Chúng tôi sẽ tổng hợp các khái niệm lý thuyết về MNIST, bộ dữ liệu cơ bản nhất trong thị giác máy tính, đồng thời học cách triển khai thông qua API của Torchvision và cách tự xây dựng một custom dataset class.

Đây là khóa học giúp bạn hệ thống hóa hoàn hảo về mặt lý thuyết các phép toán của lớp tích chập (convolutional layer) và lớp gộp (pooling layer) – những mô đun cốt lõi của mạng thần kinh tích chập, đồng thời rèn luyện khả năng lập trình thông qua việc trực tiếp triển khai chúng.

Đây là bài giảng tập trung chuyên sâu vào tích chập (convolution), phép toán quan trọng nhất trong thị giác máy tính sử dụng học sâu.

Đây là bài giảng giới thiệu ngắn gọn về lĩnh vực thị giác máy tính.

Củng cố nền tảng lý thuyết về hình ảnh, điều thiết yếu trước khi học về thị giác máy tính dựa trên học sâu. Hiểu rõ bản chất của dữ liệu hình ảnh như pixel, độ phân giải, biểu diễn màu sắc, đồng thời rèn luyện kỹ năng lập trình thực tế để đọc, chuyển đổi và tiền xử lý hình ảnh bằng Python.

Đây là bài giảng học cách triển khai code thực tế bằng cách sử dụng các tính năng của PyTorch cho code đã tự triển khai trong Gradient-based Linear Regression (1). Ngoài ra, đây cũng là bài giảng học về sự cần thiết của tiền xử lý dữ liệu, lý thuyết, ảnh hưởng đến quá trình học tập một cách lý thuyết, và triển khai bằng code thực tế.

Đây là bài giảng giúp bạn hiểu hoàn toàn về quá trình huấn luyện mô hình deep learning đơn giản nhất bằng Gradient descent.

Đây là khóa học tập trung vào việc học gradient descent - thuật toán học tập cốt lõi nhất của deep learning.

Đây là khóa học để học các phương pháp vi phân cơ bản cần thiết để bắt đầu với deep learning và tính năng Autograd của PyTorch.

Đây là một bài giảng về trực quan hóa dữ liệu bằng thư viện Matplotlib.

Đây là một khóa học về cách sử dụng NumPy và thực hành thực tế với nó.

Học khái niệm và cách thiết lập môi trường ảo.