Trong tương lai không xa, Trí tuệ Nhân tạo (AI) sẽ góp phần đáng kể vào sự tăng trưởng kinh tế toàn cầu. Công nghệ này được dự đoán sẽ đóng góp 15,7 nghìn tỷ USD vào GDP toàn cầu vào năm 2030. Hơn nữa, giá trị kinh doanh toàn cầu liên quan đến AI dự kiến tăng 70% so với năm ngoái, lên mức 1,2 nghìn tỷ USD và tiếp tục tăng trưởng trong những năm tiếp theo. Một trong những lĩnh vực quan trọng của AI đó là Học máy (Machine Learning).
Học máy: Đỉnh cao của Trí tuệ Nhân tạo
Trong những năm gần đây, Machine Learning đã trở thành một ấn tượng đối với sự phát triển công nghệ 4.0. Đây là lĩnh vực hứa hẹn mang lại nhiều thành tựu vượt bậc nhờ việc học máy tích tụ và cải thiện từ dữ liệu mà không cần phụ thuộc vào việc lập trình rõ ràng cho từng tác vụ. Các thuật toán Machine Learning giúp xây dựng và huấn luyện các hệ thống để giải quyết các vấn đề thực tế.
Chương trình Học máy cung cấp kiến thức cơ bản về các phương pháp hồi quy, phân loại, học sâu, phân cụm và xử lý dữ liệu trong lĩnh vực Machine Learning. Nhờ đó, sinh viên sẽ có được hiểu biết sâu sắc về Machine Learning và ứng dụng thực tế của nó.
Cơ hội nghề nghiệp sau khi hoàn thành khoá học
Sau khi hoàn thành khoá học, sinh viên sẽ có cơ hội:
- Gia nhập vào các công ty phần mềm hàng đầu về Machine Learning như FPT Software, Tinh Vân, CMC và các công ty khởi nghiệp.
- Tham gia vào các dự án liên quan đến AI và Học máy (Machine Learning).
- Làm việc với vị trí kỹ sư phát triển hệ thống AI và Học máy trong các doanh nghiệp.
Mục tiêu của khoá học
Khoá học Machine Learning nhằm mục tiêu:
- Cung cấp kiến thức cơ bản về ý nghĩa và vai trò của Machine Learning trong các bài toán thực tế.
- Hiểu và áp dụng phương pháp hồi quy, thuật toán và kỹ thuật liên quan đến học máy.
- Hiểu cách áp dụng các thuật toán học sâu vào các bài toán về thị giác máy tính và xử lý ngôn ngữ tự nhiên.
- Thực hiện quy trình giải quyết các bài toán thực tế liên quan đến học máy.
- Trang bị kỹ năng xử lý và trích chọn đặc trưng trong dữ liệu, các phương pháp xử lý dữ liệu mất cân bằng.
Yêu cầu đầu vào cho sinh viên
Bất kỳ ai cũng có thể học Machine Learning, nhất là những ai đã có nền tảng:
- Lập trình Python cơ bản.
- Xác suất thống kê.
- Cấu trúc dữ liệu và giải thuật với Python.
Nếu bạn cần gia cố kiến thức, bạn có thể tìm hiểu thêm qua các khóa học miễn phí trên mạng hoặc đăng ký học lại các môn nền tảng tại FUNiX.
Chương trình học
Môn 1: Giới thiệu về Học máy
- Hiểu các khái niệm cơ bản của Machine Learning.
- Hiểu các khái niệm cơ bản liên quan đến Machine Learning về Giải tích, Đại số tuyến tính và Xác suất thống kê.
- Ôn tập và thực hành lập trình Python cơ bản, làm việc với Pandas và Numpy.
- Nắm bắt kiến thức cơ bản về Học tập có giám sát và không giám sát trong Machine Learning với các Case study.
Môn 2: Học máy: Kỹ thuật Hồi quy
- Nắm rõ mục tiêu và phương pháp giải bài toán Hồi quy.
- Triển khai các thuật toán hồi quy thông dụng: Hồi quy tuyến tính, Đa biến, Lasso, Ridge.
- Giải quyết các vấn đề underfit và overfit trong bài toán Hồi quy.
- Thực hiện trích xuất và chọn lọc đặc trưng từ dữ liệu.
- Làm quen với các thuật toán hồi quy nâng cao: SVR, Tree, Random Forest.
Môn 3: Học máy: Kỹ thuật Phân loại
- Hiểu và áp dụng các phương pháp giải bài toán Phân loại.
- Triển khai các thuật toán phân loại thông dụng: Hồi quy Logistic, mạng nơ-ron, cây quyết định, SVM.
- Giải quyết các vấn đề underfit, overfit, optimization và regularization trong bài toán phân loại.
- Thực hiện trích xuất và chọn lọc đặc trưng từ dữ liệu cho bài toán phân loại.
- Làm quen với các thuật toán phân loại nâng cao: Adaboost, Random Forest.
- Xử lý vấn đề mất cân bằng dữ liệu trong bài toán phân loại.
- Áp dụng phương pháp ensemble cho các bài toán Machine Learning: Ensembling, boosting, bagging, stacking.
Môn 4: Kỹ thuật phân cụm và thu hồi hoặc Học sâu
Sau khi hoàn thành 3 môn trước, sinh viên sẽ lựa chọn môn thứ 4 dựa trên hướng nghề nghiệp hiện tại và tương lai.
- Môn 4.1: Kỹ thuật phân cụm và thu hồi
- Môn 4.2: Kỹ thuật học sâu
Môn 5: Đồ án cuối khóa
Môn này giúp sinh viên áp dụng kiến thức đã học để giải quyết các bài toán thực tế liên quan đến Machine Learning.
Môn 6: Trở thành lập trình viên chuyên nghiệp
Môn học này giúp sinh viên nắm bắt những kiến thức và kỹ năng mềm để nâng cao khả năng viết code và giải quyết vấn đề. Bao gồm cài đặt IDE, quy trình xây dựng phần mềm, công cụ quản lý phiên bản Git, v.v.
Phương thức đào tạo
Khóa học Machine Learning được học trực tuyến trên nền tảng của FUNiX. Sinh viên sẽ nhận tài khoản học trực tuyến để tiếp cận lý thuyết cùng với thực hành các dự án do chuyên gia trong ngành cung cấp. Thời gian thực hành chiếm từ 60% đến 70% trong suốt khoá học.
Sinh viên có thể gặp gỡ mentor để giải đáp thắc mắc. Đồng thời, sinh viên có trợ lý học tập cá nhân (Hannah) để giúp tạo thói quen tự học.
Sau khi nộp dự án, sinh viên sẽ nhận được phản hồi chi tiết để hoàn thiện từng bài. Để hoàn thành khoá học, sinh viên cần hoàn tất các bài kiểm tra và thi cuối môn.
Đội ngũ xây dựng khóa học
Khóa học Machine Learning được xây dựng và thẩm định bởi đội ngũ các chuyên gia hàng đầu về giảng dạy và làm việc trong lĩnh vực Machine Learning tại Việt Nam.
Dưới đây là một số thành viên quan trọng:
- TS. Nguyễn Văn Vinh - Chuyên gia về Trí tuệ Nhân tạo, Giảng viên ĐHCN, ĐHQG HN.
- Trần Phi Dũng - Kiến trúc sư Giải pháp Phần mềm, FPT Software.
- Lưu Trường Sinh - Kỹ sư AI, thành viên AI Lab, ĐHCN, ĐHQG.
- Nguyễn Hoàng Quân - Giảng viên ĐH Công Nghệ, ĐH QGHN.
Đội ngũ này chắc chắn sẽ đảm bảo chất lượng và sự phát triển của khoá học Machine Learning.
Nếu bạn quan tâm và muốn biết thêm thông tin về khoá học, vui lòng xem chi tiết tại đây. Hoặc liên hệ theo thông tin dưới đây:
- Hotline/ Zalo: 078.231.3602
- Email: [email protected]
