Học sâu thực hành Phần 2: Dự án học sâu thực tế với PyTorch Lightning sử dụng PyTorch

: "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.

: "Hơn cả phân tích dữ liệu, hoàn thiện mô hình dự đoán với 5 dự án thực tế (Tổng cộng 45 bài giảng)" Bạn đã hoàn thành việc phân tích dữ liệu nhưng lại cảm thấy bế tắc khi bắt tay vào xây dựng mô hình? Vượt xa việc chỉ gọi các thư viện đơn thuần, khóa học này sẽ giúp bạn làm chủ hoàn toàn nguyên lý hoạt động của từng thuật toán và chiến lược kiểm chứng mô hình tối ưu, từ dự đoán sống sót trên tàu Titanic đến phân loại tin nhắn rác. Từ các mô hình tuyến tính đến các thuật toán Ensemble mới nhất và cả kiến thức cơ bản về xử lý ngôn ngữ tự nhiên (NLP), bạn sẽ chinh phục một cách hệ thống các dự án có sức mạnh lớn nhất trong thực tế công việc. Giờ đây, hãy bước vào thế giới mô hình hóa trí tuệ nhân tạo, nơi dự đoán tương lai dựa trên dữ liệu đã được phân tích.

"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.

* 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.

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

Những giải thích và ví dụ dễ hiểu được cung cấp để có thể áp dụng ngay vào công việc thực tế.

: "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.

Chúng tôi đã tạo một khóa học bằng cách chọn các phần Java cần thiết cho việc phát triển ứng dụng Android. Tổng thời gian giảng là 13 giờ 30 phút. Sẽ rất hữu ích nếu bạn sắp xếp nó trước khi phát triển cho Android. Có nhiều bài giảng hơn trên kênh YouTube Soft Campus. Tôi hy vọng điều này sẽ giúp bạn rất nhiều. Giảng viên Jaeseong Yoon

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.

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.

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.

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

Phát triển 3 dự án thực tế (ứng dụng ghi chú, ứng dụng LBS, ứng dụng bảng tin sử dụng Firebase).

Trong kỷ nguyên mà dữ liệu bùng nổ và xử lý thời gian thực trở nên quan trọng, điện toán biên (edge computing) đã trở thành một công nghệ thiết yếu, không còn là lựa chọn. Khóa học này được thiết kế để bạn có thể học một cách có hệ thống mọi thứ, từ các khái niệm cốt lõi của điện toán biên đến các chiến lược triển khai để áp dụng vào môi trường kinh doanh thực tế. Thông qua khóa học này, các học viên sẽ nắm vững các nguyên tắc cơ bản của điện toán biên, và tiếp thu kiến thức cùng bí quyết thực tiễn để áp dụng vào công việc và dự án. Để trở thành chuyên gia về điện toán biên – công nghệ cốt lõi của môi trường CNTT tương lai, hãy thực hiện bước đi vững chắc nhất!

Khóa học giải đề thi AWS Certified AI Practitioner là khóa học tóm tắt trọng tâm để giúp bạn thi đỗ chứng chỉ. Trước tiên, chúng ta sẽ nhanh chóng ôn tập các khái niệm cơ bản về AI/ML và AI tạo sinh, đồng thời tìm hiểu về tính năng cũng như các 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 nền tảng đó, bạn sẽ được thực hành cách xác định giải pháp AI nào phù hợp cho các tình huống thực tế khác nhau, đồng thời tìm hiểu về việc sử dụng mô hình AI có trách nhiệm và các nội dung liên quan đến bảo mật dữ liệu. Cuối cùng, bạn sẽ được làm quen với chiến lược giải đề theo từng dạng câu hỏi và chuẩn bị cho kỳ thi thông qua các bài thi thử thực tế. Khóa học này sẽ giúp bạn chuẩn bị cho kỳ thi một cách hiệu quả trong thời gian ngắn.

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.

Thấu hiểu và ứng dụng phân tích dữ liệu chuỗi thời gian và phân tích mối liên quan! Hoàn thành dễ dàng và nhanh chóng với Orange - công cụ phân tích AI không cần lập trình!

Thông qua khóa học này, bạn có thể học được kiến thức về SQL và cơ sở dữ liệu, cú pháp SQL, thiết kế cơ sở dữ liệu để ứng dụng thực tế, sử dụng cơ sở dữ liệu thông qua lập trình, và cả các trường hợp ứng dụng phân tích dữ liệu.

Dựa trên kinh nghiệm giảng dạy deep learning hơn 100 lần, đây là khóa học tổng hợp có hệ thống các lý thuyết cơ bản mà học viên gặp khó khăn nhiều nhất. Khóa học này giải thích từng bước kết nối giữa trực giác toán học, nguyên lý học của mô hình và triển khai code để ngay cả người không chuyên cũng có thể hiểu được, đồng thời đi sâu vào cấu trúc cơ bản và nguyên lý hoạt động của việc học mô hình AI, không chỉ đơn thuần là cách sử dụng thư viện. Đây là khóa nhập môn thực chiến được thiết kế để phát triển thành kỹ sư có năng lực hiểu nguyên lý AI thông qua việc tự triển khai các công nghệ cơ bản của deep learning như gradient descent, hàm lỗi, tối ưu hóa, perceptron, mạng neural nhiều lớp, backpropagation bằng công thức và code.

Sử dụng cú pháp cơ bản và thư viện phổ biến của Python Tự động tạo mã cú pháp và thư viện Python sử dụng ChatGPT

Bạn sẽ được hiểu về hiện tại và tương lai của công nghệ AI, trải nghiệm quy trình kiểm thử các mô hình AI như Machine Learning và tìm hiểu về vai trò của người kiểm thử. Khóa học giúp bạn nắm vững kiến thức rộng rãi từ việc thiết lập chiến lược kiểm thử hệ thống dựa trên AI, thiết kế và thực thi kịch bản kiểm thử (test case), cho đến cách ứng dụng AI để hỗ trợ quá trình kiểm thử. Khóa học này được xây dựng dựa trên đề cương (syllabus) AI Testing của ISTQB, mang đến cơ hội để bạn chuẩn bị hoàn hảo cho kỳ thi cấp chứng chỉ ISTQB AI Testing.

Học cách trực tiếp xây dựng các mô hình học sâu thông qua PyTorch, một công cụ trực quan và mang phong cách Python (Pythonic). Nội dung đã cập nhật phiên bản PyTorch mới nhất.

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!

Từ lý thuyết cốt lõi về Deep Learning và CNN đến các phương pháp triển khai mô hình CNN đa dạng, bí quyết phát triển Deep Learning thực tế thông qua các bài toán thực tế, Nếu bạn muốn trở thành chuyên gia về công nghệ CNN Deep Learning dựa trên Pytorch, hãy tham gia khóa học này :)

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'.

Thấu hiểu bản chất của thống kê cơ bản cần thiết cho việc phát triển và ứng dụng trí tuệ nhân tạo mà không cần đến một công thức hay một dòng mã nào.

Khóa học nhập môn trí tuệ nhân tạo dành cho người mới bắt đầu! Nội dung tóm tắt dễ hiểu các khái niệm cốt lõi từ dữ liệu đến AI tạo sinh. Mục tiêu của khóa học là giúp bạn hiểu rõ về thực tế để có thể đặt câu hỏi và giải thích về AI, thay vì trực tiếp tạo ra nó.

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.

Bạn có thể sử dụng Docker để tạo môi trường phân tích học sâu trên đám mây. Khi kết hợp Docker và đám mây do Google, MS quản lý, bạn có thể thực hiện công việc bằng các phương pháp phân tích học sâu mới nhất trên máy tính của mình.

Bạn có thể nâng cao năng lực phát triển của mình thông qua việc khám phá sâu sắc các nguyên lý cơ bản của các mô hình ngôn ngữ lớn như ChatGPT hay Claude. Bạn có thể học hỏi được nhiều thông tin đa dạng và các kỹ thuật phát triển mà thông thường ít khi được tiếp cận.

● Tìm hiểu từ kiến ​​thức cơ bản về phân tích dữ liệu đến học máy bằng phần mềm Orange3 ● Tăng cường năng lực thực hành thông qua thực hành sử dụng bộ dữ liệu thực tế

Nếu bạn muốn học Python thì hãy chú ý đến khóa học này!!! Hoàn toàn miễn phí~ Tôi thực sự khuyến khích sử dụng làm tài liệu học trước khi tham gia các môn học chính thức hoặc tự học cá nhân.

Trong kỷ nguyên AI, lập trình viên không chỉ đơn thuần là người viết mã mà phải trở thành một "người tích hợp". Khóa học này hướng dẫn cách kết hợp Unreal Engine với các công cụ AI mới nhất như ChatGPT và Claude vào quy trình phát triển C++ thực tế. Thông qua các ví dụ thực tiễn do giảng viên ủy quyền của Unreal (YAL) trực tiếp thiết kế, bạn có thể xây dựng môi trường phát triển nơi AI hỗ trợ tạo, phân tích và trợ giúp viết mã, từ đó hoàn thiện quy trình làm việc C++ thế hệ mới tích hợp giữa AI và Unreal.