ĐỀ CƯƠNG KHÓA HỌC

TRÍ TUỆ NHÂN TẠO CHUYÊN NGÀNH

1. Tổng quan nội dụng: Khóa học trí tuệ nhân tạo chuyên ngành cung cấp cho học viên kiến thức về trí tuệ nhân tạo chuyên ngành và các phương pháp mới nhất trong trí tuệ nhân tạo hiện đại và ứng dụng trong các bài toán hỗ trợ ra quyết định, bài toàn nhận dạng, bài toán phát hiện tri thức tự động từ dữ liệu, v.v. Bên cạnh đó, chương trình cũng giới thiệu một phương pháp nâng cao cải tiến để phù hợp với bài toán thực tế cũng như nâng cao tính hiệu quả của phương pháp. Khóa học cung cấp thực hành môn học trên Python/ scikit learn.

2. Thời lượng khóa học: 20 tiết.

3. Mục tiêu khóa học: Sau khi học xong khóa học, học viên có thể làm chủ kiến thức về học máy nâng cao, xử lý ảnh và thị giác máy tính, ứng dựng mạng neural và deep learning để xử lý các bài toán trong nhiều lĩnh vực ứng dụng.

4. Đối tượng tham gia khóa học: Khóa học dành cho nghiên cứu viên, lập trình viên và các đối tượng liên quan.

5. Yêu cầu kiến thức: Sau khi kết thúc khóa học, học viên có được các kiến thức chuyên ngành về trí tuệ nhân tạo tập trung vào học máy nâng cao, xử lý ảnh với mạng Neural và Deep Learning.

6. Kỹ năng đạt được sau khóa học: Sau khi kết thúc khóa học, học viên có thể ứng dụng các kiến thức trí tuệ nhân tạo chuyên ngành để giải quyết các bài toán về tài chính, y tế, khoa học trái đất, v.v.

CHƯƠNG TRÌNH KHUNG

STT TÊN CHUYÊN ĐỀ NỘI DUNG SỐ TIẾT
1 Giới thiệu về Trí tuệ nhân tạo
  • Trí tuệ nhân tạo
  • Các chiến lược tìm kiếm & heuristics
  • Biểu diễn và xử lý tri thức
  • Ứng dụng của Trí tuệ nhân tạo
5
2 Học máy nâng cao
    • Khai phá dữ liệu
    • Học máy
    • Các kĩ thuật học máy

– Phân lớp và dự báo

– Mô hình học không giám sát

– Trực quan hóa

  • Một số ví dụ trên SKlearn
5
3 Xử lí ảnh và Thị giác máy tính
  • Chuyển đổi số đem lại lợi ích gì cho người dân và doanh nghiệp
  • Hình thành và biểu diễn ảnh
  • Thu nhận và số hóa
  • Phát hiện và tách biên ảnh
  • Phân vùng ảnh
  • Đặc trưng ảnh SIFT, SURF, ORB và các phương pháp trích xuất đặc trưng ảnh
  • Nhận dạng ảnh với kỹ thuật Bag of Features
  • Camera và chuỗi ảnh
  • Một số ví dụ trên SKlearn
5
4 Mạng Neural và Deep Learning
  • Bài toán nhận dạng đối tượng
  • Deep Learning
  • Ví dụ trong bài toán nhận dạng mặt người
5