4
KHUYẾN MẠI HÔM NAY
Danh mục Menu

Chuyên gia kỹ thuật AI (AI Engineering)

  • 6 Học phần 0 Giảng viên
1.200.000 599.000
Học Thử Mua ngay
  • 100% đánh giá tích cực
  • 0 Học viên
  • 120 Bài học
  • 23 Câu hỏi
  • 62 Video
  • Truy cập không giới hạn

Kỹ năng được học

Giới thiệu Khóa học

Những gì bạn sẽ học

  • Mô tả học máy, học sâu, mạng nơ-ron và các thuật toán ML như phân loại, hồi quy, phân cụm và giảm chiều dữ liệu.
  • Triển khai các mô hình học máy có giám sát và không giám sát bằng cách sử dụng SciPy và ScikitLearn.
  • Triển khai các thuật toán và quy trình học máy trên Apache Spark.
  • Xây dựng các mô hình học sâu và mạng nơ-ron bằng cách sử dụng Keras, PyTorch và TensorFlow.

Khóa học Chuyên nghiệp - Chuỗi 6 khóa học

Trí tuệ nhân tạo (AI) đang cách mạng hóa toàn bộ các ngành công nghiệp, thay đổi cách các công ty trong nhiều lĩnh vực sử dụng dữ liệu để đưa ra quyết định. Để duy trì tính cạnh tranh, các tổ chức cần các kỹ sư AI có trình độ, những người sử dụng các phương pháp tiên tiến như thuật toán học máy và mạng nơ-ron học sâu để cung cấp thông tin có thể hành động dựa trên dữ liệu cho doanh nghiệp của họ. Chứng chỉ Chuyên nghiệp 6 khóa học này được thiết kế để trang bị cho bạn những công cụ cần thiết để thành công trong sự nghiệp của mình như một kỹ sư AI hoặc ML.

Bạn sẽ nắm vững các khái niệm cơ bản về học máy và học sâu, bao gồm học có giám sát và không giám sát, sử dụng các ngôn ngữ lập trình như Python. Bạn sẽ áp dụng các thư viện học máy và học sâu phổ biến như SciPy, ScikitLearn, Keras, PyTorch và TensorFlow vào các vấn đề trong ngành liên quan đến nhận diện đối tượng, thị giác máy tính, xử lý hình ảnh và video, phân tích văn bản, xử lý ngôn ngữ tự nhiên (NLP), hệ thống gợi ý và các loại phân loại khác.

Thông qua các dự án thực hành, bạn sẽ có được các kỹ năng khoa học dữ liệu thiết yếu, mở rộng các thuật toán học máy trên dữ liệu lớn bằng cách sử dụng Apache Spark. Bạn sẽ xây dựng, huấn luyện và triển khai các loại kiến trúc sâu khác nhau, bao gồm mạng nơ-ron tích chập, mạng nơ-ron tái phát và autoencoders.

Dự án Học tập Ứng dụng

Trong suốt chương trình, bạn sẽ xây dựng một danh mục dự án thể hiện sự nắm vững các chủ đề của khóa học. Các dự án thực hành sẽ mang lại cho bạn kiến thức làm việc thực tế về các thư viện Học máy và các khung Học sâu như SciPy, ScikitLearn, Keras, PyTorch và TensorFlow. Bạn cũng sẽ hoàn thành một Dự án Capstone chuyên sâu, nơi bạn sẽ áp dụng các kỹ năng AI và Mạng nơ-ron của mình vào một thách thức thực tế và thể hiện khả năng của bạn trong việc truyền đạt kết quả dự án.

Xem thêm

Khóa học này có 6 Học phần

Học máy với Python

Bài học: 39 | Câu hỏi: 8 | Video: 22

Những gì bạn sẽ học:

  • Mô tả các loại thuật toán Học máy khác nhau và khi nào nên sử dụng chúng
  • So sánh và đối chiếu các phương pháp phân loại tuyến tính bao gồm dự đoán đa lớp, máy vector hỗ trợ và hồi quy logistic
  • Viết mã Python thực hiện các kỹ thuật phân loại khác nhau bao gồm K-Nearest Neighbors (KNN), cây quyết định và cây hồi quy
  • Đánh giá kết quả từ hồi quy tuyến tính đơn giản, phi tuyến tính và hồi quy đa biến trên một tập dữ liệu bằng cách sử dụng các chỉ số đánh giá

Sau khi hoàn thành khóa học này, người học sẽ có thể:

  • Mô tả mạng nơ-ron là gì, mô hình học sâu là gì và sự khác biệt giữa chúng.
  • Thể hiện sự hiểu biết về các mô hình học sâu không giám sát như autoencoders và máy Boltzmann bị hạn chế.
  • Thể hiện sự hiểu biết về các mô hình học sâu có giám sát như mạng nơ-ron tích chập và mạng hồi quy.
  • Xây dựng các mô hình và mạng học sâu sử dụng thư viện Keras.

Những gì bạn sẽ học:

  • Hiểu và Tạo ra Embedding
  • Sử dụng Cơ sở dữ liệu Vector
  • Triển khai Các Giải pháp AI Nâng cao

Mạng lưới thần kinh sâu với PyTorch

Bài học: 0 | Câu hỏi: 0 | Video: 0

Những gì bạn sẽ học:

  • Thể hiện sự hiểu biết của bạn về các thuật toán học sâu và triển khai chúng bằng PyTorch.
  • Giải thích và áp dụng kiến thức về các Mạng nơ-ron sâu và các phương pháp học máy liên quan.
  • Mô tả cách sử dụng các thư viện Python như PyTorch cho các ứng dụng Học sâu.
  • Xây dựng các Mạng nơ-ron sâu sử dụng PyTorch.

Xây dựng mô hình học sâu với TensorFlow

Bài học: 0 | Câu hỏi: 0 | Video: 0

Những gì bạn sẽ học:

  • Giải thích các khái niệm cơ bản về TensorFlow như các chức năng chính, các phép toán và các pipeline thực thi.
  • Mô tả cách TensorFlow có thể được sử dụng trong khớp đường cong, hồi quy, phân loại và giảm thiểu các hàm lỗi.
  • Phân tích các loại Kiến trúc Sâu khác nhau, như Mạng Nơ-ron Tích chập (Convolutional Networks), Mạng Hồi quy (Recurrent Networks) và Autoencoders.
  • Áp dụng TensorFlow cho quá trình lan truyền ngược (backpropagation) để điều chỉnh trọng số và độ lệch trong quá trình huấn luyện Mạng Nơ-ron.

Dự án AI Capstone với Deep Learning

Bài học: 0 | Câu hỏi: 0 | Video: 0

Những gì bạn sẽ học:

  • Xây dựng một mô hình học sâu để giải quyết một vấn đề thực tế.
  • Thực hiện quá trình tạo một pipeline học sâu.
  • Áp dụng kiến thức về học sâu để cải thiện các mô hình sử dụng dữ liệu thực tế.
  • Thể hiện khả năng trình bày và giao tiếp các kết quả của các dự án học sâu.
Các khóa học khác

Phản hồi Học viên

1. Các khóa học từ Google, Meta, IBM và các trường đại học lớn

iSchools tự hào cung cấp các khóa học từ những tên tuổi uy tín như Google, Meta (Facebook), IBM và các trường đại học danh tiếng toàn cầu. Điều này đảm bảo người học tiếp cận kiến thức mới nhất và chất lượng cao từ các chuyên gia hàng đầu. Sự đa dạng và chuyên sâu của các khóa học tại iSchools giúp nâng cao kiến thức và phát triển kỹ năng thực tế, đáp ứng nhu cầu thị trường lao động.

Tìm hiểu thêm

2. Học tất cả với gói membership

iSchools nổi bật với gói membership, cho phép truy cập không giới hạn vào toàn bộ các khóa học với một khoản phí duy nhất. Điều này giúp tiết kiệm chi phí và mang lại sự linh hoạt tối đa, cho phép bạn học tập theo lịch trình cá nhân và phát triển bản thân trong nhiều lĩnh vực.

Tìm hiểu thêm

3. Cập nhật ít nhất 1 khóa học mới trong 1 - 3 tháng

iSchools cam kết cập nhật ít nhất 1 khóa học mới mỗi 1-3 tháng, đảm bảo nội dung học tập luôn mới mẻ và theo kịp xu hướng. Điều này giúp người học tiến bộ liên tục và bắt kịp sự phát triển nhanh chóng của công nghệ và các lĩnh vực khác.

Tìm hiểu thêm