ĐĂNG KÝ HỌC

"Vượt sóng layoff" với khóa học

HỌC SÂU CHO
THỊ GIÁC MÁY TÍNH

từ ĐH Bách khoa Hà Nội

10%

Lượng nhân sự AI mới đáp ứng được 10% nhu cầu thị trường. 

30%

Chỉ 30% kỹ sư IT đã tốt nghiệp đủ sức làm trong lĩnh vực DL.

21%

là mức tăng trưởng nhu cầu tuyển dụng kỹ sư Thị giác máy tính hàng năm.

1,5x

là mức chênh lệch lương TB giữa kỹ sư Thị giác máy tính với kỹ sư phần mềm.

Học sâu cho Thị giác máy tính - mỏ vàng sự nghiệp trong
kỷ nguyên AI

Học sâu, đặc biệt là Học sâu cho Thị giác máy tính đang dần trở thành một trong những ngành 'hot' nhất lĩnh vực Trí tuệ nhân tạo. Nó có ứng dụng vô cùng rộng rãi, từ những thiết bị cá nhân sử dụng hàng ngày đến những cỗ máy tối tân, hiện đại của cả một quốc gia. Do đó, cơ hội việc làm cho những kỹ sư Thị giác máy tính có thể tìm thấy ở mọi nơi!

* Dữ liệu từ Glassdoor

Mọi thứ đều triển vọng
nhưng không dễ dàng!

Kiến thức trên mạng đa dạng nhưng tản mát, thiếu tính hệ thống, khó theo dõi, khiến người học dễ bỏ cuộc.
Các khóa học bên ngoài giảng dạy sơ sài, không chuyên sâu, không giúp học viên hiểu rõ bản chất vấn đề.
Thiếu sự định hướng và chỉ dạy của người có kinh nghiệm trong ngành, nên dễ hoang mang, dao động.

Tại khóa học này:

ĐĂNG KÝ HỌC

Nội dung khóa học

Tổng cộng: 40 giờ học - 20 buổi | Thời lượng: 2 giờ/ buổi 

ĐĂNG KÝ HỌC

Bài 6. Giới thiệu về học sâu (deep learning)

  • Tổng quan/ Nhắc lại kiến thức về NN
  • Convolution layer và Pooling layer
  • Hoạt động của CNN
  • Thực hành mô hình CNN đầu tiên
  • Ứng dụng của CNN
  • Chú ý khi sử dụng deep learning

Bài 7. Các mạng nơ-ron tích chập phổ biến

  • Động lực từ ImageNet Large Scale Visual Recognition Competition (ILSVRC)
  • Các mạng CNN phổ biến
  • Transfer learning
PHẦN 2: Deep Learning

Bài 8. Bài toán phát hiện đối tượng

  • Các bài toán chính của Computer Vision
  • Giới thiệu bài toán phát hiện đối tượng (Object Detection)
  • R-CNN, Fast R-CNN và SSD
  • You Only Look Once (YOLO)

Bài 9. Bài toán phân đoạn ảnh

  • Khái niệm
  • Ứng dụng của bài toán phân đoạn ảnh
  • Semantic segmentation
  • Instance segmentation
  • Các kiến trúc nổi tiếng

Bài 10. Mạng đối nghịch tạo sinh (GAN)

  • Giới thiệu GAN
  • Ứng dụng GAN
  • Huấn luyện mạng GAN
  • Deep Convolutional GAN (DCGAN)
  • Semi supervised GAN
PHẦN 3: Deep Learning for Computer Vision

Bài 1. Tổng quan về học máy

  • Khái niệm cơ bản
  • Mô hình học máy
  • Phân loại học máy

Bài 2. Học có giám sát (supervised learning)

  • Quy trình học có giám sát
  • Phân loại học có giám sát
  • Tổng quan về bài toán phân loại (classification) và hồi quy (regression)
  • Các thuật toán phân loại và hồi quy

Bài 3. Học không giám sát (Unsupervised learning)

  • Nhắc lại định nghĩa
  • Ứng dụng học có giám sát
  • Chú ý khi xây dựng mô hình học có giám sát/ học không giám sát
  • Bài toán ví dụ: Fraud detection application

Bài 4. Mạng nơ-ron (neural network-NN)

  • Lịch sử
  • Mạng nơ-ron trong não người
  • Mạng nơ-ron nhân tạo
  • Đặc điểm, cấu tạo và hoạt động của mạng nơ-ron
  • Huấn luyện mạng nơ-ron

Bài 5. Mạng nơ-ron hồi quy (RNN/ LSTSM / GRU) 

  • Ý tưởng và khái niệm cơ bản
  • Lịch sử và Ứng dụng
  • Giới thiệu về RNN
  • Giới thiệu về LSTM
  • Thực hành sử dụng mô hình LSTM
PHẦN 1: Machine Learning Foundation

Sản phẩm học viên

Dự án: Phát hiện lỗi trên tấm pin
năng lượng mặt trời

Dự án: Cảnh báo người vi phạm
khu vực cấm

NHẬN TƯ VẤN

Thờ gian ưu đãi còn

5.000.000

4.500.000 VNĐ

00
00
00
00

Days

Hours

Min

Sec

ƯU ĐÃI DUY NHẤT
TRONG THÁNG

Sẵn sàng "vượt sóng layoff"
khi sở hữu kỹ năng vàng

Được sửa bài, hỏi bài trực tiếp với giảng viên Trường Công nghệ Thông tin và Truyền thông, ĐH Bách khoa Hà Nội.
Thoải mái xem lại nội dung bài giảng
theo record từng buổi học.
Nhận certificate có dấu mộc của Trường Công nghệ Thông tin và Truyền thông - ĐH Bách khoa Hà Nội sau khi hoàn thành khóa học.
Giảng dạy trực tuyến qua Zoom 100%,
phù hợp với người bận rộn.
Tham gia Mạng lưới kết nối nghề nghiệp và thảo luận chuyên môn giữa học viên, giảng viên, trợ giảng và nhà tuyển dụng.

Trung tâm Công nghệ và Giải pháp Chuyển đổi số trong giáo dục (Edtech Centre)
Trường Công nghệ Thông tin và Truyền thông - ĐH Bách khoa Hà Nội

Address: Toà B1 - Trường Công nghệ Thông tin và Truyền thông - Đại học Bách khoa Hà Nội

Hotline: 0988.022.361

Email: daotao.ai@soict.hust.edu.vn

Website: https://daotao.ai/

TS. Đặng Tuấn Linh

Giảng viên khóa Học sâu cho Thị giác Máy tính
- Học bổng đặc biệt cho 3 năm học tiến sĩ của Trường Đại học Công nghệ Kochi, Nhật Bản năm 2014
- Học bổng thạc sĩ của Chính phủ Nhật Bản (Monbukagakusho) năm 2012.
- Đạt danh hiệu thủ khoa các trường đại học Hà Nội năm 2011.
- Chuyên gia tư vấn & đào tạo cho nhiều doanh nghiệp trong lĩnh vực học máy, thị giác máy tính,.