AI thị giác máy tính được tạo bằng vibe coding với Claude: Thực hành tự động hóa hình ảnh và video

Vượt xa tự động hóa Excel và tài liệu, giờ đây hãy thử giao phó cả hình ảnh và video cho AI! Đây là khóa học nâng cao tập trung vào thực hành, giúp bạn hiểu các nguyên lý cốt lõi của thị giác máy tính, tạo ra chương trình AI thị giác hoạt động thực tế bằng phương pháp lập trình vibe với Claude Code và tự mình kiểm chứng kết quả hoạt động chính xác.

6 học viên đang tham gia khóa học này

Độ khó Cơ bản

Thời gian Không giới hạn

Python
Python
Computer Vision(CV)
Computer Vision(CV)
Deep Learning(DL)
Deep Learning(DL)
OpenCV
OpenCV
claude
claude
Python
Python
Computer Vision(CV)
Computer Vision(CV)
Deep Learning(DL)
Deep Learning(DL)
OpenCV
OpenCV
claude
claude

Bạn sẽ nhận được điều này sau khi học.

  • Mối liên hệ giữa các nguyên lý cốt lõi của thị giác máy tính, từ tiền xử lý ảnh đến CNN, học chuyển giao, YOLO, phân đoạn ảnh, ViT, VLM và RAG đa phương thức.

  • 12 bài thực hành xử lý hình ảnh gồm phân loại sản phẩm, đếm đối tượng, xóa nền, kiểm tra ngoại quan, hỏi đáp về hình ảnh tài liệu, cùng 19 bài thực hành ứng dụng bổ sung.

  • Trải nghiệm mở rộng mã Jupyter Notebook thành ứng dụng web (bảng điều khiển) bằng phương pháp vibe coding với Claude Code

  • Khám phá → Lập kế hoạch → Triển khai → Kiểm chứng → Ứng dụng: Quy trình vibe coding 5 bước và prompt cho từng bước

  • Thói quen kiểm chứng kết quả do AI tạo ra bằng các chỉ số chuẩn như độ chính xác và kết quả phát hiện

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Dành cho những ai đã thử tự động hóa công việc với Excel và tài liệu bằng Claude, và giờ muốn mở rộng phạm vi ứng dụng sang ảnh và video.

  • Nhà phát triển và người lập kế hoạch muốn ứng dụng AI thị giác vào công việc, chẳng hạn như phân loại hình ảnh, kiểm tra chất lượng và phát hiện đối tượng.

  • Dành cho những người đã học riêng CNN, YOLO, ViT và VLM nhưng muốn hệ thống lại cách các công nghệ này kết nối với nhau.

  • Dành cho những ai biết kiến thức Python cơ bản nhưng còn ngại tự triển khai một dự án thị giác máy tính từ đầu.

  • Dành cho những ai muốn học phương pháp phát triển thực tiễn để kiểm chứng và cải thiện mã do AI viết.

Cần biết trước khi bắt đầu?

  • Trình độ có thể đọc và hiểu biến, vòng lặp và hàm trong Python.

  • Có kinh nghiệm sử dụng cơ bản VS Code hoặc Google Colab.

  • Có kinh nghiệm cơ bản với các công cụ lập trình AI như Claude Code (gói trả phí Claude và chi phí API được tính riêng)

Xin chào
Đây là HappyAI

5,930

Học viên

407

Đánh giá

55

Trả lời

4.5

Xếp hạng

14

Các khóa học

Lee JinKyu | Lee JinKyu

Tiến sĩ kỹ thuật AI · Giáo sư kiêm nhiệm Khoa Phần mềm AI · CEO HappyAI

Xin chào.
Tôi là Lee JinKyu, người đang nghiên cứu, phát triển và giảng dạy về AI, tập trung vào xử lý ngôn ngữ tự nhiên (NLP) và mô hình ngôn ngữ lớn (LLM).です。 and I research, develop, and teach AI, focusing on natural language processing (NLP) and large language models (LLMs).

Đã nhận bằng Tiến sĩ Kỹ thuật chuyên ngành Trí tuệ nhân tạo và đã nghiên cứu tập trung vào xử lý ngôn ngữ tự nhiên cùng LLM. and have conducted research primarily in natural language processing and LLMs.

Hiện nay, tôi đang là giáo sư thỉnh giảng Khoa Phần mềm AI, giảng dạy các môn học liên quan đến AI như xử lý ngôn ngữ tự nhiên và thị giác máy tính, đồng thời điều hành doanh nghiệp chuyên về AI tạo sinh 해피AI.

Sau khi làm việc với tư cách là nhà nghiên cứu xử lý ngôn ngữ tự nhiên và phân tích dữ liệu lớn tại một viện nghiên cứu do chính phủ tài trợ, tôi đã trải qua vị trí nhà phát triển tại một doanh nghiệp chuyên về AI và hiện đang thực hiện các dự án, chương trình đào tạo về AI cho các doanh nghiệp và cơ quan công.

Tôi đã triển khai các khóa đào tạo và dự án liên quan đến AI tạo sinh, LLM, RAG, AI Agent và tinh chỉnh mô hình tại nhiều doanh nghiệp và tổ chức như Samsung SDS, KT, Hyundai Wia, Quỹ Kỹ thuật số Seoul.

Ngoài ra, tôi đã thực hiện các nghiên cứu về xử lý ngôn ngữ tự nhiên và khai phá văn bản trên nhiều loại dữ liệu phi cấu trúc như tài liệu, khảo sát, đánh giá, tin tức, chính sách và dữ liệu học thuật; đồng thời có kinh nghiệm trong các dự án nghiên cứu và phân tích thuộc nhiều lĩnh vực như y tế, chính sách, môi trường, luật, kinh tế và giáo dục.


Tiểu sử chính

  • Phó giáo sư kiêm nhiệm Khoa Phần mềm AI

    • Xử lý ngôn ngữ tự nhiên

    • Thị giác máy tính

    • AI tạo sinh

    • Khai phá dữ liệu

  • Tiến sĩ Kỹ thuật (Trí tuệ nhân tạo)

     

    • Nghiên cứu mô hình ngôn ngữ lớn (LLM) · Agent

  • Đại diện Happy AI

    • Nghiên cứu, phát triển và đào tạo về AI tạo sinh·LLM·RAG·AI Agent

  • Nhà nghiên cứu tại viện nghiên cứu do chính phủ tài trợ

    • Xử lý ngôn ngữ tự nhiên · Phân tích dữ liệu lớn

  • Lập trình viên tại công ty chuyên về AI và dữ liệu lớn

  • Chuyên gia viết bài về AI

    • Các bài viết về AI tạo sinh, LLM, RAG và các công nghệ AI


Lĩnh vực chuyên môn chính

  • AI tạo sinh và mô hình ngôn ngữ lớn (LLM)

  • RAG · LLM riêng tư

  • AI Agent · AI tác tử

  • Ứng dụng AI dựa trên LangChain·LangGraph

  • Tinh chỉnh LLM dựa trên LoRA·QLoRA

  • Xử lý ngôn ngữ tự nhiên (NLP) · khai phá văn bản

  • Phân tích dữ liệu và tự động hóa nghiệp vụ dựa trên AI


Đào tạo cho các doanh nghiệp và tổ chức tiêu biểu

  • Samsung SDS – Lập trình LLM dựa trên LangChain·RAG

  • KT – Phát triển ứng dụng LLM/sLLM

  • Quỹ Kỹ thuật số Seoul – Lý thuyết LLM và phát triển chatbot RAG

  • Hyundai Wia – đào tạo AI tạo sinh·AX

  • Đại học Khoa học và Công nghệ Seoul – Phân tích văn bản dựa trên Python

  • Đại học Kyonggi – Python ứng dụng ChatGPT

  • Đại học Dankook – Khóa đào tạo chuyên gia dữ liệu lớn


Các dự án AI chính yếu

  • Xây dựng hệ thống tìm kiếm tài liệu và chatbot RAG dựa trên Private LLM

  • Phát triển giải pháp LLM riêng tư trong môi trường mạng nội bộ in an internal network environment

  • Tinh chỉnh LLM và Instruction Tuning

  • Thiết kế quy trình công việc dựa trên AI Agent

  • Nghiên cứu và phân tích dựa trên xử lý ngôn ngữ tự nhiên và khai phá văn bản

  • Phân tích dữ liệu khảo sát, đánh giá, truyền thông, chính sách và học thuật bằng AI


Nghiên cứu và sách đã xuất bản

  • Thực hiện nghiên cứu học thuật trong và ngoài nước liên quan đến xử lý ngôn ngữ tự nhiên (NLP) và LLM

  • Nghiên cứu đo lường và giảm thiểu thiên lệch của LLM

  • Nhiều bài báo trong lĩnh vực NLP và khai phá văn bản

  • Kinh nghiệm nghiên cứu và phát triển bằng sáng chế, phần mềm liên quan đến AI

  • Tác phẩm 『Phân tích dữ liệu cổ phiếu cùng ChatGPT』


Điều tôi coi trọng nhất trong khóa học

Công nghệ AI thay đổi nhanh chóng, nhưng nếu hiểu được các nguyên lý cốt lõi, bạn có thể học các công nghệ mới nhanh hơn rất nhiều.

Trong bài giảng, thay vì chỉ đơn giản làm theo các chức năng hoặc mã lệnh,

“Đó là gì → Tại sao cần → Hoạt động như thế nào → Được ứng dụng thực tế ở đâu”

Tôi coi việc giải thích rõ ràng để có thể hiểu được là điều quan trọng nhất.

Thay vì giải thích các công nghệ AI phức tạp theo cách khó hiểu,
tôi sẽ truyền đạt sao cho ngay cả những người mới tiếp cận cũng có thể hiểu được toàn bộ cấu trúc và áp dụng vào công việc cũng như dự án thực tế.


Liên hệ về bài giảng và dự án

Email
leejinkyu0612@naver.com

Trang chủ
https://happyaidata.kr

YouTube
https://www.youtube.com/@HappyAI_0612

GitHub
https://github.com/leejin-kyu

※ Chuyên gia Prime trên Kmong

 

Lý lịch chi tiết
https://bit.ly/jinkyu-profile

Thêm

Chương trình giảng dạy

Tất cả

31 bài giảng ∙ (10giờ 0phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

Khóa học khác của HappyAI

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Ưu đãi có thời hạn

3.773 ₫

69%

2.046.317 ₫