Lịch học dự kiến diễn ra
| Lớp: | MATH & STATISTICS |
|---|---|
| Địa điểm: | Tầng 5, Tòa nhà Star City, 23 Lê Văn Lương, HN |
| Thời gian học: | Thứ 4 - 19H00 - 21H30 & Chủ nhật - 19H00 - 21H30 |
| Lịch khai giảng: | April 15, 2026 |
| Thời gian kết thúc: | April 29, 2026 |
| Giảng viên dự kiến: | Quangnk.py |
| Lớp: | PYTHON LEVEL 1 |
|---|---|
| Địa điểm: | Tầng 5, Tòa nhà Star City, 23 Lê Văn Lương, HN |
| Thời gian học: | Thứ 3 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30 |
| Lịch khai giảng: | April 14, 2026 |
| Thời gian kết thúc: | May 16, 2026 |
| Giảng viên dự kiến: | Hungdd |
| Lớp: | PYTHON LEVEL 1 |
|---|---|
| Địa điểm: | 224 Điện Biên Phủ, Quận 3, HCM |
| Thời gian học: | Thứ 4 - 19H00 - 21H30 & Chủ nhật - 19H00 - 21H30 |
| Lịch khai giảng: | May 6, 2026 |
| Thời gian kết thúc: | June 7, 2026 |
| Giảng viên dự kiến: | None |
| Lớp: | PYTHON LEVEL 2 |
|---|---|
| Địa điểm: | 224 Điện Biên Phủ, Quận 3, HCM |
| Thời gian học: | Thứ 4 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30 |
| Lịch khai giảng: | May 6, 2026 |
| Thời gian kết thúc: | June 6, 2026 |
| Giảng viên dự kiến: | None |
| Lớp: | PYTHON LEVEL 2 |
|---|---|
| Địa điểm: | 224 Điện Biên Phủ, Quận 3, HCM |
| Thời gian học: | Thứ 2 - 19H00 - 21H30 & Thứ 6 - 19H00 - 21H30 |
| Lịch khai giảng: | April 17, 2026 |
| Thời gian kết thúc: | May 18, 2026 |
| Giảng viên dự kiến: | None |
AI Engineer Track
🚀 Khóa học AI Engineer Track là chương trình đào tạo chuyên sâu, giúp anh/chị xây dựng nền tảng vững chắc và phát triển toàn diện để trở thành Kỹ sư AI chuyên nghiệp từ cơ bản đến nâng cao.
🤖 Khóa học tập trung vào thực hành và ứng dụng thực tế, giúp học viên làm chủ các lĩnh vực quan trọng như Machine Learning, Deep Learning, NLP (Xử lý ngôn ngữ tự nhiên), Computer Vision, đồng thời sử dụng thành thạo các công cụ như Python, TensorFlow, PyTorch.
📊 Không chỉ học lý thuyết, anh/chị sẽ trực tiếp xây dựng mô hình AI, triển khai dự án thực tế và hiểu cách ứng dụng AI vào doanh nghiệp.
⏰ Thông tin chương trình:
Bao gồm các module:
- Python Foundation in Data Analytics (Python Level 1) – 10 buổi
- Python for Machine Learning (Python Level 2) – 10 buổi
- Math for Data Science – 5 buổi
- Fundamental Deep Learning (Python Level 3)
- Computer Vision (Python Level 4) – 12 buổi
- Natural Language Processing (Python Level 5) – 12 buổi
- MLOps & Advanced Python (Python Level 6) – 12 buổi
- CUDA Programming for High-Performance Computing (Python Level 7) – 12 buổi
🎯 Sau khi hoàn thành khóa học, anh/chị có thể đảm nhận các vị trí:
- AI Engineer – Kỹ sư Trí tuệ Nhân tạo
- Data Scientist – Nhà khoa học dữ liệu
- Machine Learning Engineer – Kỹ sư Học máy
- NLP Engineer – Chuyên gia Xử lý ngôn ngữ tự nhiên
- Computer Vision Engineer – Chuyên gia Thị giác máy tính
- AI Consultant – Tư vấn giải pháp AI
🔥 Đây là lộ trình toàn diện dành cho anh/chị muốn bứt phá sự nghiệp trong lĩnh vực AI với cơ hội thu nhập hấp dẫn và phát triển lâu dài.
Đối tượng
🎓 Sinh viên và người mới bắt đầu muốn theo đuổi lĩnh vực AI, Data Science.
💻 Kỹ sư IT, lập trình viên, Data Analyst mong muốn nâng cao kỹ năng và ứng dụng AI vào công việc.
📊 Chuyên gia dữ liệu muốn mở rộng sang các lĩnh vực Machine Learning, Deep Learning, MLOps.
🏢 Quản lý, lãnh đạo mong muốn ứng dụng AI vào vận hành và ra quyết định trong doanh nghiệp.
🚀 Người muốn chuyển ngành sang AI, Data Science, Machine Learning, hướng tới cơ hội nghề nghiệp hấp dẫn.
Yêu cầu đầu vào
✅ Không yêu cầu kiến thức đầu vào, phù hợp với cả người mới bắt đầu.
Bạn sẽ học những gì
🧠 Nắm vững kiến thức nền tảng về AI (Artificial Intelligence) từ cơ bản đến nâng cao.
📊 Xây dựng và triển khai các mô hình Machine Learning, Deep Learning như CNN, RNN, Time Series, ARIMA, Reinforcement Learning.
👁 Hiểu và ứng dụng Computer Vision trong xử lý hình ảnh và video.
💬 Làm chủ Natural Language Processing (NLP) để xử lý văn bản, chatbot và phân tích dữ liệu ngôn ngữ.
⚙️ Nắm vững MLOps, bao gồm xây dựng data pipeline, model pipeline và triển khai mô hình vào thực tế.
🐍 Thành thạo Python nâng cao và các framework AI phổ biến như TensorFlow, PyTorch.
🚀 Phát triển và triển khai các ứng dụng AI thực tế.
📘 Thực hành với case study thực tế, xây dựng portfolio dự án chuyên nghiệp.
Nội dung khóa học
- Các mô hình học máy không có giám sát
- Buổi 1: Làm quen với Python
- Buổi 2: Làm quen với Python (tiếp)
- Buổi 3: Xử lý và phân tích dữ liệu với Numpy và Pandas
- Tải dữ liệu, lưu trữ và làm sạch, chuẩn bị dữ liệu
- Xử lý và Biểu diễn dữ liệu
- Time Series Data
- Phân tích dữ liệu nâng cao với Pandas
- Máy học
- Máy học (Tiếp)
- Tổng kết chương trình xử lý, phân tích và biểu diễn dữ liệu với Python (Python level 1)
- OOP Python Overview và Data Analysis Review
- Machine Learning cơ bản
- Machine Learning cơ bản (tiếp)
- Các mô hình học máy có giám sát
- Deep Learning Overview
- Xử lý ngôn ngữ tự nhiên
- Xử lý ngôn ngữ tự nhiên (tiếp)
- Thị giác máy tính
- Thị giác máy tính (tiếp) và Tổng kết chương trình Python level 2
- Xác suất thống kê
- Đạo Hàm
- Ma trận - Vector
- Thuật toán trong Machine Learning
- Thực hành & Quan sát chạy thuật toán
- Giới thiệu chung về deep learning và mạng nơ ron
- Giới thiệu về bài toán computer vision và convolution neural network
- Thực hành xây dựng mô hình giải bài toán image classification
- Giới thiệu về bài toán NLP và recurrent neural network
- Thực hành xây dựng mô hình giải bài toán text classification
- Giới thiệu về bài toán audio processing và spectrogram
- Thực hành xây dựng mô hình giải quyết bài toán speech2text
- Giới thiệu về bài toán time series và mô hình ARIMA
- Thực hành xây dựng mô hình ARIMA và LSTM giải quyết bài toán forecasting
- Giới thiệu về bài toán reinforcement learning
- Giới thiệu về thuật toán tối ưu tốt nhất cho deep learning
- Giới thiệu về các kỹ thuật weakly, semi và self supervised learning
- Giới thiệu chung CV, bài toán image classification và image processing
- Giới thiệu bài toán object detection, các mô hình one-stage, two-stage và metrics
- Thực hành xây dựng mô hình giải bài toán object detection
- Giới thiệu và thực hành xây dựng data augmentation
- Vấn đề về scale của ảnh và object trong bài toán object detection
- Giới thiệu bài toán image segmentation và một số mô hình tiêu biểu
- Giới thiệu bài toán face recognition và tư tưởng về image embedding
- Thực hành xây dựng hệ thống nhận diện, định danh và phân tích khuôn mặt
- Giới thiệu bài toán image generation, các mô hình GANs tiêu biểu và metrics
- Trực quan hoá mô hình computer vision với GradCAM
- Giới thiệu một số mô hình self-supervised learning trên bài toán computer vision
- Giới thiệu các mô hình xử lý video
- Giới thiệu chung về NLP và text processing
- Giới thiệu và thực hành xây dựng mô hình word embedding đơn giản
- Giới thiệu bài toán seq2seq và metrics đánh giá
- Giới thiệu về cơ chế attention và transformer
- Tổng hợp nhóm các mô hình GPT, BERT và các pretrained model
- Thực hành sử dụng các mô hình seq2seq
- Thực hành xây dựng chatbot đơn giản
- Giới thiệu và thực hành xây dựng mô hình giải bài toán named entity recognition
- Giới thiệu và thực hành xây dựng mô hình giải bài toán part-of-speech tagging
- Giới thiệu và thực hành xây dựng mô hình giải bài toán image captioning
- Giới thiệu về các vision-language model nổi tiếng nhất hiện nay
- Giới thiệu một số mô hình diffusion tiêu biểu giải bài toán image generation
- Giới thiệu chung về machine learning operation và một số framework
- Giới thiệu và thực hành sử dụng Git và Github
- Giới thiệu về vấn đề data drift và concept drift
- Giới thiệu và hướng dẫn cài đặt ClearML
- Giới thiệu về data pipeline và data versioning trong MLOps
- Thực hành xây dựng data pipeline và data versioning bằng ClearML
- Giới thiệu về model pipeline và experiment tracking trong MLOps
- Thực hành xây dựng model pipeline và experiment tracking bằng ClearML
- Giới thiệu về model serving, monitoring và logging rong MLOps
- Thực hành xây dựng model serving, monitoring và logging bằng ClearML
- So sánh các kỹ thuật online learning, incremental learning và active learning
- Giới thiệu về human-in-a-loop process và các kỹ thuật active learning
- Giới thiệu và thực hành lập trình hướng đối tượng
- Thực hành kết nối python với các hệ quản trị cơ sở dữ liệu
- Thực hành sử dụng pySpark xử lý big data
- Thực hành xây dựng REST API trong python với flask và gunicorn
- Giới thiệu và thực hành sử dụng docker
- Thực hành xây dựng web demo các mô hình AI với streamlit
- Thực hành xử lý dữ liệu song song trong python
- Giới thiệu về CUDA và thực hành cài và sử dụng CUDA
- Giới thiệu và thực hành sử dụng pytorch lightning
- Thực hành sử dụng pytorch và pytorch lightning cho distributed training
- Giới thiệu về AWS và thực hành sử dụng EC2 và S3 để huấn luyện mô hình
- Giới thiệu về unit test và thực hành test code trong python
Unsupervised Learning: Principal Component Analysis, Manifold Learning, Clustering (K-Means, DBSCAN, Hierachical), Gaussian Mixture Model, Kernel Density Estimation
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
- Python Language Basics, Ipython, and Jupiter NoteBooks
- Built-in Data Structures, Functions, and Files
N/A
Ứng dụng:N/A
Case Study:N/A
- Làm quen với Python
- Nắm vững cấu trúc dữ liệu, hàm, và files
N/A
Ứng dụng:N/A
Case Study:N/A
- Numpy Basics: Arrays and Vectorized Computation
- Getting Started with Pandas
N/A
Ứng dụng:N/A
Case Study:N/A
N/A
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
- Data Wrangling: Join, Combine, and Reshape
- Plotting and Visualization
- Data Aggregation and Group Operations
N/A
Ứng dụng:N/A
Case Study:N/A
xử lý Time Series Data
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Advanced pandas
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
- Kiến thức về Máy học
- Học có giám sát với thư viện scikit-learn
- Học không giám sát trong Python
N/A
Ứng dụng:N/A
Case Study:N/A
- Kiến thức về Máy học
- Học có giám sát với thư viện scikit-learn
- Học không giám sát trong Python
N/A
Ứng dụng:N/A
Case Study:N/A
Tổng kết chương trình xử lý, phân tích và biểu diễn dữ liệu với Python (Python level 1)
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
- Hiểu biết cơ bản về ngôn ngữ lập trình hướng đối tượng Python
- Review kiến thức cũ về Phân tích dữ liệu và Khai phá dữ liệu - chương trình Python level 1
N/A
Ứng dụng:N/A
Case Study:N/A
Tìm hiểu về Data Analysis on Datasets & phát triển python class triển khai sklearn API
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu Machine Learning, hyperparameter, model validation. Naive Bayes Classification, KNN
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Supervised Learning: Multiple Linear Regression, Logistic Regression, Soft-Max Regression, Support Vector Machine & Kernel Method, Decision Tree & Ensemble methods, measure model's performance
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về mạng Nơ-Ron nhân tạo
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Natural language processing:
- Applying Machine Learning to Sentiment Analysis
- Embedding a Machine Learning Model into a Web Application
N/A
Ứng dụng:N/A
Case Study:N/A
Natural language processing:
- Applying Machine Learning to Sentiment Analysis
- Embedding a Machine Learning Model into a Web Application
N/A
Ứng dụng:N/A
Case Study:N/A
Computer Vision: Handwriting recognition with Deep Convolutional Neural Networks
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Thị giác máy tính (tiếp) và Tổng kết chương trình Python level 2
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Set theory, sơ đồ venn
Loại dữ liệu trong toán
Binning
Distribution và param mô tả dist.
Data matrix
Correlation
N/A
Ứng dụng:N/A
Case Study:N/A
Khái niệm đạo hàm
Nguyên tắc tính
Bài toán điển hình trong đạo hàm
N/A
Ứng dụng:N/A
Case Study:N/A
Hệ trục toạ độ
Transform bằng matrix (cộng, nhân)
Khoảng cách
N/A
Ứng dụng:N/A
Case Study:N/A
Bức tranh tổng quan của ML
Giới thiệu Kmeans (đại diện unsupervised)
Giới thiệu SVM (đại diện supervised)
- Flow of thinking: bài toán/vấn đề mà hai thuật toán này giải quyết là gì? Trình tự thực hiện thuật toán trên 1 dataset
- Nêu tên bài toán điển hình (vd: cluster khách hàng bằng Kmeans)
- Giới thiệu về Sklearn
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành & Quan sát chạy thuật toán
EDA
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu chung về deep learning và mạng nơ ron
Giới thiệu chung về deep learning và mạng nơ ron
Giới thiệu chung về deep learning và mạng nơ ron
N/A
Giới thiệu về bài toán computer vision và convolution neural network
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng mô hình giải bài toán image classification
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về bài toán NLP và recurrent neural network
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng mô hình giải bài toán text classification
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về bài toán audio processing và spectrogram
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng mô hình giải quyết bài toán speech2text
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về bài toán time series và mô hình ARIMA
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng mô hình ARIMA và LSTM giải quyết bài toán forecasting
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về bài toán reinforcement learning
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về thuật toán tối ưu tốt nhất cho deep learning
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về các kỹ thuật weakly, semi và self supervised learning
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu chung CV, bài toán image classification và image processing
N/A
Ứng dụng:N/A
Case Study:
N/A
Giới thiệu bài toán object detection, các mô hình one-stage, two-stage và metrics
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng mô hình giải bài toán object detection
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành xây dựng data augmentation
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Vấn đề về scale của ảnh và object trong bài toán object detection
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu bài toán image segmentation và một số mô hình tiêu biểu
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu bài toán face recognition và tư tưởng về image embedding
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng hệ thống nhận diện, định danh và phân tích khuôn mặt
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu bài toán image generation, các mô hình GANs tiêu biểu và metrics
N/A
Ứng dụng:N/A
Case Study:N/A
Trực quan hoá mô hình computer vision với GradCAM
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu một số mô hình self-supervised learning trên bài toán computer vision
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu các mô hình xử lý video
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu chung về NLP và text processing
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành xây dựng mô hình word embedding đơn giản
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu bài toán seq2seq và metrics đánh giá
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về cơ chế attention và transformer
N/A
Ứng dụng:N/A
Case Study:N/A
Tổng hợp nhóm các mô hình GPT, BERT và các pretrained model
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành sử dụng các mô hình seq2seq
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng chatbot đơn giản
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành xây dựng mô hình giải bài toán named entity recognition
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành xây dựng mô hình giải bài toán part-of-speech tagging
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành xây dựng mô hình giải bài toán image captioning
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về các vision-language model nổi tiếng nhất hiện nay
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu một số mô hình diffusion tiêu biểu giải bài toán image generation
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu chung về machine learning operation và một số framework
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành sử dụng Git và Github
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về vấn đề data drift và concept drift
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và hướng dẫn cài đặt ClearML
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về data pipeline và data versioning trong MLOps
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng data pipeline và data versioning bằng ClearML
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về model pipeline và experiment tracking trong MLOps
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng model pipeline và experiment tracking bằng ClearML
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về model serving, monitoring và logging rong MLOps
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng model serving, monitoring và logging bằng ClearML
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
So sánh các kỹ thuật online learning, incremental learning và active learning
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về human-in-a-loop process và các kỹ thuật active learning
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành lập trình hướng đối tượng
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành kết nối python với các hệ quản trị cơ sở dữ liệu
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành sử dụng pySpark xử lý big data
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng REST API trong python với flask và gunicorn
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành sử dụng docker
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xây dựng web demo các mô hình AI với streamlit
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành xử lý dữ liệu song song trong python
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về CUDA và thực hành cài và sử dụng CUDA
N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu và thực hành sử dụng pytorch lightning
N/A
Ứng dụng:N/A
Case Study:N/A
Thực hành sử dụng pytorch và pytorch lightning cho distributed training
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về AWS và thực hành sử dụng EC2 và S3 để huấn luyện mô hình
Mục tiêu:N/A
Ứng dụng:N/A
Case Study:N/A
Giới thiệu về unit test và thực hành test code trong python
N/A
Ứng dụng:N/A
Case Study:N/A
Tại sao khóa học tại MCI phù hợp với bạn
✅ Lộ trình học được thiết kế khoa học, bám sát quy trình làm việc thực tế.
📘 Giáo trình chuẩn quốc tế, kết hợp lý thuyết và thực hành qua các case study thực tế.
👨🏫 100% giảng viên là chuyên gia từ Big4 và các tập đoàn lớn, có kinh nghiệm triển khai dự án thực tế.
🤝 Hướng dẫn tận tay, giúp học viên thành thạo kỹ năng trong thời gian ngắn.
🎯 Cam kết chất lượng đào tạo, hỗ trợ học lại miễn phí trọn đời.
🔥 Cập nhật liên tục công nghệ AI mới nhất, giúp học viên luôn bắt kịp xu hướng thị trường.
Đội ngũ giảng viên

Nguyễn Hữu Minh
1. Trình độ học vấn
Chuyên gia sở hữu nền tảng vững chắc trong Khoa học Dữ liệu và Công nghệ thông tin, với kiến thức chuyên sâu về Machine Learning, Deep Learning và Computer Vision.
2. Kinh nghiệm làm việc
Có hơn 7 năm kinh nghiệm trong lĩnh vực Khoa học dữ liệu & Công nghệ thông tin, tham gia nghiên cứu và triển khai nhiều bài toán thực tiễn trong doanh nghiệp. Hiện tại, chuyên gia đang làm việc tại PIXTA Vietnam Co., Ltd với vai trò Data Scientist & AI Researcher, trực tiếp phát triển và ứng dụng các giải pháp AI phục vụ hoạt động phân tích dữ liệu và tối ưu hệ thống.
3. Kinh nghiệm giảng dạy
Chuyên gia theo đuổi phong cách giảng dạy thực chiến, dễ hiểu và bám sát nhu cầu ứng dụng thực tế. Giúp học viên xây dựng nền tảng từ tư duy dữ liệu, nguyên lý mô hình AI đến cách triển khai vào các bài toán doanh nghiệp. Lồng ghép kiến thức với các tình huống thực tế trong Machine Learning, Deep Learning và Computer Vision, giúp học viên không chỉ hiểu sâu mà còn có khả năng làm việc thực tế.
4. Văn bằng và hoạt động chuyên môn
Chuyên gia đã tham gia phát triển các mô hình AI hỗ trợ doanh nghiệp khai thác dữ liệu hiệu quả hơn, nâng cao hiệu suất hệ thống và cải thiện chất lượng vận hành. Chú trọng vào việc giúp học viên chuyển hóa kiến thức thành dự án thực tế, kỹ năng và năng lực làm việc trong môi trường doanh nghiệp.
