Cơ bản về Machine Learning, Deep Learning với Python, Keras

Hãy cùng nâng cao năng lực tìm kiếm mô hình ra quyết định hợp lý dựa trên tư duy toán học bằng cách thấu hiểu các yếu tố đa dạng của trí tuệ nhân tạo và dữ liệu, đồng thời giải quyết các vấn đề thực tiễn thông qua việc sử dụng ChatGPT và lập trình không cần mã hóa (no-code)!

Hãy cùng trau dồi năng lực chuyên môn về kỹ năng lập trình, kỹ năng thuật toán và kỹ năng phân tích thống kê!

Hãy cùng tìm hiểu về các thuật toán chính của học máy (machine learning), học sâu (deep learning) và khám phá trí tuệ nhân tạo!

Hãy cùng trang bị kỹ năng phát triển ứng dụng web bằng React và nâng cao năng lực để có thể áp dụng vào thực tế!

Hãy cùng học cách thu thập dữ liệu trên web và tạo mô hình học có giám sát của học máy nhé!

Hãy cùng nâng cao năng lực thực thi hành chính dựa trên dữ liệu, có khả năng giải quyết các vấn đề hành chính và chính sách một cách thực tiễn bằng cách phân tích dữ liệu công cộng bằng R và Python!

Hãy cùng trở thành nhà sáng tạo bằng cách sử dụng ChatGPT và AI tạo sinh!

Hãy cùng học hỏi các cấu trúc dữ liệu và thuật toán đa dạng, đồng thời rèn luyện kỹ năng thực hành để hiện thực hóa chúng thông qua lập trình!

Lập trình Java dựa trên khái niệm hướng đối tượng dành cho sinh viên chuyên ngành Khoa học máy tính

Hãy cùng tìm hiểu cách triển khai Abyss dành cho những người không chuyên nhé!

Hãy cùng tìm hiểu cách tự động hóa công việc bằng Python nhé!

Hãy cùng học các khái niệm cơ bản và khái niệm hướng đối tượng của ngôn ngữ C++, từ đó tiến hành thiết kế, hiện thực và phát triển nhé!

Hãy cùng học HTML, CSS, Javascript, jQuery và tạo trang web nhé!

Hãy cùng luyện tập việc chuyển đổi các vấn đề trong đời sống thực tế và chuyên ngành thành các chương trình máy tính thực thụ, đồng thời thực hành sử dụng các công cụ trí tuệ nhân tạo dựa trên Python!

Nâng cao khả năng tư duy logic, đồng thời bồi dưỡng năng lực có thể kết hợp chuyên môn của bản thân với công nghệ thông tin và truyền thông trong kỷ nguyên Cách mạng công nghiệp lần thứ tư.

Hãy cùng tìm hiểu và học hỏi về trí tuệ nhân tạo cũng như đạo đức AI, đồng thời kết hợp với chuyên ngành của bản thân để nâng cao năng lực kỹ thuật số AI!

Hãy cùng học những nội dung cơ bản của ngôn ngữ lập trình Python để trau dồi kỹ năng lập trình Python cần thiết cho trí tuệ nhân tạo nhé!

Đào tạo kỹ năng giao tiếp, lễ nghi và phép lịch sự cơ bản nhằm nuôi dưỡng những nhà lãnh đạo toàn cầu dẫn dắt kỷ nguyên Cách mạng công nghiệp lần thứ 4.

Lập trình Modern C++ dựa trên khái niệm hướng đối tượng dành cho sinh viên chuyên ngành Khoa học máy tính

Hãy cùng tìm hiểu các khái niệm học máy, phân tích và trực quan hóa dữ liệu bằng cách sử dụng Orange3!

DNN, CNN, RNN? Khóa học thực hành Deep Learning giúp bạn hệ thống hóa hoàn hảo các thuật toán cốt lõi của Deep Learning, từ những thuật ngữ chuyên môn có vẻ khó nhằn đến việc ứng dụng chúng vào thực tế!

Hãy cùng tìm hiểu sâu các nguyên tắc bằng cách triển khai các thuật toán từ đầu mà không cần thư viện deep learning :)

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 :)

Hãy tự tay tạo ra mô hình phân tích giá cổ phiếu mạnh mẽ, phân tích hơn 40 loại chỉ số kinh tế và dữ liệu giá cổ phiếu bằng AI để dự báo không chỉ S&P 500, QQQ ETF mà còn cả các mã cổ phiếu riêng lẻ!

Khóa học dành cho người mới bắt đầu trở thành kỹ sư AI được thiết kế để trải nghiệm ngắn gọn toàn bộ quy trình từ xử lý dữ liệu, phát triển mô hình, đến Cloud, MLOps và các cân nhắc về đạo đức. Khóa học không chỉ dừng lại ở việc tạo ra mô hình mà còn tập trung vào việc hiểu quy trình kết nối với dịch vụ thực tế để rèn luyện kỹ năng chuyên môn. Các bài thực hành và ví dụ đi kèm sẽ giúp ngay cả những người lần đầu học về AI cũng có thể dễ dàng theo kịp.

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

"Hãy vứt những lý thuyết AI sáo rỗng và các ví dụ chatbot tràn lan trên YouTube vào thùng rác. Đây là 'Kinh thánh AI sản xuất tích hợp 7 nhóm ngành công nghiệp' duy nhất tại Hàn Quốc, thấu hiểu ngôn ngữ của ngành sản xuất và nhìn thấu bản chất của quy trình." Xin chào, tôi là Byte Detective - người chia sẻ kiến thức. Hiện nay, vô số doanh nghiệp và chuyên gia đang kêu gọi 'DX sản xuất (Chuyển đổi số)' và 'áp dụng AI'. Tuy nhiên, đa số các bài giảng trên thị trường chỉ dừng lại ở những lý thuyết viển vông của các nhà phát triển IT hoặc tư vấn viên, những người hoàn toàn không hiểu về thực tế khắc nghiệt tại hiện trường sản xuất. Khóa học này không phải là bài giảng chỉ để học lý thuyết. Bằng cách kết hợp hữu cơ kiến thức chuyên môn thực tế (Domain Knowledge) của 7 nhóm ngành sản xuất đại diện cho Hàn Quốc với các khung làm việc AI mới nhất, chúng tôi cung cấp 'Kiến trúc kịch bản DX sản xuất thực chiến' có thể áp dụng ngay vào công việc thực tế vào ngày mai.

Nếu bạn yêu cầu AI "hãy tạo mô hình bằng dữ liệu này", vài dòng đầu tiên trông có vẻ hợp lý, nhưng chỉ cần phức tạp hơn một chút, nó sẽ sử dụng sai cột, làm rò rỉ dữ liệu (leakage), và dù điểm số tăng lên nhưng mô hình thực tế lại tệ đi. Khóa học này không dạy bạn cách viết prompt tốt hơn. Thay vào đó, nó tập trung vào cách trực tiếp thiết kế một vòng lặp (harness) để Agent có thể hiểu dữ liệu, lập kế hoạch, viết mã, tự xác nhận kết quả và quay lại nếu sai sót. Sau khi thực hành thủ công một vòng lặp năm mảnh của DS-STAR, chúng ta sẽ lần lượt lắp ráp các thành phần: Data Profile Card, Hook, Skill Hierarchy, Independent Verifier và Ablation.

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.

Nếu bạn muốn được công nhận là chuyên gia học máy trên nền tảng dữ liệu lớn, từ việc thấu hiểu Framework cốt lõi của Spark Machine Learning, xử lý dữ liệu dựa trên SQL thông qua các bài toán thực tế có độ khó cao, đến khả năng phân tích dữ liệu qua phân tích miền nghiệp vụ và triển khai mô hình học máy tối ưu, hãy đồng hành cùng khóa học này.

Đây là bài giảng dành cho các bạn sinh viên đang chuẩn bị ứng tuyển vào bộ phận DS của Samsung Electronics (Đánh giá và Phân tích Memory·S.LSI·Foundry·TSP·AVP) và SK hynix (PE·AE·Solution PE) nhưng còn gặp khó khăn trong việc phân biệt giữa các bộ phận kinh doanh và chức năng công việc. Dựa trên quy trình làm việc thực tế của vị trí Đánh giá sản phẩm, khóa học sẽ hệ thống lại tên gọi các vị trí công việc theo từng công ty, đồng thời hướng dẫn cách chuyển đổi kinh nghiệm chuyên ngành của bản thân sang ngôn ngữ chuyên môn để sử dụng trong bản tự giới thiệu và phỏng vấn. Bạn có thể xây dựng chiến lược ứng tuyển bằng cách kết nối các kinh nghiệm như Thiết kế mạch Analog, Verilog/FPGA, thí nghiệm quy trình, phân tích dữ liệu với các từ khóa trọng tâm như Hiệu suất (Yield), Wafer Map, Shmoo Plot và Phân tích lỗi.

Thông qua bài giảng này, sinh viên sẽ không chỉ học các lý thuyết khác nhau về học tăng cường và trực tiếp triển khai chúng mà còn có thể tạo ra môi trường học tăng cường để kiểm tra thuật toán học tăng cường được triển khai bằng tác nhân học máy Unity.

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!

Khi học học máy, ta được dạy cách nâng cao độ chính xác. Nhưng đến lúc đưa mô hình lên chip thực tế, lại nảy sinh những câu hỏi mà chẳng ai chỉ bảo. Mô hình này thực hiện bao nhiêu phép nhân? Nó cần lưu trữ những gì và dung lượng bao nhiêu? Thông số kỹ thuật của con chip mục tiêu hiện tại có thể đáp ứng nổi những yêu cầu đó chăng? Giáo trình học máy thì bàn về độ chính xác, còn giáo trình bán dẫn lại nói về mạch điện, nhưng tài liệu kết nối hai lĩnh vực này lại vô cùng khan hiếm. Tôi đã nhiều lần đối mặt với khoảng trống này khi triển khai CPU RISC-V và NPU trên FPGA. Đó là tình cảnh mô hình có độ chính xác cao nhất lại chẳng thể nào nhét vừa vào board mạch. Khóa học này sẽ hướng dẫn bạn tự tay xây dựng sáu thuật toán bằng Python, đồng thời đo lường số phép nhân, phép so sánh, dung lượng bộ nhớ và độ chính xác ở mỗi thuật toán. Sau đó, quy đổi các giá trị này sang tài nguyên thực tế trên board FPGA. Bởi lẽ, nói "bao nhiêu phép nhân" thì khó mà hình dung được quy mô, nhưng nếu nói "chiếm bao nhiêu phần trăm tài nguyên board" thì ta dễ dàng đánh giá được. Trải qua 9 bài Lab và gom sáu mô hình vào chung một bảng, ta sẽ thấy một bức tranh hoàn toàn khác với dự đoán. Đã dành tới 9 bài chỉ để đếm số phép nhân, nhưng thứ thực sự gây trở ngại lại không phải là phép nhân. Tiếp theo, ta sẽ chuyển đổi số thực thành số nguyên, quản lý độ rộng bit, và xây dựng cả bộ tiêu chí để đánh giá mạch. Bạn không cần phải có board FPGA. Khóa học chỉ sử dụng Python, còn board mạch chỉ đóng vai trò làm hệ quy chiếu để quy đổi các giá trị đo lường.

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.

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.

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.

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.

1. Học lập trình Python để đạt chứng chỉ AI, AICE Associate 2. Học lập trình Python theo từng bước từ cơ bản đến ứng dụng 3. Bài giảng của Giáo sư Kim Joong-heon từ Đại học Korea, một chuyên gia trong lĩnh vực AI

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.