Kiến thức cơ bản về trí tuệ nhân tạo và tư vấn nghề nghiệp cho học sinh không chuyên/trung học

Khóa học này dành cho những người không chuyên ngành hoặc học sinh trung học đang học khoa học dữ liệu và trí tuệ nhân tạo lần đầu tiên .
Chúng tôi sẽ giúp bạn hiểu các khái niệm về trí tuệ nhân tạo và máy học, cũng như những gì bạn cần làm để theo đuổi sự nghiệp trong lĩnh vực này.

_{Học máy, bạn sẽ hiểu rõ về nó sau khi tham gia khóa học!}

1️⃣ Các khái niệm cơ bản về học máy và học sâu

Để giúp người mới bắt đầu dễ hiểu hơn, chúng tôi bắt đầu với chủ đề "Dữ liệu là gì?". Sau đó, chúng tôi sẽ giải thích những gì chúng ta có thể làm với dữ liệu này thông qua học máy và AI. Chúng tôi sẽ giải thích cách các mô hình học máy có thể được phân loại rộng rãi, cách mỗi mô hình học và kết quả mà chúng tạo ra.

2️⃣ Các loại máy học

(Cây quyết định, kNN, Học tập tổng hợp, Phân cụm, Giá trị SHAP)

Chúng tôi sẽ đề cập đến các mô hình học máy thiết yếu. Các bài giảng sẽ được trình bày súc tích và tập trung vào khái niệm để dễ hiểu. Chúng tôi sẽ khám phá các khái niệm, điểm mạnh và điểm yếu của các mô hình cơ bản, đồng thời giới thiệu ShapValue, một công cụ được sử dụng cho AI có thể giải thích được.

3️⃣ Khái niệm về mô hình học sâu và mô hình tạo trí tuệ nhân tạo DALLE.2

Chúng ta sẽ tìm hiểu về các khái niệm và loại mô hình học sâu. Chúng ta sẽ giới thiệu khả năng của từng mô hình. Chúng ta cũng sẽ trải nghiệm DALLE.2, một mô hình do AI tạo ra gần đây đang trở thành chủ đề nóng.

4️⃣ Cách đánh giá tính phù hợp của mô hình

Mô hình chúng tôi tạo ra có chính xác đến mức nào? Để xác định độ chính xác của mô hình, thiết kế thử nghiệm phù hợp là rất quan trọng. Thiết kế thử nghiệm này rất quan trọng cho việc phân tích dữ liệu. Vì đây là phần mà nhiều người mới bắt đầu thường mắc lỗi, tôi đã cố gắng giải thích chi tiết nhất có thể để mọi người dễ hiểu.

5️⃣ Điều quan trọng trong phân tích dữ liệu

Phân tích dữ liệu không chỉ dừng lại ở việc mô hình hóa. Nó bao gồm một loạt các bước, bắt đầu từ việc tiền xử lý dữ liệu thô, tạo ra các biến số suy ra, thiết kế thí nghiệm, mô hình hóa và cuối cùng là diễn giải. Chúng ta sẽ thảo luận về các khía cạnh chính và thiết yếu của quy trình này.

6️⃣ Các công việc liên quan đến Khoa học Dữ liệu và Trí tuệ Nhân tạo và các kỹ năng cần thiết

Nhà khoa học dữ liệu không phải là nghề nghiệp duy nhất liên quan đến AI. Nhìn chung, họ có thể được phân loại thành bốn nhóm: nhà khoa học dữ liệu, nhà phân tích dữ liệu, kỹ sư AI/ML và nhà nghiên cứu AI. Tuy có vẻ tương tự nhau, nhưng trách nhiệm của họ lại khác nhau, và mỗi công việc lại yêu cầu những công cụ và kỹ năng khác nhau. Hãy cùng xem xét những gì các công ty thực sự yêu cầu cho từng vị trí, đồng thời giới thiệu các kỹ năng cần thiết và chuyên ngành liên quan cho từng vị trí.