inflearn logo

Đọc hiểu các cấu trúc học sâu: Từ CNN đến Transformer

Đây là khóa học dành cho những người đã quen với các thuật ngữ deep learning nhưng vẫn cảm thấy mơ hồ về cách mô hình học. Qua 13 bài giảng, khóa học kết nối và giải thích các nguyên lý cốt lõi, từ nền tảng của mô hình tuyến tính và mạng nơ-ron đến lan truyền ngược, tối ưu hóa, CNN, RNN và Transformer. Bạn sẽ hiểu cấu trúc và quá trình học của mô hình, cũng như các yếu tố ảnh hưởng đến hiệu suất, qua đó xây dựng nền tảng vững chắc để học deep learning một cách có hệ thống.

10 học viên đang tham gia khóa học này

Độ khó Cơ bản

Thời gian Không giới hạn

AI
AI
Deep Learning(DL)
Deep Learning(DL)
Machine Learning(ML)
Machine Learning(ML)
AI
AI
Deep Learning(DL)
Deep Learning(DL)
Machine Learning(ML)
Machine Learning(ML)
Thumbnail

Bạn sẽ nhận được điều này sau khi học.

  • Hiểu quá trình mạng nơ-ron học dữ liệu và vai trò của lan truyền ngược · tối ưu hóa

  • Phân biệt cấu trúc và đặc điểm của CNN, mạng nơ-ron dư, RNN và Transformer

  • Hiểu các yếu tố ảnh hưởng đến quá trình học và phương pháp chính quy hóa giúp giảm hiện tượng quá khớp

AI học như thế nào? Nguyên lý học của deep learning

Tìm hiểu nguyên lý các mô hình học sâu học và dự đoán thông qua dữ liệu qua 13 bài giảng. Từ những kiến thức cơ bản về mô hình tuyến tính và mạng nơ-ron đến lan truyền ngược, tối ưu hóa và các yếu tố ảnh hưởng đến quá trình học, bạn có thể hiểu được mối liên hệ giữa chúng.

Bạn sẽ tìm hiểu cấu trúc và đặc điểm của mạng nơ-ron tích chập, mạng nơ-ron dư được sử dụng trong nhận dạng hình ảnh, cũng như mạng nơ-ron hồi quy và Transformer được sử dụng trong xử lý ngôn ngữ tự nhiên và phân tích dữ liệu chuỗi thời gian. Bạn sẽ tìm hiểu mỗi mô hình xử lý loại thông tin nào và được ứng dụng cho những vấn đề nào.

Ngoài ra, bạn sẽ nắm được những kiến thức cơ bản cần thiết để cải thiện hiệu suất của mô hình và áp dụng mô hình vào các vấn đề mới thông qua việc sử dụng kỹ thuật chuẩn hóa nhằm giảm hiện tượng quá khớp và học chuyển giao tận dụng các mô hình đã được huấn luyện trước.

Bạn sẽ học những nội dung này

Phần 1. Tìm hiểu những kiến thức cơ bản về học sâu

  • Hiểu các khái niệm cơ bản của học sâu và toàn bộ quy trình học tập

  • Học cấu trúc và nguyên lý dự đoán của mô hình tuyến tính

  • Hiểu các thành phần của mạng nơ-ron và cách thức hoạt động cơ bản

Phần 2. Học và tối ưu hóa mạng nơ-ron

Hãy giải thích cặn kẽ những nội dung sẽ học theo mục tiêu học tập.
Bạn có thể tạo phần giới thiệu hấp dẫn hơn bằng cách sử dụng các tài liệu trực quan như ảnh chụp màn hình bài học, hình ảnh ví dụ, biểu đồ, v.v.

Lưu ý trước khi tham gia khóa học

Môi trường thực hành

  • Hệ điều hành và phiên bản (OS): Windows, macOS, Linux, Ubuntu, Android, iOS, v.v.


Kiến thức cần có và lưu ý

  • Toán học cơ bản: khuyến nghị nắm vững các khái niệm cơ bản như phép toán vector và ma trận, đạo hàm, xác suất, v.v.

  • Lập trình: Khuyến nghị có kiến thức cơ bản về cú pháp Python và lập trình cơ bản

  • Học máy: Khuyến nghị hiểu các khái niệm cơ bản như dữ liệu huấn luyện, huấn luyện mô hình và dự đoán

  • Lưu ý khi tham gia khóa học: Vì các khái niệm trước đó liên kết với nội dung tiếp theo, khuyến nghị học theo thứ tự bài giảng và ôn tập các khái niệm cốt lõi.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Dành cho những người quen thuộc với thuật ngữ học sâu nhưng cảm thấy mơ hồ về nguyên lý học tập

  • Dành cho những ai muốn tổng hợp sự khác biệt giữa các kiểu dáng đa dạng

  • Những ai tò mò về lý do hiệu suất của mô hình không được cải thiện

Cần biết trước khi bắt đầu?

  • Người đã quen với cú pháp cơ bản của Python và các khái niệm nền tảng về học máy

Xin chào
Đây là aisw

455

Học viên

17

Đánh giá

4.9

Xếp hạng

6

Các khóa học

Viện Đổi mới Hội tụ Phần mềm, Đại học Quốc gia Pukyong

Chương trình giảng dạy

Tất cả

13 bài giảng ∙ (9giờ 54phút)

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 aisw

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Miễn phí