강의

멘토링

커뮤니티

NEW
AI Technology

/

Deep Learning & Machine Learning

Học sâu cho lập trình viên

Khóa học này hữu ích cho những ai muốn tổng hợp sâu sắc về deep learning và nắm bắt bức tranh toàn cảnh, tập trung vào lý thuyết và맥락 hơn là thực hành. Bạn có thể dễ dàng hiểu được nền tảng toán học và thống kê làm gốc rễ cho deep learning, đồng thời giải thích trực quan từ góc nhìn developer về nguyên lý của các mô hình deep learning hiện đại như AutoEncoder, GAN, Transformer, AlphaGo, v.v.

31 học viên đang tham gia khóa học này

  • kok202
AI
딥러닝
통계
딥러닝모델
인공지능
Machine Learning(ML)
Deep Learning(DL)
Statistics
Probability and Statistics

Bạn sẽ nhận được điều này sau khi học.

  • Xác suất Thống kê cho Deep Learning

  • # Likelihood, xác suất và mô hình thống kê từ góc nhìn Deep Learning

  • Lý thuyết Học thống kê (SLT: Statistical Learning Theory)

  • AutoEncoder, VAE, Alphago, Transformer

  • Nguyên lý hoạt động và bối cảnh ra đời của các mô hình Deep Learning chính

Đối tượng độc giả 🎯

Những người muốn chuẩn bị cho thời đại trí tuệ nhân tạo

Nhờ các công cụ như Copilot, Cursor AI, AI chắc chắn đang mang lại sự hỗ trợ lớn cho các lập trình viên. Nhưng đồng thời, nó cũng là một mối đe dọa. Các lập trình viên chuẩn bị cho kỷ nguyên trí tuệ nhân tạo nên học những gì? Tôi đã đưa những băn khoăn và câu trả lời của mình vào khóa học này.

Những người muốn hiểu sâu về Deep Learning

Mỗi lần nghe các khóa học trí tuệ nhân tạo đều toàn là khóa học về ứng dụng LLM, chẳng phải chán không? Biết sử dụng API thì chưa chắc đã trở thành nhà phát triển AI. Khóa học này có thể giúp ích cho những ai muốn học sâu hơn về bản thân deep learning.

Nó sẽ thay đổi như thế này.

  • Bạn có thể hiểu một cách hệ thống nền tảng toán học, thống kê và các lý thuyết cốt lõi của deep learning.

    • Trong số lượng lớn nội dung về xác suất và thống kê, bạn có thể tập trung học chính xác những nội dung cần thiết.


  • Có thể hiểu nguyên lý của các mô hình chính trong deep learning không chỉ qua cấu trúc đơn giản mà trong bối cảnh và nền tảng lịch sử.

  • Bạn sẽ có thể hiểu được bối cảnh cơ bản và lịch sử phát triển của trí tuệ nhân tạo hiện đại.

    • Bạn sẽ hiểu được rằng trước khi có machine learning, đã tồn tại các mô hình xác suất và thống kê.

    • Bạn sẽ có thể hiểu rằng mô hình học máy là một mô hình thống kê.

Chương trình học gốc 📝

Nội dung không nhàm chán

Các chủ đề như FCNN, CNN, RNN thực tế đã có rất nhiều tài liệu được tổng hợp, và cũng dễ dàng tìm thấy các khóa học miễn phí chất lượng cao. Do đó, khóa học này không chỉ dừng lại ở việc liệt kê các khái niệm, mà tập trung vào câu hỏi 'Tại sao những khái niệm này lại xuất hiện? (Why?)'. Qua đó, tôi đã nỗ lực rất nhiều để ngay cả những người đã từng học qua deep learning một lần cũng có thể thu được những nội dung bổ ích.

Khóa học được trình bày theo hướng kể chuyện

Bạn có biết rằng thuật ngữ 'entropy thông tin' thực ra là một cái tên được đặt ra mà không có ý nghĩa đặc biệt gì không? Có rất nhiều nội dung mà khi biết được lịch sử, bạn có thể nắm bắt được bối cảnh và qua đó hiểu một cách sâu sắc và sinh động hơn. Xuyên suốt khóa học, tôi đã cố gắng cung cấp trải nghiệm học tập sâu sắc mà không hề nhàm chán bằng cách giải thích kèm theo bối cảnh và nền tảng lịch sử.

Khóa học Deep Learning xử lý thống kê

Rễ của deep learning thường xuất phát từ xác suất và thống kê, vì vậy việc hiểu biết về chúng là vô cùng quan trọng. Tuy nhiên, thực tế khi muốn học xác suất và thống kê, do khối lượng kiến thức khổng lồ và không có nhiều khóa học deep learning đề cập đến thống kê, nên điều này không hề dễ dàng. Khóa học này là một trong số ít các khóa học có thể giải quyết những khó khăn đó. Đây là khóa học tập trung tổng hợp các kiến thức nền tảng cốt lõi cần thiết để hiểu deep learning.

Bộ slide với 3000 trang

Tất cả nội dung bài giảng được cấu trúc theo cách bắt đầu từ những băn khoăn và câu hỏi mà các nhà nghiên cứu đã có, sau đó giải thích quá trình họ đã giải quyết vấn đề đó như thế nào. Và để có thể truyền tải đầy đủ dòng chảy này đến các học viên, tài liệu giảng dạy cũng được cấu trúc theo từng bước, với khoảng 3,000 slide đã được chuẩn bị. Tôi đã cố gắng hết sức không chỉ dừng lại ở việc truyền đạt thông tin, mà để các bạn có thể thực sự hiểu được các khái niệm.

Từ cơ bản đến xác suất thống kê, các mô hình mới nhất 📈

Phần 1. Tổng quan về Deep Learning

Giải thích các khái niệm cốt lõi của deep learning như perceptron, layer, hàm kích hoạt, hàm mất mát, tối ưu hóa, regularization, khởi tạo, v.v. Thay vì chỉ giải thích khái niệm đơn thuần, khóa học tập trung vào bối cảnh lịch sử dẫn đến sự ra đời của từng khái niệm để tăng thêm chiều sâu và ngữ cảnh. Đã chuẩn bị nhiều nội dung độc đáo ít được đề cập trong các khóa học hiện có như nguồn gốc của hàm sigmoid, suy luận cross entropy, giải thích công thức Adam, v.v.

Tổng quan về Deep Learning

Phần 2. Xác suất Thống kê cho Deep Learning

Hồi quy, phân phối xác suất, định lý Bayes, likelihood, lý thuyết học thống kê (SLT) và các nền tảng toán học·thống kê khác là gốc rễ của deep learning. Thay vì tìm hiểu nội dung xác suất thống kê rộng lớn ở mức độ chuyên sâu như chuyên ngành, khóa học tập trung tổng hợp các kiến thức nền tảng cần thiết để hiểu deep learning.

Xác suất thống kê cho Deep Learning

# Phần 3. Phân tích các mô hình Deep Learning hiện đại

AutoEncoder, VAE, GAN, Diffusion, ResNet, Transformer, AlphaGo và các mô hình deep learning tiêu biểu khác sẽ được giải thích về nguyên lý và bối cảnh ra đời.
Thay vì thực hành, khóa học được cấu trúc để giúp bạn hiểu theo ngữ cảnh về cách các mô hình đã phát triển như thế nào, ý nghĩa và giới hạn của chúng là gì.

Phân tích mô hình Deep Learning hiện đại

Tôi muốn giúp bạn
phát triển như một lập trình viên!

Hiện tại tôi đang làm việc tại Kakao, và vì thích tạo ra những thứ mới nên sau giờ làm tôi luôn phát triển điều gì đó. Có câu nói "Người lùn đứng trên vai người khổng lồ". Tôi cũng chỉ là một người lùn nhỏ bé, nhưng đang nỗ lực truyền đạt kiến thức để có thể giúp ích cho sự phát triển của người khổng lồ mà mình đang đứng trên vai. Tôi có kinh nghiệm mentoring nhiều lập trình viên junior nên có thể giúp đỡ sự phát triển của các bạn.

Github / Blog
✅ Kỹ sư Backend tại Kakao
✅ Giải Vàng Hạng mục Chung Cuộc thi Phát triển Phần mềm Mã nguồn Mở 2020: Giải thưởng của Viện trưởng Viện Xúc tiến Công nghiệp Công nghệ Thông tin và Truyền thông
✅ Xuất bản sách Lập trình Thực dụng cho Lập trình viên Java/Spring
✅ Khóa học Inflearn Sổ tay Ghi chú Sai lầm cho Lập trình viên Junior Java/Spring
✅ Khóa học Inflearn Sổ tay Ghi chú Sai lầm cho Lập trình viên muốn Bổ sung Test Java/Spring

Hướng dẫn

Phần 3 của khóa học hiện đang được tải lên dưới dạng bản chỉnh sửa sơ bộ. Sau này sẽ có video chỉnh sửa lại với phụ đề và âm thanh được hoàn thiện, vui lòng lưu ý khi học.

Q&A 💬

Q. Người không chuyên ngành có thể học được không?

Khóa học này ban đầu được thiết kế dành cho những người đã từng học deep learning ít nhất một lần và muốn nâng cấp lên một bước. Tuy nhiên, trong quá trình xây dựng khóa học, tôi nhận ra rằng để giải thích đầy đủ nội dung mà tôi muốn truyền đạt thì cần có kiến thức nền tảng khá nhiều. Do đó, tôi đã thay đổi sang việc hệ thống hóa nội dung khóa học từ cơ bản, và kết quả là khóa học hiện tại trở thành một khóa học mà tôi tin rằng ngay cả những người mới tiếp xúc với deep learning hoặc không chuyên ngành cũng có thể hiểu được nếu theo sát.

Tuy nhiên, không phải tất cả những người không chuyên đều có cùng trình độ lập trình và kiến thức nền tảng toán học. Và mức độ hiểu biết về trí tuệ nhân tạo của mỗi người cũng khác nhau. Điều này cũng tương tự với những người học chuyên ngành. Bởi vì có người đã từng học môn trí tuệ nhân tạo khi còn ở đại học, nhưng cũng có người không học vì không quan tâm.

Do đó, để những người đang cân nhắc tham gia khóa học có thể tham khảo, tôi đã thu thập được những phản hồi ngắn gọn như dưới đây. Tôi đã tiến hành các buổi học offline với đối tượng là cả người có chuyên môn và không có chuyên môn trong nhiều môi trường khác nhau, và nhận được những phản hồi như dưới đây. Những người đang cân nhắc tham gia khóa học vui lòng nhất định kiểm tra nội dung dưới đây cùng với kiến thức tiên quyết và lưu ý, sau đó thử học khóa học miễn phí trước khi quyết định có tham gia hay không.

  • Trường hợp 1. Chuyên ngành Khoa học Máy tính, 3 năm kinh nghiệm, KHÔNG có kiến thức nền tảng về Deep Learning


    Khó hơn tôi nghĩ. Chắc chắn đây không phải là khóa học dành cho người mới bắt đầu. Tuy nhiên, nội dung thì quá tuyệt vời.


  • Trường hợp 2. Chuyên ngành Khoa học Máy tính, 5 năm kinh nghiệm, CÓ kiến thức nền tảng về Deep Learning


    Tôi nhận ra rằng có rất nhiều nội dung liên quan đến deep learning mà tôi đã 'nhầm tưởng' là mình biết. Có nhiều nội dung lần đầu tiên được tiếp xúc. Tôi cảm thấy khác biệt.

  • Trường hợp 3. Chuyên ngành Mỹ thuật thuần túy (chuyển sang làm developer), 3 năm kinh nghiệm, KHÔNG có kiến thức nền về deep learning
    Nội dung khó vì không có kiến thức nền về toán học. Nhưng đã hiểu được thông điệp. Bản thân nội dung rất thú vị.

  • Trường hợp 4. Chuyên ngành Kỹ thuật Điện tử và Điện, 5 năm kinh nghiệm, KHÔNG có kiến thức nền về Deep Learning
    Tôi cảm thấy khối lượng khá lớn. Nội dung tuy khó nhưng tôi nghĩ đó là những nội dung không thể không khó.



Q. Tỷ lệ thực hành là bao nhiêu và sau khi kết thúc khóa học, tôi có thể đạt được trình độ nào?

Thật đáng tiếc là khóa học này không được tiến hành theo cách cung cấp mã ví dụ có thể chạy trực tiếp hoặc theo dõi từng bước hoạt động bằng cách gõ theo mã. Tôi cho rằng việc đơn thuần gõ theo mã do người khác viết không mang lại hiệu quả học tập lớn. Thay vào đó, tôi tin rằng việc hiểu tại sao phương pháp này lại xuất hiện, nó giải quyết vấn đề gì, và điểm khác biệt so với các cách tiếp cận khác là có giá trị hơn nhiều.

Ngoài ra, mỗi học viên sử dụng thiết bị và hệ điều hành khác nhau, và các framework deep learning cũng có nhiều loại khác nhau bao gồm TensorFlow và PyTorch. Hơn nữa, các framework thường có sự thay đổi lớn về giao diện mỗi khi phiên bản được cập nhật. Vì những lý do này, khóa học này đã chọn cách tiếp cận tập trung vào tư duy và nguyên lý bên trong thay vì cung cấp thực hành dựa trên code hoặc môi trường cụ thể.

Cá nhân tôi nghĩ rằng đối với những người có mục tiêu trở thành AI modeler hoặc muốn tìm hiểu cách sử dụng framework, thì việc tham khảo tài liệu chính thức, tự tay tạo ra các model và trải qua những thử nghiệm sai lầm sẽ là phương pháp học tập hiệu quả hơn so với việc tham gia khóa học.

Hỏi: Khóa học này có giúp ích cho việc xin việc, chuyển việc hay nghiên cứu không?

Là một người từng học môn trí tuệ nhân tạo trong thời đại học, tôi đánh giá rằng nội dung mà khóa học này đề cập chứa đựng kiến thức về deep learning vượt xa trình độ đại học. Chính vì vậy, khóa học này chắc chắn sẽ hữu ích cho các học viên có nguyện vọng trở thành nhà nghiên cứu.

Ngoài ra, khóa học này cũng có thể hữu ích cho những người đang chuẩn bị phỏng vấn về trí tuệ nhân tạo. Bởi vì khóa học này đề cập đến các khái niệm nguyên lý và nguyên lý của mô hình có thể xuất hiện trong phỏng vấn. Tuy nhiên, do đặc thù của cánh cổng tuyển dụng, việc tập trung học các câu hỏi phỏng vấn dự kiến có thể hữu ích hơn so với việc học toàn bộ nội dung phức tạp. Vì vậy, theo suy nghĩ thật lòng của tôi, khóa học này khó có thể giúp ích nhiều cho sinh viên cần phải học để tuyển dụng trong thời gian ngắn.

Nếu bạn là sinh viên đang chuẩn bị phỏng vấn về trí tuệ nhân tạo, tôi khuyên bạn nên tham khảo repository GitHub dưới đây để tổng hợp nội dung.

Lưu ý trước khi đăng ký

Tài liệu học tập

  • Bản trình bày khoảng 3000 trang


Kiến thức tiên quyết và lưu ý

  • Để học khóa học này một cách hiệu quả, bạn cần có những kiến thức cơ bản sau:

    • Kiến thức cơ bản về lập trình

    • Toán học cơ bản ở trình độ đại học (cần có khả năng tính đạo hàm của hàm bậc hai)

    • Đại số tuyến tính cơ bản (cần có khả năng thực hiện phép nhân ma trận)

  • Mặc dù đây là khóa học bắt đầu từ cơ bản về deep learning, nhưng sẽ tốt hơn nếu bạn đã có kiến thức nền tảng trước khi học.

  • Khóa học này được định vị là khóa học lý thuyết nên không bao gồm phần thực hành.

  • Chúng tôi khuyến nghị bạn nên học thử các khóa học miễn phí trước khi quyết định mua.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Những người muốn hiểu từng bước nguyên lý hoạt động và bối cảnh ra đời của các mô hình deep learning chính

  • Dành cho những ai muốn hiểu bối cảnh và nền tảng lý thuyết của deep learning, chứ không chỉ là những giải thích khái niệm sáo rỗng

  • Những người cảm thấy cần học thống kê để hiểu về deep learning

  • Trong số lượng lớn nội dung về xác suất thống kê, dành cho những ai muốn học chỉ những nội dung thực sự cần thiết cho trí tuệ nhân tạo

  • Dành cho những ai muốn tìm hiểu cách suy luận Cross Entropy

  • Những người muốn hiểu sâu hơn về Deep Learning

Cần biết trước khi bắt đầu?

  • Kiến thức cơ bản về lập trình

  • Toán học đại học cơ bản

  • Đại số tuyến tính

Xin chào
Đây là

3,593

Học viên

269

Đánh giá

47

Trả lời

4.9

Xếp hạng

3

Các khóa học

  • (현) 카카오 백엔드 엔지니어
  • (수상) 🏆 공개 SW 개발자 대회 [2020 일반부문 / 금상_정보통신산업진흥원장상] 

 

현재 카카오에서 일하고 있고, 만드는 것을 좋아해서, 퇴근 후에도 항상 무언가를 개발하고 있습니다.

"거인의 어깨 위에 선 난쟁이"라는 말이 있습니다. 저 역시 한낱 작은 난쟁이일 뿐이지만, 올라탄 거인의 성장에 도움이 될 수 있도록 지식의 대물림을 위해 노력하고 있습니다. 다수의 주니어 개발자분들을 멘토링 한 경험이 있어서 여러분의 성장을 도와줄 수 있을 거예요. 

 

깃허브 > https://github.com/kok202
블로그 > https://kok202.tistory.com

Chương trình giảng dạy

Tất cả

32 bài giảng ∙ (9giờ 27phút)

Tài liệu khóa học:

Tài liệu bài giảng
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!

Ưu đãi có thời hạn

29.700 ₫

50%

1.253.177 ₫

Khóa học khác của kok202

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!