Khóa học Combo Python cơ bản + Python for Machine Learning, Data Science and Data Visualization
Khóa học Data Science Online
Khóa học Lập trình R cho Khoa học dữ liệu
Khóa học Data Science for Marketing Certificate

Deep Learning with Python

  • Khóa học cung cấp cho học viên các kiến thức cần thiết về Deep Learning, một nhánh rất “hot” của Machine Learning.
  • Trang bị kiến thức 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 - nhận diện vật thể; thông qua việc sử dụng các bộ thư viện, công cụ mạnh mẽ, mã nguồn mở như Python, Numpy, Pandas, Matplotlib, sklearn, TensorFlow, Keras…
  • Thực hiện các project cụ thể trong bối cảnh giải quyết các vấn đề Deep Learning hấp dẫn
  • Là khóa học thứ năm trong chương trình “Machine Learning Certificate” 
 
  • HV đã tham gia khóa “Machine Learning with Python” hoặc có kiến thức tương đương
  • HV muốn áp dụng Machine Learning vào công việc
  • HV có định hướng sẽ làm việc trong lĩnh vực Machine Learning với Python

 

Sau khi hoàn thành khóa học, học viên sẽ đạt được các kỹ năng:
  • Lựa chọn, áp dụng và triển khai các thuật toán Deep Learning một cách thích hợp dựa trên yêu cầu công việc.
  • Hiểu và vận dụng các thuật toán Deep Learning trong việc giải quyết các vấn đề thực tế, cụ thể

 

  • Tổng số giờ: 64 tiết (5 tuần)
  • Học phí: 5.800.000đ (có chế độ miễn giảm của mỗi khóa, xem chi tiết trong Thời Khóa Biểu)
  • 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

Học viên thi đạt kết quả cuối môn học sẽ được cấp chứng nhận "Deep Learning with Python" do Trung Tâm Tin Học - Trường ĐH Khoa Học Tự Nhiên cấp.

LỊCH KHAI GIẢNG Xem thêm
CÁC MÔN HỌC LIÊN QUAN
CHƯƠNG TRÌNH ĐÀO TẠO