Mô hình máy học và học sâu nâng cao - DevUP

Trang chủ » Khoá học » Mô hình máy học và học sâu nâng cao

Nội dung Khoá học

Chương 1: Thị giác máy tính (Computer Vision)

Code thực hành: Phân loại hình ảnh (Image Classification) trong máy học

Code thực hành: Phân vùng ảnh – Image Segmentation

Code thực hành: Phát hiện đối tượng (Object Detection)

Code thực hành: Tăng cường dữ liệu trong thị giác máy tính

Code thực hành: Truy xuất ảnh theo nội dung

Code thực hành: Thuật toán đề xuất thường dùng

Code thực hành: Thực hành Thuật toán Matrix Factorization và ứng dụng

Code thực hành: Thực hành Mô hình ranking trong hệ thống đề xuất

Code thực hành: Phân loại hình ảnh (Image Classification) trong máy học

Code thực hành: Phân loại hình ảnh (Image Classification) trong học sâu

Code thực hành: Phân vùng ảnh (Image Segmentation)

Code thực hành: Phát hiện đối tượng (Object Detection)

Code thực hành: Tăng cường dữ liệu trong thị giác máy tính

Code thực hành: Truy xuất ảnh theo nội dung

Code thực hành: Thuật toán đề xuất thường dùng

Chương 2: Máy học trong Ngôn ngữ tự nhiên (NLP)

Code thực hành: Thuật toán Matrix Factorization và ứng dụng

Code thực hành: Mô hình ranking trong hệ thống đề xuất

Code thực hành: Sử dụng mô hình học sâu trong hệ thống đề xuất

Code thực hành: Phương pháp đánh giá hiệu quả của hệ thống đề xuất

Code thực hành: Cấu trúc Deep Convolutional GANs

Code thực hành: Loss function trong bài toán GAN

Code thực hành: Conditional GAN & Controllable Generation

Code thực hành: Phương pháp đánh giá mô hình GANs

Code thực hành: Huấn luyện mô hình Autoencoder

Code thực hành: Mô hình Variational Autoencoders

Code thực hành: Convolutional Autoencoders

Code thực hành: Denoising Autoencoders

Code thực hành: Các khái niệm trong học sâu và mạng truyền thẳng

Code thực hành: Tối ưu (Optimization)

Code thực hành: Hàm kích hoạt (Activation)

Code thực hành: Các kỹ thuật giảm overfitting trong học sâu

1.1: Giới thiệu thị giác máy tính (Computer Vision) Học trải nghiệm

Quiz: Giới thiệu thị giác máy tính (Computer Vision)

1.2: Phân loại hình ảnh (Image Classification) trong máy học

1.3: Thực hành phân loại hình ảnh (Image Classification) trong máy học

Quiz: Phân loại hình ảnh (Image Classification) trong máy học

1.4: Phân loại hình ảnh (Image Classification) trong học sâu

Chương 3: Hệ thống đề xuất (Recommender System)

1.5: Thực hành Phân loại hình ảnh (Image Classification) trong học sâu

Quiz: Phân loại hình ảnh (Image Classification) trong học sâu

1.6: Phân vùng ảnh (Image Segmentation)

1.7: Thực hành phân vùng ảnh (Image Segmentation)

Quiz: Phân vùng ảnh (Image Segmentation)

1.8: Phát hiện đối tượng (Object Detection)

1.9: Thực hành Phát hiện đối tượng (Object Detection)

Quiz: Phát hiện đối tượng (Object Detection)

1.10: Tăng cường dữ liệu trong thị giác máy tính

1.11: Thực hành Tăng cường dữ liệu trong thị giác máy tính

Quiz: Tăng cường dữ liệu trong thị giác máy tính

1.12: Truy xuất ảnh theo nội dung

1.13: Thực hành Truy xuất ảnh theo nội dung

Quiz: Truy xuất ảnh theo nội dung

2.1: Giới thiệu về máy học trong xử lý ngôn ngữ tự nhiên (NLP)

Quiz: Giới thiệu về máy học trong xử lý ngôn ngữ tự nhiên (NLP)

2.2: Phân loại văn bản trong xử lý ngôn ngữ tự nhiên

Chương 4: Các mô hình máy học dựa trên GANs

2.3: Thực hành phân loại văn bản trong xử lý ngôn ngữ tự nhiên

Quiz: Phân loại văn bản trong xử lý ngôn ngữ tự nhiên

2.4: Nhận dạng thực thể trong xử lý ngôn ngữ tự nhiên

2.5: Thực hành Nhận dạng thực thể trong xử lý ngôn ngữ tự nhiên

Quiz: Nhận dạng thực thể trong xử lý ngôn ngữ tự nhiên

2.6: Truy xuất thông tin trong xử lý ngôn ngữ tự nhiên

2.7: Thực hành truy xuất thông tin trong xử lý ngôn ngữ tự nhiên

Quiz: Truy xuất thông tin trong xử lý ngôn ngữ tự nhiên

2.8: Tóm tắt văn bản trong xử lý ngôn ngữ tự nhiên

2.9: Thực hành Tóm tắt văn bản trong xử lý ngôn ngữ tự nhiên

Quiz: Tóm tắt văn bản trong xử lý ngôn ngữ tự nhiên

2.10: Dịch ngôn ngữ trong xử lý ngôn ngữ tự nhiên

2.11: Thực hành Dịch ngôn ngữ trong xử lý ngôn ngữ tự nhiên

Quiz: Dịch ngôn ngữ trong xử lý ngôn ngữ tự nhiên

2.12: Sinh văn bản tự động trong xử lý ngôn ngữ tự nhiên

2.13: Thực hành Sinh văn bản tự động trong xử lý ngôn ngữ tự nhiên

Quiz: Sinh văn bản tự động trong xử lý ngôn ngữ tự nhiên

2.14: Tăng cường dữ liệu trong xử lý ngôn ngữ tự nhiên

Chương 5: Các mô hình máy học dựa trên AutoEncoders

2.15: Thực hành tăng cường dữ liệu trong xử lý ngôn ngữ tự nhiên

Quiz: Tăng cường dữ liệu trong xử lý ngôn ngữ tự nhiên

3.1: Tổng quan về hệ thống đề xuất

Quiz: Tổng quan về hệ thống đề xuất

3.2: Thuật toán đề xuất thường dùng

3.3: Thực hành Thuật toán đề xuất thường dùng

Quiz: Thuật toán đề xuất thường dùng

3.4: Thuật toán Matrix Factorization và ứng dụng

3.5: Thực hành Thuật toán Matrix Factorization và ứng dụng

Quiz: Thuật toán Matrix Factorization và ứng dụng

3.6: Mô hình ranking trong hệ thống đề xuất

3.7: Thực hành Mô hình ranking trong hệ thống đề xuất

Quiz: Mô hình ranking trong hệ thống đề xuất

3.8: Sử dụng mô hình học sâu trong hệ thống đề xuất

Chương 6: Nền tảng về học sâu

3.9: Thực hành Sử dụng mô hình học sâu trong hệ thống đề xuất

Quiz: Sử dụng mô hình học sâu trong hệ thống đề xuất

3.10: Phương pháp đánh giá hiệu quả của hệ thống đề xuất

3.11: Thực hành Phương pháp đánh giá hiệu quả của hệ thống đề xuất

Quiz: Phương pháp đánh giá hiệu quả của hệ thống đề xuất

4.1: Tổng quan về mạng đối nghịch tạo sinh (Generative Adversarial Networks)

Quiz: Tổng quan về mạng đối nghịch tạo sinh (Generative Adversarial Networks)

4.2: Cấu trúc Deep Convolutional GANs

4.3: Thực hành Cấu trúc Deep Convolutional GANs

Quiz: Cấu trúc Deep Convolutional GANs

4.4: Loss function trong bài toán GAN

4.5: Thực hành Loss function trong bài toán GAN

Quiz: Loss function trong bài toán GAN

4.6: Conditional GAN & Controllable Generation

4.7: Thực hành Conditional GAN & Controllable Generation

Quiz: Conditional GAN & Controllable Generation

4.8: Phương pháp đánh giá mô hình GANs

4.9: Thực hành Phương pháp đánh giá mô hình GANs

Quiz: Phương pháp đánh giá mô hình GANs

4.10: Những vấn đề thường gặp của mô hình GAN

4.11: Thực hành Những vấn đề thường gặp của mô hình GAN

Quiz: Những vấn đề thường gặp của mô hình GAN

5.1: Giới thiệu bộ tự mã hóa Autoencoder (AE)

Quiz: Giới thiệu bộ tự mã hóa Autoencoder (AE)

5.2: Huấn luyện mô hình Autoencoder

5.3: Thực hành Huấn luyện mô hình Autoencoder

Quiz: Huấn luyện mô hình Autoencoder

5.4: Mô hình Variational Autoencoders

5.5: Thực hành Mô hình Variational Autoencoders

Quiz: Mô hình Variational Autoencoders

5.6: Convolutional Autoencoders

5.7: Thực hành Convolutional Autoencoders

Quiz: Convolutional Autoencoders

5.8: Denoising Autoencoders

5.9: Thực hành Denoising Autoencoders

Quiz: Denoising Autoencoders

6.1: Các khái niệm trong học sâu và mạng truyền thẳng

6.2: Thực hành Các khái niệm trong học sâu và mạng truyền thẳng

Quiz: Các khái niệm trong học sâu và mạng truyền thẳng

6.3: Tối ưu (Optimization)

6.4: Thực hành Tối ưu (Optimization)

Quiz: Tối ưu (Optimization)

6.5: Hàm kích hoạt (Activation)

6.6: Thực hành Hàm kích hoạt (Activation)

Quiz: Hàm kích hoạt (Activation)

6.7: Các kỹ thuật giảm overfitting trong học sâu

6.8: Thực hành Các kỹ thuật giảm overfitting trong học sâu

Code thực hành: Phân loại hình ảnh (Image Classification) trong học sâu

6.9: Yếu tố đạo đức và sự công bằng trong Machine Learning

Quiz: Yếu tố đạo đức và sự công bằng trong Machine Learning