Khóa học 6 tháng cơ bản, bao gồm AI/ML, học sâu, thị giác máy tính, NLP và triển khai thực tế.
Thông Tin Đăng Ký
✅ Hạn Cuối Cùng: 01/04/2025
Tháng 1-3: Foundations of Machine Learning (Nền Tảng Học máy)
✅ Goal (Mục tiêu): Build strong fundamentals in math, Python, and classical ML models
✅ Hands-on Focus (Thực hành): Start coding mini-projects from Tuần 2
📖 Tuần 1: Introduction to AI & Machine Learning (Giới thiệu về AI & Học máy)
- What is AI? How does it work in the real world? (AI là gì? Cách AI hoạt động trong thực tế?)
- Supervised vs. Unsupervised Learning (Học có giám sát & không giám sát)
- Key ML applications (Ứng dụng AI thực tế: ô tô tự lái, y tế, tài chính...)
- Setting up Python & Jupyter Notebooks (Cài đặt Python & Jupyter)
📝 Mini-Project (Bài tập nhỏ): AI in Action – Case study on real-world AI applications
🐍 Tuần 2: Python for Machine Learning (Python cho Học máy)
- Python basics for AI: NumPy, Pandas, Matplotlib, Scikit-learn
- Working with datasets (CSV, JSON, APIs) (Xử lý dữ liệu)
- Data preprocessing, missing values, feature scaling (Tiền xử lý dữ liệu)
📝 Mini-Project: Exploratory Data Analysis on a real dataset (Phân tích dữ liệu thực tế)
🔢 Tuần 3-4: Mathematics for Machine Learning (Toán học cho Học máy)
- Linear Algebra (Đại số tuyến tính)
- Probability & Statistics (Xác suất & Thống kê)
- Gradient Descent & Optimization (Tối ưu hóa bằng Gradient Descent)
📝 Mini-Project: Implement Linear Regression from scratch (Tự xây dựng Hồi quy tuyến tính)
📈 Tuần 5-6: Supervised Learning – Regression & Classification (Học có giám sát: Hồi quy & Phân loại)
- Linear Regression, Logistic Regression (Hồi quy tuyến tính & hồi quy logistic)
- Model Evaluation (Đánh giá mô hình)
- Regularization: Ridge & Lasso (Chuẩn hóa mô hình)
📝 Project: Predicting Housing Prices using Regression (Dự đoán giá nhà)
🌳 Tuần 7-8: Decision Trees, SVM, and Boosting (Cây quyết định, SVM, Boosting)
- Decision Trees & Random Forests (Cây quyết định & Rừng ngẫu nhiên)
- Support Vector Machines (SVM) (Máy véc tơ hỗ trợ)
- Gradient Boosting, XGBoost, AdaBoost (Thuật toán Boosting)
- Hyperparameter Tuning: Grid Search & Random Search (Điều chỉnh tham số mô hình)
📝 Project: Fraud Detection using Random Forest (Nhận diện gian lận)
🔍 Tuần 9-10: Unsupervised Learning & Clustering (Học không giám sát & Phân cụm)
- K-Means Clustering, DBSCAN (Thuật toán phân cụm)
- Principal Component Analysis (PCA) (Phân tích thành phần chính)
- Anomaly Detection (Phát hiện bất thường)
📝 Project: Customer Segmentation using K-Means (Phân cụm khách hàng)
Tháng 4-6: Deep Learning & Real-World Applications (Học sâu & Ứng dụng thực tế)
🧠 Tuần 11-12: Neural Networks & Deep Learning Fundamentals (Mạng nơ-ron & Học sâu)
- Artificial Neural Networks (ANN) (Mạng nơ-ron nhân tạo)
- Forward & Backpropagation (Lan truyền tiến & lan truyền ngược)
- Hyperparameter Tuning for Neural Networks (Điều chỉnh tham số mạng nơ-ron)
📝 Project: Build a Neural Network from scratch (Tự xây dựng mạng nơ-ron)
🖼️ Tuần 13-14: Convolutional Neural Networks (CNNs) & Image Processing (Mạng CNN & Xử lý ảnh)
- CNN architecture, Pooling, Strides (Kiến trúc CNN)
- Image Classification (Phân loại ảnh)
- Transfer Learning (Học chuyển giao)
📝 Project: Dog vs. Cat Image Classifier (Phân loại chó mèo bằng CNN)
🎯 Tuần 15-16: Object Detection & Image Segmentation (Nhận diện & Phân đoạn ảnh)
- Object Detection: YOLO, Faster R-CNN (Nhận diện vật thể)
- Object Segmentation: U-Net, Mask R-CNN (Phân đoạn ảnh)
📝 Project: Object Detection using YOLOv8 (Nhận diện vật thể với YOLO)
🔄 Tuần 17-18: Recurrent Neural Networks (RNNs) & Time Series (Mạng RNN & Dự báo chuỗi thời gian)
- Sequence Modeling with RNNs, LSTMs, GRUs (Mô hình chuỗi thời gian với RNN, LSTM, GRU)
- Applications in speech recognition, stock price forecasting (Ứng dụng thực tế)
📝 Project: Time Series Forecasting with LSTMs (Dự báo chuỗi thời gian)
🔥Tuần 19-21: Transformers & Large Language Models (Mô hình Transformer & Ngôn ngữ lớn)
- Attention Mechanism & Self-Attention (Cơ chế chú ý & tự chú ý)
- BERT, GPT, and Large Vision-Language Models (BERT, GPT & các mô hình ngôn ngữ lớn)
📝 Project: Fine-tune GPT-3.5 or BERT (Tùy chỉnh GPT-3.5 hoặc BERT)
🤖 Tuần 22-24: Real-World AI Case Studies, Deployment & Applications (Ứng dụng AI thực tế & Triển khai mô hình)
- AI in Finance, Healthcare, Retail (Ứng dụng AI trong tài chính, y tế, bán lẻ)
- Model Deployment Basics (Triển khai mô hình AI với Flask/FastAPI)
📝 Final Project: Deploy a Real-World AI Model (Triển khai mô hình AI thực tế)
Time Commitment (Thời gian học)
📅 6-Tháng duration (6 tháng học)
⏳ 15 hours/week (10-15 giờ/tuần, bao gồm 5 giờ học và 10 giờ làm project)