DeepViet 2026

AI Cơ Bản

Khóa học nền tảng toàn diện trong 6 tháng, trang bị kiến thức từ Toán học, lập trình Python, đến Machine Learning, Deep Learning, Computer Vision, NLP và kỹ năng triển khai mô hình.

Mục tiêu khóa học

Xây dựng nền tảng Toán học vững chắc cho AI (Đại số tuyến tính, Giải tích).
Làm chủ ngôn ngữ Python, Machine Learning truyền thống và các kỹ thuật Deep Learning cốt lõi.
Ứng dụng Thị giác máy tính (Computer Vision), Xử lý ngôn ngữ tự nhiên (NLP) và đặc biệt là Mô hình ngôn ngữ lớn (LLMs).
Phát triển kỹ năng thực chiến thông qua các tiểu dự án (mini-projects) và triển khai mô hình AI thực tế.

Ai phù hợp với khóa học này?

Chương trình được thiết kế đặc biệt để cá nhân hóa lộ trình cho từng nhóm đối tượng, kết hợp giữa lý thuyết hàn lâm và kỹ năng thực chiến.

Sinh viên Khối kỹ thuật (IT/Non-IT)

Mong muốn bước chân vào ngành AI nhưng chưa có lộ trình bài bản, cần học từ gốc rễ Toán học và Python.

Lập trình viên muốn chuyển ngành

Muốn chuyển hướng trở thành Kỹ sư Trí tuệ Nhân tạo (AI/ML Engineer) chuyên nghiệp.

Nhà nghiên cứu / Phân tích dữ liệu

Cần những công cụ mạnh mẽ như Học sâu (Deep Learning), Xử lý ảnh và NLP để phân tích dữ liệu phức tạp.

Đội ngũ giảng viên

TS. Nguyễn Văn Hiển

Phó Giáo Sư ĐH Houston

MSc. Phương Hoàng

Founder Graphicsminer

Thông tin tổ chức

Thời lượng6 Tháng

Trình độCơ Bản

Học phí6.500.000đ

Lộ trình & Lịch học

Lưu ý: Lịch trình có thể thay đổi tùy theo tình hình thực tế

Cam kết kỷ luật học thuật

Tham gia tối thiểu 85% thời lượng khóa học, hoàn thành 4/5 bài tập lập trình & Đồ án cuối khóa (Final Project). Học phí 6.500.000đ của khóa học này sẽ được hoàn trả 100% khi bạn đạt những tiêu chí khắt khe nói trên.

TUẦN	NỘI DUNG	THỰC HÀNH
Tuần 1-3 (01/10/2026 - 21/10/2026)	●Phần 1: Nền Tảng Học Máy (Foundations of Machine Learning) ●Tổng Quan Về AI & ML: AI là gì? Phân biệt Học có giám sát & Học không giám sát ●Cài đặt và thiết lập môi trường: Python & Jupyter Notebooks	📝Mini-Project: Phân tích các bài toán AI trong thực tế (Case study)
Tuần 4-6 (22/10/2026 - 11/11/2026)	●Lập Trình Python Cho ML: Thư viện NumPy, Pandas, Matplotlib, Scikit-learn ●Tiền xử lý dữ liệu (Data Preprocessing), chuẩn hóa tính năng (Feature Scaling) ●Toán Học Ứng Dụng: Đại số tuyến tính, Xác suất Thống kê, Thuật toán Gradient Descent	📝Mini-Project: Phân tích dữ liệu thăm dò (Exploratory Data Analysis) 📝Mini-Project: Tự lập trình thuật toán Hồi quy tuyến tính từ con số 0
Tuần 7-9 (12/11/2026 - 02/12/2026)	●Học Có Giám Sát (Supervised Learning): Hồi quy tuyến tính (Linear Regression), Hồi quy Logistic ●Đánh giá mô hình (Model Evaluation) & Kỹ thuật điều chuẩn (Regularization: Ridge, Lasso) ●Thuật toán Cây Quyết Định (Decision Trees), Rừng ngẫu nhiên (Random Forests), Máy học vector hỗ trợ (SVM)	📝Project: Xây dựng mô hình Dự báo giá nhà (Predicting Housing Prices) 📝Project: Phát hiện gian lận (Fraud Detection) bằng Rừng ngẫu nhiên
Tuần 10-12 (03/12/2026 - 23/12/2026)	●Các thuật toán Boosting: Gradient Boosting, XGBoost, AdaBoost ●Tinh chỉnh siêu tham số (Hyperparameter Tuning): Grid Search & Random Search ●Học Không Giám Sát (Unsupervised Learning): Phân cụm K-Means, Phân tích thành phần chính (PCA)	📝Project: Phân nhóm tệp khách hàng (Customer Segmentation) bằng K-Means
Tuần 13-16 (24/12/2026 - 20/01/2027)	●Phần 2: Học Sâu & Ứng Dụng Thực Tế (Deep Learning & Real-World Applications) ●Mạng Nơ-ron Nhân tạo (ANN): Kiến trúc, Lan truyền xuôi & Lan truyền ngược (Forward & Backpropagation) ●Xử Lý Ảnh Bằng Mạng Tích Chập (CNNs): Các lớp Pooling, Strides, Học chuyển giao (Transfer Learning)	📝Project: Xây dựng Mạng Nơ-ron từ con số 0 📝Project: Xây dựng mô hình Phân loại hình ảnh Chó/Mèo (Image Classifier)
Tuần 17-20 (21/01/2027 - 17/02/2027)	●Phát Hiện & Phân Vùng Đối Tượng: Cấu trúc YOLO, Faster R-CNN, U-Net, Mask R-CNN ●Dữ Liệu Chuỗi Thời Gian & RNNs: Mạng bộ nhớ ngắn-dài (LSTM), Mạng nơ-ron hồi quy có cổng (GRU) ●Ứng dụng trong nhận dạng giọng nói, dự báo dữ liệu chứng khoán	📝Project: Ứng dụng mô hình YOLOv8 để Phát hiện đối tượng (Object Detection) 📝Project: Dự báo chuỗi thời gian bằng mạng LSTM
Tuần 21-24 (18/02/2027 - 17/03/2027)	●Kiến Trúc Transformer & LLMs: Cơ chế tự chú ý (Self-Attention Mechanism) ●Khám phá kiến trúc lõi của BERT, GPT, và Mô hình Đa phương thức (Vision-Language Models) ●Triển Khai Mô Hình (Model Deployment Basics) tích hợp API bằng Flask/FastAPI	📝Project: Tinh chỉnh mô hình (Fine-tune) GPT-3.5 hoặc BERT cho bài toán cụ thể 📝Final Project: Đóng gói và triển khai một ứng dụng AI lên môi trường thực tế