Deep Learning with Python

• 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)
• Ưu đãi đặc biệt: Tặng 50% học phí dành cho học viên đã đóng trọn gói chương trình Data Science Certificate, để áp dụng ưu đãi học viên liên hệ Hotline 0914 024 357 để được hỗ trợ

• 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.