Nội dung khóa học

• Buổi 1: Giới thiệu Python và Machine Learning
Chủ đề:

Machine Learning

Mục tiêu:

Giới thiệu về Python.
Giới thiệu về Machine Learning.
Kiến trúc mạng nơ-ron.

Ứng dụng:

Hiểu biết cơ bản về Python, Machine Learning và kiến trúc mạng nơ-ron.

Case Study:

Phân tích dữ liệu đơn giản với Python, và xây dựng một mô hình Machine Learning đơn giản để phân loại hoặc dự đoán.

• Buổi 2: Deep Learning và Computer Vision
Chủ đề:

Deep Learning và Computer Vision

Mục tiêu:

Nói thêm về Deep Learning.
Computer vision.
Dữ liệu dạng khuôn mặt.

Ứng dụng:

Hiểu biết về Deep Learning trong lĩnh vực thị giác máy tính, xử lý dữ liệu khuôn mặt.

Case Study:

Xây dựng một mô hình nhận diện khuôn mặt đơn giản sử dụng Deep Learning.

• Buổi 3: Vonvolution và Kiến trúc CNN
Chủ đề:

CNN

Mục tiêu:

Phép nhân tích chập vonvolution.
Các tham số quan trọng của vonvolution.
Các layer trong vonvolution.
Các kiến trúc mô hình CNN nổi tiếng.

Ứng dụng:

Hiểu rõ về vonvolution và kiến trúc CNN trong xử lý hình ảnh.

Case Study:

Phân loại hình ảnh sử dụng một mô hình CNN đơn giản.

• Buổi 4: Chuẩn bị Dữ liệu và Natural Language Processing
Chủ đề:

Natural Language Processing

Mục tiêu:

Chuẩn bị dữ liệu.
Chuẩn bị Model và thực hành.
Giới thiệu Natural Language Processing (NLP).
Bài toán NLP.

Ứng dụng:

Kỹ năng chuẩn bị dữ liệu và mô hình, hiểu biết cơ bản về NLP.

Case Study:

Xử lý và phân tích cảm xúc từ đoạn văn bản sử dụng NLP.

• Buổi 5: Recurrent Neural Network và LSTM
Chủ đề:

Recurrent Neural Network và LSTM

Mục tiêu:

Recurrent Neural Network (RNN).
Vấn đề phụ thuộc xa và kiến trúc mô hình long short (LSTM).
Các biến thể của LSTM.

Ứng dụng:

Hiểu biết về RNN và LSTM, ứng dụng trong xử lý ngôn ngữ.

Case Study:

Xây dựng một mô hình dự đoán chuỗi thời gian đơn giản sử dụng RNN/LSTM.

• Buổi 6: Làm sạch Dữ liệu và Audio Processing
Chủ đề:

Audio Processing

Mục tiêu:

Làm sạch dữ liệu.
Tokenization và bài thực hành.
Âm thanh dưới góc độ vật lý.
Spectrograms và các bài toán audio processing.

Ứng dụng:

Kỹ năng làm sạch dữ liệu, hiểu biết về xử lý âm thanh.

Case Study:

Phân loại âm thanh (như nhận diện tiếng nói hoặc nhạc cụ) từ các mẫu âm thanh.

• Buổi 7: Spectrograms và Time Series
Chủ đề:

Time Series

Mục tiêu:

Spectrograms thực hành phần 1 và 2.
Train model.
Time series.

Ứng dụng:

Thực hành với spectrograms và hiểu biết về phân tích chuỗi thời gian.

Case Study:

Xây dựng một mô hình phân tích và dự đoán xu hướng thời gian từ dữ liệu chuỗi thời gian.

• Buổi 8: Phân tích Chuỗi Thời gian và Xây dựng Mô hình
Chủ đề:

Phân tích Chuỗi Thời gian

Mục tiêu:

Seasonal plot và seasonal indicators.
Fourier features.
Chuẩn bị dữ liệu và xây dựng mô hình.

Ứng dụng:

Hiểu biết và thực hành với phân tích chuỗi thời gian, kỹ năng xây dựng mô hình.

Case Study:

Phân tích và dự đoán mẫu mùa vụ trong dữ liệu kinh doanh hoặc tài chính.

• Buổi 9: Reinforcement Learning
Chủ đề:

Reinforcement Learning

Mục tiêu:

Giới thiệu Reinforcement learning.
Q learning.
Reinforcement Q learning.

Ứng dụng:

Hiểu biết cơ bản về Reinforcement learning và ứng dụng của nó.

Case Study:

Tạo một mô hình đơn giản để tự học và tối ưu hóa hành vi trong một môi trường mô phỏng.

• Buổi 10: Semi Supervised và Self Supervised Learning
Chủ đề:

Semi Supervised và Self Supervised Learning

Mục tiêu:

Các vấn đề với supervised learning.
Ý tưởng của Semi supervised learning.
Ý tưởng của Self supervised learning.

Ứng dụng:

Hiểu biết về Semi và Self supervised learning, khám phá các phương pháp học máy mới.

Case Study:

Áp dụng các kỹ thuật Semi và Self supervised learning trong một bài toán phân loại hoặc dự đoán.

• Buổi 11: Gradient Descent và Các Biến thể
Chủ đề:

Gradient descent.

Mục tiêu:

Gradient descent.
Momentum gradient descent.
Adaptive gradient algorithm.

Ứng dụng:

Hiểu biết về các kỹ thuật tối ưu hóa và cải tiến trong học máy.

Case Study:

Tối ưu hóa một mô hình học máy sử dụng các kỹ thuật Gradient Descent khác nhau.

• Buổi 12: Project cuối khóa
Chủ đề:

Giải bài tập và trả lời câu hỏi.

Mục tiêu:

Hoàn thành project cuối khóa
giải đáp các case study

Ứng dụng:

Áp dụng kiến thức đã học vào việc giải quyết các vấn đề cụ thể.

Case Study:

Áp dụng kiến thức đã học để giải quyết một vấn đề cụ thể hoặc xây dựng một ứng dụng thực tế.