Khóa học Công nghệ Học máy trong Trí tuệ nhân tạo

Học máy và mạng nơ – ron (neural network) là những trụ cột mà bạn có thể xây dựng các ứng dụng thông minh. Các nguyên tắc cơ bản Trí tuệ nhân tạo và Học máy bắt đầu bằng cách giới thiệu cho bạn về Python và thảo luận về các thuật toán tìm kiếm AI. Bạn sẽ được giới thiệu các chủ đề toán học chuyên sâu, chẳng hạn như hồi quy và phân loại, được minh họa bằng các ví dụ Python.

Khi bạn hoàn thành khóa học, bạn sẽ tiến tới các kỹ thuật và khái niệm nâng cao về AI và làm việc trên các bộ dữ liệu thực tế để hình thành các cây và cụm quyết định. Bạn sẽ được giới thiệu về các mạng thần kinh, một công cụ mạnh mẽ dựa trên luật của Moore.

Kết thúc khóa học này, bạn sẽ tự tin khi xây dựng các ứng dụng AI của riêng mình với các kỹ năng mới có được.

Sau khi hoàn thành khóa học, bạn sẽ có thể:

  • Hiểu tầm quan trọng, nguyên tắc và các lĩnh vực của AI
  • Thực hiện các khái niệm Trí tuệ nhân tạo cơ bản với Python
  • Áp dụng các khái niệm hồi quy và phân loại cho các vấn đề trong thế giới thực
  • Thực hiện phân tích dự đoán bằng cách sử dụng decision trees và random forests
  • Tiến hành phân cụm bằng thuật toán k-mean và dịch chuyển trung bình
  • Hiểu các nguyên tắc cơ bản của học sâu thông qua các ví dụ thực tế

Khóa học này dành cho bạn khi khóa học Trí tuệ nhân tạo và Học máy cơ bản là dành cho các nhà lập trình phần mềm và nhà khoa học dữ liệu muốn làm phong phú các dự án của họ bằng Học máy. Bạn không cần bất kỳ kinh nghiệm trước đó trong AI. Tuy nhiên, đề xuất bạn nên có kiến thức về toán cấp trung học và ít nhất một ngôn ngữ lập trình (tốt nhất là Python).

Khóa học này có cách tiếp cận thực hành để thực hiện các kỹ thuật và thuật toán AI khác nhau bằng Python. Khóa học này không đi sâu vào những điều cơ bản của Python. Bạn nên có kiến thức về lập trình Python cơ bản và toán học trung học.

Lesson 1: Principles of Artificial Intelligence

  • Fields and Applications of Artifcial Intelligence
  • AI Tools and Learning Models § The Role of Python in Artifcial Intelligence
  • Python for Game AI

Lesson 2: AI with Search Techniques and Games

  • Heuristics
  • Pathfnding with the A* Algorithm
  • Game AI with the Minmax Algorithm and Alpha-Beta Pruning
  • Lab

Lesson 3: Regression

  • Linear Regression with One Variable
  • Linear Regression with Multiple Variables
  • Polynomial and Support Vector Regression
  • Lab

Lesson 4: Classification

  • The Fundamentals of Classifcation
  • Classifcation with Support Vector Machines

Lesson 5: Using Trees for Predictive Analysis

  • Introduction to Decision Trees
  • Random Forest Classifer
  • Lab

Lesson 6: Clustering

  • Introduction to Clustering
  • The k-means Algorithm
  • Mean Shift Algorithm
  • Lab

Lesson 7: Deep Learning with Neural Networks

  • TensorFlow for Python
  • Introduction to Neural Networks
  • Deep Learning
  • Lab

Học viên vui lòng liên hệ với Tư vấn viên qua mục chat trên website hoặc gọi đến số 024 3771 0668 để được tư vấn chi tiết về lộ trình học tập và chi phí! 

Top khoá học

				
					
				
			

Đánh giá của đối tác & học viên

Các chuyên gia và sinh viên công nghệ tiềm năng bước ra từ iPMAC nói gì về khóa học?

Tìm kiếm khóa học

Nhận tư vấn

(024) 3771 0668

ĐĂNG KÝ HỌC