-
Tìm hiểu kiến thức cơ bản về AI và cập nhật các công nghệ mới nhất
-
Chuẩn bị kiến thức để tiếp tục tham gia các khoá học nâng cao: Deep Learning Cơ Bản & Deep Learning Nâng Cao
-
Học tập trên nền tảng hiện đại của Kambria giúp học viên chủ động về thời gian và thiết bị
-
Hoàn tất khoá học, học viên nhận chứng chỉ được công nhận bởi tổ chức VietAI
-
Được kết nối với cộng đồng lập trình viên Kambria; tham gia các cuộc thi, các sự kiện và dự án về công nghệ
-
Các học viên xuất sắc sẽ được giới thiệu đến các công ty công nghệ hàng đầu tại Việt Nam và Silicon Valley
GIỚI THIỆU VỀ KHÓA HỌC
- Cách Mạng Công Nghiệp 4.0 đang diễn ra một cách mạnh mẽ. Từ năm 2014, Chính phủ Việt Nam đã xác định công nghệ Trí tuệ nhân tạo (Artificial Intelligence - AI) là mũi nhọn cần ưu tiên hàng đầu. Hiện nay Chính phủ và các doanh nghiệp đang có nhiều hoạt động đầu tư vào việc nghiên cứu và đưa AI vào ứng dụng trong thực tế. AI sẽ làm gia tăng hiệu suất công việc, từ đó tạo ra cơ hội thúc đẩy tăng trưởng kinh tế mạnh mẽ. Vì vậy việc nghiên cứu và học tập về AI trở nên cần thiết hơn bao giờ hết.
- Machine Learning Cơ Bản là khoá học về AI dành cho người Việt mang chất lượng quốc tế, được tư vấn bởi các chuyên gia AI hàng đầu tại Silicon Valley và Việt Nam. Khoá học được xây dựng từ sự hợp tác giữa 3 tổ chức công nghệ uy tín: VietAI trong vai trò tổ chức đào tạo; Kambria với vai trò là nền tảng giáo dục hiện đại, giúp kết nối học viên với đội ngũ giảng viên; và Viện John von Neumann trong vai trò cố vấn chuyên môn.
- Các chủ đề chính của khoá học bao gồm tìm hiểu các nhóm thuật toán Machine Learning: Supervised learning, Unsupervised learning, Semi-supervised learning, Reinforcement learning. Học viên sẽ được thực hành các thuật toán qua bài tập thực tế. Học viên sẽ làm chủ kỹ năng lập trình với ngôn ngữ Python, làm quen với thư viện NumPy, TensorFlow 2.0, Matplotlib, Google Colab, Pandas... để hoàn thành bài tập.
GIÁO TRÌNH
-
Tuần 01: Giới thiệu chung
-
Giới thiệu về ứng dụng của máy học
-
Đại số tuyến tính
-
Quiz: Đại số tuyến tính
-
Giải tích
-
Quiz: Giải tích
-
Xác suất thống kê
-
Quiz: Xác suất thống kê
-
Webinar 1: 19h tối thứ 7 ngày 5/9/2020 (giờ Việt Nam +7 GMT)
-
Bản ghi Webinar Tuần 1
-
Nhóm thảo luận Tuần 1 | Week 1 - Discussion
-
-
Tuần 02: Lập trình Python căn bản và một số thư viện phổ biến
-
Lập trình cơ bản với Python
-
Lập trình với thư viện Numpy
-
Các thao tác cơ bản trên Google Colab và đọc ghi file
-
Thư viện Matplotlib
-
Thư viện Pandas
-
Hướng dẫn làm và nộp bài tập lên hệ thống VietAI (Video)
-
Hướng dẫn làm và nộp bài tập lên hệ thống VietAI (pdf)
-
Bài tập 1 - Lập trình Python căn bản
-
Webinar 2: 19h tối thứ 7 ngày 12/9/2020 (giờ Việt Nam +7 GMT) - Giải đáp thắc mắc - Hướng dẫn bài tập
-
Bản ghi Webinar Tuần 2 (video)
-
Bản ghi Webinar Tuần 2
-
Nhóm thảo luận Tuần 2 | Week 2 - Discussion
-
-
Tuần 03: Bài toán hồi quy tuyến tính và TF 2.0
-
Mở đầu
-
Giới thiệu về máy học
-
Quiz: Thuật toán máy học
-
Mô hình máy học giám sát
-
Quiz: Mô hình máy học có giám sát và không giám sát
-
Mô hình hồi quy tuyến tính
-
Quiz: Mô hình hồi quy
-
Lựa chọn đặc trưng
-
Quiz: Lựa chọn đặc trưng
-
Bài tập 2 - Mô hình Linear Regression với Numpy
-
Lập trình với Google Colab và Tensorflow
-
Bài tập 3 - Cài đặt mô hình Linear Regression với Tensorflow
-
Tổng kết
-
Webinar 3: 19h tối thứ 7 ngày 19/9/2020 (giờ Việt Nam +7 GMT) - Giải đáp thắc mắc - Hướng dẫn bài tập
-
Bản ghi Webinar Tuần 3
-
Nhóm thảo luận Tuần 3 | Week 3 - Discussion
-
-
Tuần 04: Bài toán phân loại nhị phân
-
Giới thiệu
-
Biểu diễn dữ liệu trong thực tế
-
Phân lớp nhị phân và hồi quy Logistic
-
Quiz: Mô hình phân lớp nhị phân
-
Đánh giá mô hình
-
Quiz: Đánh giá mô hình
-
Hiện tượng overfitting và hiệu chỉnh mô hình
-
Quiz: Overfitting và Regularization
-
Bài tập 4 - Logistic Regression với Tensorflow
-
Tổng kết
-
Webinar 4: 19h tối thứ 7 ngày 26/9/2020 (giờ Việt Nam +7 GMT) - Giải đáp thắc mắc - Hướng dẫn bài tập
-
Bản ghi video Tuần 4
-
Nhóm thảo luận Tuần 4 | Week 4 - Discussion
-
-
Tuần 05: Softmax Regression và chiến lược Validation
-
Giới thiệu bài toán phân loại nhiều lớp
-
Mô hình Softmax Regression
-
Mô hình KMeans
-
Đánh giá mô hình
-
Quiz: Phân loại đa lớp
-
Bài tập 5 - Softmax Regression với Tensorflow
-
Nhóm thảo luận Tuần 5 | Week 5 - Discussion
-
Webinar 5 - Guest Lecturers: 8h00 sáng thứ 6 ngày 02/10/2020 (giờ Việt Nam +7 GMT)
-
Bản ghi Webinar Tuần 5 - Guest Lectures (Video)
-
Webinar 5: 19h tối thứ 7 ngày 03/10/2020 (giờ Việt Nam +7 GMT) - Giải đáp thắc mắc - Hướng dẫn bài tập
-
Bản ghi Webinar Tuần 5 (Video)
-
-
Tuần 06: Giới thiệu về mạng Neural Network
-
Mạng Neural Network hiện đại
-
Vấn đề của mô hình tuyến tính
-
Mạng nơ-ron sâu
-
Mạng học sâu hiện đại
-
Cài đặt mạng nơ-ron sâu trên tập dữ liệu CIFAR
-
Quiz: Học máy hiện đại với mô hình nơ-rơn học sâu
-
Bài tập 6: Các convolutional neural network hiện đại với TF 2.3.0
-
Nhóm thảo luận Tuần 6 | Week 6 - Discussion
-
LỢI ÍCH TỪ KHÓA HỌC
ĐỐI TƯỢNG HỌC VIÊN
-
Khoá học được thiết kế để phù hợp với mọi đối tượng học viên có nhu cầu tìm hiểu về công nghệ Machine Learning và lĩnh vực Trí tuệ nhân tạo, giúp bạn bắt đầu xây dựng sự nghiệp trong lĩnh vực AI.
-
Bạn có thể là học sinh/sinh viên mới biết đến AI, hoặc là người đang đi làm trong các lĩnh vực không chuyên về công nghệ; khóa học sẽ giúp bạn hiểu rõ về AI và xây dựng nền tảng tốt về Machine Learning.
-
Khóa học yêu cầu học viên có kiến thức cơ bản về lập trình và toán học Đại số, Giải tích. Thông qua các bài học và ví dụ minh hoạ, khoá học sẽ từng bước giúp học viên làm chủ các kỹ thuật Machine Learning quan trọng đang được ứng dụng phổ biến hiện nay.
HỖ TRỢ HỌC VIÊN
-
Khoá học tích hợp đa dạng các phương tiện học tập cùng nội dung phong phú: video, giáo trình trực tuyến, bài tập minh hoạ, trắc nghiệm trực tuyến…
-
Học viên học tập mọi lúc, mọi nơi, trên mọi loại thiết bị.
-
Học viên được kết nối trực tiếp với giảng viên và được giải đáp các thắc mắc trong quá trình học qua các webinar tổ chức mỗi 2 tuần.
-
Được tương tác với giảng viên và các học viên khác qua kênh thảo luận trên forum online và tính năng trả lời câu hỏi trực tiếp trên nền tảng khoá học.
ĐỘI NGŨ GIẢNG VIÊN
TS. Nguyễn Vĩnh Tiệp
Giảng viên ĐH Công Nghệ Thông Tin - ĐHQG HCM
ThS. Lê Minh Hoà
Trưởng bộ phận Khoa học dữ liệu & AI tại Pique.ai
ThS. Nguyễn Thành An
Nghiên cứu sinh tại ĐH KHTN - ĐHQG HCM
Cử nhân Nguyễn Minh Thư
Nghiên cứu viên tại VinAI Research
GIẢNG VIÊN THỈNH GIẢNG
Th.S Nguyễn Xuân Phong
Nghiên cứu viên cao cấp tại Viện Trí tuệ nhân tạo Mila - Quebec
ThS. Vũ Thuỳ Ngân
Kỹ sư nghiên cứu AI tại DeepMind
NHẬN XÉT TỪ HỌC VIÊN
Học viên VietAI#1 – Founder của VietAI HANOI, là Google Developer Expert đầu tiên về Machine Learning tại Việt Nam
Học viên VietAI#2 – Hiện là Nghiên cứu sinh tại Pasteur Institute
Học viên VietAI#3 – Hiện là Nghiên cứu sinh tại VinAI
CÁC CHUYÊN GIA AI THAM VẤN CHO KHÓA HỌC
CÂU HỎI THƯỜNG GẶP
-
Khoá học có những phương thức thanh toán nào?
Sau khi chọn “Đăng ký ngay”, bạn sẽ có các lựa chọn thanh toán như sau:
Thanh toán bằng VND: Thanh toán qua cổng VNPAY
Thanh toán bằng USD: Thanh toán trực tuyến bằng PayPal
Thanh toán bằng KAT token của Kambria: Tìm hiểu thêm về KAT và cách mua KAT.
-
Phương thức thanh toán học phí bằng VND
Nếu lựa chọn phương thức thanh toán này, bạn cần thực hiện các bước sau:
1. Đăng nhập vào cả 2 tài khoản trên trang eduKATion và Kambria. Học viên vui lòng đăng nhập bằng tài khoản đã có trên cả 2 website eduKATion và Kambria. Trong trường hợp chưa có tài khoản, bạn vui lòng tiến hành đăng ký và đăng nhập lại.
2. Truy cập vào trang khoá học Machine Learning Cơ Bản
3. Click vào nút "Đăng ký ngay"
4. Lựa chọn phương thức thanh toán bằng VND Bạn sẽ thanh toán chi phí khoá học qua cổng VNPAY (INTERNET BANKING). Sau khi bấm checkout và tiến hành thanh toán, hệ thống sẽ gửi cho bạn một thông báo xác nhận thanh toán thành công và bạn có thể truy cập vào khóa học.
-
Phương thức thanh toán học phí bằng USD
Nếu lựa chọn phương thức thanh toán này, bạn cần thực hiện các bước sau:
1. Đăng nhập vào cả 2 tài khoản trên trang eduKATion và Kambria. Học viên vui lòng đăng nhập bằng tài khoản đã có trên cả 2 website eduKATion và Kambria. Trong trường hợp chưa có tài khoản, bạn vui lòng tiến hành đăng ký và đăng nhập lại.
2. Truy cập vào trang khoá học Machine Learning Cơ Bản
3. Click vào nút "Đăng ký ngay"
4. Lựa chọn phương thức thanh toán bằng USD Bạn sẽ thanh toán chi phí khoá học qua cổng PayPal. Sau khi bấm checkout và tiến hành thanh toán, hệ thống sẽ gửi cho bạn một thông báo xác nhận thanh toán thành công và bạn có thể truy cập vào khóa học.
-
Phương thức thanh toán học phí bằng KAT token của Kambria (ưu đãi giảm giá 25%)
Bạn được ưu đãi giảm giá 25% khi thanh toán bằng đồng KAT token của Kambria. Nếu lựa chọn phương thức thanh toán này, bạn cần thực hiện các bước sau:
1. Đăng nhập vào cả 2 tài khoản trên trang eduKATion và Kambria. Học viên vui lòng đăng nhập bằng tài khoản đã có trên cả 2 website eduKATion và Kambria. Trong trường hợp chưa có tài khoản, bạn vui lòng tiến hành đăng ký và đăng nhập lại.
2. Truy cập vào trang khoá học Machine Learning Cơ Bản
3. Click vào nút "Đăng ký ngay"
4. Lựa chọn phương thức thanh toán bằng KAT token Bạn bấm vào nút CONNECT để kết nối với ví Blockchain chứa KAT token và thực hiện các bước tiếp theo để thanh toán chi phí khoá học. Sau khi hoàn thành, hệ thống sẽ gửi cho bạn một thông báo xác nhận thanh toán thành công và bạn có thể truy cập vào khóa học.
-
Tôi có được hoàn tiền nếu tôi không thể tham gia khóa học ngay bây giờ?
Kambria cam kết cung cấp các khoá học có chất lượng cao và trải nghiệm tốt cho học viên tham gia các khoá học trên nền tảng Kambria eduKATion.
Tuy nhiên, nếu bạn không hài lòng về khoá học, bạn có thể yêu cầu hoàn tiền trong vòng 7 ngày kể từ khi thanh toán và với điều kiện thời lượng học chưa quá 30%.
Ngoài ra, Kambria cũng áp dụng một số điều kiện để xác nhận yêu cầu hoàn tiền từ học viên. Bạn vui lòng xem thông tin về chính sách hoàn tiền và thực hiện theo hướng dẫn dưới đây.
1. Chính sách hoàn tiền:
Kambria sẽ hoàn tiền trong các trường hợp:
● Các lỗi kỹ thuật liên quan tới khoá học phát sinh do Kambria
● Các lỗi thanh toán do học viên như thanh toán thừa, thanh toán trùng khoá học
● Các lỗi khác do Kambria phê duyệt (không nằm trong các trường hợp không hỗ trợ hoàn tiền dưới đây)
Kambria sẽ không hoàn tiền trong các trường hợp:
● Học viên thanh toán nhầm khóa học
● Học viên mua khoá học nhưng hiểu sai các thông tin về khoá học
● Học viên không sắp xếp được thời gian học hoặc không muốn học nữa
● Học viên yêu cầu hoàn tiền khoá học cho học viên khác
● Lỗi kỹ thuật từ phía học viên
Lưu ý:
● Tất cả các lý do hoàn tiền đều phải được xem xét và chứng minh bằng hình ảnh.
● Kambria có toàn quyền trong việc quyết định hoàn tiền cho khách hàng.
2. Hướng dẫn thủ tục hoàn tiền:
Học viên vui lòng gửi email về địa chỉ [email protected] và ghi rõ các thông tin trong mẫu sau để Kambria có thể hoàn tiền cho học viên. Kambria sau đó sẽ xem xét và phản hồi lại yêu cầu hoàn tiền của học viên.
Lưu ý:
● Số tiền học viên nhận được sẽ trừ đi phí thanh toán (nếu có) và phí chuyển khoản (nếu có).
● Học viên sẽ nhận lại học phí trong vòng 2 tuần kể từ lúc yêu cầu hoàn tiền được phê duyệt.
● Số tiền sẽ được hoàn trả theo đúng phương thức và tài khoản thanh toán ban đầu.
-
Tôi đã thanh toán nhưng không thể bắt đầu khoá học, thời gian tối đa truy cập khoá này là bao lâu?
Bạn sẽ được quyền sở hữu bài học mãi mãi chỉ với một lần thanh toán duy nhất trên eduKATion. Điều này đồng nghĩa với việc bạn có thể truy cập và xem lại bài học vào bất kỳ lúc nào bạn muốn ngay sau khi thanh toán.
-
Tôi có nhận được chứng chỉ sau khi hoàn tất khoá học không?
Học viên sau khi hoàn tất khoá học Machine Learning Cơ Bản sẽ được cấp chứng chỉ online được công nhận bởi tổ chức VietAI.
Chứng chỉ của khoá học Machine Learning Cơ Bản chứng nhận bạn đã:
● Có những hiểu biết cơ bản về lĩnh vực Trí tuệ nhân tạo
● Nắm vững các kiến thức toán, kỹ năng lập trình Python và các công cụ cơ bản hỗ trợ cho công nghệ Machine Learning
● Thấu hiểu quy trình xây dựng các mô hình Machine Learning để giải quyết các bài toán cụ thể.
Chứng chỉ sẽ được lưu trên trang thông tin cá nhân và gửi qua email sau khi bạn hoàn tất khoá học. Bạn có thể tải trực tiếp chứng chỉ từ đường link được cung cấp hay chia sẻ chứng chỉ trên các mạng xã hội như Facebook, LinkedIn, Twitter…