Khóa học Deep Learning với Python
Lịch khai giảng lập trình và CSDL
Tổng khai giảng khóa học Lập trình và CSDL
Khóa học lập trình viên Python
Khóa học lập trình web

Machine Learning Certificate

  • Machine Learning (Máy học) là một lĩnh vực đang rất “hot” thuộc Artificial Intelligence (Trí Tuệ Nhân Tạo). Machine Learning có thể giúp con người tối ưu hoá nhiều công việc, có ảnh hưởng đến đa số ngành nghề và doanh nghiệp, hứa hẹn sẽ sớm trở thành công nghệ được ứng dụng rất mạnh trong tương lai gần. Nhu cầu tuyển dụng các vị trí liên quan đến Machine Learning như AI/Machine Learning Engineer, Research Engineer, Data Engineer… luôn sôi động và có rất nhiều chính sách hấp dẫn để thu hút ứng viên.
  • Chương trình được thiết kế bao gồm 6 khóa học cung cấp cho học viên (HV) các kiến thức và kỹ năng để sẵn sàng cho công việc với các chủ đề như: Fundamentals of Python; Python for Machine Learning, Data Science and Data Visualization; Mathematics and Statistics for Data Science; Machine Learning with Python; Deep Learning with Python; Big Data in Machine Learning.
  • Chương trình chú trọng tính ứng dụng của các thuật toán, mô hình Machine Learning với nhiều minh họa dễ hiểu, dễ áp dụng trong thực tế.
  • Học viên sẽ được thực hành và trải nghiệm trên các dự án Machine Learning thực tế giúp HV tự tin để sẵn sàng trước các cơ hội nghề nghiệp thú vị, hấp dẫn trong lĩnh vực AI/ Machine Learning.
  • Giúp HV có được kiến thức - kỹ năng cần thiết để dễ dàng học nâng cao các khóa học online và nhận được những chứng chỉ cũng như huy hiệu công nhận trình độ về Machine Learning có giá trị quốc tế.
  • Tự tin ứng tuyển vào các vị trí liên quan đến AI/Machine Learning khác nhau của các doanh nghiệp, công ty trong và ngoài nước. 
 
  • Sinh viên Đại học, Cao Đẳng từ năm 3 trở lên hoặc bất kỳ ai quan tâm đến việc phát triển các kỹ năng và kinh nghiệm để theo đuổi sự nghiệp trong lĩnh vực Machine Learning.
  • Điều kiện cần khi tham gia khóa học: HV có kiến thức tin học văn phòng và sử dụng Internet
  • Chú ý: HV tự trang bị kiến thức về Domain Knowledge (lĩnh vực mà HV sẽ vận dụng Machine Learning vào công việc)
 
Sau khi hoàn thành khóa học, học viên sẽ đạt được các kỹ năng:
  • Sử dụng thành thạo ngôn ngữ lập trình Python các tools, libraries, framework phục vụ cho Machine Learning
  • Hiểu và vận dụng được các bước trong quy trình triển khai dự án Machine Learning
  • Có kỹ năng quan sát, phân tích và trình bày dữ liệu dưới dạng có ý nghĩa giúp cho việc đưa ra quyết định hiệu quả hơn
  • Nắm được các kiến thức thức cần thiết về toán, xác suất thống kê dành cho Machine Learning
  • Có kỹ năng thu thập dữ liệu, khám phá, phân tích, thống kê tạo ra các báo cáo
  • Biết cách vận dụng các thư viện toán, xác suất thống kê của Python để giải quyết các vấn đề Machine Learning
  • Hiểu và áp dụng hiệu quả các thuật toán, framework và công nghệ Machine Learning khác nhau cho các vấn đề, yêu cầu khác nhau trong thực tế
  • Vận dụng và triển khai các thuật toán quan trọng thuộc nhóm Supervised Learning và Unsupervised Learning trong việc giải quyết các vấn đề thực tế như phân loại, dự đoán các xu thế, xu hướng, phân cụm dữ liệu, gợi ý đề xuất…
  • Nắm được các kiến thức cần thiết về Deep Learning và biết cách vận dụng các thuật toán Deep Learning trong việc giải quyết các vấn đề thực tế, cụ 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…
  • Hiểu và vận dụng các công nghệ trong Big Data, đặc biệt HV sẽ làm việc với Spark, Big Data Technology mới nhất
  • Trang bị các kiến thức và kỹ năng làm việc với PySpark (Python package tích hợp Spark dùng để thực hiện tính toán song song với các bộ dữ liệu lớn) như PySpark RDD’s, PySpark SQL & DataFrames, PySpark Mllib…
  • Biết cách làm việc trên Cloud (đám mây), Github
 
  • Thời gian: 8 – 9 tháng
  • Thời lượng: 248 giờ (học trực tiếp trên máy) và 50 giờ làm đồ án tốt nghiệp 
  • Học phí: đóng trọn khóa là 22.000.000đ (tổng học phí đóng từng phần là 28.700.000 đ) 
 
  • Course 1: Fundamentals of Python (Lập trình Python cơ bản)
    • Kiến thức nền tảng về Python – một ngôn ngữ lập trình cấp cao, thông dịch, hướng đối tượng và đa mục đích
    • Sử dụng các cấu trúc trong ngôn ngữ lập trình Python để xây dựng ứng dụng
    • Nắm vững và sử dụng các kiểu dữ liệu, toán tử, cấu trúc điều khiển, cấu trúc lặp để giải quyết các bài toán
    • Sử dụng các thư viện Number, String, Date & Time để xử lý số, chuỗi và thời gian
    • Làm việc với List, Tuple và Dictionary để lưu trữ và xử lý danh sách các phần tử.
    • Tạo và sử dụng các phương thức, module/package giúp tái sử dụng code
    • Làm việc với tập tin và thư mục với File I/O
    • Rèn luyện và phát triển kỹ năng lập trình, tư duy logic.
    • Xây dựng nền tảng cơ bản vững chắc trong ngôn ngữ lập trình Python tạo tiền đề cho việc học các kiến thức lập trình
  • Course 2: Python For Machine Learning, Data Science and Data Visualization (Python cho Máy học, Khoa học dữ liệu và Trực quan hóa dữ liệu)
    • Kiến thức tổng quát về Data Science, một trong những chuyên ngành “hot” của thế kỷ 21.
    • Cách thu thập dữ liệu, khám phá, phân tích, thống kê tạo ra các báo cáo thông qua việc sử dụng các bộ thư viện, công cụ mạnh mẽ, mã nguồn mở như Python, Jupyter Notebooks, Numpy, Pandas …
    • Cách trích xuất và trình bày dữ liệu dưới dạng có ý nghĩa thông qua nhiều kỹ thuật trình bày dữ liệu một cách trực quan trong Python như Matplotlib, Seaborn và Folium.
    • Tìm hiểu các công cụ trực quan hóa dữ liệu khác như Google Chart, IBM Watson Analytics.
    • Vận dụng cách tìm dữ liệu, xây dựng câu hỏi nghiên cứu, sử dụng các công cụ và kỹ thuật tìm ra câu trả lời và đưa ra quyết định hiệu quả hơn
    • Thực hiện phân tích thống kê cơ bản
    • Thực hiện các project cụ thể trong bối cảnh giải quyết các vấn đề khoa học dữ liệu hấp dẫn
  • Course 3: Mathematics and Statistics for Data Science (Toán và Thống Kê cho Khoa học dữ liệu)
    • Các kiến thức cần thiết về toán dành cho Data Science như Đại số tuyến tính (Linear Algebra), Giải tính (Calculus), Phương trình vector ma trận (Matrix-Vector Equations), Eigenvalues và Eigenvectors, Phân tích thành phần chính (Principal Component Analysis - PCA)
    • Các kiến thức cần thiết xác suất thống kê dành cho Data Science như Thống kê mô tả (Descriptive Statistics), Xác suất (Probability), Thống kê suy luận (Inferential Statistics), Ước lượng (Estimation), Tương quan (Correlation)
    • Vận dụng các thư viện toán, xác suất thống kê của Python để giải quyết các vấn đề về khoa học dữ liệu.
    • Thực hiện phân tích thống kê, đưa ra nhận xét trên những bộ dữ liệu thực tế
  • Course 4: Machine Learning with Python (Máy học với Python)
    • Kiến thức nền tảng, cần thiết về Machine Learning, một nhánh rất “hot” của Trí tuệ nhân tạo (AI)
    • Sử dụng các bộ thư viện, công cụ mạnh mẽ, mã nguồn mở như Python, Jupyter Notebooks, Numpy, Pandas, Matplotlib, sklearn… dành cho Machine Learning
    • Kiến thức và kỹ năng vận dụng và triển khai các thuật toán quan trọng thuộc nhóm Supervised Learning như Logistic Regression, Linear Regression, Naïve Bayes, K-Nearest Neighbors (KNN), Decision Tree, Random Forest, Support Vector Machine (SVM), Boosting và AdaBoost với Python
    • Kiến thức và kỹ năng vận dụng và triển khai các thuật toán quan trọng thuộc nhóm Unsupervised Learning như K-Means clustering, Hierarchical Clustering, Apriori, Equivalence Class Clustering and bottom up Lattice Traversal (ECLAT), Expectation–maximization (EM), Gaussian Mixture Models (GMM), Dimensionality Reduction với Principal Component Analysis (PCA), Locally Linear Embedding (LLE) với Python
    • Vận dụng các thuật toán Machine Learning trong việc giải quyết các vấn đề thực tế, cụ thể
    • Xây dựng nền tảng vững chắc về Machine Learning với Python, tạo tiền đề cho việc tìm hiểu kiến thức về Deep Learning.
  • Course 5: Deep Learning with Python
    • Các kiến thức cần thiết về Deep Learning, một nhánh của Machine Learning.
    • Kiến thức và kỹ năng vận dụng các thuật toán quan trọng thuộc nhóm Supervised Learning (Artificial Neural Network (ANN) – mạng neuron nhân tạo, Convolutional Neural Network (CNN) – mạng neuron tích chập, Recurrent neural network (RNN) - mạng neuron hồi quy), Unsupervised Learning (Self-Organizing Map (SOM) – mạng tự tổ chức), AutoEncoder, Deep Learning và Computer Vision (Face detection – nhận diện khuôn mặt, Object detection - nhận diện vật thể, Pre-trained CNN model, Generative Adversarial Networks (GANs)) thông qua việc sử dụng các bộ thư viện, công cụ mạnh mẽ, mã nguồn mở như Python, Numpy, Pandas, Matplotlib, sklearn, TensorFlow, Keras…
    • Lựa chọn, áp dụng và triển khai các thuật toán trong nhóm Supervised Learning, Unsupervised Learning, Deep Learning và Computer Vision một cách thích hợp dựa trên các yêu cầu cụ thể.
    • Hiểu và vận dụng các thuật toán Deep Learning trong việc giải quyết các vấn đề thực tế.
  • Course 6: Big Data in Machine Learning (Dữ liệu lớn trong Máy học)
    • Các công nghệ trong Big Data: cách lưu trữ, quản lý, xử lý và phân tích dữ liệu lớn để mang lại các số liệu theo yêu cầu của hoạt động doanh nghiệp
    • Làm việc với Spark, Big Data Technology mới nhất
    • Trang bị các kiến thức và kỹ năng làm việc với PySpark (Python package tích hợp Spark dùng để thực hiện tính toán song song với các bộ dữ liệu lớn) như PySpark RDD’s, PySpark SQL & DataFrames, PySpark Mllib…
  • Capstone Project – Đồ án tốt nghiệp (50 giờ)

 

Học viên thi đạt kết quả cuối môn học sẽ được cấp chứng chỉ "Applied Machine Learning" do Trường ĐH Khoa Học Tự Nhiên TPHCM cấp.

LỊCH KHAI GIẢNG Xem thêm
Machine Learning Certificate - 248 giờ + 50 giờ đồ án
Học phí : 22.000.000 đ

Điều kiện cần khi tham gia khóa học: HV có kiến thức tin học văn phòng và sử dụng Internet

LớpThời gianNgày khai giảngĐịa điểm học 
ML00_249Liên hệ số Hotline 0914 024 357 để được tư vấn kỹ hơn về lịch học13/05/2019137E Nguyễn Chí Thanh Quận 5Đăng ký
CHƯƠNG TRÌNH ĐÀO TẠO