Giới thiệu khóa học

Khóa học AI Specialist phân ngành AI Engineer cung cấp cho người học những kỹ năng toàn diện nhất của một AI Engineer bằng việc ứng dụng những kiến thức về Thị giác máy tính, Học sâu cùng các kỹ năng Khai thác dữ liệu, Ra quyết định, Phân tích ngôn ngữ tự nhiên, Phân tích âm thanh, Xử lý hình ảnh, Học tăng cường,… để giải các bài toán thiết yếu đối với doanh nghiệp như nhận diện vật thể, phân tích số liệu, phân tích hành vi khách hàng, tự động hóa, dự đoán giá cả, phân tích giỏ hàng, nhận diện mặt người, nhận diện giao thông, phân tích spam email, chatbot, hệ thống khuyến cáo, phân tích và chẩn đoán bệnh, tự động hóa robot và game,…

Tính ứng dụng của khóa học

• Phân tích ngôn ngữ tự nhiên trong quảng cáo, ngân hàng,...
• Phân tích âm thanh trong cơ khí, an ninh, giải trí,...
• Phân tích hình ảnh trong giao thông, an ninh,...
• Hệ thống tự động & thông minh (ô tô tự hành, robot tự động, smarthome, smartfarm,...)
• Phân tích rủi ro, phân tích khách hàng, phân tích kinh doanh trong marketing, tài chính, ngân hàng,...
• Xác định lỗi sản phẩm, nhận diện giọng nói, nhận diện mặt người

Ai có thể học?

NHÓM 1: Các chuyên viên khoa học dữ liệu muốn phân tích các dữ liệu hình ảnh, âm thanh, ngôn ngữ tự nhiên và hệ thống ra quyết định bằng học sâu (Deep Learning)

NHÓM 2: Các lập trình viên muốn tìm hiểu về AI và ứng dụng AI chuyên sâu

NHÓM 3: Những người yêu thích và muốn trở thành AI Engineer

Nội dung khóa học

1. Khai thác dữ liệu và máy học (Machine Learning)
2. Mạng Neuron nhân tạo và tối ưu hóa mạng Neuron
3. Thị giác máy tính và trích xuất đặc trưng ảnh số
4. Xây dựng mô hình học chuyển tiếp (Transfer Learning)
5. Nhận diện và xác định vật thể trong ảnh số
6. Phân tích âm thanh bằng học sâu (Deep Learning)
7. Phân tích ngôn ngữ bằng học sâu và xây dựng Chatbot
8. Phân tích chuỗi thời gian, hệ thống đề xuất, và học tăng cường bằng học sâu

Kết quả sau khóa học

• Biết cách phân tích dữ liệu và khai thác dữ liệu ngân hàng, tài chính & kế toán hiệu quả.
• Nắm được cách thức nhận diện các vật thể trong tự nhiên bằng các mô hình tiên tiến nhất.
• Biết cách phân tích khách hàng thông qua giọng nói, thông tin và phản hồi.
• Có khả năng xây dựng các hệ ra quyết định bằng học tăng cường (Reinforcement Learning).
• Có khả năng xây dựng các hệ thống phức tạp với dữ liệu lớn và đa dạng.