KHÓA HỌC TRÍ TUỆ NHÂN TẠO - HỌC MÁY CƠ BẢN VÀ ỨNG DỤNG

07-08-2018 15:20

Machine Learning Fundamentals

Thời lượng: 39h = 13 buổi  

I. Mô tả khoá học

Học viên được tiếp cận các khái niệm, kỹ thuật, và mô hình học máy cơ bản và phổ dụng trong học có giám sát (Supervised learning) như hồi quy logistic (Logistic Regression), cây quyết định (Decision Tree), Support Vector Machines, học không giám sát (Unsupervised learning) như các kỹ thuật phân cụm (clustering), và các kiến thức cơ bản về Học sâu (Deep learning).

Học viên được tiếp cận với các ứng dụng của học máy với nhiều ví dụ minh họa, dữ liệu, và dự án từ các bài toán thực tế như dự đoán/dự báo giá cả, đánh giá tín dụng cá nhân, phân loại phương tiện giao thông/ảnh/tin tức, phát hiện thâm nhập trong an ninh mạng, v...v… Với cách tiếp cận dựa trên dự án (project-based) khóa đào tạo sẽ giúp người học có được các kỹ năng thực hành và giải quyết các vấn đề thực tế sử dụng các kỹ thuật và công cụ của học máy.

II. Yêu cầu khoá học

- Đã biết lập trình (biết Python là một lợi thế)

III. Công cụ sử dụng

- Python, Jupyter Notebook

- Scikit-learn, Tensorflow

IV.Nội dung

Khóa học được chia thành 12 buổi + 1 buổi Trình diễn kết quả và Giới thiệu cơ hội việc làm.

Mỗi buổi ứng với một project gồm: 1 tiết Lý thuyết + 2 tiết Thực hành.

 


Bài

Project

Nội dung

Thời lượng

1

Giới thiệu về Machine Learning

- Giới thiệu khoá học

- Phân loại các phương pháp học máy

- Giới thiệu về các dự án sẽ thực hiện trong khoá học

3

2

Cài đặt hệ thống Machine Learning

  • Quy trình làm Machine Learning
  • Thiết lập hệ thống Machine Learning

3

Học có giám sát (Supervised Learning)

3

KNN và hồi quy (Regression) và ứng dụng trong bài toán Dự đoán giá bất động sản

  • Giới thiệu bài toán Dự đoán giá bất động sản
  • Thu thập và Phân tích dữ liệu
  • Định nghĩa độ đo tương tự
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

4

Cây quyết định (Decision Tree) và ứng dụng trong Đánh giá tín dụng cá nhân (credit scoring)

  • Giới thiệu bài toán Đánh giá tín dụng cá nhân
  • Thu thập và Phân tích dữ liệu
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

5

Support Vector Machines (SVM) và ứng dụng trong Phân loại phương tiện giao thông trong hệ thống camera thông minh

  • Giới thiệu bài toán Phân loại phương tiện giao thông
  • Thu thập và Phân tích dữ liệu
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

6

Naïve Bayes Classifiervà ứng dụng trong Phân loại tin tức

  • Giới thiệu bài toán Phân loại tin tức
  • Thu thập và Phân tích dữ liệu
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

7

Seminar công nghệ và ý tưởng

  • Giới thiệu cácứng dụng machine learning
  • Trình bày các ý tưởng dự án machine learning

3

Học không có giám sát (Unsupervised Learning)

8

K-mean và Mean-shiftvới ứng dụng trong Phân vùng ảnh

  • Giới thiệu bài toán Phân vùng ảnh
  • Thu thập và Phân tích dữ liệu
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

9

Phân cụm phổ (Spectral Clustering) và Ứng dụng trong Phân tích và khai phá dữ liệu mạng xã hội

  • Giới thiệu bài toán Phân tích và khai phá mạng xã hội
  • Thu thập và Phân tích dữ liệu
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

Giới thiệu về Học sâu (Introduction to Deep Learning)

10

Mạng nơ ron nhân tạo đa lớp (Multiple Layer Perceptron) và ứng dụng trong Nhận dạng chữ viết tay

  • Giới thiệu bài toán Nhận dạng chữ viết tay
  • Thu thập và Phân tích dữ liệu
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

11

Auto-Encoder và ứng dụng trong Phát hiện xâm nhập trong An ninh mạng

  • Giới thiệu bài toán Phát hiện xâm nhập trong An ninh mạng
  • Thu thập và Phân tích dữ liệu
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

12

Deep Learningvà ứng dụng trong Phân loại đối tượng trong ảnh và video

  • Giới thiệu bài toán Phân loại đối tượng trong ảnh và video
  • Thu thập và Phân tích dữ liệu
  • Xây dựng mô hình học máy
  • Đánh giá kết quả

3

13

Trình diễn kết quả và Kết nối doanh nghiệp, Giới thiệu cơ hội việc làm

3

 

Tổng cộng

39

 

V. Đánh giá cấp chứng nhận

- Theo kết quả dự án và trình bày đối với từng nhóm/sinh viên

VI. Đội Ngũ Giảng Viên

1. PGS.TS. Nguyễn Xuân Hoài

2. TS. Đinh Viết Sang

3. TS. Nguyễn Đỗ Văn

4. TS. Nguyễn Hoàng Huy

5. PGS.TS. Lê Đức Hậu

6. PGS.TS. Nguyễn Thị Thuỷ

7. TS. Nguyễn Minh Tiến

Xem thêm tại: https://www.aiacademy.vn/#scientific-advisory-boards

VII. Học phí và chính sách khuyến học:

HỌC PHÍ GỐC

ƯU ĐÃI

HỌC PHÍ CÒN LẠI

10.000.000 VNĐ

Giảm 30% học phí cho 25 sinh viên đăng ký đầu tiên

7.000.000 VNĐ

Mọi chi tiết về khóa học xin liên hệ theo số Hotline:  0963 97 65 65​

Đăng ký học tại: bit.ly/AI-MACHINELEARNING

Hoặc đăng ký trực tiếp ghi danh tại địa chỉ:

Cơ sở 1: Phòng Tuyển sinh, Tầng 2, Trung tâm đào tạo CNTT và Truyền Thông, Số 1 Hoàng Đạo Thúy, Thanh Xuân, Hà Nội

Cơ sở 2: Phòng Tuyển sinh, Tầng 1, Nhà A2, Trường Đại học Sân Khấu - Điện Ảnh Hà Nội. Đường Hồ Tùng Mậu, Cầu Giấy, Hà Nội

ITPlus - Academy

Bài viết cùng chủ đề

Gửi tin nhắn Facebook