Bài giảng Các kỹ thuật học sâu và ứng dụng: Bài 1 - TS. Nguyễn Vinh Tiệp

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:59

Thêm vào BST

Báo xấu

3
lượt xem 0
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 1: Bài mở đầu là chuyên đề giới thiệu tổng quan về môn học và lĩnh vực học sâu. Bài giảng sẽ trình bày lịch sử hình thành, những thành tựu nổi bật của Trí tuệ Nhân tạo và ôn tập các kiến thức nền tảng toán học cần thiết. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Các kỹ thuật học sâu và ứng dụng: Bài 1 - TS. Nguyễn Vinh Tiệp

ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN CS431 - CÁC KỸ THUẬT HỌC SÂU VÀ ỨNG DỤNG BÀI MỞ ĐẦU TS. Nguyễn Vinh Tiệp Thực hiện bởi Trường Đại học Công nghệ Thông tin, ĐHQG-HCM 1
NỘI DUNG 1. Giới thiệu môn học 2. Lịch sử hình thành và thành tựu AI 3. Ôn tập nền tảng toán Thực hiện bởi Trường Đại học Công nghệ Thông tin, ĐHQG-HCM 2
Giới thiệu môn học ∗ Lịch sử và thành tựu AI Tuần 1 Giới thiệu, ôn tập toán nền tảng ∗ Ôn tập một số kiến thức toán Tuần 2 Mô hình học tổng quát và một số Nguồn: Nvidia mạng học nông Tuần 3 Kiến trúc mạng CNN và trực quan hóa CNN Tuần 4 Một số biến thể mạng CNN Tuần 5 Một số ứng dụng của CNN September 12, 2023 Thực hiện bởi Trường Đại học Công nghệ Thông tin, ĐHQG-HCM 3
Giới thiệu môn học Tuần 6 Mạng RNN, LSTM Tuần 7 Cơ chế Attention và Transformer Một số ứng dụng của mô hình Tuần 8 Attention và Transformer Báo cáo đồ án cuối kỳ Tuần 9-10 Ôn tập September 12, 2023 Thực hiện bởi Trường Đại học Công nghệ Thông tin, ĐHQG-HCM 4
Hình thức đánh giá Bài tập 30% Đồ án 30% Cuối kỳ 40% • Quiz • Làm theo nhóm • Thi viết • Bài tập lập trình • Nộp cuối kỳ • Đề đóng 5 Trường ĐH CNTT – Các kỹ thuật học sâu và ứng dụng (CS431)
NỘI DUNG 1. Giới thiệu môn học 2. Lịch sử hình thành và thành tựu AI 3. Ôn tập nền tảng toán Thực hiện bởi Trường Đại học Công nghệ Thông tin, ĐHQG-HCM 6
Lịch sử phát triển Source: Nvidia 7
Thành tựu của AI Robotics Văn bản Âm thanh Xử lý dữ liệu dạng bảng Xử lý ảnh Xử lý ngôn ngữ tự nhiên 8
Thành tựu của AI Tài chính, thương mại điện tử Y sinh, Chăm sóc sức khỏe Môi trường “thông minh" 9
Demo Source: https://github.com/features/copilot 10
Demo 11
Demo Prompt: An elf steering down at a battlefield, long white hair, steampunk, bow and arrows, artstation. Máy tính học từ rất nhiều dữ liệu! a) MidJourney b) DALL-E2 c) StableDiffusion 12
NỘI DUNG 1. Giới thiệu môn học 2. Lịch sử hình thành và thành tựu AI 3. Ôn tập nền tảng toán Thực hiện bởi Trường Đại học Công nghệ Thông tin, ĐHQG-HCM 13
Tại sao cần Đại số tuyến tính • Biểu diễn dữ liệu gốc bằng các khái niệm tensor: o Tensor 0 chiều – Scalar o Tensor 1 chiều – Vector o Tensor 2 chiều – Ma trận o Tensor nhiều chiều • Biến đổi dữ liệu bằng các phép toán trên tensor September 12, 2023 Thực hiện bởi Trường Đại học Công nghệ Thông tin, ĐHQG-HCM 14
Khái niệm tensor • Tensor 0 chiều – Scalar • Tensor 1 chiều – Vector • Tensor 2 chiều – Ma trận • Tensor nhiều chiều 15
Scalar – Tensor 0 chiều 0 0.1 1 1.5 2 2.1 -2 -2.6 -5 3 3.2 Số nguyên Số thực 16
Scalar – Định nghĩa • Ký hiệu: 𝑎 ∈ ℝ là một scalar vô hướng (số chiều bằng 0) chứa duy nhất 1 số thực • Scalar được dùng để biểu diễn tốc độ, khối lượng, chiều dài • Cách gọi khác: scalar tensor, 0-dimensional tensor, 0D tensor • Trong Numpy, các tensor có 2 thông số quan trọng là ‘ndim’ và ‘shape’: 17
Vector – Tensor 1 chiều Tập hợp thông tin các nhà trong một khu phố Diện tích (m2) Số phòng ngủ Giá (K$) 2104 3 400 1600 3 330 2400 3 369 1416 2 232 Vector chứa thông tin của 1 căn nhà (2104, 3, 400) 18
Vector – Định nghĩa • Ký hiệu: 𝐱 ∈ ℝ𝑛 là một vector với 1 chiều không gian, gồm 𝑛 phần tử 𝑥1 𝑥2 • Vector gồm tập hợp các scalar, viết dưới dạng cột: 𝐱 = ⋮ 𝑥𝑛 • Python: 19
Vector - Biểu diễn dữ liệu • Các từ được biểu diễn dưới dạng vector trước khi tính toán • Tín hiệu âm thanh được biểu diễn dưới dạng vector 20