PHẦN HỌC

NỘI DUNG

KIẾN THỨC PYTHON

(60 Tiết)

   1. Python cơ bản (24 tiết)

       Giới thiệu về Python

      Cài đặt Python, Develop Environment

      Chương trình Hello World

      Cú pháp cơ bản

      Các kiểu dữ liệu

      Cấu trúc điều khiển

      Hàm

      File

      Modules, Packages

      Numpy, Pandas, Matplotlib

   2.Python nâng cao (36 tiết)

• Hướng đối tượng
• Regular Expression
• Xử lý file thông dụng JSON, XML, HTML
• Phân tích, xử lý hình ảnh, video
• Kết nối cơ sở dữ liệu (SQL Server, MySQL, PostgresSQL, MongoDB)
• Đa luồng (Thread)
• Gửi email với SMTP
• Socket Programming
• API
• Lập trình giao diện GUI (PyQT)
• Lập trình Web (Django)

PYTHON VỚI AI

( 60 tiết )

3. Giới thiệu về trí thông minh nhân tạo (6 tiết)
   • Ôn tập kiến thức cơ bản (đại số, giải tích, xác suất).
   • Các khái niệm và phạm vi ứng dụng.
   • Lịch sử phát triển của AI.
   • Các demo và ứng dụng thực tế.
   • Dữ liệu lớn và các khái niệm liên quan (NoSQL).
   • Tại sao sử dụng Python để phát triển AI.
   • Giới thiệu môi trường và các công cụ sử dụng trong Data analysis và AI.
4. Giới thiệu về Machine Learning (4 tiết)
   • Khái niệm Machine Learning.
   • Phân loại (Supervised Learning, Unsupervised Learning, Reinforcement Learning).

• Toán học phân tích, thống kê dữ liệu (calculus, statistics, linear algebra).
• Lộ trình xây dựng hệ thống Machine Learning
• Cài đặt cấu hình môi trường cho xử lý/phân tích dữ liệu trong ML

5. Các thuật toán trong Machine Learning (8 tiết)
   • Triển khai các thuật toán trong Machine Learning trên Python.
   • Thuật toán phân cụm: K-Means Clustering.
   • Thuật toán phân lớp K-Nearest Neighbor (KNN).
   • Bài toán Linear Regression.
   • Perceptron Learning Algorithm (PLA)
   • Bài toán Logistic Regrssion.
   • Decision Tree, Random Forest.
   • SVM.
   • Hướng dẫn sử dụng thư viện Scikit-learn.
6. Mạng Neural (8 tiết)
   • Giới thiệu mạng Neural.
   • Node Neural, Neural Network.
   • Bài tập triển khai node Neural trên Numpy.
   • Tạo một Neural Network với Tensorflow.
   • Huấn luyện mạng Neural.
   • Bài toán nhận diện chữ số viết tay bằng FeedForward Neural Network.
7. Deep Learning (8 tiết)
   • Giới thiệu Deep Learning và các ứng dụng.
   • CNN Network.
   • Các dạng CNN phổ biến.
   • Bài toán phân biệt dữ liệu ảnh [Chó, Mèo] với mạng CNN.
   • Transfer learning
8. Objects Detect (8 tiết)
   • Giới thiệu Objects Detect, Segmentation
   • Các mô hình Object Detect, Segmentation phổ biến và vấn đề liên quan.
   • Bài toán nhận diện vùng (biên) của vật thể trên ảnh.
9. Xử lý ngôn ngữ tự nhiên (8 tiết)
   • Giới thiệu các khái niệm, mô hình trong xử lý ngôn ngữ tự nhiên.
   • Mô hình tiền xử lý dữ liệu tiếng Việt.
   • Kỹ thuật biểu diễn words trong không gian vectors (mạng từ: word2vec: Skip-gram, CBOW).
   • Bài tập nhận diện ngữ nghĩa (bình luận tích cực hay tiêu cực).
   • Mạng RNN và các thể hiện (GRU, LSTMs).
10. Làm dự án cuối khóa) (10 tiết)
    • Giới thiệu mở rộng bài toán xử lý âm thanh (Speech to Text, Text to Speech).
    • Xem lại kiến thức đã học.
    • Review dự án của các nhóm.
    • Giới thiệu gợi mở tích hợp hệ thống Machine Learning/Deep Learning lên môi trường Web/GUI.
    • Báo cáo đề tài.

THỰC TẬP

( 24 tiết )

11. Hướng dẫn thực tập (24 tiết)