Deep Learning with Python

I. Tổng quan

-       Khóa học cung cấp cho học viên các kiến thức cần thiết về Deep Learning, một nhánh rất “hot” của Machine Learning.

-       Trang bị kiến thức và kỹ năng vận dụng các thuật toán quan trọng như Artificial Neural Network (ANN) – mạng neuron nhân tạo, Convolutional Neural Network (CNN) – mạng neuron tích chập, Transfer Learning từ Pre-trained model, Recurrent neural network (RNN) - mạng neuron hồi quy, AutoEncoder – mạng tự mã hóa, Generative Adversarial Networks (GANs); Deep Learning và Natural Language Processing (NLP) như Text Classification, Name Entity Recognition; Deep Learning và Computer Vision như Face detection – nhận diện khuôn mặt, Object detection - nhận diện vật thể; thông qua việc sử dụng các bộ thư viện, công cụ mạnh mẽ, mã nguồn mở như Python, Numpy, Pandas, Matplotlib, sklearn, TensorFlow, Keras…

-       Thực hiện các project cụ thể trong bối cảnh giải quyết các vấn đề Deep Learning hấp dẫn

II.    Thời lượng: 40 giờ.
III. Đối tượng học:

-       HV muốn áp dụng Machine Learning vào công việc

-       HV có định hướng sẽ làm việc trong lĩnh vực Machine Learning với Python

IV.   Mục tiêu khóa học

Sau khi hoàn thành khóa học, học viên sẽ đạt được các kỹ năng:

-       Lựa chọn, áp dụng và triển khai các thuật toán Deep Learning một cách thích hợp dựa trên yêu cầu công việc.

-       Hiểu và vận dụng các thuật toán Deep Learning trong việc giải quyết các vấn đề thực tế, cụ thể

V.    Nội dung khóa học

1.      Tổng quan Deep Learning

  • Giới thiệu, phân loại Deep Learning
  • Phạm vi áp dụng, so sánh Machine Learning và Deep Learning
  • Thư viện hỗ trợ Deep Learning: TensorFlow, Keras…
  • Làm việc với TensorFlow và Keras

2.      TensorFlow

  • Giới thiệu
  • Tensor
  • TensorFlow cơ bản
  • Constants, Placeholder, Variables
  • Operators

3.      Artificial Neural Network (ANN) – mạng neuron nhân tạo

  • Giới thiệu: Biological Neuron Network - mạng neuron sinh học, ANN, perceptron, thuật ngữ
  • Tính toán logic với Neurons
  • Hoạt động của Neural
  • Neural network học như thế nào?
  • Activation Function: Linear, Sigmoid, TanH, Softmax, rectified linear unit (ReLU)
  • Back propagation
  • Loss function, Optimizers
  • Gradient Descent, Stochastic Gradian Descent
  • Xây dựng ANN, đánh giá
  • Cải thiện model với Dropout, GridSearchCV

4.      Convolutional Neural Network (CNN) – mạng neuron tích chập

  • Giới thiệu CNN, đặc điểm, ứng dụng
  • Convolution Operation
  • ReLU layer
  • Pooling
  • Flattening
  • Full connection
  • Softmax
  • Cross entropy
  • Xây dựng CNN, đánh giá và tinh chỉnh CNN

5.      Recurrent neural network (RNN) - mạng neuron hồi quy

  • Giới thiệu RNN, đặc điểm, ứng dụng
  • Computational Graph
  • Vanishing Gradient Descent
  • Long Short Term Memory (LSTM), LSTM Variation
  • Xây dựng RNN, đánh giá và tinh chỉnh RNN

6.      Transfer Learning từ Pre-trained model

  • Giới thiệu Transfer Learning
  • Lý do nên áp dụng pre-trained model
  • Tiến trình Transfer Learning
  • Bộ dữ liệu ImageNet/ ILSVRC
  • Pre-trained model trong Keras: VGG, ResNet, MobileNet, Inception50
  • Sử dụng pre-trained model
  • Triển khai transfer learning với pre-trained model

7.      Natural Language Processing (NLP) với Deep Learning

  • Giới thiện NLP: ngôn ngữ tự nhiên, thách thức của ngôn ngữ tự nhiên…
  • Basic Tranformation: Tokenization, CountVectorizer, Tf-Idf (Term frequency-inverse document frequency), HashingVectorizer, Keras text_to_word_sequence, Keras one_hot, Keras Tokenizer API
  • Text Classification với RNN
  • Name Entity Recognition với LSTM-CRF

8.      AutoEncoder

  • Giới thiệu, đặc điểm, ứng dụng
  • AutoEncoder: Encoder, Decoder
  • Loss function
  • Xây dựng AutoEncoder: Simple AutoEncoder, Deep AutoEncoder, CNN AutoEncoder

9.      Face detection - Nhận diện khuôn mặt

  • Viola Jones algorithm
  • Haar- like features
  • LBP cascade classifier
  • So sánh Haar và LBP
  • Intergral Image
  • Training classifier
  • AdaBoost
  • Cascading
  • Xây dựng face detection với OpenCV
  • Đối phó với False Positives (nhận diện sai)

10.   Object detection - nhận diện vật thể

  • Single Shot MultiBox Detector (SSD)
  • Multi-box concept
  • Dự đoán object position
  • Scale problem
  • Xây dựng object detection với SSD

11.  Generative Adversarial Networks (GANs)

  • Giới thiệu, đặc điểm
  • Cách thức hoạt động của GANs
  • Ứng dụng GANs
  • Tạo ảnh với GANs
  • Học tại Hồ Chí Minh

  • Học tại Hà Nội

  • Học trực tuyến


Các khóa học khác