Deep Learning Odyssey của Shin Kyung-sik - Giới thiệu về Thị giác máy tính

Giới hạn của hàm số, đạo hàm, quy tắc tính đạo hàm, công thức đạo hàm, ứng dụng của đạo hàm

Đây là bài giảng đầu tiên về đại số tuyến tính và là bài giảng về hiểu biết hình học về vectơ và các phép toán vectơ.

Đây là bài giảng tóm tắt nội dung toán học được học trong chương trình trung học cơ sở và trung học phổ thông. Bạn sẽ được học các kiến thức và kỹ thuật toán học cần thiết thông qua nhiều bài tập thực hành cho mỗi nội dung.

Đây là bài giảng giúp bạn hiểu hoàn toàn về quá trình huấn luyện mô hình deep learning đơn giản nhất bằng Gradient descent.

Đây là một khóa học về cách sử dụng NumPy và thực hành thực tế với nó.

Đây là khóa học tập trung vào việc học gradient descent - thuật toán học tập cốt lõi nhất của deep learning.

Đây là bài giảng học cách triển khai code thực tế bằng cách sử dụng các tính năng của PyTorch cho code đã tự triển khai trong Gradient-based Linear Regression (1). Ngoài ra, đây cũng là bài giảng học về sự cần thiết của tiền xử lý dữ liệu, lý thuyết, ảnh hưởng đến quá trình học tập một cách lý thuyết, và triển khai bằng code thực tế.

Đây là bài giảng thứ năm của series [인공지능을 위한 파이썬]. Bài giảng này thực hành các bài tập ứng dụng được dùng trong Machine Learning, Deep Learning, cùng với cú pháp Python.

Đây là bài giảng thứ tư trong loạt bài [Python cho trí tuệ nhân tạo]. Đây là bài giảng cung cấp các bài tập thực hành được sử dụng trong machine learning và deep learning cùng với ngữ pháp của Python.

Là buổi học thứ ba của series [인공지능을 위한 파이썬]. Bạn sẽ học cách gỡ lỗi mã Python.

Đây là khóa học thứ hai của series [Python dành cho Trí tuệ nhân tạo]. Đây là khóa học thực hành các bài tập thực tế được sử dụng trong Machine Learning, Deep Learning, cùng với cú pháp Python.

Học khái niệm và cách thiết lập môi trường ảo.

Đây là bài giảng về cách sử dụng LaTeX để viết công thức.

Đây là khóa học để học các phương pháp vi phân cơ bản cần thiết để bắt đầu với deep learning và tính năng Autograd của PyTorch.

Chúng tôi sẽ tổng hợp các khái niệm lý thuyết về MNIST, bộ dữ liệu cơ bản nhất trong thị giác máy tính, đồng thời học cách triển khai thông qua API của Torchvision và cách tự xây dựng một custom dataset class.

Đây là khóa học giúp bạn hệ thống hóa hoàn hảo về mặt lý thuyết các phép toán của lớp tích chập (convolutional layer) và lớp gộp (pooling layer) – những mô đun cốt lõi của mạng thần kinh tích chập, đồng thời rèn luyện khả năng lập trình thông qua việc trực tiếp triển khai chúng.

Đây là bài giảng tập trung chuyên sâu vào tích chập (convolution), phép toán quan trọng nhất trong thị giác máy tính sử dụng học sâu.

Củng cố nền tảng lý thuyết về hình ảnh, điều thiết yếu trước khi học về thị giác máy tính dựa trên học sâu. Hiểu rõ bản chất của dữ liệu hình ảnh như pixel, độ phân giải, biểu diễn màu sắc, đồng thời rèn luyện kỹ năng lập trình thực tế để đọc, chuyển đổi và tiền xử lý hình ảnh bằng Python.

Đây là một bài giảng về trực quan hóa dữ liệu bằng thư viện Matplotlib.

Đây là khóa học có nhiều bài luyện tập về ngữ pháp cơ bản của Python. Đây là khóa học thực hành thực tế được sử dụng trong Machine Learning, Deep Learning, cùng với ngữ pháp Python.

Tôi muốn sắp xếp hình ảnh của pizza và spaghetti! Đây là khóa học dự án thực tế deep learning đi theo dự án thực tế từ A đến Z phân loại hình ảnh bằng CNN, một trong những loại thuật toán deep learning.

Chúng tôi sẽ tổng hợp các khái niệm lý thuyết về MNIST, bộ dữ liệu cơ bản nhất trong thị giác máy tính, đồng thời học cách triển khai thông qua API của Torchvision và cách tự xây dựng một custom dataset class.

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

Từ Multi Head Attention đến mô hình Original Transformer, BERT, mô hình dịch thuật MarianMT dựa trên Encoder-Decoder, cho đến Vision Transformer, bạn sẽ học hiểu sâu sắc về Transformer thông qua việc tự tay triển khai code.

Khóa học này là quá trình thực hành các nội dung cơ bản về toán học và thống kê cho máy học sử dụng Python. Máy học và học sâu không chỉ đòi hỏi năng lực lập trình mà còn cần nền tảng toán học để nắm bắt các nguyên lý. Thông qua khóa học này, bạn có thể từng bước học hỏi các kiến thức toán học cơ bản cần thiết cho trí tuệ nhân tạo.

Bạn muốn học AI nhưng lần nào cũng bị khựng lại trước các công thức đại số tuyến tính? Thay vì bắt bạn học thuộc lòng các công thức, khóa học này sẽ giúp bạn tận mắt chứng kiến các vectơ và ma trận thực sự chuyển động như thế nào trong không gian. Sau khi hoàn thành khóa học, bạn có thể tự mình đọc hiểu toán học đằng sau mạng thần kinh, PCA và SVD.

🚀 Học phát hiện bất thường AI thực tế với Databricks! 💡 Dừng các mô hình đắt đỏ và chậm chạp! Từ tối ưu hóa dữ liệu quy mô lớn đến triển khai thời gian thực, hoàn thành AI phát hiện bất thường có thể được sử dụng ngay trong thực tế kinh doanh.

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 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.

Hãy triển khai khung deep learning trực tiếp trong Excel! Hãy cùng giải quyết việc học có giám sát/học không giám sát/học tăng cường bằng cách sử dụng khung đã triển khai!

Đây là khóa học dự án máy học toàn diện, nơi bạn học nhiều dự án hồi quy và phân loại máy học hữu ích khác nhau cùng với lý thuyết sử dụng Python và TensorFlow 2 dựa trên dữ liệu lớn của Boston Marathon.

Khóa học này giải thích các khái niệm cơ bản về LLM và GPT một cách dễ hiểu để bất kỳ ai cũng có thể nắm bắt được. Học viên có thể trực tiếp sử dụng GPT API để tạo chatbot và chạy trên web bằng Streamlit. Thông qua trải nghiệm từ cơ bản đến thực hành, bạn có thể xây dựng nền tảng vững chắc cho những bước đầu tiên trong việc ứng dụng AI.

Ngành sản xuất ô tô và linh kiện là lĩnh vực mà sự đổi mới là điều thiết yếu trong bối cảnh cạnh tranh toàn cầu khốc liệt và chuỗi cung ứng phức tạp. Khóa học này tập trung vào cách áp dụng công nghệ AI vào thực tế, giải thích thông qua các trường hợp thực tế như nâng cao hiệu quả sản xuất, tự động hóa kiểm tra chất lượng, bảo trì dự báo thiết bị, tối ưu hóa chuỗi cung ứng. Từ hiểu biết cơ bản cần thiết để triển khai AI, đến chiến lược và quản lý rủi ro cần xem xét khi áp dụng thực tế, khóa học được xây dựng theo từng bước để cung cấp kiến thức và hiểu biết sâu sắc mà nhân viên thực thi và quản lý có thể áp dụng ngay lập tức.

Khóa học này bao gồm từ kiến thức cơ bản đến thực hành về nền tảng AI, là một khóa học giúp bạn có thể nắm vững công nghệ tạo hình ảnh AI. Người học có thể hiểu được các khái niệm cơ bản về AI và phát triển khả năng tạo ra hình ảnh AI bằng cách sử dụng các công cụ và kỹ thuật đa dạng. Thông qua khóa học này, bạn có thể nâng cao hiểu biết về lĩnh vực AI và học cách tạo ra hình ảnh AI trực tiếp trong thực tế.

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.

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.

Nắm bắt nhanh chóng dạng đề và xu hướng ra đề! Tăng cường kỹ năng thực chiến với khoảng 100 câu hỏi. Chuẩn bị hoàn hảo cho kỳ thi thực tế AWS AI Practitioner, giúp bạn học tập có hệ thống ngay cả khi tự ôn luyện.

Khóa học này là một khóa nhập môn được thiết kế để người học lần đầu tiếp xúc với công nghệ AI cũng có thể dễ dàng hiểu và thực hành theo. Thông qua các bài giảng, bạn sẽ nắm vững các khái niệm cơ bản và cách sử dụng nền tảng AI, đồng thời tiến hành thực hành tạo ra hình ảnh trực tiếp bằng cách sử dụng các công cụ AI đa dạng. Sau khi hoàn thành khóa học này, bạn sẽ trở nên gần gũi hơn với AI và có thể trang bị năng lực tạo hình ảnh AI để hiện thực hóa các ý tưởng sáng tạo một cách trực quan.

Khóa học này bắt đầu từ câu hỏi “Nếu tôi ở trên tàu Titanic, liệu tôi có thể sống sót không?”, từ đó phát triển một mô hình AI dự đoán xác suất sống sót dựa trên dữ liệu thực tế và hoàn thiện một dự án full-stack để cung cấp dịch vụ đó trên web. Bạn sẽ được thực hành toàn bộ quy trình phát triển AI và web, từ xây dựng mô hình Deep Learning bằng PyTorch, thiết lập máy chủ backend với FastAPI, cho đến triển khai giao diện người dùng bằng Next.js.

Khóa học này là một quá trình tổng hợp toàn bộ kiến thức cần thiết để ứng dụng AI tạo sinh trong thực tế, từ nguyên lý cơ bản của LLM (Mô hình Ngôn ngữ Lớn), RAG (Retrieval-Augmented Generation), đến các công nghệ mới nhất như AI Agent và MCP (Modular Command Protocol). Khóa học được thiết kế để bạn có thể học một cách tự nhiên theo dòng chảy công nghệ, hiểu được cách AI tạo sinh hiểu thông tin, tìm kiếm, đưa ra phán đoán và mở rộng thành AI Agent có khả năng hành động.