Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 9: Cơ chế Attention trong Mô hình Seq2Seq giới thiệu một kỹ thuật đột phá giúp cải thiện đáng kể hiệu suất của mô hình Seq2Seq. Chuyên đề này sẽ làm rõ cơ chế Attention, cách nó cho phép mô hình tập trung vào các phần quan trọng của dữ liệu đầu vào khi tạo đầu ra.

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 7: Các biến thể của Recurrent Neural Network tiếp tục khám phá các kiến trúc RNN tiên tiến hơn để giải quyết những hạn chế của mô hình cơ bản. Chuyên đề này trình bày Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU), Bidirectional RNN và Deep-stacked RNN. Nắm vững các biến thể này giúp bạn xử lý hiệu quả các chuỗi dài và phức tạp. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 5: Học sâu trong xử lý ngôn ngữ tự nhiên Word2Vec là chuyên đề đi sâu vào ứng dụng học sâu trong lĩnh vực Xử lý Ngôn ngữ Tự nhiên (NLP). Bài giảng giới thiệu tổng quan về NLP và đặc biệt tập trung vào mô hình Word2Vec, một kỹ thuật tạo biểu diễn vector cho từ. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 3: Mạng Convolutional Neural Network tập trung vào một trong những kiến trúc mạng nơ-ron mạnh mẽ nhất, đặc biệt hiệu quả trong xử lý ảnh. Chuyên đề này giới thiệu về CNN, cách thức hoạt động và hướng dẫn cài đặt CNN sử dụng thư viện Tensorflow. Đây là kiến thức cốt lõi để bạn xây dựng các ứng dụng thị giác máy tính. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 4: Các kiến trúc xử lý ảnh phổ biến tiếp tục khám phá các mô hình CNN tiên tiến và ứng dụng thực tế. Chuyên đề này ôn lại kiến trúc CNN, giới thiệu các mô hình xử lý ảnh phổ biến và kỹ thuật học chuyển tiếp (Transfer Learning) mạnh mẽ. Nắm vững các kiến trúc này giúp bạn giải quyết nhiều bài toán thị giác máy tính phức tạp. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 6: Recurrent Neural Network giới thiệu về mạng nơ-ron hồi quy (RNN), một kiến trúc mạnh mẽ cho dữ liệu trình tự. Chuyên đề này phân tích mô hình ngôn ngữ và các bài toán trong NLP, đồng thời đi sâu vào giới thiệu về RNN cùng những vấn đề và hướng giải quyết thường gặp. Đây là kiến thức cốt lõi để xử lý các chuỗi dữ liệu. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 2: Mô hình máy học đi sâu vào các mô hình học máy cơ bản, tạo nền tảng cho học sâu. Chuyên đề này bao gồm mô hình hồi quy tuyến tính, hồi quy luận lý, softmax regression và giới thiệu về mạng nơ-ron truyền thống. Nắm vững các mô hình này là yếu tố then chốt để bạn hiểu cách học sâu hoạt động. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 8: Mô hình Sequence-to-Sequence đi sâu vào một kiến trúc quan trọng cho các bài toán chuyển đổi trình tự. Chuyên đề này giới thiệu về dịch máy (Machine Translation), mô hình ngôn ngữ điều kiện và kiến trúc mã hóa-giải mã (Encoder-Decoder Architecture). Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

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!

Đề cương cung cấp các kiến thức cơ bản trong lĩnh vực máy học đồng thời tiếp cận các hướng tiếp cận máy học hiện đại như thuật toán học sâu (Deep Learning) để ứng dụng giải quyết một số bài toán trong thực tế. Qua môn học này sinh viên có thể hiểu và cài đặt được kiến trúc mạng Convolutional Neural Network (CNN), Recurrent Neural Network (RNN) với các framework nổi tiếng như Tensorflow và Pytorch.

Bài viết này giới thiệu một hệ thống phát hiện xâm nhập mạng áp dụng phương pháp học sâu dựa trên mạng nơ-ron nhân tạo (Artificial Neural Network ANN) và đa lớp (Multi-layers Perceptron- MLP). Các phương pháp đánh giá mô hình cho thấy rằng giải pháp được đề xuất hoạt động hiệu quả.

Bài viết này đã đề xuất sử dụng thêm kỹ thuật học sâu. Mô hình học sâu được sử dụng dạng Unet. Quá trình mô phỏng trên bộ ảnh y tế đã chỉ ra rằng với một ảnh y tế mờ từ hệ thống quang học, sau hai bước xử lý bằng thuật toán Lucy – Richardson – Rosen và kết hợp với mạng học sâu Unet đã cho ảnh khôi phục tốt hơn.

Luận án Tiến sĩ Kỹ thuật "Khai phá quan điểm với kỹ thuật học sâu" trình bày các nội dung chính sau: Đề xuất trích rút khía cạnh của thực thể với hướng tiếp cận học sâu và mô hình khai phá quan điểm thực hiện tác vụ này dựa trên các kỹ thuật học sâu; Đề xuất xây dựng một tập dữ liệu đa miền dùng cho thực nghiệm được hình thành trên cơ sở tích hợp các bình luận của người dùng trên các miền khác nhau; và mô hình khai phá quan điểm mức khía cạnh đa tác vụ, đa miền sử dụng hướng tiếp cận học sâu được thực nghiệm trên tập dữ liệu đa miền này.

Tóm tắt Luận án Tiến sĩ Khoa học máy tính "Khai phá quan điểm với kỹ thuật học sâu" được nghiên cứu nhằm mục tiêu: Đề xuất mô hình trích rút khía cạnh trong khai phá quan điểm sử dụng hướng tiếp cận học sâu; Đề xuất mô hình khai phá quan điểm mức khía cạnh đa tác vụ sử dụng hướng tiếp cận học sâu; Xây dựng tập dữ liệu đa miền dùng cho thực nghiệm mô hình khai phá quan điểm đã đề xuất.

Mục tiêu nghiên cứu của đề tài "Kỹ thuật học sâu cho bài toán theo vết đa đối tượng" nhằm xây dựng một mô hình nhận dạng theo vết nhiều đối tượng (người) để tiến tới xa hơn có thể áp dụng mô hình cho một số lĩnh vực thực tế như: an ninh quốc phòng, giao thông vận tải,…

Luận án Tiến sĩ Toán học "Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng" trình bày các nội dung chính sau: Tổng quan về bài toán phân vùng polyp trên ảnh nội soi đại tràng và các kỹ thuật học sâu; Mô hình học sâu phân vùng polyp trên ảnh nội soi đại tràng dựa trên mạng Unet cải tiến với hàm mất mát bất đối xứng kết hợp; Phương pháp học tự giám sát đặc trưng thị giác của ảnh nội soi đại tràng cho phân vùng polyp thông qua tác vụ tái tạo ảnh; Phương pháp sinh dữ liệu ảnh nội soi có nhãn phân vùng polyp dựa trên mạng sinh dữ liệu có điều kiện.

Mục tiêu của đề tài "Xây dựng ứng dụng Chatbot tư vấn khách hàng sử dụng các kỹ thuật học sâu" là tìm hiểu, nghiên cứu các kỹ thuật học sâu vào xử lý ngôn ngữ tự nhiên NLU, NLP như phân loại ý định người dùng, trích chọn thông tin và quản lý hội thoại,… trong ứng dụng cụ thể là Chatbot hỗ trợ khách hàng.

mục tiêu của luận văn là nghiên cứu và ứng dụng các kỹ thuật học sâu trong việc trích xuất đặc trưng ảnh vệ tinh nhằm giám sát lớp phủ thực vật, áp dụng trên phạm vi tỉnh Cao Bằng. Trọng phạm vi luận văn này sẽ tập trung nghiên cứu về mô hình mạng Nơ-ron phức hợp U-Net để tiến hành giám sát lớp phủ thực vật của tỉnh Cao Bằng dựa trên dữ liệu ảnh vệ tinh Sentinel.

Mục tiêu của luận văn là tìm hiểu các phương pháp biểu diễn văn bản và đề xuất mô hình sử dụng kỹ thuật học sâu ứng dụng trong tìm kiếm văn bản pháp quy tiếng Việt. Đầu vào của hệ thống là một câu hỏi về pháp luật. Đầu ra của hệ thống là văn bản pháp quy có liên quan, trả lời được cho câu hỏi đó, cụ thể đến mức điều.

Mục tiêu của luận văn là tìm hiểu các phương pháp biểu diễn văn bản và đề xuất mô hình sử dụng kỹ thuật học sâu ứng dụng trong tìm kiếm văn bản pháp quy tiếng Việt. Đầu vào của hệ thống là một câu hỏi về pháp luật. Đầu ra của hệ thống là văn bản pháp quy có liên quan, trả lời được cho câu hỏi đó, cụ thể đến mức điều.