Deep Learning dành cho lập trình viên

Name: Deep Learning dành cho lập trình viên
Price: 59400 KRW
Rating: 4.8 (8 reviews)

Đây là khóa học hữu ích dành cho những ai muốn hệ thống lại kiến thức Deep Learning một cách chuyên sâu và nắm bắt bức tranh toàn cảnh thông qua việc tập trung vào lý thuyết và bối cảnh thay vì thực hành. Bạn có thể dễ dàng thấu hiểu nền tảng toán học và thống kê vốn là gốc rễ của Deep Learning, đồng thời chúng tôi sẽ giải thích một cách trực quan các nguyên lý của những mô hình Deep Learning hiện đại tiêu biểu như AutoEncoder, GAN, Transformer, AlphaGo dưới góc nhìn của một nhà phát triển.

(4.8) 8 đánh giá

108 học viên

Độ khó Trung cấp trở lên

Thời gian Không giới hạn

kok202

Machine Learning(ML)

Deep Learning(DL)

Statistics

Probability and Statistics

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, Mô hình thống kê dưới 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 học sâu chính

Sẽ thay đổi như thế này.

Có thể hiểu một cách hệ thống nền tảng toán học, thống kê và các lý thuyết cốt lõi của deep learning.
- Bạn có thể tập trung học chính xác những nội dung cần thiết trong khối lượng kiến thức xác suất và thống kê đồ sộ.
Có thể giải thích nguyên lý của các mô hình Deep Learning chủ chốt trong bối cảnh và nền tảng lịch sử thay vì chỉ dựa trên cấu trúc đơn thuần.
Bạn sẽ có thể hiểu được bối cảnh và lịch sử cơ bản về quá trình phát triển của trí tuệ nhân tạo hiện đại.
- Bạn sẽ có thể hiểu được rằng các mô hình xác suất và thống kê đã tồn tại trước khi có học máy.
- Bạn sẽ có thể hiểu được rằng mô hình học máy là mô hình thống kê.

Nội dung không hề rập khuôn

Các chủ đề như FCNN, CNN, RNN thực tế đã có vô số tài liệu được tổng hợp, và bạn cũng có thể dễ dàng tìm thấy các bài giảng chất lượng cao được chia sẻ miễn phí. Do đó, khóa học này không chỉ dừng lại ở việc liệt kê các khái niệm một cách đơn thuần, mà tập trung vào câu hỏi 'Tại sao những khái niệm này lại ra đời? (Why?)'. Qua đó, tôi đã dành nhiều tâm huyết để ngay cả những người đã từng học qua về Deep Learning cũng có thể nhận được những giá trị hữu ích.

Bài giảng được trình bày theo lối kể chuyện

Bạn có biết rằng thuật ngữ 'Entropy thông tin' thực chất là một cái tên được đặt mà không có ý nghĩa gì đặc biệt không? Khi hiểu rõ lịch sử, chúng ta có thể nắm bắt được bối cảnh, từ đó có nhiều nội dung có thể được thấu hiểu một cách đa chiều hơn. Thông qua việc lồng ghép các bối cảnh và tiền đề lịch sử xuyên suốt bài giảng, tôi mong muốn mang lại một trải nghiệm học tập sâu sắc nhưng không hề nhàm chán.

Bài giảng Deep learning về thống kê

Gốc rễ của Deep Learning thường bắt nguồn từ xác suất và thống kê, vì vậy việc hiểu rõ chúng là vô cùng quan trọng. Tuy nhiên, thực tế là việc học xác suất và thống kê không hề dễ dàng do lượng kiến thức khổng lồ và sự khan hiếm của các khóa học Deep Learning có đề cập đến thống kê. Đây là một trong số ít những khóa học có thể giúp giải quyết những khó khăn này. Khóa học này tập trung tổng hợp các kiến thức nền tảng cốt lõi cần thiết để thấu hiểu Deep Learning.

3000 trang slide

Nội dung của tất cả các bài giảng được xây dựng theo cách bắt đầu từ những trăn trở và câu hỏi của các nhà nghiên cứu, sau đó giải thích quá trình họ đã giải quyết những vấn đề đó như thế nào. Để truyền tải trọn vẹn luồng tư duy này đến các học viên, tài liệu bài giảng cũng được thiết kế theo từng bước, với tổng số slide lên đến khoảng 3,000 trang. Không chỉ dừng lại ở việc truyền đạt thông tin đơn thuần, tôi đã nỗ lực hết mình để giúp các bạn có thể thực sự thấu hiểu các khái niệm.

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. Thay vì chỉ giải thích khái niệm đơn thuần, nội dung tập trung vào bối cảnh lịch sử ra đời của từng khái niệm để mang lại chiều sâu và cái nhìn bao quát hơn. Chúng tôi đã chuẩn bị nhiều nội dung gốc vốn ít được khai thác trong các bài giảng thông thường như nguồn gốc của hàm Sigmoid, cách dẫn dắt hàm Cross-entropy, hay phân tích công thức Adam.

Phần 2. Xác suất thống kê cho Deep Learning

Nội dung bao gồm toán học và thống kê vốn là nền tảng của deep learning như hồi quy, phân phối xác suất, định lý Bayes, likelihood, lý thuyết học thống kê (SLT), v.v. Thay vì đi sâu vào lượng kiến thức xác suất thống kê khổng lồ ở cấp độ chuyên ngành, chúng tôi tập trung tổng hợp những kiến thức nền tảng thiết yếu cần thiết để hiểu về deep learning.

Tôi muốn giúp đỡ bạn
phát triển thành một lập trình viên!

Hiện tại tôi đang làm việc tại Kakao, và vì niềm đam mê sáng tạo nên ngay cả sau giờ làm việc, tôi vẫn luôn phát triển một thứ gì đó. Có một câu nói rằng: "Người lùn đứng trên vai những người khổng lồ". Bản thân tôi cũng chỉ là một người lùn nhỏ bé, nhưng tôi đang nỗ lực truyền lại kiến thức để có thể góp phần vào sự phát triển của người khổng lồ mà mình đang đứng trên đó. Với kinh nghiệm cố vấn cho nhiều lập trình viên trẻ, tôi tin rằng mình có thể giúp ích cho sự phát triển của các bạn.

✅ Github / Blog
✅ Kỹ sư Backend hiện tại tại Kakao
✅ Giải Vàng hạng mục Phổ thông tại Cuộc thi Nhà phát triển Phần mềm Mở 2020: Nhận giải thưởng của Giám đốc Cơ quan Xúc tiến Công nghiệp CNTT Quốc gia
✅ Xuất bản sách Lập trình thực dụng dành cho nhà phát triển Java/Spring
✅ Bài giảng trên Inflearn Sổ tay lỗi sai dành cho nhà phát triển Java/Spring cấp độ Junior
✅ Bài giảng trên Inflearn Sổ tay lỗi sai dành cho các nhà phát triển muốn thêm kiểm thử Java/Spring

Q. Người không chuyên có thể học được không?

Khóa học này vốn được lên kế hoạch dành cho những người đã từng học qua Deep Learning ít nhất một lần và muốn nâng cao trình độ của mình. Tuy nhiên, trong quá trình xây dựng bài giảng, tôi nhận ra rằng để có thể giải thích đầy đủ những nội dung mình muốn truyền tải thì cần một lượng kiến thức nền tảng đáng kể. Vì vậy, tôi đã thay đổi bằng cách sắp xếp lại nội dung bài giảng một cách hệ thống từ những kiến thức cơ bản nhất. Kết quả là, tôi tin rằng khóa học hiện tại đã trở thành một khóa học mà ngay cả những người mới tiếp cận Deep Learning hay những người không chuyên cũng có thể hiểu được nếu theo sát lộ trình.

Tuy nhiên, không phải tất cả những người không chuyên đều có cùng kỹ năng lập trình hay kiến thức nền tảng toán học như nhau. Mức độ hiểu biết về trí tuệ nhân tạo của mỗi người cũng khác nhau. Điều này cũng tương tự đối với những người học đúng chuyên ngành. Bởi vì có người có thể đã từng học các lớp về trí tuệ nhân tạo ở bậc đại học, nhưng cũng có người vì không quan tâm nên đã không theo học.

Vì vậy, để những ai đang cân nhắc tham gia khóa học có thể tham khảo, chúng tôi đã thu thập một số phản hồi ngắn gọn dưới đây. Sau khi tổ chức các lớp học trực tiếp (offline) dành cho cả người học chuyên ngành và không chuyên đến từ nhiều lĩnh vực khác nhau, chúng tôi đã nhận được những phản hồi như sau. Những ai đang cân nhắc tham gia khóa học vui lòng kiểm tra kỹ nội dung bên dưới, kiến thức tiên quyết và các lưu ý, đồng thời hãy học thử các bài giảng miễn phí trước khi quyết định có đăng ký học 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 tưởng. Chắc chắn đây không phải là bài giảng dành cho người mới bắt đầu. Bản thân nội dung thì tôi rất hài lòng.
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 'lầm tưởng' là mình đã biết. Có nhiều nội dung lần đầu tiên tôi thấy. Tôi cảm thấy nó thật khác biệt.
Trường hợp 3. Chuyên ngành Mỹ thuật thuần túy (chuyển sang làm lập trình viên), 3 năm kinh nghiệm, không có kiến thức nền tảng về Deep Learning
Nội dung khó vì tôi không có kiến thức nền tảng về toán học. Tôi đã hiểu được thông điệp. Bản thân nội dung rất thú vị.
Trường hợp 4. Chuyên ngành Kỹ thuật Điện - Điện tử, 5 năm kinh nghiệm, không có kiến thức nền tảng về Deep Learning
Tôi cảm thấy khối lượng kiến thức khá lớn. Mặc dù nội dung khó, nhưng tôi nghĩ đó là những nội dung tất yếu phải khó.

Q. Tỷ trọng thực hành như thế nào và sau khi kết thúc khóa học, tôi có thể đạt đến trình độ nào?

Đáng tiếc là khóa học này không diễn ra theo hình thức cung cấp mã ví dụ để chạy trực tiếp hay hướng dẫn gõ theo từng dòng code để kiểm tra quy trình vận hành. Tôi tin rằng việc chỉ đơn thuần sao chép lại mã nguồn của người khác không mang lại hiệu quả học tập cao. Thay vào đó, việc thấu hiểu lý do tại sao phương pháp này ra đời, nó giải quyết vấn đề gì và điểm khác biệt của nó so với các cách tiếp cận khác mới là điều giá trị hơn cả.

Ngoài ra, thiết bị và hệ điều hành mà mỗi học viên sử dụng là khác nhau, và cũng có nhiều framework deep learning khác nhau bao gồm TensorFlow và PyTorch. Thêm vào đó, giao diện của các framework thường thay đổi đáng kể mỗi khi phiên bản thay đổi. Vì lý do này, thay vì cung cấp các bài thực hành dựa trên mã nguồn hoặc môi trường cụ thể, khóa học này lựa chọn phương pháp tập trung vào tư duy và nguyên lý cốt lõi đằng sau chúng.

Cá nhân tôi cho rằng đối với những ai có mục tiêu trở thành AI modeler hoặc tò mò về cách sử dụng framework, việc tham khảo tài liệu chính thức, tự mình xây dựng mô hình và trải qua quá trình thử sai sẽ là phương pháp học tập hiệu quả hơn so với việc tham gia khóa học.

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

Là một người cũng từng học về trí tuệ nhân tạo khi còn là sinh viên đại học, tôi đánh giá rằng nội dung của khóa học này chứa đựng những kiến thức về deep learning vượt xa trình độ đại học. Vì vậy, khóa học này chắc chắn sẽ giúp ích cho những học viên đang có định hướng trở thành nhà nghiên cứu.

Ngoài ra, khóa học này cũng có thể hữu ích cho những ai đang chuẩn bị cho các buổi phỏng vấn về trí tuệ nhân tạo. Bởi vì khóa học này bao quát các khái niệm mang tính nguyên lý và nguyên tắc của các mô hình có thể xuất hiện trong buổi phỏng vấn. Tuy nhiên, do đặc thù của cánh cửa tìm việc, thay vì học toàn bộ nội dung khổng lồ, việc tập trung học các câu hỏi phỏng vấn dự kiến có thể sẽ giúp ích nhiều hơn. Vì vậy, thành thật mà nói, tôi nghĩ khóa học này khó có thể giúp ích nhiều cho những sinh viên cần học để tìm việc trong thời gian ngắn.

Nếu bạn là sinh viên đang chuẩn bị cho phỏng vấn AI, tôi khuyên bạn nên tham khảo và hệ thống lại nội dung từ repository GitHub bên dưới thì sẽ tốt hơn.

Kiến thức tiên quyết và lưu ý

Để theo học khóa học này một cách hiệu quả, yêu cầu các kiến thức cơ bản sau đây.
- Kiến thức cơ bản về lập trình
- Toán học cơ bản trình độ đại học (Cần phải biết tính đạo hàm của hàm số bậc hai)
- Đại số tuyến tính cơ bản (Cần biết cách thực hiện phép nhân ma trận)
Mặc dù đây là khóa học bắt đầu từ những kiến thức cơ bản về Deep Learning, nhưng sẽ tốt hơn nếu bạn theo học khi đã có kiến thức nền tảng.
Vì đây là khóa học tập trung vào lý thuyết nên sẽ không bao gồm các phần thực hành.
Chúng tôi khuyên bạn nên học thử bài giảng miễn phí trước khi quyết định có mua hay không.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

Những ai muốn tìm hiểu từng bước về nguyên lý hoạt động và bối cảnh ra đời của các mô hình Deep Learning chủ chốt.
Những ai muốn thấu hiểu bối cảnh và nền tảng lý thuyết của Deep Learning, thay vì những lời giải thích khái niệm thông thường.
Những ai cảm thấy cần học thống kê để hiểu về deep learning.
Những ai muốn chỉ học những nội dung thực sự cần thiết cho trí tuệ nhân tạo trong số các kiến thức xác suất thống kê đồ sộ.
Dành cho những ai muốn thiết lập công thức Cross Entropy
Những ai muốn tìm 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

3,755

Học viên

282

Đánh giá

Trả lời

4.9

Xếp hạng

Các khóa học

(Hiện tại) Kỹ sư Backend tại Kakao
(Giải thưởng) 🏆 Cuộc thi Phát triển Phần mềm Nguồn mở [2020 Hạng mục Phổ thông / Giải Vàng_Giải thưởng của Giám đốc Viện Thúc đẩy Công nghiệp Công nghệ Thông tin và Truyền thông]

Hiện tại tôi đang làm việc tại Kakao, vì sở thích sáng tạo nên sau khi tan làm tôi vẫn luôn phát triển một thứ gì đó.

Có một câu nói rằng: "Người lùn đứng trên vai người khổng lồ". Bản thân tôi cũng chỉ là một người lùn nhỏ bé, nhưng tôi luôn nỗ lực truyền lại kiến thức để góp phần vào sự phát triển của người khổng lồ mà mình đang đứng trên đó. Với kinh nghiệm cố vấn cho nhiều nhà phát triển trẻ (junior), tôi tin rằng mình có thể giúp ích cho sự trưởng thành của các bạn.

GitHub > https://github.com/kok202
Blog > https://kok202.tistory.com

Chương trình giảng dạy

Tất cả

32 bài giảng ∙ (9giờ 2phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. Tổng quan về Deep Learning

14 bài giảng ∙ (4giờ 5phút)

1. Buổi định hướng
08:51
2. Tổng quan về Deep Learning (Sự khác biệt giữa thuật toán và trí tuệ nhân tạo là gì?)
24:58
3. Perceptron (Tại sao Perceptron và bài toán XOR luôn được nhắc đến?)
16:56
4. Fully connected layer (Không phải tất cả lan truyền ngược đều là đạo hàm.)
17:39
5. Convolution layer (CNN thực ra không phải là Convolution)
29:36
6. Recurrent layer (RNN hiện nay hầu như không còn được sử dụng nữa.)
19:12
7. Activation functions (Nguồn gốc của tính tuyến tính và hàm sigmoid)
24:22
8. Loss Function (Hàm mất mát đã ra đời như thế nào?)
10:04
9. Cross Entropy (Suy luận Cross Entropy không cần lý thuyết thông tin)
20:55
10. KL Divergence (Chứng minh KL Divergence)
05:14
11. Optimizer (Hiểu về công thức Adam)
24:42
12. Normalization & Regularization (Chuẩn hóa, Tiêu chuẩn hóa, Chính quy hóa)
16:02
13. Initialization (Tìm hiểu về khởi tạo Xavier, He)
10:25
14. Khác (Vi phân tự động được thực hiện như thế nào?)
16:26

Phần 2. Xác suất thống kê cho học sâu

9 bài giảng ∙ (2giờ 35phút)

15. Phân tích hồi quy là gì? (Nguồn gốc của hồi quy)
13:32
16. Tổng hợp thuật ngữ thống kê cơ bản (Hiểu về ước lượng và kiểm định)
23:09
17. Tổng hợp thuật ngữ xác suất cơ bản (Lịch sử xác suất)
16:09
18. Định lý Bayes (Tại sao định lý Bayes lại quan trọng?)
19:39
19. Likelihood (Trí tuệ nhân tạo hiện đại là một cỗ máy MLE khổng lồ)
15:45
20. Phân phối xác suất và các trường hợp ứng dụng (Mô hình xác suất)
22:10
21. Giới thiệu về mô hình thống kê (Học máy là mô hình thống kê)
19:56
22. Kiến thức thống kê khác (Tầm quan trọng của phần dư trong việc hiểu các giả định của phân tích hồi quy)
13:03
23. Lý thuyết học thống kê (SLT: Statistical Learning Theory)
12:36

Phần 3. Phân tích mô hình

9 bài giảng ∙ (2giờ 21phút)

24. AutoEncoder
19:41
25. Bộ mã hóa tự động biến phân
17:52
26. Mô hình tạo hình ảnh (GAN, Diffusion)
13:54
27. ResNet (Skip-connection học cái gì?)
13:51
28. AlphaGo Phần 1 (AlphaGo cũng không khác biệt nhiều so với các thuật toán cờ vây truyền thống.)
12:59
29. AlphaGo Phần 2 (Mạng lưới vận hành mô hình AlphaGo, MCTS)
14:57
30. Xử lý ngôn ngữ tự nhiên Phần 1 (Word Embedding)
26:42
31. Xử lý ngôn ngữ tự nhiên Phần 2 (Transformer)
21:19
32. Tài liệu bổ sung (Slide)

Ngày đăng:

Cập nhật lần cuối:

Đánh giá

Tất cả

8 đánh giá

4.8

8 đánh giá

petergbson2
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
44% đã tham gia
Tôi rất ấn tượng vì khóa học không chỉ đề cập đến các khái niệm deep learning cơ bản, mà còn đi sâu vào những điểm khái niệm tuy chi tiết nhưng quan trọng mà khó có thể tiếp cận được ở các khóa học khác. Hơn nữa, thầy đã giải thích một cách dễ hiểu, có tính đến những học viên có thể còn xa lạ với các thuật ngữ hay khái niệm nhất định, nên tôi có thể theo dõi bài giảng mà không gặp khó khăn gì lớn! Đặc biệt, có rất nhiều phần thầy giải thích kèm theo bối cảnh ra đời hoặc lý do của từng khái niệm, khi nghe giảng tự nhiên những câu hỏi như "Ồ, nghĩ lại thì đúng thế nhỉ? Tại sao lại như vậy nhỉ?" nảy sinh trong đầu, và nhờ đó tôi cảm thấy bản thân mình tự nhiên có thái độ suy nghĩ sâu hơn và cố gắng hiểu về điểm đó. Hơn là cảm giác đơn thuần nhận được kiến thức khi nghe giảng, đây là một khóa học mà tôi có thể trực tiếp cảm nhận được cảm giác 'đang hiểu trong khi nắm bắt được맥락'! Tôi có ấn tượng rằng cấu trúc nội dung, chất lượng và số lượng, cũng như tầm nhìn của học viên đều được cân nhắc và chuẩn bị rất kỹ lưỡng trong khóa học này. Nếu sau này có mở khóa học tiếp theo, tôi có ý định đăng ký học. Cảm ơn thầy rất nhiều vì khóa học tuyệt vời này!
raymid
Đánh giá 3
∙
Đánh giá trung bình 4.3
4
31% đã tham gia
Tôi đã nghe bài giảng rất hay. Đặc biệt là được biết rằng thuật ngữ Norm không phải là viết tắt của Normalization mà là phương pháp đo độ dài của vector trong toán học. <-- Biết được điều này thật tuyệt vời !!!
noojung
Đánh giá 4
∙
Đánh giá trung bình 5.0
Đã chỉnh sửa
5
100% đã tham gia
Với tư cách là một backend developer, tôi thấy rất hữu ích khi nghe bài này. Trước đây tôi chỉ biết sử dụng mà thôi, còn về nguyên lý thì chỉ hiểu biết qua loa. Vì không phải là người tạo ra mô hình AI nên có nhiều phần trong tài liệu chính thức tôi không hiểu rõ lắm, nhưng giờ hiểu được nguyên lý hoạt động bên trong thì có vẻ như sẽ có thể sử dụng sâu hơn khi áp dụng vào công việc thực tế. Mong thầy tiếp tục có những khóa học hay như vậy ^^
dachki
Đánh giá 64
∙
Đánh giá trung bình 5.0
5
31% đã tham gia
segara7285
Đánh giá 1
∙
Đánh giá trung bình 4.0
4
9% đã tham gia
Đây là khóa học yêu cầu bạn phải có các khái niệm cơ bản về Deep Learning/Machine Learning mới có thể theo học được.

1.234.381 ₫

Khóa học khác của kok202

Hãy khám phá các khóa học khác của giảng viên!

Ghi chú câu trả lời sai Java/Spring dành cho nhà phát triển cấp dưới

kok202

Bây giờ bạn đã biết một chút về Spring và JPA, bạn nên học gì và học như thế nào để phát triển trong tương lai? Bạn đang nghiên cứu các mẫu thiết kế và ghi nhớ chúng để nghiên cứu thiết kế? Hãy để tôi giúp bạn!

Basic

Java, Spring, oop

Ghi chú câu trả lời sai Java/Spring dành cho nhà phát triển cấp dưới

kok202

Ghi chú lỗi của các nhà phát triển muốn thêm thử nghiệm Java/Spring

kok202

Chúng tôi sẽ hướng dẫn bạn cách thêm thử nghiệm vào Spring! Hơn nữa, bạn sẽ học cách thay đổi thiết kế Spring để có thể thực hiện thử nghiệm tự nhiên.

Basic

TDD, Software Test, unittest

Ghi chú lỗi của các nhà phát triển muốn thêm thử nghiệm Java/Spring

kok202

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Học tăng cường học dễ dàng với R

coco

Bạn sẽ tìm hiểu về Q-learning và Deep Q-learning, đồng thời có thời gian triển khai học tăng cường trong R. Nó bao gồm toàn bộ nội dung học tập tăng cường ngoài mạng Q sâu đến học tự bắt chước và Chưng cất mạng ngẫu nhiên.

Intermediate

Machine Learning(ML), R, Reinforcement Learning(RL)

Học tăng cường học dễ dàng với R

coco

Học sâu cho người mới bắt đầu thực sự

drkail6916work

Bài giảng này hướng đến những người đã nghe nói về deep learning nhưng chưa biết bắt đầu như thế nào :)

Basic

Deep Learning(DL), tf.keras, multiclass-classification

Học sâu cho người mới bắt đầu thực sự

drkail6916work

CEO và lãnh đạo về đổi mới sản xuất và AI Big Data

1159136

Có thể tham khảo đổi mới sản xuất về bán dẫn và chạy Machine Learning, Deep Learning không cần mã hóa với dữ liệu bán dẫn.

Basic

AI, Machine Learning(ML), classification

CEO và lãnh đạo về đổi mới sản xuất và AI Big Data

1159136

Trí tuệ nhân tạo học như thế nào? - Tìm hiểu nguyên lý AI một cách thú vị

AI CASTLE

Đây là buổi giảng đại chúng dành cho công chúng, giúp họ thoát khỏi nỗi sợ hãi mơ hồ về trí tuệ nhân tạo. Thông qua các ví dụ cụ thể, chúng ta sẽ tìm hiểu ý nghĩa thực sự của việc AI học hỏi. Đồng thời, chúng ta cũng sẽ khám phá cấu trúc não của AI trông như thế nào và cách nó tư duy, qua những ví dụ cụ thể.

Beginner

Machine Learning(ML), Deep Learning(DL), Reinforcement Learning(RL)

Trí tuệ nhân tạo học như thế nào? - Tìm hiểu nguyên lý AI một cách thú vị

AI CASTLE

Tạo thẩm phán trí tuệ nhân tạo với CrewAI và LLM.

arigaram

Khám phá cách xây dựng thẩm phán trí tuệ nhân tạo bằng cách kết hợp các hệ thống suy luận, biểu đồ tri thức và nhiều framework agent như CrewAI, LangChain, AutoGen, những công cụ cho phép triển khai công nghệ đa tác nhân (multi-agent) dựa trên LLM.

Intermediate

AI, LLM, AI Agent

Tạo thẩm phán trí tuệ nhân tạo với CrewAI và LLM.

arigaram

[Với R] Thống kê cơ bản cho học máy

coco

Khóa học này dành cho những người muốn học máy học nhưng thiếu kiến thức thống kê.

Basic

Machine Learning(ML), Statistics, R

[Với R] Thống kê cơ bản cho học máy

coco

Học đúng cách dự án Trí tuệ nhân tạo (AI) Phần 2 - Xây dựng dữ liệu học tập

usefulit

Khóa học này là quá trình học tập toàn bộ quy trình 'Xây dựng dữ liệu huấn luyện AI' cần thiết để thực hiện thành công các dự án mô hình hóa AI. Người học không chỉ dừng lại ở kiến thức lý thuyết mà sẽ trải nghiệm từng bước quy trình xây dựng dữ liệu được yêu cầu trong thực tế công việc. Cụ thể, khóa học được cấu trúc để có thể phát triển năng lực thực tế có thể áp dụng ngay trong công việc thông qua việc thực hành tập trung vào toàn bộ quy trình từ lập kế hoạch → thu thập → lưu trữ → làm sạch → gán nhãn → kết hợp và chuyển đổi thông tin giả danh của dữ liệu huấn luyện AI. Ngoài ra, người học sẽ học tập một cách có hệ thống các năng lực quản lý dữ liệu quan trọng nhất trong dự án AI như quản lý chất lượng dữ liệu và vấn đề bảo mật, xử lý phi nhận dạng thông tin cá nhân, tối ưu hóa tập dữ liệu. Thông qua điều này, người học có thể phát triển thành chuyên gia dữ liệu có thể chủ động lập kế hoạch và thực hiện dự án AI, chứ không chỉ là người thu thập dữ liệu đơn thuần. 👉 Thông qua khóa học này, người học sẽ hiểu được phương pháp xây dựng dữ liệu huấn luyện chất lượng cao quyết định hiệu suất mô hình AI và có được năng lực thực tế để áp dụng hiệu quả vào môi trường thực tế.

Beginner

AI, Generative AI

Học đúng cách dự án Trí tuệ nhân tạo (AI) Phần 2 - Xây dựng dữ liệu học tập

usefulit

Toán cơ bản và thống kê cho người không chuyên ngành (thực hành)

SW School

Khóa học này là khóa học thực hành các kiến thức cơ bản về toán học và thống kê trong máy học bằng cách sử dụng Python. Học máy và học sâu đòi hỏi khả năng lập trình nhưng cũng cần có nền tảng toán học để hiểu các nguyên tắc. Thông qua khóa học này, bạn có thể học từng bước toán học cơ bản cần thiết cho trí tuệ nhân tạo.

Basic

Linear Algebra, Probability and Statistics, Python

Toán cơ bản và thống kê cho người không chuyên ngành (thực hành)

SW School

Cơ bản về LLM và GPT học trong 1 giờ

Essential

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.

Basic

Python, AI, ChatGPT

Cơ bản về LLM và GPT học trong 1 giờ

Essential

Học máy + học sâu bắt đầu bằng Python (từ học máy bằng sklearn đến phát triển học sâu bằng TensorFlow và Keras)

ilifo

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

Basic

Python, sklearn, Machine Learning(ML)

Học máy + học sâu bắt đầu bằng Python (từ học máy bằng sklearn đến phát triển học sâu bằng TensorFlow và Keras)

ilifo

Phân tích và dự báo chuỗi thời gian

루비네코딩

Khóa học chuỗi thời gian để trở thành chuyên gia phân tích dữ liệu! Hãy trở thành nhà phân tích giỏi cả lý thuyết lẫn thực hành!

Intermediate

Probability and Statistics, Python, Big Data

Phân tích và dự báo chuỗi thời gian

루비네코딩

Toán học cơ bản cho deep learning

Masocampus

Hiểu rõ các khái niệm machine learning, nguyên lý học của trí tuệ nhân tạo, và nguyên lý toán học để triển khai mô hình, nhằm ứng dụng sâu rộng deep learning!

Basic

Deep Learning(DL), Machine Learning(ML)

Toán học cơ bản cho deep learning

Masocampus

Trí tuệ nhân tạo (AI) - Học cách sử dụng Runway AI để tạo ra video, phim mới

usefulit

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.

Beginner

AI, Generative AI, Deep Learning(DL)

Trí tuệ nhân tạo (AI) - Học cách sử dụng Runway AI để tạo ra video, phim mới

usefulit

Trí tuệ nhân tạo mà ai cũng có thể hiểu được dành cho mọi người đi làm

jin0choi1216

Khóa học nhập môn trí tuệ nhân tạo dành cho người mới bắt đầu! Tổng hợp các khái niệm cốt lõi từ dữ liệu đến AI sinh tạo một cách dễ hiểu. Mục tiêu là đạt được sự hiểu biết thực tế ở mức độ có thể đặt câu hỏi và giải thích về trí tuệ nhân tạo, chứ không phải tạo ra nó.

Beginner

Machine Learning(ML), Deep Learning(DL), Recommendation System

Trí tuệ nhân tạo mà ai cũng có thể hiểu được dành cho mọi người đi làm

jin0choi1216

Xử lý dữ liệu chuỗi thời gian bằng Python và học sâu

YoungJea Oh

Thời gian trôi liên tục và dữ liệu tiếp tục tích lũy. Trong thế giới năng động này, dữ liệu chuỗi thời gian đóng vai trò quan trọng trong mọi khía cạnh của cuộc sống chúng ta. Từ sự biến động trên thị trường tài chính đến những dấu hiệu khó nhận thấy của biến đổi khí hậu, dữ liệu chuỗi thời gian đều có tất cả. Bây giờ hãy tìm hiểu cách diễn giải và sử dụng dữ liệu mạnh mẽ này bằng sức mạnh của Python và học sâu!

Intermediate

AI, python3, Deep Learning(DL)

Xử lý dữ liệu chuỗi thời gian bằng Python và học sâu

YoungJea Oh

Tổng hợp câu hỏi phỏng vấn kỹ sư ML/AI

codeh

Tổng hợp khoảng 130 câu hỏi và đáp án phỏng vấn ML/AI Engineer được tích lũy qua khoảng 20 cuộc phỏng vấn

Basic

Machine Learning(ML), Interview

Tổng hợp câu hỏi phỏng vấn kỹ sư ML/AI

codeh

Hướng dẫn học tập & việc làm Data Science(DS) và AI cho người không chuyên/người mới bắt đầu

AISchool

Hãy tìm hiểu về việc phân tích các vị trí nghề nghiệp liên quan đến Data Science (DS) và Artificial Intelligence (AI), cũng như lộ trình học tập và tuyển dụng để xây dựng sự nghiệp trong các lĩnh vực liên quan.

Beginner

Deep Learning(DL), Machine Learning(ML)

Hướng dẫn học tập & việc làm Data Science(DS) và AI cho người không chuyên/người mới bắt đầu

AISchool

AI Agent với LangGraph phiên bản 1 từ cơ bản đến nâng cao

goodwon5937125

Khóa học này bao gồm toàn bộ quá trình phát triển ChatGPT từ một AI đối thoại đơn giản thành một AI Agent thông minh có khả năng thực hiện các công việc thực tế. Chúng ta sẽ trực tiếp tạo ra các AI Agent có thể sử dụng ngay trong công việc thực tế bằng cách sử dụng ba framework cốt lõi: LangChain, LangGraph và LangSmith.

Basic

AI, ChatGPT, LLM

AI Agent với LangGraph phiên bản 1 từ cơ bản đến nâng cao

goodwon5937125

ISTQB AI Testing - Học các thực hành tốt nhất và chuẩn bị cho kỳ thi

edu

Hiểu về hiện tại và tương lai của công nghệ AI, trải nghiệm quy trình kiểm thử các mô hình AI như machine learning, và học vai trò của người kiểm thử. Học một cách sâu rộng từ việc xây dựng chiến lược kiểm thử hệ thống dựa trên AI, thiết kế và thực hiện các trường hợp kiểm thử, cho đến cách ứng dụng AI để hỗ trợ kiểm thử. Khóa học này được tiến hành dựa trên giáo trình AI Testing của ISTQB, cung cấp cơ hội để chuẩn bị hoàn hảo cho kỳ thi chứng chỉ ISTQB AI Testing.

Beginner

ISTQB, Software Test, AI

ISTQB AI Testing - Học các thực hành tốt nhất và chuẩn bị cho kỳ thi

edu

Hướng dẫn đầy đủ về CNN (Mạng nơ-ron tích chập) trong Deep Learning - Phiên bản Pytorch

dooleyz3525

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 :)

Basic

Deep Learning(DL), PyTorch, Computer Vision(CV)

Hướng dẫn đầy đủ về CNN (Mạng nơ-ron tích chập) trong Deep Learning - Phiên bản Pytorch

dooleyz3525

Deep Learning dành cho lập trình viên

Bạn sẽ nhận được điều này sau khi học.

Đối tượng độc giả 🎯

Chương trình học gốc 📝

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

Phần 1. Tổng quan về Deep Learning

Phần 2. Xác suất thống kê cho Deep Learning

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

Tôi muốn giúp đỡ bạn
phát triển thành một lập trình viên!

Hỏi & Đáp 💬

Lưu ý trước khi học

Tài liệu học tập

Kiến thức tiên quyết và lưu ý

Khuyến nghị cho
những người này

Xin chào
Đây là

Chương trình giảng dạy

Đánh giá

Khóa học khác của kok202

Khóa học tương tự

Deep Learning dành cho lập trình viên

Bạn sẽ nhận được điều này sau khi học.

Đối tượng độc giả 🎯

Chương trình học gốc 📝

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

Phần 1. Tổng quan về Deep Learning

Phần 2. Xác suất thống kê cho Deep Learning

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

Tôi muốn giúp đỡ bạnphát triển thành một lập trình viên!

Hỏi & Đáp 💬

Lưu ý trước khi học

Tài liệu học tập

Kiến thức tiên quyết và lưu ý

Khuyến nghị cho những người này

Xin chàoĐây là .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

Chương trình giảng dạy

Đánh giá

Khóa học khác của kok202

Khóa học tương tự

Tôi muốn giúp đỡ bạn
phát triển thành một lập trình viên!

Khuyến nghị cho
những người này

Xin chào
Đây là