Khóa học trí tuệ nhân tạo AI cho người đam mê công nghệ

Nội dung khóa học

Phần 1: Giới thiệu về AI
Bài 1: Thiết lập môi trường học tập cài đặt phần mềm và thư viện liên quan
Bài 2: Python cơ bản
Bài 3: Python cơ bản (P2)11:57
Bài 4: Thư viện numpy (P1)05:18
Bài 5: Thư viện numpy (P2)04:30
Bài 6: Thư viện numpy (P3)01:22
Bài 7: Tổng kết chương00:47
Phần 2: Tiền xử lý dữ liệu
Bài 8: Giới thiệu các bộ dữ liệu trong khóa học02:56
Bài 9: Các bước xây dựng một ứng dụng AI01:05
Bài 10: Các cách thức tiền xử lý dữ liệu05:38
Bài 11: Các cách thức tiền xử lý dữ liệu sử dụng các công cụ pandas, sklearn, matplotlip (P1)04:26
Bài 12: Các cách thức tiền xử lý dữ liệu sử dụng các công cụ pandas, sklearn, matplotlip (P2)03:31
Bài 13: Các cách thức tiền xử lý dữ liệu sử dụng các công cụ pandas, sklearn, matplotlip (P3)11:41
Bài 14: Một số cách thức tiền xử lý dữ liệu văn bản và ảnh01:26
Phần 3: Trích chọn đặc trưng
Bài 15: Tầm quan trọng của trích chọn đặc trưng04:05
Bài 16: Trích chọn đặc văn bản (code)02:11
Bài 17: Trích chọn đặc trăng văn bản (text)04:00
Bài 18: Trích chọn đặc trưng ảnh 101:19
Bài 19: Trích chọn đặc trưng ảnh 202:30
Bài 20: Trích chọn đặc trưng dữ liệu thống kê03:32
Phần 4: Xây dựng mô hình dự đoán
Bài 21: Các loại thuật toán học máy áp dụng trong AI (P1)02:58
Bài 22: Các loại thuật toán học máy áp dụng trong AI (P2)05:54
Bài 23: Hồi quy tuyến tính07:58
Bài 24: Mô hình phân loại SVM 103:09
Bài 25: Mô hình phân loại SVM 206:31
Bài 26: Mô hình phân loại SVM 307:40
Bài 27: Mô hình mạng nơ ron 104:23
Bài 28: Mô hình mạng nơ ron 207:21
Bài 29: Mô hình mạng nơ ron 306:29
Bài 30: Mô hình mạng nơ ron 409:48
Bài 31: Phân cụm kmeans – 102:45
Bài 32: Phân cụm kmeans – 206:19
Phần 5: Đánh giá mô hình
Bài 33: Đánh giá mô hình 105:46
Bài 34: Đánh giá mô hình 2