Thời lượng: 36 giờ, học phí: 4 triệu đồng

Chứng chỉ: Deep Learning with Python do IT Viet Academy cấp

Giảng viên: các Tiến sĩ công nghệ và kỹ sư của IT Viet Academy

Mô tả: Cung cấp các kiến thức cần thiết về Deep Learning và kỹ năng vận dụng các thuật toán quan trọng như Artificial Neural Network (ANN) – mạng neuron nhân tạo, Convolutional Neural Network (CNN) – mạng neuron tích chập, Transfer Learning từ Pre-trained model, Recurrent neural network (RNN) – mạng neuron hồi quy, AutoEncoder – mạng tự mã hóa, Generative Adversarial Networks (GANs); Deep Learning và Natural Language Processing (NLP) như Text Classification, Name Entity Recognition; Deep Learning và Computer Vision như Face detection – nhận diện khuôn mặt, Object detection .

Nội dung khóa học:

  • Tổng quan Deep Learning
    • Giới thiệu, phân loại Deep Learning
    • Phạm vi áp dụng, so sánh Machine Learning và Deep Learning
    • Thư viện hỗ trợ Deep Learning: TensorFlow, Keras…
    • Làm việc với TensorFlow và Keras
  • TensorFlow
    • Giới thiệu
    • Tensor
    • TensorFlow cơ bản
    • Constants, Placeholder, Variables
    • Operators
  • Artificial Neural Network (ANN) – mạng neuron nhân tạo
    • Giới thiệu: Biological Neuron Network – mạng neuron sinh học, ANN, perceptron, thuật ngữ
    • Tính toán logic với Neurons
    • Hoạt động của Neural
    • Neural network học như thế nào?
    • Activation Function: Linear, Sigmoid, TanH, Softmax, rectified linear unit (ReLU)
    • Back propagation
    • Loss function, Optimizers
    • Gradient Descent, Stochastic Gradian Descent
    • Xây dựng ANN, đánh giá
    • Cải thiện model với Dropout, GridSearchCV
  • Convolutional Neural Network (CNN) – mạng neuron tích chập
    • Giới thiệu CNN, đặc điểm, ứng dụng
    • Convolution Operation
    • ReLU layer
    • Pooling
    • Flattening
    • Full connection
    • Softmax
    • Cross entropy
    • Xây dựng CNN, đánh giá và tinh chỉnh CNN
  • Recurrent neural network (RNN) – mạng neuron hồi quy
    • Giới thiệu RNN, đặc điểm, ứng dụng
    • Computational Graph
    • Vanishing Gradient Descent
    • Long Short Term Memory (LSTM), LSTM Variation
    • Xây dựng RNN, đánh giá và tinh chỉnh RNN
  • Transfer Learning từ Pre-trained model
    • Giới thiệu Transfer Learning
    • Lý do nên áp dụng pre-trained model
    • Tiến trình Transfer Learning
    • Bộ dữ liệu ImageNet/ ILSVRC
    • Pre-trained model trong Keras: VGG, ResNet, MobileNet, Inception50
    • Sử dụng pre-trained model
    • Triển khai transfer learning với pre-trained model
  • Natural Language Processing (NLP) với Deep Learning
    • Giới thiện NLP: ngôn ngữ tự nhiên, thách thức của ngôn ngữ tự nhiên…
    • Basic Tranformation: Tokenization, CountVectorizer, Tf-Idf (Term frequency-inverse document frequency), HashingVectorizer, Keras text_to_word_sequence, Keras one_hot, Keras Tokenizer API
    • Text Classification với RNN
    • Name Entity Recognition với LSTM-CRF
  • AutoEncoder
    • Giới thiệu, đặc điểm, ứng dụng
    • AutoEncoder: Encoder, Decoder
    • Loss function
    • Xây dựng AutoEncoder: Simple AutoEncoder, Deep AutoEncoder, CNN AutoEncoder
  • Face detection – Nhận diện khuôn mặt
    • Viola Jones algorithm
    • Haar- like features
    • LBP cascade classifier
    • So sánh Haar và LBP
    • Intergral Image
    • Training classifier
    • AdaBoost
    • Cascading
    • Xây dựng face detection với OpenCV
    • Đối phó với False Positives (nhận diện sai)
  •  Object detection – nhận diện vật thể
    • Single Shot MultiBox Detector (SSD)
    • Multi-box concept
    • Dự đoán object position
    • Scale problem
    • Xây dựng object detection với SSD
  • Generative Adversarial Networks (GANs)
    • Giới thiệu, đặc điểm
    • Cách thức hoạt động của GANs
    • Ứng dụng GANs
    • Tạo ảnh với GANs