Table of Contents
MODULE 1
Toán Cơ Bản và Lập Trình Python
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Python cơ bản (Branching-Rule-based Chatbot) | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Xử lý chuỗi | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành (activation functions) | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Cấu trúc dữ liệu | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Bài tập thực hành (Word Suggestion and Histogram) | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Cấu trúc dữ liệu (Non-maximum suppression) | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Cấu trúc dữ liệu (Graph and Tree) | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Dự án 1: Xây dựng hệ thống camera an ninh đếm | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Lập trình hướng đối tượng | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Dự án 2: Tạo và triển khai một chatbot cho một chuỗi cà phê | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Kỹ năng lập trình | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Danh sách và đối tượng | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Lớp | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
MODULE 2
Các lớp chính: Toán nâng cao, Lập Trình nâng cao, và áp dụng trực tiếp vào bài toán trong AI
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Numpy: Vector and Matrix | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Đo mức độ tương đồng trực tiếp của Cosine similarity | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Xác suất cơ bản và ứng dụng AI | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Phân loại dữ liệu Naive Bayes Classifier | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Ứng dụng Correlation Coefficient vào các tần số | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Ứng dụng Kê toán và ứng dụng vào bài toán | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Dự án 1: Định xây các hạng mục tìm kiếm comment | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Dự án 2: Xây dựng kho file dữ liệu tiền phần hỏi | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Numpy cơ bản | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Xác suất cơ bản | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Thống kê cơ bản | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao hướng dẫn về Data Science: Tạo dữ liệu với SQL
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | Cơ sở dữ liệu – SQL (1) | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Cơ sở dữ liệu – SQL (2) | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Cơ sở dữ liệu – SQL (3) | 8:00 PM – 10:30 PM |
Lớp nâng cao: Template Matching Computer Vision
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 7 | Ghép mẫu | 8:00 PM – 10:30 PM |
| 2 | Thứ 7 | Ghép mẫu | 8:00 PM – 10:30 PM |
| 3 | Thứ 7 | Theo dõi đối tượng (MeanShift) | 8:00 PM – 10:30 PM |
MODULE 3
Các lớp chính: Khoa học dữ liệu và máy học cơ bản
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Trực quan hóa dữ liệu và phân tích (1) | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Trực quan hóa dữ liệu và phân tích (2) | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | K-Means | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | K Nearest Neighbor (KNN) | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Bài toán dự đoán – Decision Tree | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài toán dự đoán – Decision Tree | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Dữ liệu văn bản: Phân loại nội dung của tin tức | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Dự án Tabula: Phân loại kiểu đánh giá bệnh tim dựa vào các triệu chứng | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Pandas cơ bản | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | KNN cơ bản | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Decision Tree cơ bản | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: Big Data and Data Pipelines
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | Luồng ETL | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | PySpark cho xử lý dữ liệu | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Lưu trữ và quản lý dữ liệu đám mây | 8:00 PM – 10:30 PM |
MODULE 4
Các lớp chính: Khoa học dữ liệu và máy học (tiếp tục cho dữ liệu dạng time-series)
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Rừng ngẫu nhiên | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | AdaBoost | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Gradient Boost | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | XGBoost | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | LightGBM | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | CatBoost | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Dự án chuỗi thời gian: Dự đoán giá đồ ăn từ phone dùng dữ liệu Airbnb | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Dự án dữ liệu bảng: Dự đoán mức độ tiêu dùng các thức ăn | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Rừng ngẫu nhiên: Học đệ quy với vi tính | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Gradient Boost: Học đệ quy với vi tính | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | LightGBM: Học đệ quy với vi tính | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: Simple Deployment Pipeline (dạng project)
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | Streamlit và Gradio | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Triển khai web bằng FastAPI và Gradio | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Dockerize FastAPI và Gradio | 8:00 PM – 10:30 PM |
Lớp nâng cao: Advanced Data Science
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 7 | MapReduce | 8:00 PM – 10:30 PM |
| 2 | Thứ 7 | Spark MLlib (1) | 8:00 PM – 10:30 PM |
| 3 | Thứ 7 | Spark MLlib (2) | 8:00 PM – 10:30 PM |
MODULE 5
Các lớp chính: Steps into Deep Learning (1)
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Hồi quy tuyến tính (1, L1 và Huber losses) | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Hồi quy tuyến tính (1, L2 và Huber losses) | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Vector hóa cho hồi quy tuyến tính (1) | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Vector hóa cho hồi quy tuyến tính (2) | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Ngẫu nhiên và thuật toán di truyền | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Thuật toán di truyền (Tối ưu hóa và hồi quy tuyến tính) | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Dự án: Đánh giá các thuật toán tối ưu hóa tìm kiếm mãn | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Hồi quy tuyến tính và phi tuyến tính (Hướng dẫn nghiên cứu cho GAS) | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Hồi quy tuyến tính cơ bản | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Hồi quy tuyến tính bằng Numpy | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Thuật toán di truyền cơ bản | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: (Project) Model Serving and Packaging for Deep Learning
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | Phục vụ mô hình bằng NumBa/TorchScript | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Tăng tốc độ suy luận mô hình và đóng gói | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Máy chủ suy luận Triton | 8:00 PM – 10:30 PM |
MODULE 6
Các lớp chính: Steps into Deep Learning (2)
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Từ hồi quy tuyến tính đến vector hóa (Phân loại nhị phân) | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Hồi quy logistic – Vector hóa và ứng dụng | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Hồi quy Softmax (Phân loại đa lớp) | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Khung Pytorch (Triển khai cho hồi quy và phân loại) | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Mạng nơ ron đa lớp cho văn bản và dữ liệu bảng | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Mạng nơ ron đa lớp cho hình ảnh | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Dự án chuỗi thời gian: Dự đoán điểm dịch bệnh qua mô hình DLR và NL | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Dự án IoT: Dự đoán khí thải xe và trả lời các câu hỏi | 8:00 PM – 10:30 PM |
| 13 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Hồi quy logistic cơ bản | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Hồi quy Softmax cơ bản | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Mạng nơ ron đa lớp | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: (Project 2/4) Model Serving and Packaging for Deep Learning
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | Phục vụ mô hình bằng NumBa/TorchScript | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Tăng tốc độ suy luận mô hình và đóng gói | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Máy chủ suy luận Triton | 8:00 PM – 10:30 PM |
MODULE 7
Các lớp chính: Generative Models
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Chuyển đổi phong cách cơ bản | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Chuyển đổi phong cách đa phương thức | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | GAN và CDGAN | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Pix2Pix và Cycle GAN | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Mô hình khuếch tán | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Mô hình khuếch tán | 8:00 PM – 10:30 PM |
| 13 | Thứ 4 | Dự án: Tạo hình ảnh | 8:00 PM – 10:30 PM |
| 14 | Thứ 6 | Tô màu hình ảnh dựa trên khuếch tán | 8:00 PM – 10:30 PM |
| 15 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
MODULE 7
Các lớp chính: Steps into Deep Learning (2)
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Khởi tạo | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Hàm kích hoạt | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Bộ tối ưu hóa cho mạng nơ ron (1) | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Bộ tối ưu hóa cho mạng nơ ron (2) | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Biến thể MLP: Mixer | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Biến thể MLP: Mixer | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Dự án: Giảm thiểu gradient vanishing trong MLP khi tăng kích thước mẫu | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Dự án: So sánh So sánh Mixer cluc để đánh giá hiệu quả | 8:00 PM – 10:30 PM |
| 13 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Khởi tạo và bộ khởi tạo cơ bản | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Hàm kích hoạt cơ bản | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Bộ tối ưu hóa cơ bản | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: (Project) ML Ops Pipeline
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | MLFlow cho theo dõi và lập lịch | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Airflow cho lập lịch và quản lý phiên bản mô hình | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Theo dõi và ghi nhật ký ứng dụng | 8:00 PM – 10:30 PM |
Lớp nâng cao: Research Directions
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 7 | Hướng dẫn nghiên cứu cho hàm kích hoạt | 8:00 PM – 10:30 PM |
| 2 | Thứ 7 | Hướng dẫn nghiên cứu cho bộ tối ưu hóa | 8:00 PM – 10:30 PM |
| 3 | Thứ 7 | Hướng dẫn nghiên cứu cho bộ khởi tạo | 8:00 PM – 10:30 PM |
MODULE 8
Các lớp chính: Deep Different Architectures for Different Data (Using PyTorch)
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | CNN cơ bản và ảnh | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Huấn luyện CNN (Tổng quát hóa) | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | RNN (Chuỗi thời gian và văn bản) | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | LSTM/GRU (Mã hóa và phân loại) | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Transformer (Chuỗi thời gian và văn bản) | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Transformer cho ảnh và chuỗi thời gian | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Dự án ảnh: OCR (từ thẻ căn cước) | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Trích xuất ảnh-văn bản, Câu hỏi và câu trả lời thị giác | 8:00 PM – 10:30 PM |
| 13 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Giới thiệu về CNN | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Giới thiệu về RNN | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Giới thiệu về Transformer | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: Towards Automated ML Ops
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | CI/CD Pipeline | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Mô hình hóa | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Quản lý mô hình | 8:00 PM – 10:30 PM |
| 4 | Thứ 5 | Công cụ suy luận nâng cao (Triton và BMTL) | 8:00 PM – 10:30 PM |
Lớp nâng cao: Advanced Topics in DL
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 7 | Kiến trúc nâng cao | 8:00 PM – 10:30 PM |
| 2 | Thứ 7 | Điều chỉnh miền | 8:00 PM – 10:30 PM |
| 3 | Thứ 7 | Chưng cất | 8:00 PM – 10:30 PM |
MODULE 9
Các lớp chính: Deep Learning Applications for Images
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Chuyển đổi miền – Loại bỏ tiếng ồn và phân đoạn | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Chuyển đổi miền – Tăng cường và siêu phân giải | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Phát hiện đối tượng | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Phát hiện đối tượng | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Phát hiện đối tượng | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Phát hiện đối tượng | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 13 | Thứ 4 | Dự án: Theo dõi bóng bằng thị giác | 8:00 PM – 10:30 PM |
| 14 | Thứ 6 | Nghiên cứu dự án: Phân tích theo dõi chuyển động ảnh | 8:00 PM – 10:30 PM |
| 15 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Phát hiện đối tượng bằng các mô hình được đào tạo trước | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Unet | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Yolo | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: Computer Vision Applications Using DL
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | Phân loại video theo độ sâu | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Stereo Depth Estimation | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Monodepth Estimation | 8:00 PM – 10:30 PM |
MODULE 10
Các lớp chính: Deep Learning Applications for Text
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Phân loại văn bản cho POS Tagging | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | NER for Medical Data | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | Tóm tắt | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Tạo văn bản | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Dịch máy | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Dịch máy | 8:00 PM – 10:30 PM |
| 10 | Thứ 4 | Dự án: Xây dựng hệ thống dịch thuật cho chuyên ngành | 8:00 PM – 10:30 PM |
| 11 | Thứ 6 | Dự án: Xây dựng hệ thống hỏi đáp tự động | 8:00 PM – 10:30 PM |
| 12 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Giới thiệu về POS Tagging | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | Giới thiệu về Tóm tắt | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Giới thiệu về Dịch máy | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: NLP Applications Using DL
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | Hỏi đáp | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Truy vấn tài liệu | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Nhận dạng lời nói | 8:00 PM – 10:30 PM |
MODULE 11
Các lớp chính: Generative Models
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | Chuyển đổi phong cách cơ bản | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | Chuyển đổi phong cách đa phương thức | 8:00 PM – 10:30 PM |
| 3 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Chủ Nhật | GAN và CDGAN | 8:00 PM – 10:30 PM |
| 5 | Thứ 6 | Pix2Pix và Cycle GAN | 8:00 PM – 10:30 PM |
| 6 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 7 | Thứ 4 | Mô hình khuếch tán | 8:00 PM – 10:30 PM |
| 8 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 9 | Chủ Nhật | Mô hình khuếch tán | 8:00 PM – 10:30 PM |
| 13 | Thứ 4 | Dự án: Tạo hình ảnh | 8:00 PM – 10:30 PM |
| 14 | Thứ 6 | Tô màu hình ảnh dựa trên khuếch tán | 8:00 PM – 10:30 PM |
| 15 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp hỗ trợ cho buổi thứ 4 và thứ 6
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Chuyển đổi phong cách cơ bản | 8:00 PM – 10:00 PM |
| 2 | Thứ 3 | GAN | 8:00 PM – 10:00 PM |
| 3 | Thứ 3 | Mô hình khuếch tán | 8:00 PM – 10:00 PM |
| 4 | Thứ 3 | Ôn tập và kiểm tra nhỏ | 8:00 PM – 10:00 PM |
Lớp nâng cao: (Special series) 3D Data
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | Phân loại dữ liệu điểm 3D | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | Sự tiến bộ trong xử lý dữ liệu đám mây 3D | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Hướng dẫn nghiên cứu cho dữ liệu đám mây 3D | 8:00 PM – 10:30 PM |
MODULE 12
Các lớp chính: Large Language Models
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 6 | mGPT (trên vi a LLM) | 8:00 PM – 10:30 PM |
| 2 | Thứ 4 | LLM Fine-tuning for Math Solver | 8:00 PM – 10:30 PM |
| 3 | Chủ Nhật | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 4 | Thứ 6 | LLM RAG for NLP Applications | 8:00 PM – 10:30 PM |
| 5 | Thứ 4 | LLMs for Multi-Modals (+ image, video, audio) | 8:00 PM – 10:30 PM |
| 6 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 7 | Chủ Nhật | LLM Deployment (Lạng chain học LLM alindex) | 8:00 PM – 10:30 PM |
| 8 | Thứ 4 | Xây dựng chatbot – agent-based LLMs | 8:00 PM – 10:30 PM |
| 9 | Thứ 6 | Bài tập thực hành | 8:00 PM – 10:30 PM |
| 10 | Chủ Nhật | Kiểm tra | 8:00 PM – 10:30 PM |
Lớp nâng cao: (Special series) Reinforcement Learning
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 3 | Học tăng cường (CarPole) | 8:00 PM – 10:30 PM |
| 2 | Thứ 3 | Học tăng cường (Deep Deterministic Policy Gradient) | 8:00 PM – 10:30 PM |
| 3 | Thứ 3 | Sự tiến bộ trong học tăng cường | 8:00 PM – 10:30 PM |
Lớp nâng cao: (Special series) Graph Neural Networks
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 5 | GNN (Phân loại) | 8:00 PM – 10:30 PM |
| 2 | Thứ 5 | GNN (Dự đoán thuộc tính phân tử) | 8:00 PM – 10:30 PM |
| 3 | Thứ 5 | Các phân tử trong GNN | 8:00 PM – 10:30 PM |
Lớp nâng cao: (Special series) Tokenization and Embedding
| STT | Thứ | Môn học | THỜI GIAN |
| 1 | Thứ 7 | Sự tiến bộ trong việc token hóa | 8:00 PM – 10:30 PM |
| 2 | Thứ 7 | Nhúng – Tăng cường BERT | 8:00 PM – 10:30 PM |
| 3 | Thứ 7 | Đa hạt – Nhúng SBERT | 8:00 PM – 10:30 PM |
Bạn có thể sử dụng 12 module chương trình học trên đây làm tham khảo để xây dựng chương trình giảng dạy về Data Science hoặc AI.
[++++]
- Đọc thêm kiến thức về AI, Machine Learning
- Nếu bạn cần Dịch vụ marketing AI, liên hệ Click Digital ngay.
- Hoặc đầu tư vào trí tuệ nhân tạo bằng cách mua token Saigon (ký hiệu: SGN) thông qua sàn giao dịch Pancakeswap: https://t.co/KJbk71cFe8 (đừng lo lắng về low liquidity, hãy trở thành nhà đầu tư sớm) (cách mua: tìm hiểu trên Google về thao tác giao dịch trên sàn phi tập trung Pancakeswap, cực kỳ an toàn).
- Được hỗ trợ bởi Công ty Click Digital
- Nâng cao kiến thức về AI + Machine Learning
- Địa chỉ token trên mạng BSC: 0xa29c5da6673fd66e96065f44da94e351a3e2af65
- Twitter: https://twitter.com/SaigonSGN135/
- Staking SGN: http://135web.net/
- Invest in Artificial Intelligence by BUYING Saigon token (symbol: SGN) through the Pancakeswap exchange: https://t.co/KJbk71cFe8 (do not worry about low liquidity, be an early investor) (how to buy: search on Google for instructions on trading on the decentralized Pancakeswap exchange, it’s secure).
- Backed by Click Digital Company
- Enhancing AI + Machine Learning knowledge
- BSC address: 0xa29c5da6673fd66e96065f44da94e351a3e2af65
- Twitter: https://twitter.com/SaigonSGN135/
- Staking SGN: http://135web.net/
Digital Marketing Specialist
Related posts:
Tình hình việc làm ngành Machine Learning / Data Science: Cơn sốt đã hạ nhiệt?
Điểm yếu, hậu quả khi AI tự học từ dữ liệu do chính nó tạo ra: Sự vô nghĩa, sụp đổ đến từ vòng lặp tử thần của LLM và mô hình tạo sinh
Tìm hiểu Database System: Hệ thống Database – Nhập môn vào ngành Data
ChatGPT Edu là gì? Phiên bản ChatGPT dành cho trường đại học
Những công cụ và kỹ thuật cần biết để bắt đầu học machine learning
Công dụng AI cho ngành khảo cổ học: dự đoán, tìm kiếm, phân tích
Machine Learning / Data Science Job Market: Has the Fever Broken?
Công dụng của Blockchain trong ngành Khoa học (Decentralized Science – DeSci)
5 Dự án Crypto trong mảng Decentralized Science – Desci (Khoa học Phi tập trung)
Ngôn ngữ học liệu còn quan trọng trong thời đại Mô Hình Ngôn Ngữ Lớn (LLM)? 6 Vai trò của ngôn ngữ học trong NLP
AI và sự chuyển đổi lực lượng lao động
ChatPwC là gì? Trợ lý AI riêng cho ngành kiểm toán của PwC
AI phi tập trung: Tại sao chúng ta nên tích hợp blockchain vào trí tuệ nhân tạo?
Tổng hợp cách kiếm tiền với ngành Xử lý ngôn ngữ tự nhiên (NLP) / LLM
Tại sao chúng ta sợ trí tuệ nhân tạo (AI)?
Kỹ thuật Mixture of Experts (MoE) chia mô hình thành nhiều “chuyên gia” đảm nhận nhiệm vụ riêng biệt: Cải thiện hiệu suất mô hình với chi phí tối ưu
Công dụng của AI trong ngành hàng không, máy bay
Giáo dục Phi tập trung là gì? Người học quyết định chương trình giảng dạy (Decentralized Education)
Chương trình học bổng Ethereum Protocol Fellowship lần 5 (EPF5) mở đơn đăng ký, hạn chót là ngày 26 tháng 5
MultiversX hợp tác Đại học Cornell cung cấp chương trình giáo dục blockchain miễn phí
Đại học Mahidol của Thái Lan hợp tác với Tether để tích hợp Blockchain và Stablecoin vào chương trình giảng dạy
Tìm hiểu Relational Data Model – Cách xây dựng Mối quan hệ giữa các dữ liệu trong Database
Ngôn ngữ gà: AI đang học cách phân tích cuộc trò chuyện và cảm xúc của loài gà bằng trí tuệ nhân tạo
Các mô hình AI và NLP đã có thể tự học, tự dạy cho nhau mà không cần đào tạo
AI đang học cách lừa dối con người
OpenAI ra mắt ChatGPT Edu hỗ trợ cho trường đại học và tổ chức phi lợi nhuận
OpenAI triển khai ChatGPT cho đại học và tổ chức phi lợi nhuận
Sự kết hợp giữa Cryptography và NLP: Các ứng dụng của mật mã học vào việc xử lý ngôn ngữ tự nhiên
Threads: Nền tảng phù hợp để trao đổi, học hỏi, quảng cáo về NLP & LLM?
Có nên chuyển hướng sang học Computer Vision (CV) – Thị giác máy tính?