Introduction to Deep Learning: Building Neural Networks for Text and Images (bằng tiếng Anh).

Trí tuệ nhân tạo đang thay đổi cách chúng ta xử lý thông tin, nhưng việc bắt đầu với học sâu có thể cảm thấy quá sức. Bạn sẽ chuyển từ hiểu các nguyên tắc cơ bản của học máy sang xây dựng các mô hình có khả năng nhận diện hình ảnh và phân tích văn bản. Qua những lời giải thích rõ ràng và các bước đi qua mã có cấu trúc, bạn sẽ có được sự tự tin để áp dụng các kỹ thuật học sâu vào các tập dữ liệu thế giới thực. Bạn sẽ học được: - Hiểu kiến trúc cơ bản của mạng nơron, bao gồm các hàm kích hoạt, backpropagation, và các hàn mất. - Xây dựng và đào tạo mạng nơron cuộn (CNN) để phân loại và phân tích dữ liệu hình ảnh. - Thực hiện các mạng nơron lặp lại (RNN) và khám phá kiến trúc chuyển đổi cơ bản cho xử lý ngôn ngữ tự nhiên. - Apply PyTorch để viết mã học sâu sạch, hiệu quả và dễ đọc. - Đánh giá hiệu suất mô hình bằng cách sử dụng các chỉ số chính và tối ưu hóa siêu tham số cho độ chính xác tốt hơn. - Thực hành các cân nhắc AI đạo đức và hiểu các hạn chế của các mô hình học sâu. Chương trình bắt đầu với thuật ngữ cơ bản và nền tảng toán học của học máy trước khi chuyển sang xây dựng mạng nơron thực tế. Bạn sẽ đọc qua các phân chia khái niệm và học các bước triển khai mã cho cả thị giác máy tính và các tác vụ xử lý văn bản. Chương trình này được thiết kế cho người mới bắt đầu với khoa học dữ liệu, các nhà phát triển phần mềm muốn chuyển sang AI, và những người học tò mò với một sự nắm bắt cơ bản về Python. Không cần kinh nghiệm học sâu trước đó. Bắt đầu hành trình của bạn vào thế giới trí tuệ nhân tạo và bắt đầu xây dựng mạng lưới thần kinh đầu tiên của bạn hôm nay.