-
Liên hệ0916 878 224 -
Gửi Emailtraining@imic.edu.vn
Machine Learning và Deep Learning là các nhánh của Trí tuệ nhân tạo (AI), giúp máy tính học từ dữ liệu và tự động đưa ra quyết định. Trong đó, Deep Learning sử dụng mạng nơ-ron nhân tạo để xử lý dữ liệu phức tạp như hình ảnh, âm thanh và ngôn ngữ. Hai lĩnh vực này đang được ứng dụng rộng rãi trong y tế, tài chính, ô tô tự lái và nhiều ngành công nghiệp khác.
Giúp máy tính học từ dữ liệu và tự động đưa ra quyết định. Trong đó, Deep Learning sử dụng mạng nơ-ron nhân tạo để xử lý dữ liệu phức tạp như hình ảnh, âm thanh và ngôn ngữ. Hai lĩnh vực này đang được ứng dụng rộng rãi trong y tế, tài chính, ô tô tự lái và nhiều ngành công nghiệp khác.
------ DANH MỤC NỘI DUNG ------
A. Tổng quan khóa đào tạo
B. Mục tiêu của khóa đào tạo là gì?
1) Củng cố kiến thức nền tảng vững chắc
2) Nâng cao khả năng xử lý dữ liệu
3) Học sâu về các thuật toán nâng cao
4) Chuyên môn hóa vào các lĩnh vực cụ thể
5) Hiểu và ứng dụng Reinforcement Learning:
6) Thành thạo quy trình triển khai và tối ưu mô hình
7) Phát triển tư duy giải quyết bài toán thực tế
8) Định hướng chuyên môn và nghiên cứu
C. Những lý do bạn nên học Machine & Deep Learning?
1) Cốt lõi của Trí tuệ Nhân tạo (AI)
2) Xu hướng công nghệ toàn cầu
3) Nhu cầu tuyển dụng lớn - mức lương cao
4) Ứng dụng rộng rãi trong đời sống và công nghiệp
5) Khả năng tự động hóa và tối ưu hóa vượt trội
6) Cơ hội học thuật và nghiên cứu
7) Phát triển tư duy logic & phân tích dữ liệu
8) Khả năng tự triển khai các dự án AI thực tế
D. Tại sao bạn nên chọn IMIC?
E. Chi tiết khóa đào tạo Machine & Deep Learning
- Thời lượng: 60 giờ
- Hình thức học: 80% thực hành, 20% lý thuyết
- Địa điểm đào tạo tại Hà Nội:
+ Cơ sở 1: tầng 2B, tòa nhà T6-8, Tổng Cục 5, Bộ Công An, Số 641 Tôn Quang Phiệt, P. Cổ Nhuế 1, Bắc Từ Liêm, Hà Nội.
+ Cơ sở 2: Nhà số 2, Ngách 28, Ngõ 93 Hoàng Văn Thái, Thanh Xuân, Hà Nội.
- Địa điểm đào tạo tại Hồ Chí Minh:
+ Cơ sở 1: tòa nhà Viễn Đông, Số 14 Phan Tôn, P. Đakao, Quận 1, Hồ Chí Minh.
- Ôn tập và mở rộng các khái niệm cơ bản của Machine Learning.
- Làm quen với các công cụ và thư viện hiện đại hỗ trợ phát triển mô hình Machine Learning.
- Thành thạo các kỹ thuật xử lý và tiền xử lý dữ liệu phức tạp.
- Tăng cường kỹ năng trích xuất và chọn lọc đặc trưng để cải thiện hiệu suất mô hình.
- Nắm vững các mô hình học có giám sát và không giám sát nâng cao.
- Hiểu và áp dụng hiệu quả các thuật toán ensemble và các kỹ thuật giảm chiều dữ liệu.
- Phát triển kỹ năng xử lý ngôn ngữ tự nhiên (NLP) để xây dựng các ứng dụng như chatbot, phân tích cảm xúc, trích xuất thông tin.
- Xử lý dữ liệu hình ảnh với các kỹ thuật và mô hình tiên tiến (CNN, Transfer Learning).
- Nắm bắt các khái niệm và thuật toán cơ bản của học tăng cường.
- Áp dụng Reinforcement Learning trong các bài toán thực tế như AI cho trò chơi, robotics.
- Hiểu quy trình đánh giá, tối ưu hóa và triển khai mô hình Machine Learning trong môi trường thực tế.
- Làm quen với các công cụ quản lý mô hình và triển khai trên cloud (AWS, Azure, GCP).
- Rèn luyện khả năng ứng dụng Machine Learning để giải quyết các bài toán cụ thể trong nhiều lĩnh vực như tài chính, y tế, thương mại, và công nghiệp.
- Xây dựng dự án hoàn chỉnh từ xử lý dữ liệu, huấn luyện mô hình đến triển khai.
- Trang bị kiến thức để học viên có thể tự nghiên cứu và phát triển thêm về các chủ đề chuyên sâu.
- Hỗ trợ định hướng nghề nghiệp trong các lĩnh vực liên quan đến AI và Machine Learning.
- Lộ trình bài bản, trang bị cho học viên kiến thức, kỹ năng đáp ứng yêu cầu nhà tuyển dụng.
- Học theo dự án thực tế – Áp dụng ngay vào công việc.
- Mỗi lớp chỉ từ 7-12 học viên được cầm tay chỉ việc bởi các chuyên gia Data Scientist từ các tập đoàn, doanh nhiệp lớn,...
- Cấp chứng chỉ và cam kết giới thiệu việc làm sau khi tốt nghiệp.
- Nắm chắc kỹ năng, tối ưu CV, mở rộng cơ hội thăng tiến.
- Hình thức học Online và Offline linh động.
- Thời gian đào tạo đa dạng (giờ hành chính, buổi tối, cuối tuần) phù hợp với mọi đối tượng (sinh viên, người làm văn phòng,...)
- Ôn tập các khái niệm Machine Learning cơ bản: supervised, unsupervised, reinforcement learning.
- Ôn lại các thuật toán cơ bản: Linear Regression, Logistic Regression, k-Means Clustering.
- Kiến thức cơ bản về toán học: Đại số tuyến tính, xác suất, thống kê và giải tích.
- Công cụ phát triển: Python, NumPy, pandas, scikit-learn, TensorFlow/PyTorch.
- Các kỹ thuật xử lý dữ liệu lớn.
- Tiền xử lý dữ liệu nâng cao: xử lý dữ liệu thiếu, outliers, encoding categorical data, feature scaling.
- Kỹ thuật trích xuất và chọn lọc đặc trưng (Feature Engineering, Feature Selection).
- Tổng quan về Pipeline và quản lý quy trình tiền xử lý.
- Bài tập thực hành: Tạo pipeline xử lý dữ liệu cho một bộ dữ liệu phức tạp.
- Xây dựng một hệ thống Machine Learning hoàn chỉnh từ xử lý dữ liệu đến triển khai mô hình.
- Một số ý tưởng dự án:
1. Dự đoán giá cổ phiếu hoặc nhu cầu thị trường.
2. Phân tích hình ảnh y tế (phát hiện ung thư, X-ray).
3. Chatbot tự động hoặc hệ thống gợi ý sản phẩm.
4. Phát hiện gian lận trong giao dịch tài chính.
- Yêu cầu:
+ Hoàn thiện dự án nhóm hoặc cá nhân.
+ Báo cáo và trình bày kết quả.
