[AICE] Phân tích dữ liệu và mô hình hóa AI học bằng Python

Đây là bài giảng nơi bạn có thể tìm hiểu các lý thuyết cốt lõi về học sâu và cách triển khai mã học sâu bằng cách sử dụng TensorFlow 2.0 mới nhất.

Đây là khóa học được thiết kế mới dựa trên kinh nghiệm thất bại khi gi강사 lần đầu học deep learning, giúp bạn từng bước nắm vững toán học cần thiết để hiểu deep learning, lý thuyết, triển khai dựa trên PyTorch, transfer learning, cho đến transformer - trái tim của GPT.

Khóa học này là một masterclass thực chiến tập trung vào việc chinh phục hoàn toàn quá trình tiến hóa của Diffusion Model thông qua các bài báo và mã nguồn. Học viên sẽ học từ nguyên lý bài báo đến việc trực tiếp triển khai các mô hình cốt lõi của AI sinh tạo như DDPM(Denoising Diffusion Probabilistic Model) và DDIM. Khóa học phân tích từng bước bối cảnh xuất hiện của từng mô hình, công thức toán học, cấu trúc mạng (U-Net, VAE, Transformer), quá trình học (Noise Schedule, Denoising Step), và những ý tưởng dẫn đến cải thiện hiệu suất. Học viên sẽ trực tiếp lập trình tất cả các mô hình dựa trên PyTorch, không chỉ dừng lại ở việc hiểu bài báo mà còn có được 'khả năng thực tế để tái tạo và ứng dụng'. Ngoài ra, thông qua việc so sánh sự khác biệt và dòng chảy phát triển giữa các mô hình, học viên sẽ hiểu rõ cách chúng được mở rộng. Khóa học này kết hợp lý thuyết·mã nguồn·thực hành thành một, cung cấp hành trình để nghiên cứu viên·nhà phát triển·nhà sáng tạo đều có thể học hỏi một cách có hệ thống về sự tiến hóa của mô hình sinh tạo. Hãy bắt đầu ngay bây giờ trải nghiệm vượt qua việc 'đọc' bài báo, trực tiếp triển khai để 'hiểu và tái sáng tạo'.

[Tóm tắt bài giảng: Từ Pixel đến Thực tiễn, Xây dựng Hệ thống Nhận diện Danh thiếp] * **Tiền xử lý (Pre-processing):** Học cách loại bỏ nhiễu và sử dụng Gaussian Blur cùng Canny Edge để trích xuất "khung xương" của danh thiếp. * **Biến đổi Hough (Hough Transform):** Trải qua quá trình "vòng loại" để chọn ra những "đường viền" thực sự từ hàng vạn điểm thông qua hệ thống bình chọn $(\rho, \theta)$. * **Suy luận hình học:** Giải các phương trình đường thẳng phức tạp bằng phương pháp thế và ma trận để xác định chính xác bốn đỉnh $(x, y)$ của danh thiếp. * **Sắp xếp và lọc dữ liệu:** Học kỹ thuật tinh chế dữ liệu bằng cách loại bỏ các đường trùng lặp và gắn nhãn cho các điểm tìm được theo thứ tự 'trên-trái, trên-phải, dưới-phải, dưới-trái'. * **Biến đổi ma thuật (Perspective):** Kết thúc ấn tượng với kỹ thuật thực tiễn giúp làm thẳng những hình ảnh bị nghiêng, hoặc ngược lại, ghép hình ảnh vào một khung hình mong muốn. 📢 "Bạn có thấy nhức đầu khi nhìn vào các công thức toán học không? Tôi cũng từng như vậy." Khi lần đầu đảm nhận dự án xử lý hình ảnh trong thực tế, điều khiến tôi khổ sở nhất chính là những công thức $\sin, \cos$ tràn ngập màn hình. Sách vở thì đầy rẫy công thức, nhưng lại chẳng có nơi nào trả lời cho câu hỏi thực tế: **"Tại sao mã nguồn của tôi lại không tìm thấy danh thiếp?"** Thông qua bài giảng này, tôi muốn giúp các bạn giải quyết ba vấn đề nan giải thường gặp: 1. **"Vấn đề toán học cảm thấy như ngôn ngữ ngoài hành tinh"** → Giải quyết bằng [Sức mạnh của sự ẩn dụ]. Thay vì chỉ học thuộc lòng phương trình đường thẳng, tôi sẽ giúp bạn hiểu thông qua hình ảnh **'tia laser bắn ra từ gốc tọa độ'** và **'trò chơi đổ bóng'**. Khi đã hiểu nguyên lý, mã nguồn sẽ tự khắc tuân theo. Tôi sẽ dịch các công thức sang 'ngôn ngữ dễ hiểu nhất' mà tôi đã đúc kết được sau vô số lần thử sai. 2. **"Vấn đề hiểu lý thuyết nhưng không ứng dụng được"** → Giải quyết bằng [Vòng loại dữ liệu]. Tại sao danh thiếp của tôi lại có tới 10 đường viền, tại sao thứ tự các đỉnh lại bị xáo trộn... Tôi sẽ công khai toàn bộ bí quyết debug để lọc và sắp xếp những 'dữ liệu rác' mà bạn chắc chắn sẽ gặp phải trong thực tế. Logic chọn lọc tinh hoa này sẽ nâng tầm dự án của bạn lên một đẳng cấp mới. 3. **"Vấn đề kết quả đầu ra nhàm chán"** → Kết thúc bằng [Ghép hình tương tác]. Đây không phải là bài giảng chỉ dừng lại ở việc nhìn những đường viền đen trắng. Khoảnh khắc bạn đưa tấm danh thiếp mình tạo ra vào đúng 'khung hình danh vọng' mà bạn tự tay nhấp chuột chọn, bạn sẽ trải nghiệm được **'phép màu điều khiển không gian'** chứ không đơn thuần là lập trình. "Computer Vision không phải là toán học, mà là quá trình sở hữu một đôi mắt mới để nhìn ngắm thế giới." Tôi muốn truyền tải đến các bạn khoảnh khắc 'A-ha!' đầy phấn khích mà tôi đã nhận ra trong quá trình làm việc thực tế. Giờ đây, bạn có thể gấp những cuốn sách lý thuyết phức tạp lại. Hãy cùng tôi dùng 'cây bút' mã nguồn để tự do vẽ nên những hình ảnh theo ý muốn!

Năm 2025, kỷ nguyên của Physical AI (AI vật lý) mà Jensen Huang đã trực tiếp đề cập đang đến, cùng với Perception AI, Generative AI và Agentic AI. Hãy cùng trực tiếp trải nghiệm Physical AI một cách nhanh chóng và đơn giản. Trải nghiệm Physical AI cùng với thư viện LeRobot của HuggingFace và robot thực tế.

Có thể tham khảo đổi mới sản xuất về bán dẫn và chạy Machine Learning, Deep Learning không cần mã hóa với dữ liệu bán dẫn.

Ngành công nghiệp điện tử và bán dẫn là lĩnh vực đặc biệt quan trọng trong việc quản lý và đổi mới dựa trên dữ liệu do quy trình siêu chính xác và chuỗi cung ứng phức tạp. Khóa học này đề cập đến các chiến lược thực tiễn có thể áp dụng ngay trong sản xuất điện tử và bán dẫn như phát hiện lỗi, tối ưu hóa quy trình, bảo trì dự đoán, quản lý chuỗi cung ứng bằng cách sử dụng công nghệ AI. Cùng với các trường hợp thực tế của các công ty toàn cầu, khóa học cũng đưa ra phương pháp triển khai AI chi phí thấp và hiệu quả cao mà các doanh nghiệp vừa và nhỏ có thể áp dụng một cách thực tế. Thông qua đó, học viên sẽ có thể hiểu và áp dụng chiến lược sản xuất dựa trên AI không chỉ để nâng cao năng suất và giảm chi phí mà còn để trang bị khả năng cạnh tranh trong tương lai.

Đây là một buổi giảng đặc biệt giúp bạn đồng thời chuẩn bị cho chứng chỉ Microsoft AI-900, với tư cách là nội dung mới nhất phản ánh phạm vi thi tính đến tháng 5 năm 2025. Nội dung được cung cấp dưới dạng kết hợp lý thuyết và thực hành, bao gồm tổng quan về AI, kiến thức cơ bản về học máy, thị giác máy tính, xử lý ngôn ngữ tự nhiên, thông minh tài liệu, khai thác tri thức và AI tạo sinh.

RAG(Retrieval-Augmented Generation) từ lý thuyết đến RAG đa phương thức và dựa trên agent mới nhất! Đây là khóa học thực hành được thiết kế để cả những người không chuyên cũng có thể hiểu được. Từ review paper đến triển khai code thực tế, được thiết kế để những người mới tiếp cúc với RAG cũng có thể dễ dàng theo kịp.

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.

Học công nghệ NoSQL để xử lý Big Data - một trong những kỹ thuật cơ bản của công nghệ Full-stack và Data Science được các startup hiện đại sử dụng. MongoDB là công nghệ dễ nhất và có thể ứng dụng nhanh nhất trong số các NoSQL. Trong khóa học này, chúng ta sẽ học các kiến thức cơ bản về MongoDB trong thời gian ngắn và học cả kỹ thuật xử lý và ứng dụng MongoDB bằng Python.

Khóa học giải đề thi AWS Certified AI Practitioner là khóa học tóm tắt cốt lõi để đạt chứng chỉ. Đầu tiên, ôn tập nhanh các khái niệm cơ bản về AI/ML và AI tạo sinh, sau đó học các tính năng và trường hợp sử dụng của các dịch vụ AI chính của AWS thường xuất hiện trong kỳ thi (ví dụ: SageMaker, Rekognition, Polly, v.v.). Dựa trên đó, thực hành đánh giá giải pháp AI nào phù hợp với các tình huống vấn đề thực tế đa dạng, đồng thời đề cập đến nội dung liên quan đến sử dụng có trách nhiệm mô hình AI và bảo mật dữ liệu. Cuối cùng, nắm vững chiến lược giải đề theo từng dạng bài thi thực tế và chuẩn bị cho kỳ thi thông qua các bài thi thử thực chiến. Thông qua khóa học này, bạn có thể chuẩn bị kỳ thi một cách hiệu quả trong thời gian ngắn.

Nó chỉ chứa nội dung cần thiết, tập trung vào các cụm từ được sử dụng thường xuyên nhất khi thu thập dữ liệu web trong trường thực tế. Một khi bạn học nó, bạn có thể sử dụng nó theo nhiều cách khác nhau.

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!

Tổng hợp khoảng 130 câu hỏi và đáp án phỏng vấn ML/AI Engineer được tích lũy qua khoảng 20 cuộc phỏng vấn

Bạn đã học xong cú pháp Python nhưng lại cảm thấy bối rối khi thực sự bắt tay vào xử lý dữ liệu? Nếu bạn biết rằng mình cần phải học NumPy và Pandas nhưng lại băn khoăn không biết bắt đầu từ đâu và kết nối chúng như thế nào, thì PART 2 chính là câu trả lời dành cho bạn. Trong PART 2 của lộ trình phân tích dữ liệu tổng cộng 50 bài giảng này, bạn sẽ được trải nghiệm từng bước quá trình tải dữ liệu thực tế, làm sạch, xử lý và giải thích chúng dưới góc độ thống kê. Không chỉ dừng lại ở việc học thư viện và cú pháp, bạn sẽ thiết lập được tiêu chuẩn về việc nên lựa chọn công cụ nào trong từng tình huống cụ thể. PART 2 chính là bước ngoặt để bạn chuyển mình từ mức độ chỉ biết mã Python sang mức độ có thể thực sự xử lý dữ liệu.

Khóa học này tập trung vào việc phát triển năng lực trực quan hóa có thể áp dụng ngay vào thực tế, bằng cách sử dụng Seaborn - công cụ cốt lõi của trực quan hóa dữ liệu và plotly/Dash để xây dựng dashboard tương tác. Thông qua các bài thực hành đa dạng, bạn có thể cùng lúc nâng cao khả năng tạo tài liệu trực quan tập trung vào insight và triển khai dashboard trên nền web.

Hãy chắc chắn bắt đầu với những điều cơ bản về học máy và học sâu! Phân loại/hồi quy/phân cụm/tạo và sử dụng mạng thần kinh nhân tạo trong Python

AI code, kết quả tôi hưởng! Tối đa hóa năng lực lập trình thực chiến cho người nhập môn!

Đây là bài giảng DFS cơ bản giải thích cách một nhà phát triển đang làm việc có bằng nghệ thuật tự do nghiên cứu để có được việc làm :) Chúng tôi đã giảm thiểu các bài giảng lý thuyết nhàm chán đến mức tối thiểu và chuẩn bị một bài giảng trong đó bạn học bằng cách tự giải quyết vấn đề! Nếu bạn tham gia bài giảng này, bạn sẽ có thể tự mình giải quyết các vấn đề DFS cấp bạc.