Luyện thi chứng chỉ Tensorflow

4.1 out of 5
4.1
7 reviews

Giới thiệu

ProtonX luôn tin tưởng rằng việc xây dựng mô hình AI bằng Python + Numpy dựa vào công thức toán học sẽ giúp học viên nắm vững kiến thức toán học + lập trình hơn rất nhiều so với đi luôn và sử dụng các framework mạnh mẽ như Tensorflow.

  • 4 tháng học AI và ôn luyện chứng chỉ Tensorflow
  • 1 tháng tham dự thiết kế thư viện AI

 

Các thư viện AI được xây dựng tại lớp học TF 03

TF 03 Students

Từ nghiên cứu tiến sỹ năm cuối (PhD) đến điểm tuyệt đối kỳ thi Tensorflow

Son Truong

Đăng ký

Lớp học bổ trợ Python

Python là một ngôn ngữ rất mạnh mẽ khi làm việc với dữ liệu. Vì thế đây là ngôn ngữ lập trình không thể thiếu trong kỷ nguyên bùng nổ của trí tuệ nhân tạo. 

Nâng cấp mới

Đào tạo phân tán
Kết hợp sức mạnh của nhiều GPU + TPU để tăng tốc quá trình training
Previous
Next

Truyền thông nói về chúng tôi

Founder @Protonx cùng Google Team chia sẻ kinh nghiệm thi đỗ chứng chỉ. Xem thêm.

Sự thành công của lớp học vượt xa mong đợi đưa Việt Nam trở thành top 4 quốc gia có số lượng người đỗ chứng chỉ nhiều nhất. Xem thêm.

Đội ngũ giảng dạy

Giảng viên

Ngoc Ba

Profile trên trang chủ Google

Trợ giảng

Thanh Nguyen

Đầu ra của khóa học

  • Lấy chứng chỉ Tensorflow Từ Google
  • Học viên có thể tự thiết kế được một thư viện AI dựa vào một nghiên cứu có kết quả tốt
  • Thi đấu thành thục trên Kaggle
  • Xây dựng được hệ thống làm việc với dữ liệu lớn

94

Số lượng chứng chỉ

Nội dung

3

Tuần học miễn phí Python

15

Buổi Toán cơ bản
Đại số tuyến tính, Đạo hàm
Đặc biệt: 5 buổi Xác suất + Thống kê

12

Buổi Học máy + Học sâu cơ bản + nâng cao

3

Buổi làm việc thực tế cùng kỹ sư ProtonX
để xây dựng thư viện AI lõi

Kaggle 1

Dự đoán số lượng xe đạp được thuê.

Kaggle 2

Phát hiện gian lận thẻ tín dụng

Kaggle 3

Bài toán nhận diện hoa

Xử lý ngôn ngữ tự nhiên

Thị giác máy tính

Thư viện mẫu

Thư viện đầy đủ các nội dung

 

  • Hướng đối tượng (OOP)
  • Viết Document Tiếng Anh
  • Design TDD Process – (Test trước – Code sau)
  • Scaling

Anh Quang Le – chứng chỉ Tensorflow số 87 của team 😃
Anh đang là Lead Developer tại SunPower Corporation – một công ty của Mỹ chuyên sản xuất năng lượng mặt trời và lưu trữ năng lượng.
Anh học AI dưới cái nhìn của một lập trình viên có nhiều năm kinh nghiệm 😃

Trích dẫn từ Linkedin.

Minh Tân đã đạt điểm tuyệt đối kì thi chứng chỉ Tensorflow 😃 Bên cạnh đó Tân còn xuất sắc vượt qua hơn 200 bài tập Leetcode trong hơn 2 tháng. 😃

Trích dẫn từ Linkedin.

Chúc mừng Duong Tran – Kỹ sư phần mềm tại Wao Studio đã hoàn thành một trong những mục tiêu của mình năm 2021.

Trích dẫn từ Linkedin.

Luyện tập Python cơ bản (3 tuần)

1
Cấu trúc dữ liệu, mệnh đề điều kiện, vòng lặp đơn giản
2
Vòng lặp nâng cao, Hàm
3
Làm với với file và các thư viện

Đại số tuyến tính

1
Vector, Ma trận và các tính chất
2
Xây dựng, tính toán trên ma trận sử dụng Numpy

Đạo hàm 1

1
Giới hạn
2
Hàm Liên tục
3
Khái niệm đạo hàm
4
Quy tắc chuỗi một biến

Đạo hàm 2

1
Ôn tập quy tắc chuỗi
2
Đạo hàm Vector – Scalar, Gradient
3
Sử dụng GradientTape xây dựng mô hình tính đạo hàm

Đạo hàm 3

1
Đạo hàm Vector – Vector
2
Đạo hàm Ma trận – Vector
3
Quy tắc chuỗi nhiều biến
4
Jacobian Matrix

Giới thiệu các thư viện hiển thị dữ liệu + Ôn tập Gradient

1
Thư viện Matplotlib
2
Thư viện Pandas
3
Ôn tập Gradient

Xác suất 1

1
Đếm
2
Hoán vị, Chỉnh hợp và Tổ hợp
3
Xác suất và các tính chất

Giới thiệu AI và Tensorflow 2

1
AI, Machine Learning, Deep Learning và ứng dụng
2
Giới thiệu Framework Tensorflow 2

Xác suất 2

1
Xác suất điều kiện
2
Xác suất độc lập
3
Công thức xác suất đầy đủ
4
Định lý Bayes
5
Luyện tập áp dụng công thức xác suất đầy đủ + định lý Bayes

Thống kê 1

1
Kỳ vọng
2
Phương sai
3
Phân phối Bernoulli
4
Phân phối Binomial
5
Phân phối chuẩn (Normal Distributions)

Thống kê 2 - Phân phối chuẩn

1
Hàm phân phối tích lỹ (CDF)
2
Tính chất phân phối chuẩn
3
Phân phối chuẩn đơn vị

Thống kê 3 – Ước lượng tham số mô hình

1
Xác suất và Likelihood
2
Maximum Likelihood Estimation
3
MLE ước lượng phân phối Binomial
4
MLE ước lượng phân phối chuẩn

Mô hình hồi quy tuyến tính (Linear Regression)

1
Xây dựng mô hình dự đoán giá Grab
2
Lập trình mô hình hồi quy tuyến tính bằng Python
3
Lập trình mô hình hồi quy tuyến tính bằng Tensorflow 2
4
Hướng dẫn sử dụng TensorBoard để hiển thị quá trình trình training
5
Sử dụng MLE để xây dựng Mean Square Error

Model-centric vs Data-centric

1
Structured và Unstructured data
2
Phân tích tương quan đặc trưng
3
Lựa chọn đặc trưng cho mô hình

Thuật toán Stochastic Gradient Descent (SGD)

1
Lập trình thuật toán Stochastic Gradient Descent với Python
2
Lập trình thuật toán Stochastic Gradient Descent với Tensorflow 2

Mô hình hồi quy logistic (Logistic Regression)

1
Sử dụng Maximum Likelihood Estimation để xây dựng Cost Function cho Logistic Regression
2
Thuật toán Gradient Ascent cho Logistic Regression
3
Thuật toán Gradient Descent cho Logistic Regression
4
Xây dựng thuật toán Gradient Descent cho Logistic Regression bằng Python và Numpy

Mô hình hồi quy Softmax

1
Sử dụng hồi quy Logistic cho bài toán phân loại nhiều lớp
2
Hồi quy Softmax
3
Bias và Variance, vấn đề Overfitting và Underfitting
4
Hiệu chỉnh mô hình (L1, L2)

Đánh giá mô hình

1
TP/TN/FP/FN
2
Precision và Recall
3
F1 Score
4
ROC Curve và AUC ROC Curve
5
Đánh giá hiệu năng mô hình với dữ liệu không cân bằng (Imbalanced Data)

Mạng Neuron (Neural Network)

1
Xây dựng cho mạng Nơ ron

Thực hành xây dựng mạng Nơ ron

1
Xây dựng mạng Nơ ron bằng Python + Numpy
2
Xây dựng mạng Nơ ron bằng Tensorflow 2

Thuật toán lan truyền ngược

1
Lý thuyết, ôn tập quy tắc chuỗi nhiều biến
2
Xây dựng thuật toán lan truyền ngược bằng Python + Numpy

Mạng tích chập (CNN)

1
Thị giác máy tính cơ bản
2
Xây dựng lớp tích chập, max pooling
3
Xây dựng mô hình phân loại

Transfer-learning + thuật toán tối ưu

1
Network in Network (Lin et al)
2
Inception V3
3
Resnet50 (He el al)
4
MobileNetV2

Các thuật toán tối ưu

1
SGD + Momentum, AdaGrad, Adadelta, RMSprop, Adam, AdaMax, Nadam, AMSGrad
2
Chuẩn hóa: BatchNorm
3
Lập trình các thuật toán học bằng Python

Xử lý ngôn ngữ tự nhiên (NLP) - Tách từ và padding + Mô hình Word2Vec - Xây dựng Embedding

1
Skip Gram và CBOW
2
Transfer learning sử dụng Glove/Word2Vec
3
Thực hành tách từ, xây dựng từ điển
4
Xây dựng Skip Gram/CBOW bằng Tensorflow 2
5
Xây dựng CBOW bằng thư viện gensim

Mô hình ngôn ngữ và Mạng nơ-ron hồi quy (RNN)

1
Bài toán nhận diện câu
2
N-grams Language Model
3
Neural Language Model
4
Vấn đề của Vanilla RNN
5
GRU/LSTM

Xây dựng mô hình làm việc với data Time series

1
Xây dựng data Time series: Bài toán dự đoán doanh thu, dự báo thời tiết
2
Xây dựng mô hình dự đoán data Time series

Các kỹ năng cần thiết trong công việc

1
Sử dụng Git + Github
2
Thiết kế TDD (Viết test trước – Code sau)
3
Viết Document

Xây dựng thư viện AI

1
Hướng đối tượng (OOP)
2
Xây dựng Pipeline dữ liệu
3
Scaling thư viện

Tư vấn dàn bài từ chuyên gia và những học viên đã thi thành công

1
Gặp gỡ học viên đã thi chứng chỉ đỗ chứng chỉ Tensorflow (Tensorflow Certificate Holder)
2
Gặp gỡ các học viên đang làm việc tại các công ty AI
Học viên muốn củng cố nền tảng trí tuệ nhân tạo bao gồm kiến thức Toán cơ bản cộng kỹ năng lập trình AI.
Bài tập trên lớp trải dài trong các chủ đề bao gồm: Bài tập đại số tuyến tính, Bài tập xác suất thống kê, Bài tập tiền xử lý dữ liệu, Bài tập xây dựng mô hình AI (Hồi quy tuyến tính, Hồi quy Softmax, Mạng nơ ron, CNN, LSTM), Bài tập xây dựng thư viện AI và thử thách thi đấu Kaggle

Nâng cấp từ khóa học TF 03

— 24 June 2021

  1. Bổ sung kỹ năng Data-Centric thông qua các bài giảng về phân tích và xử lý dữ liệu thiếu (Missing Value) và mất cân bằng dữ liệu (Imbalanced Data)
  2. Từ TF 03 - Các học viên sẽ được học cách xây dựng thư viện AI theo chuẩn tại đây


Add to Wishlist
Enrolled: 100 students
Duration: 60 hours
Lectures: 99
Video: 2 hours
Level: Beginner