Khóa Học Khoa Học Dữ Liệu Và Trí Tuệ Nhân Tạo (aio 2025) Cùng Aivietnam

Khóa All-In-One 2025 (AIO 2025) Khoa Học Dữ Liệu Và Trí Tuệ Nhân Tạo

Nội dung khóa học

Phần 1: Kiến thức

1. Steps into Deep Learning

2. Different Deep Architectures for Different Data (Using PyTorch)

3. Deep Learning Applications for Images

4. Deep Learning Applications for Text

5. Generative Models (GAN and CDGAN, Pix2Pix and Cycle GAN , Diffusion Models, Domain Adaptation

6. Advanced Deep Learning, Mixer Model, Mamba Model, KAN Model, Data Augmentation

7. LLMs

Phần 2: Projects

1. Tabular Data Project: Sales Prediction (Linear and non-linear Regressions)

2. Text Data Project: Tweet Sentiment Classification

3. Image data Project: Gradient Vanishing in MLP

4. Image Project: OCR (Yolov9+CNN) Information Extraction from ID Card

5. Time-series project: Temperature Forecasting from Machines

6. Image Project: Footballer Tracking

7. Image Project: Medical Image Analysis

8. Text Project: Poem Generation

9. Text Project: VN-EN Language Translation

10. Project: Diffusion-based Image Colorization

11. Project: Image Generation

12. Project: Music Style transfer

Phần 3: Kiến thức và kỹ năng được hỗ trợ

1. Machine Learning, deep learning

2. Data Analysis and Manipulation

3. Statistics and Mathematics

4. Version Control (Gits)

5. Problem-Solving Skills

6. Pytorch framework

7. Artificial Intelligence Mastery

8. Data Preprocessing & Feature Engineering

9. Natural Language Processing(NLP)

10. Computer Vision

11. Big Data Technologies

12. Model Deployment & Scalability Research skill

13. Strong interpersonal skills

14. Software Development

15. Leadership & Team

16. Collaboration Effective Communication

17. Continuous Learning &Innovation

Bạn sẽ học được gì

Năm vững và sử dụng thành thạo python cơ bản Bước đầu làm quen thao tác với các loại dữ liệu thông qua các ví dụ và bài tập Sử dụng các thư viện python (dạng blackbox) để làm các ứng dụng với nhiều loại data khác nhau

Hiểu bản chất các khái niệm quan trong Giải tích và đại số tuyến tínhÁp dụng được vào thực tế cho các data khác nhau, và nhìn thấy rõ nét ứng dụng của toán học trong thực tế

Hiểu bản chất các khái niệm quan trong Xác suất thống kẻ Thấy được sự hữu ích của tỉnh ngâu nhiên và các thuật toán dựa vào ngẫu nhiên để tối ưu các bài toán thực tế Dùng Pandas làm công cụ để phân tích dữ liệu dựa và kiến thức các toán đã học Áp dụng được vào thực tế cho các data khác nhau, và nhìn thấy rõ nét ứng dụng của toán học trong thực tế qua các project

Hiệu được các giải thuật cơ bản trong máy học, các giải thuật này được áp dụng rộng rãi trong các bài toán có data dạng bảng hay time-series, thường xuất hiện nhiều trong data science

Có khả năng áp dụng các giải thuật cơ bản cho máy học cho các bài toán thực tế thông qua việc làm các project

Hiểu được kiến thức nên tảng cho lĩnh vực deep learning

Hiểu rõ mỗi thành phần của một network, các huấn luyện và chọn lựa cấu hình phù hợp cho một network

Có khả năng sử dụng một network để giải quyết một bài toán thực tế với các dạng data khác nhau

Hiểu cách xây dựng một deep network và vận dụng cho các bài toán với dữ liệu khác nhau

Hiểu rõ tự tương quan giữa kiểu dữ liệu và kiến trúc của network

Hiểu rõ và có thể vận dụng kiến thức về transfer learning và imbalanced data để giải quyết các bài toán thực tế

Hiểu được cách thực hoạt động các mô hình sinh dữ liệu

Năm rõ các nhược điểm của từng mô hình và các phương pháp giải quyết

Có khả năng thiết kế và cài đặt một giải thuật để sinh ra dữ liệu ảnh cho một ngữ cảnh nào đó

Hiểu rõ các thành phần cơ bản trong GNN và áp dụng cho bài toán phân loại và dự đoán

Hiểu rõ các thành phần cơ bản trong Học tăng cường và áp dụng cho các bài toán phổ biến

Có khả năng xây dựng một chatbot với một data cho trước

Khóa học này dành cho ai

Người mới bắt đầu – bắt đầu từ số 0

Người đi làm – muốn nâng cấp bản thân hoặc chuyển hướng sự nghiệp

Sinh viên các ngành – chuẩn bị cho tương lai dữ liệu

Bạn sẽ học được gì

Năm vững và sử dụng thành thạo python cơ bản Bước đầu làm quen thao tác với các loại dữ liệu thông qua các ví dụ và bài tập Sử dụng các thư viện python (dạng blackbox) để làm các ứng dụng với nhiều loại data khác nhau

Hiểu bản chất các khái niệm quan trong Giải tích và đại số tuyến tínhÁp dụng được vào thực tế cho các data khác nhau, và nhìn thấy rõ nét ứng dụng của toán học trong thực tế

Hiểu bản chất các khái niệm quan trong Xác suất thống kẻ Thấy được sự hữu ích của tỉnh ngâu nhiên và các thuật toán dựa vào ngẫu nhiên để tối ưu các bài toán thực tế Dùng Pandas làm công cụ để phân tích dữ liệu dựa và kiến thức các toán đã học Áp dụng được vào thực tế cho các data khác nhau, và nhìn thấy rõ nét ứng dụng của toán học trong thực tế qua các project

Hiệu được các giải thuật cơ bản trong máy học, các giải thuật này được áp dụng rộng rãi trong các bài toán có data dạng bảng hay time-series, thường xuất hiện nhiều trong data science

Có khả năng áp dụng các giải thuật cơ bản cho máy học cho các bài toán thực tế thông qua việc làm các project

Hiểu được kiến thức nên tảng cho lĩnh vực deep learning

Hiểu rõ mỗi thành phần của một network, các huấn luyện và chọn lựa cấu hình phù hợp cho một network

Có khả năng sử dụng một network để giải quyết một bài toán thực tế với các dạng data khác nhau

Hiểu cách xây dựng một deep network và vận dụng cho các bài toán với dữ liệu khác nhau

Hiểu rõ tự tương quan giữa kiểu dữ liệu và kiến trúc của network

Hiểu rõ và có thể vận dụng kiến thức về transfer learning và imbalanced data để giải quyết các bài toán thực tế

Hiểu được cách thực hoạt động các mô hình sinh dữ liệu

Năm rõ các nhược điểm của từng mô hình và các phương pháp giải quyết

Có khả năng thiết kế và cài đặt một giải thuật để sinh ra dữ liệu ảnh cho một ngữ cảnh nào đó

Hiểu rõ các thành phần cơ bản trong GNN và áp dụng cho bài toán phân loại và dự đoán

Hiểu rõ các thành phần cơ bản trong Học tăng cường và áp dụng cho các bài toán phổ biến

Có khả năng xây dựng một chatbot với một data cho trước