Embedded Files
Đối tượng học viên:
- Các bạn đã có nền tảng về IT mong muốn trở thành các nhà khoa học dữ liệu hoặc các kỹ sư về machine learning và deep learning trong tương lai.
- Những bạn không phải là dân IT nhưng mong muốn tìm hiểu về AI để áp dụng vào trong công việc của mình.
- Các bạn sinh viên vừa tốt nghiệp đang tìm kiếm có hội nghề nghiệp về khoa học dữ liệu, machine learning và deep learning.
- Những bạn (có thể chưa có nền tảng về IT hoặc đã có nền tảng về IT rồi) mong muốn tìm hiểu thêm về AI (Machine learning và Deep learning).
- Các bạn lập trình viên (Developer), chuyên viên phân tích nghiệp vụ (BA) hoặc chuyên viên phân tích dữ liệu (DA) muốn học thêm về ML và DL để nâng cao kỹ năng.
Nội dung khóa đào tạo:
- Ngôn ngữ lập trình Python phục vụ cho Machine learning. (Sử dụng thành thạo các thư viện như OpenCV, Nympy, Pandas, Scikit-learn...).
- Toán xác suất, thống kê, đại số tuyến tính, giải tích cơ bản phục vụ cho ML.
- Nắm được các khái niệm cơ bản, ý nghĩa và vai trò của học máy trong các bài toán thực tế.
- Hiểu và nắm bắt được bài toán hồi quy, thuật toán liên quan đến các kỹ thuật hồi quy trong học máy.
- Hiểu và nắm bắt được bài toán phân loại, phân lớp và các thuật toán liên quan đến Supervised Learning.
- Hiểu và nắm bắt được bài toán phân cụm và các thuật toán liên quan đến Unsupervised Learning.
- Phân tích dữ liệu với Python.
- Giới thiệu về các thư viện trực quan hóa dữ liệu như Matplotlib và Seaborn. Xử lý dữ liệu thực tế từ Kaggle.
- Sử dụng thành thạo các thuật toán thông dụng trong Machine learning như: Linear Regression, Polynomial Regression, Multiple Regression, Decision Tree, Confusion Matrix, Hierarchical Clustering, Logistic Regression, Grid Search, K-means, Bootstrap Aggregation (Bagging), K-nearest neighbors (KNN) và Mạng nơ ron tích chập (CNN)...
- Sử dụng thư viện scikit-learn.
- Quy trình làm một dự án AI từ đầu đến cuối trong thực tế.
- Giới thiệu về Artificial Neural Networks và Keras.
- Training Deep Neural Networks.
- Tùy chỉnh model và training với Tensorflow.
- Load và xử lý dữ liệu với Tensorflow.
- Khoa học dữ liệu trong AI.
- Xử lý dữ liệu lớn (big data) với các công cụ như Dask hoặc Spark, đặc biệt quan trọng khi làm việc với các tập dữ liệu lớn trong AI.
- Giới thiệu về các phương pháp đánh giá mô hình (model evaluation) và lựa chọn mô hình (model selection) một cách chi tiết hơn.
- Các kỹ thuật xử lý dữ liệu mất cân bằng (imbalanced data) (vì dữ liệu thực tế thường không cân bằng).
- Computer Vision sử dụng YOLO.
- Deep Computer Vision sử dụng Convolutional Neural Networks.
- Xử lý tuần tự sử dụng RNNs và CNNs.
- Xử lý ngôn ngữ tự nhiên với RNNs và Attention.
- Representation Learning và Generative Learning sử dụng Autoencoders và GANs.
- Reinforcement Learning.
- Giới thiệu về các kiến trúc mạng nơ-ron tiên tiến hơn như Transformers.
- LLM và ứng dụng.
- Hiểu rõ được vấn đề underfitting và overfitting trong Machine learning và cách xử lý vấn đề này.
- Thực hành với gần 300 mini project về Machine learning và Deep learning với các yêu cầu rất thực tế từ cuộc sống.
- Tìm hiểu và thực hành về GenAI.
- Tìm hiểu và thực hành về AI Agent.
- Tìm hiểu và thực hành về RAG.
- Xây dựng chatbot.
- Tìm hiểu và thực hành về Agentic AI.
- Tìm hiểu và thực hành về MCP.
- Tìm hiểu về N8N (No-code AI) và Langflow (Low-code AI).
- Cách triển khai một dự án AI tích hợp với các phần mềm truyên thống (như Web...).
- Làm một dự án thực tế từ đầu đến cuối (giống hệt như đi làm dự án thật tại công ty).
- Học lập trình web Back-End với Django (nếu học viên có nhu cầu).
Lưu ý:
- Tất cả các khóa học của chúng tôi đều có nhận học viên học theo hình thức online hoặc offline.
- Tất cả các khóa đều được dạy theo hình thức dạy kèm 1-1 (cho dù online hay offline).
- Tất cả các khóa đều được học thử 1 tuần, sau đó học viên có quyền quyết định học luôn hay không.
- Đăng ký khóa học thì thường sẽ được học ngay, không phải chờ sắp xếp lớp như học đại trà ở chỗ khác.
- Chỉ có 2 người dạy là kỹ sư Nguyễn Tấn Huy và kỹ sư Trương Thị Thanh Tâm, chúng tôi không có thuê người nào khác dạy giúp.
Các gói đào tạo:
Tùy năng lực và nhu cầu thực tế của học viên, giảng viên và học viên sẽ cùng bàn bạc để quyết định khoảng thời gian cần học; Tuần học 4 ngày, mỗi ngày 1 buổi, mỗi buổi 2 tiếng; 1.200.000 đ / tháng.
- Học phí sẽ được thu từng tháng chứ không thu trọn khóa (Để học viên dễ xoay sở về tài chính). Nếu học viên muốn đóng học phí trọn gói, học viên sẽ được giảng viên sẽ thỏa thuận thêm về mức giảm học phí khi nhập học.
- Được giảm 200.000 đ học phí mỗi tháng (áp dụng cho toàn khóa) nếu học viên đang là sinh viên (bất kỳ ngành nào).
Page updated
Google Sites
Report abuse