AI Khái niệm

Lộ Trình Học AI

bởi NguyenIT vào 2024-11-07 22:04:38 | Cập nhật bởi NguyenIT vào 2024-11-21 13:47:13

Chia sẻ: Facebook | Twitter | Whatsapp | Linkedin Lượt truy cập: 27

---

NHỮNG KIẾN THỨC CẦN CÓ

1. Lập trình cơ bản.
2. Tích phân và đại số tuyến tính cơ bản.

THÁNG 1

• Ôn tập toán cao cấp:
• • Đại số tuyến tính (NumPy)
• • Giải tích (SymPY)
• • Xác suất
• • Các bài tập vận dụng

THÁNG 2

• Lập trình với ngôn ngữ Python:
• • Kiểu dữ liệu, biến
• • Cấu trúc dữ liệu
• • Rẽ nhánh
• • Lặp
• • Hàm
• • Xử lý file
• • Lớp đối tượng
• Công cụ lập trình online: Google Colab + VietAI-NBGrader

THÁNG 3

• Các thư viện hỗ trợ:
• • Tính toán ma trận: NumPy
• • Trực quan hoá dữ liệu: Matplotlib
• • Xử lý dữ liệu theo bảng: Pandas

THÁNG 4

• Giới thiệu Học máy
• Phương pháp Học có giám sát
• Bài toán Hồi quy
• Lựa chọn và xử lý thông tin
• Luyện tập:
• • Thực hành với mô hình Hồi quy Tuyến tính
• • Ví dụ thực tiễn với Scikit-learn

THÁNG 5

• Dữ liệu thực tế và bài toán phân loại nhị phân
• Đánh giá mô hình Học máy
• Vấn đề overfitting và hiệu chỉnh
• Luyện tập:
• • Thực hành với mô hình Hồi quy Logistic
• • Ví dụ thực tiễn với Scikit-learn

THÁNG 6

• Giới thiệu phân loại đa lớp
• Mô hình Hồi quy Logistic OvR
• Mô hình Softmax Regression
• Độ đo đánh giá mô hình phân lớp
• Luyện tập:
• • Thực hành với mô hình Softmax Regression
• • Ví dụ thực tiễn với Scikit-learn

THÁNG 7

• Vấn đề các mô hình tuyến tính
• Giới thiệu mạng nơ-ron sâu
• Nhân tố phát triển và thành tựu mạng nơ-ron
• Luyện tập:
• • Thực hành phân lớp ảnh với mô hình cơ bản và nâng cao
• • Ví dụ thực tiễn với Scikit-learn