thấy mơ hồ về cách dạy AI nhận biết cử động tay của mình để tạo ra một sản phẩm có thể sử dụng, tôi sẽ tận dụng kinh nghiệm quản lý tổng thể quá trình phát triển và đào tạo giảng viên dạy nghề để hướng dẫn bạn từ A đến Z — từ cài đặt, thu thập dữ liệu, huấn luyện cho đến hoàn thiện giao diện web — chỉ với một webcam.

Khóa học này thực hiện các bài thực hành liên quan đến mô hình Diffusion trong số các mô hình trí tuệ nhân tạo sinh tạo. Thông qua việc cùng nhau đọc và triển khai bài báo prompt-to-prompt - một bài báo ứng dụng mô hình Diffusion tiêu biểu, chúng tôi hy vọng có thể giúp bạn phát triển khả năng hiểu các bài báo trí tuệ nhân tạo mới nhất.

Thông qua việc đọc và hoàn thành có hệ thống những cuốn sách bán chạy mới nhất về học máy, bạn sẽ học theo hướng thực hành từ các thuật toán học máy dựa trên scikit-learn đến học sâu, Transformer và mô hình ngôn ngữ lớn sử dụng PyTorch. Đây là chương trình học tập chuyên sâu, cân bằng giữa lý thuyết và mã nguồn thực tiễn, giúp bạn nắm vững những cốt lõi của công nghệ AI hiện đại.

Đã học CNN rồi mà bạn vẫn chưa rõ sao? Tôi sẽ tóm tắt nguyên lý hoạt động cơ bản của CNN, chỉ những điểm chính.

Dự án thực chiến Computer Vision: Học dễ, dùng ngay: Tìm hiểu từng bước các dự án Computer Vision có thể ứng dụng ngay vào thực tế công việc. Nâng cao chuyên môn thông qua các ví dụ thực tế.

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.

Đưa mạng nơ-ron lên FPGA — nghe thì quen thuộc, nhưng số người thực sự làm được lại rất ít. Nếu muốn vượt lên một bước trong các dự án Capstone, cuộc thi kỹ thuật hay đồ án tốt nghiệp, bạn cần có khả năng tự xây dựng và chứng minh cách các phép tính của mô hình thực sự vận hành bên trong con chip, thay vì chỉ dừng lại ở việc huấn luyện mô hình. Khóa học này sẽ giúp bạn bắc qua khoảng cách giữa lý thuyết và phần cứng thực tế. Từ việc đọc đặc tả, xây dựng mô hình vàng bằng Python, huấn luyện Machine Learning, thiết kế Verilog RTL cho đến kiểm chứng trên FPGA, bạn sẽ tự hoàn thiện từ đầu đến cuối một bộ tăng tốc mạng nơ-ron (NPU) nhận diện các chữ số MNIST viết tay của người thật. Từ lớp Conv được xây dựng bằng bộ đệm dòng và các MAC song song, đi qua ReLU, MaxPool, Flatten, rồi đến lớp kết nối đầy đủ và Argmax — bạn sẽ tích hợp chín khối thành một con chip duy nhất, đồng thời tự mình chứng minh rằng "đáp án Python và đầu ra phần cứng không khác nhau dù chỉ một bit (Bit-True)". Khóa học cũng bao gồm cách vượt qua khoảnh khắc đầy bức bối khi mô phỏng vẫn chạy bình thường nhưng chỉ có kết quả là khác đi một cách tinh vi. Từng bước, tôi sẽ chỉ ra những bí quyết thực chiến mà các giáo trình deep learning thông thường không đề cập, chẳng hạn như lượng tử hóa số nguyên, chuyển đổi thứ tự trục của mảng và phòng tránh tràn bộ tích lũy. Tôi đã đưa vào khóa học những kinh nghiệm và sai lầm tích lũy được qua thời gian dài thiết kế CPU RISC-V và kiểm chứng FPGA Bit-True, để các bạn không phải lặp lại chúng. Khi kết thúc khóa học, bạn sẽ có trong tay một dự án phần cứng hoàn chỉnh và có thể tự tin nói rằng: "Tôi đã trực tiếp thiết kế và chứng minh nó.&quot

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

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.

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 đại số tuyến tính, trong đó bạn sẽ tìm hiểu ý nghĩa của vector và ma trận qua hình ảnh, đồng thời tự tính toán bằng các ví dụ nhỏ. Khóa học trình bày từng bước những kiến thức toán học được sử dụng trong hồi quy tuyến tính, PCA, SVD, tensor và cơ chế attention. Không yêu cầu kiến thức lập trình.

Chứng chỉ thiết yếu trong thời đại AI, MS AI-900! 🚀 Bạn có biết không? ChatGPT chỉ hoạt động trên Microsoft Azure! Nếu bạn muốn tận dụng đúng cách Microsoft Azure OpenAI - nền tảng độc quyền cung cấp các mô hình GPT mới nhất, thì đây chính là cơ hội. Hãy phát triển thành chuyên gia dịch vụ Azure AI thông qua khóa học AI-900, và làm chủ các giải pháp AI cấp doanh nghiệp mà các công ty tin tưởng. Hãy nâng cao khả năng cạnh tranh của bạn với tư cách là một chuyên gia AI thực thụ bằng cách đạt được chứng nhận công nhận toàn cầu!

Khóa học này bắt đầu từ câu hỏi “Nếu tôi ở trên tàu Titanic, liệu tôi có thể sống sót không?”, từ đó phát triển một mô hình AI dự đoán xác suất sống sót dựa trên dữ liệu thực tế và hoàn thiện một dự án full-stack để cung cấp dịch vụ đó trên web. Bạn sẽ được thực hành toàn bộ quy trình phát triển AI và web, từ xây dựng mô hình Deep Learning bằng PyTorch, thiết lập máy chủ backend với FastAPI, cho đến triển khai giao diện người dùng bằng Next.js.

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.

Giải quyết ngay điểm nghẽn khiến 80% thất bại tại Makerthon. Hoàn thành trong 4 tuần: Raspberry Pi · Computer Vision · LLM · Thiết kế 3D! Đạt thứ hạng cao tại Makerthon với PoC gương thông minh có thể trình diễn!

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.

AI do chính tôi huấn luyện sẽ quyết định tỷ trọng đầu tư vào cổ phiếu và tự đặt lệnh. Bắt đầu từ kiến thức cơ bản về Python và nguyên lý học tăng cường, bạn sẽ dùng dữ liệu giá cổ phiếu thực tế để huấn luyện AI giao dịch của riêng mình. Thử nghiệm để so sánh với thị trường và đánh giá hiệu suất, đồng thời cải thiện chiến lược bằng cách điều chỉnh hàm thưởng và thiết lập huấn luyện. Hãy kết nối mô hình đã huấn luyện với tài khoản giao dịch mô phỏng của Korea Investment & Securities và hệ thống tự động vận hành trên AWS, để hoàn thiện AI giao dịch tự động của riêng bạn—một mô hình bạn có thể trực tiếp chỉnh sửa và phát triển ngay cả sau khóa học.

Nhiều người đã học về FPGA và Verilog nhưng lại gặp khó khăn ở câu hỏi "Vậy làm thế nào để trực tiếp tạo ra một bộ tăng tốc AI?". Khóa học này sẽ giải đáp thắc mắc đó. Chỉ với một tấm FPGA phổ thông và các công cụ miễn phí, bạn sẽ bắt đầu từ việc tự tay thiết kế kernel 3×3, trực tiếp huấn luyện CNN, lượng tử hóa các trọng số đã học sang INT8 để đưa vào phần cứng, và cuối cùng là kiểm chứng xem nó có khớp hoàn toàn (Bit-True) với mô hình Python đến từng bit hay không. Với 30 năm kinh nghiệm trong ngành bán dẫn và tư cách là giáo sư đương nhiệm, tôi chỉ dạy những nội dung đã được kiểm chứng trên FPGA thực tế dưới dạng các 'mạch điện hoạt động được'. Thay vì lý thuyết suông, bạn sẽ có được trải nghiệm tự tay thiết kế và chứng minh, từ đó trang bị năng lực thực chiến đáp ứng yêu cầu trong lĩnh vực thiết kế Fabless và chip bán dẫn AI.

Giải quyết vấn đề khó xây dựng dịch vụ dù biết cú pháp Python bằng kinh nghiệm thực tế tại Naver và các bài thực hành theo từng bước.

Khi học máy học, bạn học cách nâng cao độ chính xác. Nhưng ngay khoảnh khắc muốn đưa mô hình đó lên một con chip thực tế, vẫn còn những câu hỏi mà không ai nói cho bạn biết. Mô hình này thực hiện bao nhiêu phép nhân? Nó cần ghi nhớ bao nhiêu và những gì? Thông số của con chip đang nhắm tới có đáp ứng được các yêu cầu đó không? Giáo trình máy học nói về độ chính xác, còn giáo trình bán dẫn nói về mạch điện, nhưng tài liệu kết nối hai lĩnh vực này lại rất hiếm. Khi triển khai CPU RISC-V và NPU trên FPGA, tôi đã nhiều lần đối mặt với khoảng cách đó. Đó là tình huống mô hình có độ chính xác cao nhất lại không thể chạy trên bo mạch. Trong khóa học này, bạn sẽ trực tiếp xây dựng sáu thuật toán bằng Python, đồng thời đo số phép nhân, phép so sánh, bộ nhớ và độ chính xác ở mỗi bước. Sau đó, các giá trị này được quy đổi thành tài nguyên trên một bo mạch FPGA thực tế. Chỉ nói “bao nhiêu phép nhân” thì không đủ để hình dung quy mô, nhưng nếu nói “chiếm bao nhiêu phần trăm tài nguyên của bo mạch” thì bạn có thể đưa ra quyết định. Sau khi hoàn thành chín Lab và đưa sáu mô hình vào cùng một bảng, bạn sẽ thấy một bức tranh khác với dự đoán. Chúng ta đã dành chín bài để đếm số phép nhân, nhưng thứ thực sự trở thành nút thắt lại không phải là phép nhân. Sau đó, chúng ta sẽ hạ độ chính xác xuống dạng số nguyên, quản lý số chữ số và xây dựng cả tiêu chí để đánh giá mạch. Bạn không cần có bo mạch FPGA. Khóa học được thực hiện hoàn toàn bằng Python, còn bo mạch chỉ được sử dụng làm 기준 để quy đổi các giá trị đo được.