Back to Khoá học
Mô hình máy học và học sâu nâng cao
0% Hoàn thành
0/0 Bài
-
Chương 1: Thị giác máy tính (Computer Vision)
Code thực hành: Phân loại hình ảnh (Image Classification) trong máy học -
Bài học
-
Bài học
-
Code thực hành: Phân vùng ảnh - Image Segmentation
-
Bài học
-
Code thực hành: Phát hiện đối tượng (Object Detection)
-
Code thực hành: Tăng cường dữ liệu trong thị giác máy tính
-
Code thực hành: Truy xuất ảnh theo nội dung
-
Code thực hành: Thuật toán đề xuất thường dùng
-
Code thực hành: Thực hành Thuật toán Matrix Factorization và ứng dụng
-
Bài học
-
Bài học
-
Code thực hành: Thực hành Mô hình ranking trong hệ thống đề xuất
-
Code thực hành: Phân loại hình ảnh (Image Classification) trong máy học
-
Code thực hành: Phân loại hình ảnh (Image Classification) trong học sâu
-
Code thực hành: Phân vùng ảnh (Image Segmentation)
-
Code thực hành: Phát hiện đối tượng (Object Detection)
-
Code thực hành: Tăng cường dữ liệu trong thị giác máy tính
-
Code thực hành: Truy xuất ảnh theo nội dung
-
Code thực hành: Thuật toán đề xuất thường dùng
-
Chương 2: Máy học trong Ngôn ngữ tự nhiên (NLP)Code thực hành: Thuật toán Matrix Factorization và ứng dụng
-
Code thực hành: Mô hình ranking trong hệ thống đề xuất
-
Bài học
-
Code thực hành: Sử dụng mô hình học sâu trong hệ thống đề xuất
-
Code thực hành: Phương pháp đánh giá hiệu quả của hệ thống đề xuất
-
Code thực hành: Cấu trúc Deep Convolutional GANs
-
Code thực hành: Loss function trong bài toán GAN
-
Code thực hành: Conditional GAN & Controllable Generation
-
Code thực hành: Phương pháp đánh giá mô hình GANs
-
Code thực hành: Huấn luyện mô hình Autoencoder
-
Code thực hành: Mô hình Variational Autoencoders
-
Code thực hành: Convolutional Autoencoders
-
Code thực hành: Denoising Autoencoders
-
Code thực hành: Các khái niệm trong học sâu và mạng truyền thẳng
-
Code thực hành: Tối ưu (Optimization)
-
Code thực hành: Hàm kích hoạt (Activation)
-
Code thực hành: Các kỹ thuật giảm overfitting trong học sâu
-
1.1: Giới thiệu thị giác máy tính (Computer Vision)
-
Quiz: Giới thiệu thị giác máy tính (Computer Vision)
-
1.2: Phân loại hình ảnh (Image Classification) trong máy học
-
1.3: Thực hành phân loại hình ảnh (Image Classification) trong máy học
-
Quiz: Phân loại hình ảnh (Image Classification) trong máy học
-
1.4: Phân loại hình ảnh (Image Classification) trong học sâu
-
Chương 3: Hệ thống đề xuất (Recommender System)1.5: Thực hành Phân loại hình ảnh (Image Classification) trong học sâu
-
Quiz: Phân loại hình ảnh (Image Classification) trong học sâu
-
1.6: Phân vùng ảnh (Image Segmentation)
-
1.7: Thực hành phân vùng ảnh (Image Segmentation)
-
Quiz: Phân vùng ảnh (Image Segmentation)
-
1.8: Phát hiện đối tượng (Object Detection)
-
1.9: Thực hành Phát hiện đối tượng (Object Detection)
-
Quiz: Phát hiện đối tượng (Object Detection)
-
1.10: Tăng cường dữ liệu trong thị giác máy tính
-
1.11: Thực hành Tăng cường dữ liệu trong thị giác máy tính
-
Quiz: Tăng cường dữ liệu trong thị giác máy tính
-
1.12: Truy xuất ảnh theo nội dung
-
1.13: Thực hành Truy xuất ảnh theo nội dung
-
Quiz: Truy xuất ảnh theo nội dung
-
2.1: Giới thiệu về máy học trong xử lý ngôn ngữ tự nhiên (NLP)
-
Quiz: Giới thiệu về máy học trong xử lý ngôn ngữ tự nhiên (NLP)
-
2.2: Phân loại văn bản trong xử lý ngôn ngữ tự nhiên
-
Chương 4: Các mô hình máy học dựa trên GANs2.3: Thực hành phân loại văn bản trong xử lý ngôn ngữ tự nhiên
-
Quiz: Phân loại văn bản trong xử lý ngôn ngữ tự nhiên
-
2.4: Nhận dạng thực thể trong xử lý ngôn ngữ tự nhiên
-
2.5: Thực hành Nhận dạng thực thể trong xử lý ngôn ngữ tự nhiên
-
Quiz: Nhận dạng thực thể trong xử lý ngôn ngữ tự nhiên
-
2.6: Truy xuất thông tin trong xử lý ngôn ngữ tự nhiên
-
2.7: Thực hành truy xuất thông tin trong xử lý ngôn ngữ tự nhiên
-
Quiz: Truy xuất thông tin trong xử lý ngôn ngữ tự nhiên
-
2.8: Tóm tắt văn bản trong xử lý ngôn ngữ tự nhiên
-
2.9: Thực hành Tóm tắt văn bản trong xử lý ngôn ngữ tự nhiên
-
Quiz: Tóm tắt văn bản trong xử lý ngôn ngữ tự nhiên
-
2.10: Dịch ngôn ngữ trong xử lý ngôn ngữ tự nhiên
-
2.11: Thực hành Dịch ngôn ngữ trong xử lý ngôn ngữ tự nhiên
-
Quiz: Dịch ngôn ngữ trong xử lý ngôn ngữ tự nhiên
-
2.12: Sinh văn bản tự động trong xử lý ngôn ngữ tự nhiên
-
2.13: Thực hành Sinh văn bản tự động trong xử lý ngôn ngữ tự nhiên
-
Quiz: Sinh văn bản tự động trong xử lý ngôn ngữ tự nhiên
-
2.14: Tăng cường dữ liệu trong xử lý ngôn ngữ tự nhiên
-
Chương 5: Các mô hình máy học dựa trên AutoEncoders2.15: Thực hành tăng cường dữ liệu trong xử lý ngôn ngữ tự nhiên
-
Quiz: Tăng cường dữ liệu trong xử lý ngôn ngữ tự nhiên
-
3.1: Tổng quan về hệ thống đề xuất
-
Quiz: Tổng quan về hệ thống đề xuất
-
3.2: Thuật toán đề xuất thường dùng
-
3.3: Thực hành Thuật toán đề xuất thường dùng
-
Quiz: Thuật toán đề xuất thường dùng
-
3.4: Thuật toán Matrix Factorization và ứng dụng
-
3.5: Thực hành Thuật toán Matrix Factorization và ứng dụng
-
Quiz: Thuật toán Matrix Factorization và ứng dụng
-
3.6: Mô hình ranking trong hệ thống đề xuất
-
3.7: Thực hành Mô hình ranking trong hệ thống đề xuất
-
Quiz: Mô hình ranking trong hệ thống đề xuất
-
3.8: Sử dụng mô hình học sâu trong hệ thống đề xuất
-
Chương 6: Nền tảng về học sâu3.9: Thực hành Sử dụng mô hình học sâu trong hệ thống đề xuất
-
Quiz: Sử dụng mô hình học sâu trong hệ thống đề xuất
-
3.10: Phương pháp đánh giá hiệu quả của hệ thống đề xuất
-
3.11: Thực hành Phương pháp đánh giá hiệu quả của hệ thống đề xuất
-
Quiz: Phương pháp đánh giá hiệu quả của hệ thống đề xuất
-
4.1: Tổng quan về mạng đối nghịch tạo sinh (Generative Adversarial Networks)
-
Quiz: Tổng quan về mạng đối nghịch tạo sinh (Generative Adversarial Networks)
-
4.2: Cấu trúc Deep Convolutional GANs
-
4.3: Thực hành Cấu trúc Deep Convolutional GANs
-
Quiz: Cấu trúc Deep Convolutional GANs
-
4.4: Loss function trong bài toán GAN
-
4.5: Thực hành Loss function trong bài toán GAN
-
Quiz: Loss function trong bài toán GAN
-
4.6: Conditional GAN & Controllable Generation
-
4.7: Thực hành Conditional GAN & Controllable Generation
-
Quiz: Conditional GAN & Controllable Generation
-
4.8: Phương pháp đánh giá mô hình GANs
-
4.9: Thực hành Phương pháp đánh giá mô hình GANs
-
Quiz: Phương pháp đánh giá mô hình GANs
-
4.10: Những vấn đề thường gặp của mô hình GAN
-
4.11: Thực hành Những vấn đề thường gặp của mô hình GAN
-
Quiz: Những vấn đề thường gặp của mô hình GAN
-
4.12: Dự án
-
5.1: Giới thiệu bộ tự mã hóa Autoencoder (AE)
-
Quiz: Giới thiệu bộ tự mã hóa Autoencoder (AE)
-
5.2: Huấn luyện mô hình Autoencoder
-
5.3: Thực hành Huấn luyện mô hình Autoencoder
-
Quiz: Huấn luyện mô hình Autoencoder
-
5.4: Mô hình Variational Autoencoders
-
5.5: Thực hành Mô hình Variational Autoencoders
-
Quiz: Mô hình Variational Autoencoders
-
5.6: Convolutional Autoencoders
-
5.7: Thực hành Convolutional Autoencoders
-
Quiz: Convolutional Autoencoders
-
5.8: Denoising Autoencoders
-
5.9: Thực hành Denoising Autoencoders
-
Quiz: Denoising Autoencoders
-
6.1: Các khái niệm trong học sâu và mạng truyền thẳng
-
6.2: Thực hành Các khái niệm trong học sâu và mạng truyền thẳng
-
Quiz: Các khái niệm trong học sâu và mạng truyền thẳng
-
6.3: Tối ưu (Optimization)
-
6.4: Thực hành Tối ưu (Optimization)
-
Quiz: Tối ưu (Optimization)
-
6.5: Hàm kích hoạt (Activation)
-
6.6: Thực hành Hàm kích hoạt (Activation)
-
Quiz: Hàm kích hoạt (Activation)
-
6.7: Các kỹ thuật giảm overfitting trong học sâu
-
6.8: Thực hành Các kỹ thuật giảm overfitting trong học sâu
-
Code thực hành: Phân loại hình ảnh (Image Classification) trong học sâu
-
6.9: Yếu tố đạo đức và sự công bằng trong Machine Learning
-
Quiz: Yếu tố đạo đức và sự công bằng trong Machine Learning
Bài học 38 of 143
Đang học