Khoá học AI cơ bản 6 tháng

Dr. Vu Anh Tuan

📖 Tuần 1: Introduction to AI & Machine Learning (Giới thiệu về AI & Học máy)

• What is AI? How does it work in the real world? (AI là gì? Cách AI hoạt động trong thực tế?)
• Supervised vs. Unsupervised Learning (Học có giám sát & không giám sát)
• Key ML applications (Ứng dụng AI thực tế: ô tô tự lái, y tế, tài chính...)
• Setting up Python & Jupyter Notebooks (Cài đặt Python & Jupyter)

📝 Mini-Project (Bài tập nhỏ): AI in Action – Case study on real-world AI applications

🐍 Tuần 2: Python for Machine Learning (Python cho Học máy)

• Python basics for AI: NumPy, Pandas, Matplotlib, Scikit-learn
• Working with datasets (CSV, JSON, APIs) (Xử lý dữ liệu)
• Data preprocessing, missing values, feature scaling (Tiền xử lý dữ liệu)

📝 Mini-Project: Exploratory Data Analysis on a real dataset (Phân tích dữ liệu thực tế)

🔢 Tuần 3-4: Mathematics for Machine Learning (Toán học cho Học máy)

• Linear Algebra (Đại số tuyến tính)
• Probability & Statistics (Xác suất & Thống kê)
• Gradient Descent & Optimization (Tối ưu hóa bằng Gradient Descent)

📝 Mini-Project: Implement Linear Regression from scratch (Tự xây dựng Hồi quy tuyến tính)

📈 Tuần 5-6: Supervised Learning – Regression & Classification (Học có giám sát: Hồi quy & Phân loại)

• Linear Regression, Logistic Regression (Hồi quy tuyến tính & hồi quy logistic)
• Model Evaluation (Đánh giá mô hình)
• Regularization: Ridge & Lasso (Chuẩn hóa mô hình)

📝 Project: Predicting Housing Prices using Regression (Dự đoán giá nhà)

🌳 Tuần 7-8: Decision Trees, SVM, and Boosting (Cây quyết định, SVM, Boosting)

• Decision Trees & Random Forests (Cây quyết định & Rừng ngẫu nhiên)
• Support Vector Machines (SVM) (Máy véc tơ hỗ trợ)
• Gradient Boosting, XGBoost, AdaBoost (Thuật toán Boosting)
• Hyperparameter Tuning: Grid Search & Random Search (Điều chỉnh tham số mô hình)

📝 Project: Fraud Detection using Random Forest (Nhận diện gian lận)

🔍 Tuần 9-10: Unsupervised Learning & Clustering (Học không giám sát & Phân cụm)

• K-Means Clustering, DBSCAN (Thuật toán phân cụm)
• Principal Component Analysis (PCA) (Phân tích thành phần chính)
• Anomaly Detection (Phát hiện bất thường)

📝 Project: Customer Segmentation using K-Means (Phân cụm khách hàng)

Tháng 4-6: Deep Learning & Real-World Applications (Học sâu & Ứng dụng thực tế)

🧠 Tuần 11-12: Neural Networks & Deep Learning Fundamentals (Mạng nơ-ron & Học sâu)

• Artificial Neural Networks (ANN) (Mạng nơ-ron nhân tạo)
• Forward & Backpropagation (Lan truyền tiến & lan truyền ngược)
• Hyperparameter Tuning for Neural Networks (Điều chỉnh tham số mạng nơ-ron)

📝 Project: Build a Neural Network from scratch (Tự xây dựng mạng nơ-ron)

🖼️ Tuần 13-14: Convolutional Neural Networks (CNNs) & Image Processing (Mạng CNN & Xử lý ảnh)

• CNN architecture, Pooling, Strides (Kiến trúc CNN)
• Image Classification (Phân loại ảnh)
• Transfer Learning (Học chuyển giao)

📝 Project: Dog vs. Cat Image Classifier (Phân loại chó mèo bằng CNN)

🎯 Tuần 15-16: Object Detection & Image Segmentation (Nhận diện & Phân đoạn ảnh)

• Object Detection: YOLO, Faster R-CNN (Nhận diện vật thể)
• Object Segmentation: U-Net, Mask R-CNN (Phân đoạn ảnh)

📝 Project: Object Detection using YOLOv8 (Nhận diện vật thể với YOLO)

🔄 Tuần 17-18: Recurrent Neural Networks (RNNs) & Time Series (Mạng RNN & Dự báo chuỗi thời gian)

• Sequence Modeling with RNNs, LSTMs, GRUs (Mô hình chuỗi thời gian với RNN, LSTM, GRU)
• Applications in speech recognition, stock price forecasting (Ứng dụng thực tế)

📝 Project: Time Series Forecasting with LSTMs (Dự báo chuỗi thời gian)

🔥Tuần 19-21: Transformers & Large Language Models (Mô hình Transformer & Ngôn ngữ lớn)

• Attention Mechanism & Self-Attention (Cơ chế chú ý & tự chú ý)
• BERT, GPT, and Large Vision-Language Models (BERT, GPT & các mô hình ngôn ngữ lớn)

📝 Project: Fine-tune GPT-3.5 or BERT (Tùy chỉnh GPT-3.5 hoặc BERT)

🤖 Tuần 22-24: Real-World AI Case Studies, Deployment & Applications (Ứng dụng AI thực tế & Triển khai mô hình)

• AI in Finance, Healthcare, Retail (Ứng dụng AI trong tài chính, y tế, bán lẻ)
• Model Deployment Basics (Triển khai mô hình AI với Flask/FastAPI)

📝 Final Project: Deploy a Real-World AI Model (Triển khai mô hình AI thực tế)