khóa học machine learning

Xin chào bạn!  Nếu bạn đang tìm kiếm Khóa học Machine Learning cơ bản dành cho người mới bắt đầu hoặc đã biết lý thuyết nhưng chưa thật sự ứng dụng được Machine Learning, học phí thấp nhưng chất lượng cao,  giảng dạy bởi những chuyên gia hàng đầu về Machine Learning và thời gian học linh hoạt  thì đây chính là khóa học Machine Learning dành cho bạn!

HỌC VIÊN NHẬN ĐƯỢC GIÁ TRỊ GÌ TỪ KHÓA HỌC MACHINE LEARNING?

  • Machine Learning đang được ứng dụng hết sức rộng rãi trong hầu hết các lĩnh vực.
  • Ngày càng có nhiều doanh nghiệp ứng dụng Machine Learning để phát triển những ứng dụng trí tuệ nhân tạo nhằm mang lại giá trị đột phá cho doanh nghiệp.
  • Khóa học Machine Learning cơ bản này sẽ giúp học viên nắm vững những kiến thức nền tảng về Machine Learning.
  • Học viên sẽ hiểu rõ các khái niệm và các thuật toán Machine Learning, nắm vững kỹ năng thực hành để dùng các thuật toán Machine trong các  ứng dụng thực tế .
  • Đồng thời,  học viên sẽ được trang bị kiến thức và kỹ năng để trở thành một Kỹ sư Machine Learning chuyên nghiệp.

AI CÓ THỂ ĐĂNG KÝ KHÓA HỌC MACHINE LEARNING NÀY?

  • Khóa học Machine Learning này dành cho tất cả mọi người, không nhất thiết bạn phải học ngành CNTT cũng không yêu cầu bạn phải có kiến thức lập trình.
  • Đối tượng học viên của Khóa học Machine Learning cơ bản bao gồm:
    • Các bạn sinh viên các trường đại học, cao đẳng tất cả các ngành và có kiến thức cơ bản về IT
    • Các lập trình viên, chuyên viên phân tích, kỹ sư và cử nhân CNTT mong muốn có thêm kiến thức về Machine Learning
    • Và tất cả những ai có kiến thức cơ bản về IT, quan tâm, muốn tìm hiểu về Machine Learning

KHÓA HỌC MACHINE LEARNING  TẠI  IT VIET ACADEMY CÓ GÌ KHÁC BIỆT?

  • Giảng viên là các chuyên gia hàng đầu về Machine Learning  đồng thời có nhiều năm kinh nghiệm làm việc tại doanh nghiệp.
  • Học viên sẽ được hỗ trợ, chỉ dẫn và tư vấn thêm cho bạn ngoài giờ học và cả sau khóa học.
  • Khóa học truyền tải cho bạn nhiều kiến thức và kỹ năng sát với thực tiễn.
  • Chúng tôi hướng dẫn bạn thực hành trên các Case Study thực tế.
  • Ngoài ra, học viên sẽ được giới thiệu thực tập tại các doanh nghiệp và tìm kiếm cơ hội việc làm.
  • Học viên được học lại miễn phí

THÔNG TIN CHÍNH KHÓA HỌC MACHINE LEARNING

  • Thời lượng: 15 buổi, 2 giờ/ buổi,  học vào Thứ 7, Chủ Nhật hoặc các buổi tối trong tuần
  • Hình thức học: Online hoặc Offline
  • Học phí:  10 triệu vnđ   7,5 triệu vnđ (Online)
  • Chứng chỉ: Machine Learning Fundamentals do IT Viet Academy cấp

Mô tả chi tiết: Khóa học này trình bày hệ thống những kiến thức cơ bản về Machine Learning. Học viên sẽ được học những thuật toán quan trọng của Machine Learning  như  “Linear Regression”, “Logistic regression”, “Support Vector Machine”, “Decision Tree”, “k-Means”, “k-Neighbors Nearest”,etc., thực hành các bài toán thực tế bằng ngôn ngữ lập trình Python. Khoá học cũng giúp  cho học viên hiểu và vận dụng các khái niệm, kỹ thuật cơ bản trong Machine Learning và áp dụng trên dữ liệu thật.

NỘI DUNG KHÓA HỌC MACHINE LEARNING

  • Bài 1. Giới thiệu về AI, Machine Learning, Deep Learning
    • Giới thiệu về trí tuệ nhân tạo (AI)
    • Các giai đoạn phát triển của AI
    • Các xu hướng mới của AI
    • Phân biệt giữa AI, Machine Learning, Deep Learning
  • Bài 2. Cơ bản về lập trình Python
    • Giới thiệu ngôn ngữ lập trình Python
      • Đặc điểm của ngôn ngữ lập trình Python
      • Cách thực hiện câu lệnh, chương trình
      • Biến, Kiểu dữ liệu, Khối lệnh
      • Nhập và Xuất dữ liệu
      • Các ví dụ minh họa
    • Kiểu dữ liệu số & các cấu trúc điều khiển
      • Kiểu số và phép toán liên quan
      • Cấu trúc rẽ nhánh
      • Vòng lặp
      • Hàm
      • Module và Package
    • Các kiểu dữ liệu nâng cao
      • Kiểu dữ liệu tuần tự (sequential data type)
      • String (chuỗi)
      • List (danh sách)
      • Tuple (hàng)
      • Range (miền)
      • Set (tập hợp) và Frozenset (tập hợp tĩnh)
      • Dictionary (từ điển)
    • Xử lý ngoại lệ & Làm việc với tập tin
      • Ngoại lệ và xử lý ngoại lệ
      • Đọc và ghi với tập tin
    • Các thư viện trong Python & Sử dụng thư viện NumPy
      • Các thư viện trong Python
      • Giới thiệu về NumPy
      • Khởi tạo mảng và chỉ số
      • Các phép toán trên mảng
      • Một số thao tác thông dụng
    • Sử dụng thư viện Pandas
      • Đặc điểm nổi bật của pandas
      • Cấu trúc dữ liệu trong pandas
      • Làm việc với series
      • Làm việc với dataframe
    • Bài 3. Sử dụng thư viện Học Máy Scikit-learn của Python
      • Giới thiệu thư viện học máy Scikit-learn
      • Các thuật toán học máy trong Scikit-learn
      • Case Study: dự báo sử dụng hồi quy tuyến tính trong Scikit-learn
      • Mini Projects thực hành sử dụng thư viện Scikit-learn
    • Bài 4. Kỹ thuật học có giám sát – Supervised Learning
      • Giới thiệu về các kiểu học máy
      • Giới thiệu về học có giám sát
      • Các kiểu học có giám sát
      • Các ứng dụng của học có giám sát
    • Bài 5. Thuật toán hồi quy tuyến tính – Linear Regression
      • Giới thiệu thuật toán hồi quy tuyến tính
      • Cơ sở toán học của hồi quy tuyến tính
      • Case study sử dụng thuật toán hồi quy tuyến tính
      • Mini projects thực hành sử dụng thuật toán hồi quy tuyến tính
    • Bài 6. Thuật toán Hồi quy Logistic – Logistic Regression
      • Giới thiệu về thuật toán Hồi qui Logistic
      • Cơ sở toán học của Hồi qui Logistic
      • Sự khác nhau giữa Linear Regression và Logistic Regression
      • Ứng dụng của thuật toán Logistic Regression
      • Case study dự đoán kết quả nộp hồ sơ cao học sử dụng Logistic Regression
      • Mini projects thực hành sử dụng thuật toán Logistic Regression
    • Bài 7. Thuật toán Máy Vector hỗ trợ – Support Vector Machine
      • Giới thiệu về Máy Vector hỗ trợ
      • Cơ sở toán học của Máy Vector hỗ trợ
      • Ứng dụng của thuật toán Máy Vector hỗ trợ
      • Case study sử dụng thuật toán Máy Vector hỗ trợ để dự đoán trái cây thuộc loại táo hay cam.
      • Mini projects thực hành sử dụng thuật toán Máy vector hỗ trợ
    • Bài 8. Thuật toán học cây quyết định – Decision Tree
      • Giới thiệu thuật toán học cây quyết định
      • Ưu điểm của thuật toán học cây quyết định
      • Nhượt điểm của thuật toán học ây quyết định
      • Cở sở toán học của thuật toán học cây quyết định
      • Case study sử dụng thuật toán học cây quyết định để dự đoán loại thuốc nên sử dụng cho bệnh nhân
      • Mini projects thực hành sử dụng thuật toán học cây quyết định
    • Bài 9. Thuật toán Rừng Ngẫu Nhiên – Random Forest
      • Random Forest là gì?
      • Tại sao cần dùng Random Forest?
      • Ứng dụng của Random Forest
      • So sánh giữa Random Forest và Decision Tree
      • So sánh giữa Random Forest và Regression
      • Case study: sử dụng Random Forest để dự đoán chủng loại của hoa
      • Mini projects thực hành sử dụng thuật toán Random Forest
    • Bài 10. Thuật toán K láng giềng gần nhất – K Nearest Neighbor (KNN)
      • Tại sao cần dùng KNN?
      • KNN là gì?
      • Lựa chọn K như thế nào?
      • Khi nào nên sử dụng KNN?
      • KNN hoạt động như thế nào?
      • Case study: sử dụng KNN để dự đoán bệnh tiểu đường
      • Mini projects thực hành sử dụng thuật toán KNN
    • Bài 11. Kỹ thuật học không giám sát – Unsupervised Learning
      • Giới thiệu về học không giám sát
      • Các kiểu học không giám sát
      • Ứng dụng của học không giám sát
    • Bài 12. Thuật toán gom cụm K means – K means Clustering
      • Giới thiệu về bài toán gom cụm
      • Các bước của thuật toán K-means
      • Case study: ứng dụng thuật toán K-means để gom cụm khách hàng
      • Mini project thực hành sử dụng thuật toán K-means
    • Bài 13. Thuật toán khai phát luật kết hợp Apriori – Apriori Algorithm
      • Giới thiệu về bài toán khai phá luật kết hợp
      • Các bước của thuật toán khai phá luật kết hợp Apriori
      • Case study: ứng dụng thuật toán Apriori để tìm kiếm luật kết hợp từ các giao dịch của một cửa hàng
      • Mini projects thực hành sử dụng thuật toán Apriori
    • Bài 14. Hướng dẫn làm cuối khóa
    • Bài 15. Trình bày đồ án cuối khóa
BẠN MUỐN ĐĂNG KÝ HỌC?

(Vui lòng liên hệ số hotline 0903.808.293 nếu bạn cần được tư vấn thêm)