Giới thiệu tài liệu
Tài liệu này cung cấp một cái nhìn tổng quan về các kỹ thuật học sâu và ứng dụng của chúng. Nó được thiết kế cho sinh viên và các nhà nghiên cứu muốn tìm hiểu về các mô hình học sâu và cách chúng có thể được sử dụng để giải quyết các bài toán thực tế.
Đối tượng sử dụng
Sinh viên đại học chuyên ngành Trí tuệ nhân tạo và Khoa học máy tính, những người muốn có kiến thức chuyên sâu về lĩnh vực máy học và ứng dụng các mô hình vào giải quyết một số bài toán.
Nội dung tóm tắt
Tài liệu này trình bày chi tiết về môn học 'Các kỹ thuật học sâu và ứng dụng', bao gồm các kiến thức cơ bản về máy học và các hướng tiếp cận hiện đại như thuật toán học sâu (Deep Learning). Môn học trang bị cho sinh viên khả năng hiểu và cài đặt các kiến trúc mạng Convolutional Neural Network (CNN) và Recurrent Neural Network (RNN) với các framework phổ biến như Tensorflow và Pytorch. Ngoài ra, sinh viên sẽ được huấn luyện để áp dụng các kiến trúc mạng này vào các bài toán thực tế như phát hiện đối tượng, phân đoạn ngữ nghĩa, truy vấn đối tượng, phân loại văn bản, dịch máy và tạo phụ đề ảnh. Mục tiêu của môn học là trang bị cho người học kiến thức nâng cao về máy học và học sâu, đồng thời phát triển khả năng làm việc độc lập và theo nhóm, cũng như khả năng tự học và ứng dụng kiến thức vào thực tế. Chuẩn đầu ra của môn học bao gồm khả năng hiểu và giải thích thuật ngữ chuyên ngành, sử dụng ngôn ngữ Python và các framework để cài đặt và tùy chỉnh các mô hình học sâu, cũng như rèn luyện kỹ năng làm việc nhóm và sử dụng ngoại ngữ.
