inflearn logo

Dự án nhận diện biển số xe và Tất cả trong một về nhận diện hình ảnh Deep Learning học cùng TensorFlow

Đây là khóa học tất cả trong một (all-in-one), nơi bạn có thể học toàn bộ quy trình từ kiến thức cơ bản về Deep Learning/TensorFlow/Computer Vision đến ứng dụng thực tiễn thông qua dự án thực tế về nhận diện biển số xe. Thông qua các bài thực hành đa dạng, bạn có thể rèn luyện kỹ năng chuyên môn để ứng dụng các mô hình Deep Learning mới nhất vào bộ dữ liệu tùy chỉnh (Custom Dataset).

(4.8) 73 đánh giá

684 học viên

Độ khó Cơ bản

Thời gian Không giới hạn

Tensorflow
Tensorflow
Deep Learning(DL)
Deep Learning(DL)
Machine Learning(ML)
Machine Learning(ML)
CNN
CNN
NLP
NLP
Tensorflow
Tensorflow
Deep Learning(DL)
Deep Learning(DL)
Machine Learning(ML)
Machine Learning(ML)
CNN
CNN
NLP
NLP

Đánh giá từ những học viên đầu tiên

Đánh giá từ những học viên đầu tiên

4.8

5.0

김한주

30% đã tham gia

Không giống như những bài giảng khác, tôi thích nó không dừng lại ở những khái niệm cơ bản và dự án đồ chơi mà đề cập đến mức độ ứng dụng trong công nghiệp.

5.0

김준표

73% đã tham gia

Khóa học sâu cơ bản được dạy bằng TensorFlow 2.0 rất chắc chắn và phù hợp với tôi, vì vậy tôi cũng đã tham gia khóa học này. Tôi vẫn đang nghe nửa đầu, nhưng tôi nghĩ nó sẽ rất hữu ích trong việc chuẩn bị cho việc học cao hơn và việc làm vì những lời giải thích rất hay và tôi có thể rời khỏi một dự án.

5.0

kream

25% đã tham gia

Đó là một bài giảng thực sự đã giúp ích cho tôi rất nhiều khi thực hiện dự án của mình. Nó rất hữu ích vì nó giải thích những điều cơ bản và giải thích cách hoạt động của mã.

Bạn sẽ nhận được điều này sau khi học.

  • Cách thực hiện các dự án học sâu thực tế thay vì các ví dụ cơ bản như MNIST hay CIFAR-10

  • Cách áp dụng các mô hình Deep Learning mới nhất vào Custom Dataset

  • Học tập theo từng bước từ khái niệm cơ bản về Deep Learning/Machine Learning đến ứng dụng thực tiễn

  • Hiểu sâu về cấu trúc các mô hình học sâu được đề xuất trong các bài báo nghiên cứu mới nhất (EfficientNet, CenterNet, EAST, ...)

  • Nguyên lý và cách sử dụng các mô hình học sâu (deep learning) mới nhất được sử dụng trong nhiều lĩnh vực thị giác máy tính khác nhau như Object Detection, Text Detection, OCR, Image Captioning, Generative Model, v.v.

  • Cách cải thiện hiệu suất của mô hình học sâu

Thông qua các dự án thực tế đa dạng học tập các bài báo mới nhất,
hãy trở thành một chuyên gia Deep Learning/Computer Vision. 😀

Vui lòng kiểm tra trước khi đăng ký khóa học!

해당 커리큘럼 목록

<Hướng dẫn TensorFlow Object Detection API Phần 1 - Phát hiện vật thể bằng cách sửa 10 dòng mã> Phần 1

  • Giới thiệu về lĩnh vực bài toán Object Detection
  • Object Detection Metric - IoU, mAP
  • Object Detection Datasets – Pascal VOC, MS COCO, KITTI, Open Images

<Hướng dẫn TensorFlow Object Detection API Part1 - Phát hiện vật thể bằng cách sửa 10 dòng mã> Phần 3

  • Giới thiệu về TensorFlow Object Detection API

<Hướng dẫn TensorFlow Object Detection API Phần 1 - Phát hiện vật thể bằng cách sửa 10 dòng mã> Phần 4

  • R-CNN(Regions with CNN)
  • Fast R-CNN
  • Faster R-CNN
  • Non-Maximum Suppression (NMS)
  • SSD(Single Shot MultiBox Detector)
  • RetinaNet
  • CenterNet

<Hướng dẫn TensorFlow Object Detection API Phần 1 - Phát hiện vật thể bằng cách sửa 10 dòng mã> Phần 5

  • Phát hiện đối tượng (Object Detection) sử dụng Mô hình đã huấn luyện trước (Pre-Trained Model)

<Nhập môn Deep Learning với TensorFlow 2.0Phần 1

  • Trí tuệ nhân tạo, Học máy, Học sâu & Học có giám sát, Học không giám sát, Học tăng cường
  • Lĩnh vực ứng dụng của Deep Learning và TensorFlow
  • Sơ lược về lịch sử của Deep Learning

<Nhập môn Deep Learning học cùng TensorFlow 2.0Phần 3

  • Quy trình cơ bản của Machine Learning - Định nghĩa giả thuyết, định nghĩa hàm mất mát, định nghĩa tối ưu hóa
  • Triển khai thuật toán Hồi quy tuyến tính (Linear Regression) sử dụng TensorFlow 2.0
  • Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent
  • Dữ liệu huấn luyện (Training Data), Dữ liệu kiểm định (Validation Data), Dữ liệu kiểm tra (Test Data) & Quá màng (Overfitting)
  • Hồi quy Softmax (Softmax Regression) & Hàm mất mát Cross-Entropy (Cross-Entropy Loss Function) & One-hot Encoding & MNIST
  • TensorFlow 2.0 Keras Subclassing
  • Triển khai bộ phân loại chữ số MNIST sử dụng TensorFlow 2.0 và Softmax Regression

<Nhập môn Deep Learning với TensorFlow 2.0Phần 4

  • Perceptron đa tầng MLP
  • Triển khai bộ phân loại chữ số MNIST sử dụng TensorFlow 2.0 và ANN

<Nhập môn Deep Learning học cùng TensorFlow 2.0Phần 5

  • Khái niệm về AutoEncoder
  • Tái cấu trúc dữ liệu MNIST bằng TensorFlow 2.0 và AutoEncoder

<Nhập môn Deep Learning học cùng TensorFlow 2.0Phần 6

  • Khó khăn của các vấn đề thị giác máy tính và sự ra đời của kỷ nguyên thị giác máy tính dựa trên CNN
  • Khái niệm cốt lõi của mạng thần kinh tích chập - Convolution (Tích chập), Pooling (Gộp)
  • Triển khai CNN để phân loại chữ số MNIST bằng TensorFlow 2.0
  • Dropout (Loại bỏ)
  • Triển khai CNN để phân loại hình ảnh CIFAR-10 sử dụng TensorFlow 2.0

<Nhập môn Deep Learning học cùng TensorFlow 2.0Phần 7

  • Mạng thần kinh tái phát (RNN)
  • Vấn đề biến mất đạo hàm (Vanishing Gradient Problem) & LSTM & GRU
  • Khái niệm về Nhúng (Embedding) & Char-RNN
  • Triển khai Char-RNN sử dụng TensorFlow 2.0

<Nhập môn Deep Learning cùng TensorFlow 2.0Phần 8

  • Lưu và tải các tham số bằng cách sử dụng tf.train.CheckpointManager API
  • Trực quan hóa (Visualization) quá trình học bằng cách sử dụng TensorBoard

<Nhập môn Deep Learning học cùng TensorFlow 2.0Phần 9

  • Giới thiệu các lĩnh vực vấn đề đa dạng trong thị giác máy tính (Computer Vision)
  • Giới thiệu các lĩnh vực vấn đề xử lý ngôn ngữ tự nhiên (NLP) đa dạng

Hãy cùng tìm hiểu cách sử dụng các mô hình Deep Learning mới nhất đang được sử dụng thực tế tại Naver (CRAFT) và Kakao (EAST).

Khóa học All-in-One để trở thành chuyên gia Thị giác máy tính (Computer Vision) bằng Deep Learning!

  • Tất cả các yếu tố cần thiết để trở thành chuyên gia thị giác máy tính học sâu đã được tổng hợp lại trong một bài giảng duy nhất.
  • Kiến thức lý thuyết thiết yếu để hiểu các mô hình Deep Learning mới nhất : Học các lý thuyết và kiến thức thiết yếu cần thiết theo từng bước, bắt đầu từ kiến thức cơ bản về Machine Learning và Deep Learning (ANN, CNN) cho đến nguyên lý của các mô hình Deep Learning mới nhất (EfficientNet, CenterNet).
  • Khả năng triển khai mã nguồn bằng Python/TensorFlow 2.0 : Học từng bước các kỹ năng triển khai để thực hiện các dự án thực tế bằng Python và TensorFlow 2.0.
  • Nhiều dự án thực tế để áp dụng Custom Dataset : Thay vì các ví dụ cơ bản như MNIST, chúng ta sẽ tiến hành nhiều dự án thực tế khác nhau để áp dụng các mô hình học sâu mới nhất vào các Custom Dataset đa dạng.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Tất cả những ai muốn học tập nghiêm túc về Deep Learning/Computer Vision

  • Những người muốn thực hiện các dự án thực tế sử dụng Deep Learning/Computer Vision

Cần biết trước khi bắt đầu?

  • Kiến thức Python cơ bản

Xin chào
Đây là AISchool

9,756

Học viên

754

Đánh giá

357

Trả lời

4.6

Xếp hạng

32

Các khóa học

Thêm

Chương trình giảng dạy

Tất cả

126 bài giảng ∙ (20giờ 51phút)

Tài liệu khóa học:

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

Đánh giá

Tất cả

73 đánh giá

4.8

73 đánh giá

  • dkoh0716님의 프로필 이미지
    dkoh0716

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Cảm ơn bài giảng rất hay và hữu ích.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

  • seojk1234560728님의 프로필 이미지
    seojk1234560728

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    25% đã tham gia

    Đó là một bài giảng thực sự đã giúp ích cho tôi rất nhiều khi thực hiện dự án của mình. Nó rất hữu ích vì nó giải thích những điều cơ bản và giải thích cách hoạt động của mã.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

  • slhyj954421님의 프로필 이미지
    slhyj954421

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    67% đã tham gia

    Tôi dự định theo học chuyên ngành Machine Learning ở trường sau đại học, và nó đã giúp ích rất nhiều cho việc hiểu và thực hành những thiếu sót của tôi.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

  • junpyokim4448님의 프로필 이미지
    junpyokim4448

    Đánh giá 5

    Đánh giá trung bình 5.0

    5

    73% đã tham gia

    Khóa học sâu cơ bản được dạy bằng TensorFlow 2.0 rất chắc chắn và phù hợp với tôi, vì vậy tôi cũng đã tham gia khóa học này. Tôi vẫn đang nghe nửa đầu, nhưng tôi nghĩ nó sẽ rất hữu ích trong việc chuẩn bị cho việc học cao hơn và việc làm vì những lời giải thích rất hay và tôi có thể rời khỏi một dự án.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

  • whdghk8152040님의 프로필 이미지
    whdghk8152040

    Đánh giá 6

    Đánh giá trung bình 5.0

    5

    30% đã tham gia

    Không giống như những bài giảng khác, tôi thích nó không dừng lại ở những khái niệm cơ bản và dự án đồ chơi mà đề cập đến mức độ ứng dụng trong công nghiệp.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Cảm ơn bạn đã đánh giá khóa học chi tiết. Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

Khóa học khác của AISchool

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

2.981.150 ₫