AI PHÙ HỢP VỚI KHÓA HỌC NÀY?

  • Các nhà phát triển mong muốn trở thành các nhà khoa học dữ liệu hoặc các kỹ sư về machine learning
  • Quản lý phân tích đang dẫn đầu nhóm phân tích
  • Những nhà phân tích kinh doanh đang mong muốn hiểu thêm về các kỹ thuật khoa học dữ liệu
  • Các kiến trúc sư thông tin mong muốn có được chuyên môn về các thuật toán machine learning
  • Các chuyên gia phân tích đang muốn làm việc trong lĩnh vực machine learning hoặc AI
  • Các sinh viên vừa tốt nghiệp đang tìm kiếm có hội nghề nghiệp về khóa học dữ liệu và machine learning

MỤC TIÊU KHÓA HỌC

  • Có kiến thức về cấu trúc của một mô hình
  • Nắm được quy trình phát triển một mô hình
  • Giải thích được cơ chế của Hoc Sâu (DL) và cách tận dụng ưu thế của học sâu để nâng cao độ chính xác của một mô hình.
  • Có khả năng đánh giá trạng thái của một mô hình và đề xuất hướng cải thiện
  • Có khả năng diễn giải, phát triển mô hình dựa vào công cụ máy học (ML)
  • Có khả năng phát triển mô hình dựa vào công cụ học sâu (DL)
  • Có khả năng thiết kế và tối ưu (một phần) mô hình máy học
  • Kiến thức thiết kế và thi công một mô hình máy học (bằng
    tensorflow)

TẠI SAO CHỌN HỌC Machine Learning TẠI SAIGONLAB?

THÔNG TIN KHÓA HỌC

NỘI DUNG ĐÀO TẠO

Phần 1: Tổng quan về mô hình máy học và quy trình huấn luyện
  •  Lược sử về máy học
  •  Cấu trúc của một mô hình máy học
  •  Các bước huấn luyện mô hình máy học
Phần 2: Đánh giá một mô hình máy học

Các chỉ tiêu đánh giá mô hình.

Các phương pháp đánh giá mô hình.

Đánh giá chất lượng mô hình.

Hiệu chỉnh mô hình.

Phần 3: Khám phá cấu trúc tập dữ liệu

Những nhược điểm của phương pháp huấn luyện mô hình truyền thống.

Cách thức giảm kích thước mô hình.

Khám phá cấu trúc dữ liệu.

Giảm chiều dữ liệu.

Hiệu chỉnh mô hình

Phần 4: Tổng quan về Deep Learning

Giới thiệu về học sâu.

Cơ chế để học sâu có thể cải thiện hiệu suất của mô hình so với máy học truyền thống.

Huấn luyện một mô hình deep learning cơ bản

Phần 5: Triển khai dự án thực tế trong 01 tháng

Phép nhân chập.

Mạng Nơron tích chập.

Ứng dụng mạng Nơron tích chập để nhận diện đối tượng.

Phần 6: Long short term Memory (LSTM)

Long short term Memory (LSTM) là gì ?

Cách kết hợp LSTM với các module khác

Ứng dụng LSTM để dự đoán nhiệt độ

Kết hợp CNN và LSTM để nhận diện hành động

Phần 7: Giám sát quá trình học của mô hình học sâu (Tensorboard)

Các tham số có thể giám sát trong quá trình học

Cách sử dụng Tensorboard để giám sát quá trình học

Sử dụng Tensorboard để giám sát quá trình học và giải thích mô hình.

Phần 8: Giám sát phân phối của dữ liệu bằng TSNE

Các bước giám sát phân phối của dữ liệu trong quá trình học bằng TSNE

Sử dụng tensorboard để cấu trúc của dữ liệu trong quá trình học.

Phần 9: Diễn giải cơ chế ra quyết định của mô hình

Ứng dụng lan truyền ngược để diễn giải mô hình

Ứng dụng feature map để diễn giải mô hình

Thực hành

Phần 10: Sử dụng pre-train model để tăng tốc quá trình học

Giới thiệu pre-train model

Các pre-trained model thông dụng

Huấn luyện một model bằng cách tinh chỉnh một pre-trained model

Phần 11: Đóng băng trọng số và chia sẻ trọng số

Đóng băng trọng số

Chia sẻ trọng số

Kiến trúc Sesame

Thực hành huấn luyện một bộ phận của model

Thực hành chia sẻ trọng số trong mạng Sesame

Phần 12: Auto encoder and variational autoencoder

Auto encoder

Variational autoencoder

Thực hành ứng dụng Auto encoder

Thông tin GIẢNG VIÊN

Giảng viên Nguyễn Mạnh Hùng, cố vấn viên nhiệt huyết, kỳ cựu, chuyên môn cao, thể hiện phẩm chất của một người truyền thụ có đủ TÂM và TẦM

THƯ MỜI TUYỂN DỤNG

Hàng trăm học viên đã thành công! Bạn có muốn trở thành người kế tiếp?

TẠI SAO CHỌN MACHINE LEARNING ĐỂ PHÁT TRIỂN?

TOP dịch vụ nổi bật

Được đánh giá ở vị trí thứ 3 trong các dịch vụ IT nổi bật tại Việt Nam hiện nay (theo khảo sát của TopDev). Có hơn 73% công ty công nghệ đang có ý định ứng dụng AI vào các sản phẩm của mình. Điều này cũng khiến cho nhu cầu về các kỹ sư AI cũng đang ở mức báo động.

Đứng đầu trong Kỹ năng được mong chờ nhất

Với việc hiểu về các tầng “nhận thức” trong AI cụ thể là Machine learning, một nhà thiết kế sản phẩm có thể dễ dàng thiết lập được logic suy nghĩ cho hệ thống như cần chuẩn bị những gì, thiết lập nhận định và phản hồi ra sao .v.vvv. Từ đó sẽ dễ dàng trao đổi và đề xuất các tính năng đến developers, tối ưu được quá trình làm việc và tăng khả năng thu về được kết quả tốt nhất.

TOP rank lương

Mức lương trung bình của Machine Learning tại Hồ Chí Minh là 28 Triệu VNĐ. Mức lương này cao hơn mức trung bình trên toàn quốc. Theo khảo sát của Topdev, Machine Learning/AI Engineer vẫn giữ vị trí đầu bảng sau 3 năm (2017, 2018, 2019) ở khu vực các vị trí triển vọng nhất.