Phát triển Trí tuệ Nhân tạo của Yoon Jae-sung Phần 1: Phân tích dữ liệu Python cho Machine Learning

Giới thiệu về ngôn ngữ C, ngôn ngữ cơ sở phát triển phần mềm

Chúng tôi đã tạo một khóa học bằng cách chọn các phần Java cần thiết cho việc phát triển ứng dụng Android. Tổng thời gian giảng là 13 giờ 30 phút. Sẽ rất hữu ích nếu bạn sắp xếp nó trước khi phát triển cho Android. Có nhiều bài giảng hơn trên kênh YouTube Soft Campus. Tôi hy vọng điều này sẽ giúp bạn rất nhiều. Giảng viên Jaeseong Yoon

: "Từ thiết lập môi trường đến dự án kinh doanh thực tế, hành trình khoa học dữ liệu tìm lời giải cho doanh thu thương mại điện tử bằng thống kê (Tổng cộng 38 bài giảng)" Vượt xa mức độ chỉ đơn thuần là học cách sử dụng các công cụ phân tích, bạn sẽ được học cách xử lý dữ liệu log phát sinh trong thực tế ngành thương mại điện tử thông qua các quy trình thống kê. Sau khi củng cố vững chắc các lý thuyết cốt lõi từ thiết lập môi trường phát triển đến thống kê mô tả, phân phối xác suất và kiểm định giả thuyết, bạn sẽ tiến tới phân tích so sánh thời gian lưu trú trên ứng dụng và tỷ lệ chuyển đổi mua hàng của người dùng thực tế, cũng như định lượng mức độ đóng góp hiệu quả thông qua phân tích hồi quy tuyến tính đa biến! Thông qua các dự án thực tế, bạn sẽ chinh phục một cách hệ thống 'năng lực ra quyết định dựa trên dữ liệu và tự động hóa phân tích' - yếu tố cốt lõi của một nhà khoa học dữ liệu.

"Từ thiết lập môi trường đến dự án kinh doanh thực tế, hành trình khoa học dữ liệu tìm lời giải cho doanh thu bằng dữ liệu (Tổng cộng 39 bài giảng)" Vượt xa mức độ chỉ đơn thuần là học cách sử dụng thư viện, bạn sẽ được học cách xử lý dữ liệu thực tế trong lĩnh vực thương mại điện tử thông qua quy trình khoa học dữ liệu. Bắt đầu từ việc thiết lập môi trường phát triển và kiến thức cơ bản về Numpy/Pandas, đến tiền xử lý dữ liệu, phân tích thống kê, trực quan hóa, và cả phân khúc RFM dựa trên kịch bản kinh doanh cùng kiểm chứng giả thuyết! Chinh phục các năng lực cốt lõi của một nhà khoa học dữ liệu một cách hệ thống thông qua các dự án thực tế.

"Hoàn thiện từ A đến Z về Deep Learning, từ cơ bản đến 7 dự án thực tế (Tổng cộng 41 bài giảng)“ Vượt xa mức độ gọi mô hình đơn thuần, bạn sẽ học cách xây dựng đường ống (pipeline) Deep Learning gọn gàng và hiệu quả bằng cách sử dụng PyTorch Lightning - xu hướng hiện nay trong ngành. Hãy trực tiếp triển khai tổng cộng 7 dự án từ dự báo giá cổ phiếu đến AI tạo sinh, hình ảnh y tế và phân tích âm thanh để trở thành một kỹ sư AI tự tin trước bất kỳ loại dữ liệu nào.

: "Từ nền tảng toán học đến các mô hình mới nhất, hoàn thiện pipeline Deep Learning với Pytorch (Tổng cộng 44 bài giảng)" Thời đại chỉ học cách gọi model.fit() một cách đơn thuần đã qua rồi. Từ đạo hàm và hạ giang (gradient descent) - những nền tảng cơ bản nhất của mạng thần kinh nhân tạo, đến cách sử dụng Pytorch thiết yếu trong công việc thực tế, và cả CNN/RNN để xử lý dữ liệu hình ảnh và chuỗi thời gian! Chúng tôi sẽ giúp bạn chinh phục toàn bộ quy trình Deep Learning một cách hệ thống. Giờ đây, hãy bước vào thế giới Deep Learning kinh ngạc, nơi trí tuệ nhân tạo mô phỏng bộ não con người có thể tự học hỏi và đưa ra phán đoán, vượt xa việc chỉ phân tích dữ liệu thông thường.

: "Hành trình Deep Learning Full-stack xuyên suốt các lĩnh vực dữ liệu, từ thiết lập môi trường đến 7 dự án thực tế (Tổng cộng 35 bài giảng)" Vượt xa mức độ chỉ đơn thuần làm theo mã ví dụ, bạn sẽ học cách xử lý các loại dữ liệu đa dạng trong thực tế bằng Deep Learning. Bắt đầu từ việc thiết lập môi trường phát triển CPU/GPU, cho đến phân loại rác tái chế (hình ảnh), dự đoán giá cổ phiếu (chuỗi thời gian), phát hiện bất thường điện tâm đồ (AE), hoạt hình hóa (GAN), phân đoạn hình ảnh y tế (U-Net) và phân loại âm thanh (âm thanh)! Bạn sẽ chinh phục các thuật toán cốt lõi của Deep Learning một cách hệ thống thông qua các dự án thực chiến.

: "Từ nền tảng toán học đến các mô hình mới nhất, hoàn thiện quy trình Deep Learning với TensorFlow (Tổng cộng 44 bài giảng)" Thời đại chỉ học cách gọi model.fit() một cách đơn thuần đã qua rồi. Từ đạo hàm và hạ cực trị (Gradient Descent) - những nền tảng cơ bản nhất của mạng thần kinh nhân tạo, đến cách sử dụng TensorFlow và Keras thiết yếu trong công việc thực tế, và cả CNN/RNN để xử lý dữ liệu hình ảnh và chuỗi thời gian! Chúng tôi sẽ giúp bạn chinh phục toàn bộ quá trình Deep Learning một cách hệ thống. Giờ đây, hãy vượt qua việc phân tích dữ liệu thông thường để bước vào thế giới Deep Learning kinh ngạc, nơi trí tuệ nhân tạo mô phỏng não bộ con người có thể tự học hỏi và đưa ra phán đoán.

: "Hơn cả phân tích dữ liệu, hoàn thiện mô hình dự đoán với 5 dự án thực tế (Tổng cộng 45 bài giảng)" Bạn đã hoàn thành việc phân tích dữ liệu nhưng lại cảm thấy bế tắc khi bắt tay vào xây dựng mô hình? Vượt xa việc chỉ gọi các thư viện đơn thuần, khóa học này sẽ giúp bạn làm chủ hoàn toàn nguyên lý hoạt động của từng thuật toán và chiến lược kiểm chứng mô hình tối ưu, từ dự đoán sống sót trên tàu Titanic đến phân loại tin nhắn rác. Từ các mô hình tuyến tính đến các thuật toán Ensemble mới nhất và cả kiến thức cơ bản về xử lý ngôn ngữ tự nhiên (NLP), bạn sẽ chinh phục một cách hệ thống các dự án có sức mạnh lớn nhất trong thực tế công việc. Giờ đây, hãy bước vào thế giới mô hình hóa trí tuệ nhân tạo, nơi dự đoán tương lai dựa trên dữ liệu đã được phân tích.

"Hơn cả phân tích dữ liệu, từ thiết kế đến tối ưu hóa mô hình dự báo (Tổng cộng 29 bài giảng)" Bạn đã hoàn tất việc phân tích dữ liệu nhưng lại cảm thấy bế tắc khi bắt tay vào xây dựng mô hình? Vượt xa việc chỉ đơn thuần gọi các thư viện, chúng tôi sẽ giúp bạn nắm vững nguyên lý hoạt động của từng thuật toán và chiến lược kiểm chứng mô hình tối ưu nhất.

Hiện tại, Android có thể được phát triển bằng ngôn ngữ Java và Kotlin. Dù sử dụng ngôn ngữ nào, bạn cũng có thể phát triển cùng một ứng dụng Android như nhau. Khóa học này bao gồm hầu hết các nội dung từ cơ bản đến nâng cao về phát triển ứng dụng Android, và toàn bộ mã nguồn từ những nội dung cơ bản nhất đều được viết bằng ngôn ngữ Kotlin. Ngoài ra, khóa học còn sử dụng Material 3, thư viện UI mới nhất của Google. Trong toàn bộ lộ trình học Android này, bạn sẽ được thực hiện 3 dự án thực tế. Thông qua việc thực hiện các dự án, bạn có thể nắm vững các kỹ thuật nâng cao đang được sử dụng thực tế trong công việc như Hilt, Retrofit, RoomDatabase, MVVM. Bên cạnh đó, bạn còn có thể tăng cường năng suất bằng cách sử dụng AI thông qua việc thực hiện "vibe coding" với Gemini ngay trong công cụ phát triển Android. Soft Campus chúng tôi sẽ luôn nỗ lực để cung cấp những bài giảng mới nhất.

Android có thể được phát triển bằng ngôn ngữ Java và Kotlin. Bạn có thể phát triển cùng một ứng dụng Android bằng bất kỳ ngôn ngữ nào. Khóa học này bao gồm hầu hết các nội dung từ cơ bản đến nâng cao về phát triển ứng dụng Android, và tất cả mã nguồn từ những nội dung cơ bản nhất đều được viết bằng ngôn ngữ Kotlin. Ngoài ra, khóa học còn sử dụng Material 3, thư viện UI mới nhất của Google. Trong toàn bộ lộ trình học Android, khóa học này chủ yếu tập trung vào các nội dung về Action Bar, quản lý dữ liệu, quản lý tài nguyên, cảm biến và mạng.

Hiện tại, Android có thể được phát triển bằng ngôn ngữ Java và ngôn ngữ Kotlin. Dù sử dụng ngôn ngữ nào, bạn cũng có thể phát triển các ứng dụng Android tương tự nhau. Khóa học này bao gồm hầu hết các nội dung từ cơ bản đến nâng cao về phát triển ứng dụng Android, và tất cả các mã nguồn từ nội dung cơ bản đều được viết bằng ngôn ngữ Kotlin. Ngoài ra, khóa học còn sử dụng Material 3, thư viện UI mới nhất của Google. Trong toàn bộ chương trình học Android, khóa học này chủ yếu tập trung vào các nội dung về Menu, các thành phần của ứng dụng Android, Thread và Fragment; các nội dung chuyên sâu hơn sẽ được đề cập trong các khóa học tiếp theo. Soft Campus chúng tôi sẽ luôn nỗ lực để cung cấp những bài giảng mới nhất. Xin cảm ơn.

Có thể chế tạo trò chơi hybrid casual sử dụng Unity6.

Học C# trong môi trường Unity. Khi học C#, bạn sẽ tự nhiên làm quen với môi trường phát triển Unity, điều này rất hữu ích cho những người mới bắt đầu phát triển.

Đây là khóa học lập trình UI phần 1 về phát triển ứng dụng Android phiên bản 15 cùng với thư viện Material 3 mới nhất.

Phiên bản mới nhất vào năm 2024 và thời gian chạy là 17 giờ 48 phút. Bạn hoàn toàn có thể thành thạo Kotlin trong một khóa học này.

Trong khóa học này, bạn sẽ học cách phát triển front web bằng React. Tìm hiểu cú pháp cốt lõi của JavaScript để phát triển React, phát triển React dựa trên CDN và các phương pháp phát triển React dựa trên NPM.

Dựa trên ngôn ngữ c#, bạn sẽ học cách tạo game phòng thủ theo từng giai đoạn bằng cách sử dụng Unity.

Phát triển 3 dự án thực tế (ứng dụng ghi chú, ứng dụng LBS, ứng dụng bảng tin sử dụng Firebase).

Phát triển hiểu biết sâu sắc và trực giác về giải tích. Giải quyết các bài toán và triển khai thuật toán bằng tay và bằng Python.

Xây dựng hệ thống Full-stack không cần lập trình: Tự mình hoàn thiện toàn bộ pipeline từ thu thập dữ liệu, phân tích AI·ML đến bảng điều khiển web chỉ bằng các câu lệnh tiếng Hàn (Vibe Coding). Sở hữu pipeline tự động hóa 100%: Sở hữu công cụ phân tích chứng khoán độc lập, nhận kết quả sàng lọc S&P 500 và ý kiến đầu tư qua Telegram vào mỗi sáng. Tiếp thu khung đầu tư dựa trên dữ liệu thực tế: Biến năng lực phân tích dữ liệu và quản trị rủi ro cấp độ tổ chức thành của riêng bạn dựa trên mã nguồn đang vận hành thực tế.

: "Hơn cả phân tích dữ liệu, hoàn thiện mô hình dự đoán với 5 dự án thực tế (Tổng cộng 45 bài giảng)" Bạn đã hoàn thành việc phân tích dữ liệu nhưng lại cảm thấy bế tắc khi bắt tay vào xây dựng mô hình? Vượt xa việc chỉ gọi các thư viện đơn thuần, khóa học này sẽ giúp bạn làm chủ hoàn toàn nguyên lý hoạt động của từng thuật toán và chiến lược kiểm chứng mô hình tối ưu, từ dự đoán sống sót trên tàu Titanic đến phân loại tin nhắn rác. Từ các mô hình tuyến tính đến các thuật toán Ensemble mới nhất và cả kiến thức cơ bản về xử lý ngôn ngữ tự nhiên (NLP), bạn sẽ chinh phục một cách hệ thống các dự án có sức mạnh lớn nhất trong thực tế công việc. Giờ đây, hãy bước vào thế giới mô hình hóa trí tuệ nhân tạo, nơi dự đoán tương lai dựa trên dữ liệu đã được phân tích.

Quá trình chuyển đổi kỹ thuật số (DT) và giới thiệu trí tuệ nhân tạo (AI) của một công ty bắt đầu bằng việc xây dựng mô hình học máy. Tuy nhiên, phạm vi của công nghệ học máy rất rộng và việc lựa chọn phương pháp tối ưu đòi hỏi sự hiểu biết rõ ràng về các khái niệm cơ bản. Bài giảng này giới thiệu những nội dung cốt lõi cần thiết để hiểu rõ các khái niệm cơ bản về machine learning thông qua 5 ví dụ.

Đầu tư thực chiến không chỉ dừng lại ở những kiến thức cơ bản, hãy tự mình xây dựng mô hình lợi nhuận bằng bí quyết học máy (machine learning) của chuyên gia định lượng (quant) 10 năm kinh nghiệm.

Khóa học này dành cho những người cần kết hợp phân tích dữ liệu, học máy, AI, v.v. vào công việc của mình nhưng chưa quen với lập trình Python. Bạn sẽ học một cách có hệ thống các hàm Python cốt lõi cần thiết để trở thành nhà khoa học dữ liệu trong một khoảng thời gian ngắn.

Numpy và Pandas là nền tảng cơ bản của phân tích dữ liệu và là cơ sở của các framework AI, tôi đã tích lũy những kinh nghiệm ứng dụng cốt lõi từ công việc thực tế và giảng dạy. Khóa học được thiết kế tập trung vào thực hành để các marketer, người lập kế hoạch và nhà phân tích mới bắt đầu có thể dễ dàng theo dõi những phần làm sạch và xử lý dữ liệu mà họ thường gặp khó khăn nhất. Thông qua khóa học này, bất kỳ ai cũng có thể trang bị kỹ năng tự xử lý dữ liệu và tạo ra kết quả phân tích mà không cần sự trợ giúp của lập trình viên.

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.

Bạn có thể học một cách có hệ thống phương pháp tiếp cận thống kê về giao dịch cặp S&P 500 bằng Python. Xây dựng nền tảng cho chiến lược đầu tư không cảm xúc thông qua phân tích dữ liệu chuyên nghiệp.

Với lộ trình học tập bài bản gồm 40 bài giảng, bạn sẽ được học từ lý thuyết cơ bản về AI đến các kỹ thuật AI ứng dụng của từng thuật toán. Thông qua việc học và thực hành thuật toán bằng ngôn ngữ R cùng tư duy toán học trực quan, bạn sẽ trang bị được năng lực phát triển mô hình AI có thể áp dụng ngay vào thực tế, từ việc xây dựng và lựa chọn sử dụng các mô hình thuật toán cho phân tích dữ liệu, học máy (machine learning) và các công cụ ứng dụng liên quan.

Lý thuyết, xấp xỉ số, trực giác và trực quan hóa trong tích phân. Nâng cao kỹ năng toán-lập trình của bạn.

Trong lớp này, bạn sẽ tìm hiểu các nguyên tắc và phương pháp phân tích và xử lý các loại dữ liệu tài chính khác nhau bằng thư viện Pandas của Python, áp dụng những nguyên tắc này vào các tình huống bạn có thể gặp phải trong thực tế và cuối cùng là tìm hiểu về cách triển khai dựa trên kiểm tra ngược. trên dữ liệu sao kê (dựa trên cuốn sách 'Bạn có thể làm đầu tư định lượng' của Kang Hwan-guk). Kết quả là, bạn sẽ có thể thoát khỏi vai trò là một “nhà đầu tư thụ động”, người chỉ làm theo những gì người khác nói mà không cần xác minh hoặc có cơ sở về logic đầu tư và sẽ sử dụng Python và Pandas để triển khai nhiều yếu tố cần thiết cho việc thực hiện chiến lược. một nhà đầu tư năng động và tự định hướng, người có thể tự do trích xuất dữ liệu và phân tích nó một cách định lượng.

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.

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.

Ngành sản xuất ô tô và linh kiện là lĩnh vực mà sự đổi mới là điều thiết yếu trong bối cảnh cạnh tranh toàn cầu khốc liệt và chuỗi cung ứng phức tạp. Khóa học này tập trung vào cách áp dụng công nghệ AI vào thực tế, giải thích thông qua các trường hợp thực tế như nâng cao hiệu quả sản xuất, tự động hóa kiểm tra chất lượng, bảo trì dự báo thiết bị, tối ưu hóa chuỗi cung ứng. Từ hiểu biết cơ bản cần thiết để triển khai AI, đến chiến lược và quản lý rủi ro cần xem xét khi áp dụng thực tế, khóa học được xây dựng theo từng bước để cung cấp kiến thức và hiểu biết sâu sắc mà nhân viên thực thi và quản lý có thể áp dụng ngay lập tức.

Hãy cùng xây dựng chiến lược đầu tư dựa trên dữ liệu với đầu tư định lượng (Quant) bằng Python và thực hiện đầu tư theo chiến lược đó. Bạn có thể triển khai nhiều chiến lược phân bổ tài sản khác nhau và cuối cùng là tự tạo ra chiến lược đầu tư cho riêng mình.

🚀 Học phát hiện bất thường AI thực tế với Databricks! 💡 Dừng các mô hình đắt đỏ và chậm chạp! Từ tối ưu hóa dữ liệu quy mô lớn đến triển khai thời gian thực, hoàn thành AI phát hiện bất thường có thể được sử dụng ngay trong thực tế kinh doanh.

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 ADsP All-In-One! Hoàn thành siêu nhanh! Tài liệu tham khảo: "Cheat Sheet ADsP cho mọi người" https://wikidocs.net/book/18829

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.