Học sâu thực hành

Khóa học này tập trung vào việc thiết kế và triển khai các hệ thống máy tính bảo mật, khám phá các mô hình đe dọa và kỹ thuật bảo mật khác nhau. Người học sẽ tiếp cận với các chủ đề như bảo mật hệ điều hành, giao thức mạng và bảo mật phần cứng, đồng thời rút ra những hiểu biết từ các bài nghiên cứu gần đây.

Khóa học này khám phá vai trò nền tảng của cấu trúc dữ liệu trong khoa học máy tính, nhấn mạnh tầm quan trọng của chúng trong việc phát triển các thuật toán hiệu quả. Người học sẽ nghiên cứu các chủ đề nâng cao, bao gồm đồ thị động, phân cấp bộ nhớ và băm, đồng thời tiếp cận với các hướng nghiên cứu hiện nay trong lĩnh vực này.

Khóa học này cung cấp phần giới thiệu toàn diện về kỹ thuật hệ thống, tập trung vào cả phương pháp tiếp cận cổ điển và hiện đại. Người học sẽ khám phá các khái niệm chính như phân tích các bên liên quan, xác định yêu cầu, kiến trúc hệ thống và tối ưu hóa thiết kế, đồng thời áp dụng các nguyên tắc này vào các dự án thực tế.

Khóa học này đi sâu vào các khái niệm thiết yếu của giải tích ma trận, tập trung vào các ứng dụng của nó trong học máy và tối ưu hóa quy mô lớn. Người học sẽ khám phá các kỹ thuật để hiểu và tính toán đạo hàm của ma trận cũng như các phân rã ma trận, giúp nâng cao khả năng giải quyết các phép toán phức tạp trong tính toán hiện đại.

Khóa học này bao gồm các kiến thức cơ bản về học sâu (deep learning), bao gồm cả lý thuyết và ứng dụng. Các chủ đề bao gồm kiến trúc mạng thần kinh (MLP, CNN, RNN, mạng đồ thị, transformer), hình học và tính bất biến trong học sâu, lan truyền ngược và vi phân tự động, lý thuyết học tập và khả năng tổng quát hóa trong không gian cao chiều, cùng các ứng dụng trong thị giác máy tính, xử lý ngôn ngữ tự nhiên và robot học.

Khóa học này khám phá sự phát triển của các phép chứng minh trong khoa học máy tính, tập trung vào chứng minh tương tác (interactive proofs), chứng minh tương tác đa người chứng minh (multi-prover interactive proofs) và chứng minh có thể kiểm tra xác suất (probabilistically checkable proofs). Người học sẽ khám phá cách tận dụng mật mã học để chuyển đổi các hệ thống chứng minh tiên tiến này thành các đối số phi tương tác có tính đúng đắn về mặt tính toán (SNARGs).

Khóa học này cung cấp hướng dẫn thực hành về thiết kế và phân tích các trò chơi phi kỹ thuật số. Sinh viên sẽ được tiếp cận với các văn bản, công cụ, tài liệu tham khảo và bối cảnh lịch sử để phân tích và so sánh các thiết kế trò chơi thuộc nhiều thể loại khác nhau, bao gồm thể thao, trò chơi truyền hình (game show), trò chơi may rủi, bài tây, trò chơi dân gian/sân trường, trò chơi bàn cờ (board game) và trò chơi nhập vai.

Khóa học này khám phá cách công nghệ tài chính, hay FinTech, đang thay đổi ngành dịch vụ tài chính thông qua các công nghệ đổi mới sáng tạo. Người học sẽ nghiên cứu các xu hướng chính như AI, blockchain và API mở, từ đó có được cái nhìn sâu sắc về bối cảnh thị trường đang phát triển và môi trường pháp lý.

Khóa học này tập trung vào các khía cạnh thực tiễn của việc thiết kế và phân tích các trò chơi phi kỹ thuật số. Người học sẽ khám phá nhiều thể loại trò chơi khác nhau trong khi cộng tác theo nhóm để sáng tạo, phát triển và thử nghiệm các trò chơi gốc, từ đó hiểu sâu hơn về cơ chế và quy tắc trò chơi.

Phân tích hàm khám phá việc nghiên cứu và giải quyết các bài toán tuyến tính và phi tuyến trong không gian định mức, mở rộng ra ngoài phạm vi hữu hạn chiều. Người học sẽ đi sâu vào các khái niệm chính như không gian định mức, tính đầy đủ, phiếm hàm và Định lý Phổ, từ đó có được những hiểu biết có thể áp dụng vào nhiều bối cảnh toán học và vật lý khác nhau.

Khóa học này khám phá thiết kế và chức năng của Bitcoin cùng các loại tiền điện tử khác, nhấn mạnh vào mật mã học, lý thuyết trò chơi và kiến trúc mạng. Người học sẽ tham gia vào các bài tập lập trình thực tế để hiểu sâu hơn về các hệ thống đang không ngừng phát triển này.

Khóa học này bao gồm các chủ đề chính trong toán học ứng dụng rời rạc, tập trung vào phép đếm, hàm sinh, xác suất và nhiều nội dung khác. Người học sẽ tiếp cận với cả các khái niệm toán học và kỹ năng giao tiếp hiệu quả thông qua các bài tập viết.

Khóa học này bao gồm toán học rời rạc cơ bản cho khoa học máy tính và kỹ thuật. Khóa học tập trung vào các định nghĩa toán học, chứng minh và các phương pháp có thể áp dụng, đồng thời nghiên cứu nhiều chủ đề khác nhau như ký hiệu logic, phương pháp chứng minh, tập hợp, quan hệ và lý thuyết đồ thị.

Khóa học này bao gồm toán học rời rạc sơ cấp dành cho khoa học và kỹ thuật, tập trung vào các công cụ toán học và kỹ thuật chứng minh hữu ích trong khoa học máy tính. Người học sẽ khám phá các chủ đề như ký hiệu logic, tập hợp, quan hệ, lý thuyết đồ thị, máy trạng thái và thuật toán.

Khóa học này đi sâu vào các biến phức, phương trình vi phân và đại số tuyến tính, cung cấp một sự hiểu biết toàn diện về các khái niệm toán học thiết yếu này. Người học sẽ khám phá các lý thuyết nền tảng và các ứng dụng quan trọng cho các nghiên cứu nâng cao trong toán học và kỹ thuật.

Khóa học này nhấn mạnh vào các mô hình tăng trưởng và phát triển năng động, khám phá các chủ đề như di cư, hiện đại hóa và thay đổi công nghệ. Người học sẽ nghiên cứu sự tương tác giữa lý thuyết kinh tế và các ứng dụng thực tế tại các quốc gia đang phát triển, tập trung vào phân phối thu nhập, thay đổi thể chế và sự vận hành của thị trường tài chính.

Khóa học này khám phá các nguyên lý cơ bản của trí tuệ nhân tạo, tập trung vào cả các khái niệm lý thuyết và ứng dụng thực tiễn. Người học sẽ được nghiên cứu về các thuật toán, kỹ thuật học máy và những tác động đạo đức của công nghệ AI.

Khóa học này giới thiệu các phương pháp tiếp cận định lượng để hiểu về các chức năng não bộ và nhận thức. Người học sẽ khám phá các mô tả toán học về tế bào thần kinh, phản ứng của chúng đối với các kích thích và các công cụ phân tích dữ liệu nền tảng trong khoa học thần kinh.

Khóa học này là phần giới thiệu về sinh học tính toán, nhấn mạnh vào các nguyên tắc cơ bản của phân tích cấu trúc và trình tự axit nucleic và protein; khóa học cũng bao gồm phần giới thiệu về phân tích các hệ thống sinh học phức tạp. Các chủ đề được đề cập trong khóa học bao gồm các nguyên tắc và phương pháp được sử dụng để so khớp trình tự, tìm kiếm mô-típ (motif), mô hình hóa cấu trúc, dự đoán cấu trúc và mô hình hóa mạng lưới, cũng như các lĩnh vực nghiên cứu mới nổi hiện nay.

Khóa học này được xây dựng dựa trên các nền tảng lập trình Python, nhấn mạnh vào tư duy máy tính và các nguyên tắc khoa học dữ liệu. Người học sẽ khám phá cách tính toán có thể giải quyết hiệu quả các vấn đề thực tế, giúp họ có khả năng viết các chương trình chức năng cho nhiều ứng dụng khác nhau.

Khóa học này bao gồm các kiến thức cơ bản về học sâu (deep learning), bao gồm cả lý thuyết và ứng dụng. Các chủ đề bao gồm kiến trúc mạng thần kinh (MLP, CNN, RNN, mạng đồ thị, transformer), hình học và tính bất biến trong học sâu, lan truyền ngược và vi phân tự động, lý thuyết học tập và khả năng tổng quát hóa trong không gian cao chiều, cùng các ứng dụng trong thị giác máy tính, xử lý ngôn ngữ tự nhiên và robot học.

Khóa học này đề cập đến quá trình truyền năng lượng và nhiệt từ quy mô nano đến quy mô vĩ mô, đồng thời nghiên cứu song song các photon, electron, phonon và phân tử như những vật mang năng lượng. Người học sẽ hiểu về các mức năng lượng, hành vi thống kê và các hình thức truyền năng lượng.

Khóa học này khám phá vai trò nền tảng của cấu trúc dữ liệu trong khoa học máy tính, nhấn mạnh tầm quan trọng của chúng trong việc phát triển các thuật toán hiệu quả. Người học sẽ nghiên cứu các chủ đề nâng cao, bao gồm đồ thị động, phân cấp bộ nhớ và băm, đồng thời tiếp cận với các hướng nghiên cứu hiện nay trong lĩnh vực này.

Khóa học này giới thiệu về học máy trong lĩnh vực y tế, đồng thời tìm hiểu về các đặc điểm của dữ liệu lâm sàng và việc sử dụng học máy để phân loại rủi ro, mô hình hóa tiến triển bệnh, y học chính xác, chẩn đoán, phát hiện phân nhóm bệnh và cải thiện quy trình làm việc lâm sàng.

Khóa học này bao gồm các nội dung cần thiết để hiểu và tạo ra các thuật toán học máy, đặc biệt là học sâu và mạng thần kinh, thông qua các khái niệm đại số tuyến tính. Khóa học cung cấp phần giải thích tổng quát về đại số tuyến tính, bao gồm cả các ứng dụng trong xác suất, thống kê và tối ưu hóa.

Khóa học này đi sâu vào các khái niệm thiết yếu của giải tích ma trận, tập trung vào các ứng dụng của nó trong học máy và tối ưu hóa quy mô lớn. Người học sẽ khám phá các kỹ thuật để hiểu và tính toán đạo hàm của ma trận cũng như các phân rã ma trận, giúp nâng cao khả năng giải quyết các phép toán phức tạp trong tính toán hiện đại.

Khóa học này giới thiệu các phương pháp tiếp cận định lượng để hiểu về các chức năng não bộ và nhận thức. Người học sẽ khám phá các mô tả toán học về tế bào thần kinh, phản ứng của chúng đối với các kích thích và các công cụ phân tích dữ liệu nền tảng trong khoa học thần kinh.