Học online nhưng có mentor đồng hành
Cá nhân hóa theo mục tiêu của bạn

KHÓA HỌC

Deep Learning, Computer Vision and Application

Khóa học này cung cấp cho người tham gia kiến thức chuyên sâu về học sâu, các mô hình Transformers và LLM được áp dụng cho AI agentic với khả năng thị giác. Bắt đầu với các khái niệm cơ bản như hồi quy tuyến tính, khóa học sẽ tiến triển đến các chủ đề nâng cao như mạng nơ-ron tích chập (CNN) và các mô hình tạo sinh và Transformers. Người tham gia sẽ có được kinh nghiệm thực tế với các khuôn khổ học sâu, triển khai các mô hình khác nhau được thiết kế riêng cho các nhiệm vụ phân loại và phát hiện đối tượng và ứng dụng vào agentic AI.

12 buổi - 30 giờ học

10-15 Học viên

Rated 4.5 out of 5

Trần Trọng MinhChuyên gia IoT & AI

Original price was: 9.490.000 ₫.Current price is: 6.590.000 ₫.

Giới thiệu

Trong kỷ nguyên công nghệ số, AI Agentic với khả năng thị giác đang mở ra một cuộc cách mạng trong nhiều lĩnh vực. Từ các robot tự động trong nhà máy cho đến các hệ thống y tế chẩn đoán hình ảnh, việc kết hợp giữa Học sâu (Deep Learning) và Thị giác máy tính (Computer Vision) không còn là xu hướng mà đã trở thành yêu cầu cốt lõi. Khóa học này được thiết kế để trang bị cho bạn những kiến thức và kỹ năng chuyên sâu nhất, giúp bạn làm chủ công nghệ này và tạo ra những ứng dụng đột phá.

Khóa học đặc biệt phù hợp với nhân sự văn phòng, quản lý, người làm nội dung, marketing, bán hàng, giáo dục và cả các doanh nghiệp nhỏ đang tìm cách ứng dụng AI để tiết kiệm thời gian, chi phí và nâng cao chất lượng công việc. Không yêu cầu nền tảng kỹ thuật, khóa học được thiết kế dễ tiếp cận cho người mới, tập trung vào kỹ năng thực hành và khả năng áp dụng ngay vào công việc thực tế.

Thị trường đang khát khao những chuyên gia có khả năng xây dựng các hệ thống AI thông minh, có thể “nhìn” và “hiểu” thế giới xung quanh. Nắm vững kiến thức từ khóa học này sẽ giúp bạn tạo ra lợi thế cạnh tranh vượt trội, mở ra nhiều cơ hội nghề nghiệp hấp dẫn.

Khóa học đi từ những khái niệm cơ bản nhất đến các chủ đề nâng cao. Bạn sẽ không chỉ biết cách sử dụng các công cụ mà còn hiểu rõ nguyên lý hoạt động, giúp bạn tự tin giải quyết các bài toán phức tạp và phát triển các mô hình mới, giúp bạn nắm vững phương pháp xây dựng các mô hình học sâu, CNN và cách ứng dụng nó trong thực tế.

Mentor đồng hành cùng bạn trong khóa học là chuyên gia có nhiều năm kinh nghiệm triển khai các giải pháp chuyển đổi số và công cụ AI trong doanh nghiệp vừa và nhỏ. Mentor từng triển khai thành công nhiều mô hình học máy, học sâu và AI tạo sinh cho nhiều lĩnh vực khác nhau. Với phương pháp hướng dẫn thực tiễn, mentor sẽ giúp học viên không chỉ hiểu mà còn thành thạo cách xây dựng mô hình và ứng dụng nó cho từng vấn đề riêng biệt.

Với lộ trình học tập khoa học và thực tiễn, khóa học này sẽ biến bạn thành một chuyên gia AI có khả năng kiến tạo tương lai.

Nội dung

Buổi 1: Tổng quan về AI/ML và xu hướng ứng dụng giải quyết các vấn đề.:

– Giới thiệu về AI, các ứng dụng của AI vào các vấn đề khoa học, kỹ thuật, kinh tế, xã hội

– Phân loại AI. Thiết lập môi trường phát triển cho các dự án về AI/ML.

Buổi 2: Giới thiệu về mô hình hồi quy tuyến tính, hồi quy logistic, tối ưu hóa sai số với giảm dần của gradient.:

– Ứng dụng.Tối ưu hóa hàm sai số. Phương pháp gradient giảm dần.

– Thực hành: sử dụng mô hình đẻ giải quyết một vài vấn đề dự đoán cũng như phân loại.

Buổi 3: Giới thiệu về học sâu và mạng neuron nhân tạo (ANN). Phương pháp xây dựng một ANN.:

– Mạng neurons nhân tạo và học sâu. Khái niệm forward propagation và backward propagation

– Xây dựng và huấn luyện mô hình ANN đơn giản với Tensorflow và Pytorch

Buổi 4: Ứng dụng xây dựng các ANN cho các công việc cụ thể như: phân loại đối tượng, dự đoán hồi quy.:

-Tạo học liệu: slide, ngân hàng câu hỏi, bài kiểm tra.Thực hành: tạo Slide từ nội dung giáo án

– Bài tập: Thiết kế nội dung giảng dạy đa phương tiện với AI.

Buổi 5: Giới thiệu về CNN và vai trò của chúng trong phân loại và phát hiện đối tượng.:

– Giới thiệu về xử lý hình ảnh và mạng neurons nhân tạo tích chập.

– Xây dựng 1 model CNN cơ bản nhàm giải quyết bài toán phân loại trên với Tensorflow và Pytorch.

Buổi 6: Giới thiệu kiến trúc các mô hình CNN chuyên sâu.:

– Giới thiệu và so sánh kiến trúc, hoạt động và tốc độ của các mô hình CNN.

– Thực hành và so sánh kết quả với ANN cho cùng bài toán.

Buổi 7: Các mô hình CNN chuyên sâu và tăng cường hóa dữ liệu trong thị giác máy tính.:

– Giới thiệu và so sánh kiến trúc, hoạt động và tốc độ của các ô hình CNN.

– Thực hành xây dựng và huấn luyện các mô hình CNN có nhiều hơn 2 lớp.

Buổi 8: Xây dựng mô hình AutoEncoder ứng dụng trong phân vùng hình ảnh (segmentation).:

– Giới thiệu về mô hình AutoEncoder (AEN)

– Thực hành: xây dựng 1 mô hình AEN đơn giản cho phân vùng hình ảnh.

Buổi 9: Mô hình GAN (Generative Adversarial Networks) và Stable Diffusion.:

– Giới thiệu mô hình GAN và Stable Diffusion

– Thực hành ứng dụng mô hình GAN và Stable Diffusion trên các bài toán xử lý và tạo sinh hình ảnh.

Buổi 10: Mô hình Transformer:

– Giới thiệu về mô hình Transformer và Ứng dụng trong các bài toán xử lý ngôn ngữ tự nhiên.

– Huấn luyện mô hình Transformer. Fine-tuning một model LLM trên một dataset nhỏ.

Buổi 11: Xây dựng ứng dụng Agentic AI.:

– Giới thiệu về tác nhân AI. Agentic AI với đa tác nhân.

– Thực hành: Phát triển một ứng dụng Agentic AI để tự động hóa một vài quy trình trong một tổ chức.

Buổi 12: Tác nhân AI có thị giác máy tính:

– Thực hành tổng hợp phát triển một ứng dụng Agentic AI kết hợp với các model về CNN, GAN, AEN, Diffusion

Đối tượng học

Sinh viên các ngành khoa học máy tính, kỹ thuật điện tử, viễn thông, toán học, hoặc các ngành liên quan.
Những người đã có kinh nghiệm lập trình và muốn chuyển sang hoặc bổ sung kiến thức về Trí tuệ nhân tạo (AI), đặc biệt là Deep Learning.
Kỹ sư cơ khí, chuyên gia y tế, hoặc các lĩnh vực khác muốn ứng dụng Computer Vision để giải quyết các vấn đề chuyên môn của mình.

Mục tiêu đầu ra

Nền tảng của Học sâu: Bắt đầu với hồi quy tuyến tính và mạng nơ-ron truyền thẳng (Fully Connected Networks) để xây dựng nền tảng vững chắc.
Làm chủ Thị giác máy tính: Tìm hiểu về mạng nơ-ron tích chập (CNN), kiến trúc xương sống của mọi ứng dụng Computer Vision, từ phân loại đến phát hiện đối tượng.
Khám phá kiến trúc hiện đại: Đi sâu vào các mô hình Transformers và Generative Models, hiểu cách chúng hoạt động và được ứng dụng để tạo ra các hình ảnh hoặc xử lý dữ liệu phức tạp.
Xây dựng AI Agentic: Tích hợp những kiến thức đã học để xây dựng các AI Agentic có khả năng thị giác, từ đó thực hiện các tác vụ phức tạp trong thế giới thực.
Thực hành với các Framework: Bạn sẽ được thực hành trực tiếp với các khuôn khổ học sâu phổ biến, triển khai các mô hình khác nhau và xây dựng các ứng dụng của riêng mình.

Yêu cầu

Yêu cầu kỹ thuật: Người học cần có máy tính cá nhân cấu hình tốt
Yêu cầu về kiến thức đầu vào: Có kỹ năng cơ bản về lập trình và ngôn ngữ Python.