TRÍ TUỆ NHÂN TẠO AI VÀ ỨNG DỤNG

"Trí tuệ nhân tạo (AI) và Ứng dụng" cung cấp nền tảng kiến thức và kỹ năng thực hành về AI, từ cơ sở toán học, xử lý dữ liệu, đến các ứng dụng tiên tiến như Machine Learning, Generative AI, và Clustering

1. Tổng quan nội dung chung

• Khóa học "Trí tuệ nhân tạo (AI) và Ứng dụng" cung cấp nền tảng kiến thức và kỹ năng thực hành về AI, từ cơ sở toán học, xử lý dữ liệu, đến các ứng dụng tiên tiến như Machine Learning, Generative AI, và Clustering. Học viên sẽ làm quen với công cụ lập trình Python, các thuật toán AI, và cách áp dụng chúng vào các bài toán thực tế.

2. Thời lượng khóa học

• Số buổi học: 40 buổi kết hợp lý thuyết và thực hành;
• Thời gian mỗi buổi: 180 phút;
• Tổng thời gian đào tạo: 120 giờ.

3. Mục tiêu khóa học

• Nhận biết và mô tả nền tảng AI, bao gồm Machine Learning và Deep Learning;
• Giải thích các thuật toán AI phổ biến và phân tích cách áp dụng vào thực tế;
• Vận dụng Python và các thư viện hỗ trợ AI để lập trình và xử lý dữ liệu;
• Thực hiện các bước thu thập, tiền xử lý, và trực quan hóa dữ liệu một cách hiệu quả;
• Ứng dụng AI vào các lĩnh vực như tài chính, y tế, marketing, và công nghiệp;
• Thực hiện một dự án AI hoàn chỉnh.

4. Đối tượng tham gia khóa học:

Khóa học phù hợp với:

• Học viên có nền tảng về IT, Toán, Toán-Tin, Điện tử, Hệ thống thông tin;
• Người đã học qua DevOps, Fullstack, FrontEnd, Data Analytics và muốn mở rộng sang AI;
• Học viên cao học, nghiên cứu sinh cần kiến thức AI để phục vụ học tập và nghiên cứu;
• Cán bộ IT đang làm việc tại các cơ sở giáo dục, sở ban ngành có đề án chuyển đổi số.

5. Yêu cầu kiến thức

• Có kiến thức cơ bản về lập trình (ưu tiên Python);
• Hiểu về xác suất, thống kê và đại số tuyến tính là một lợi thế;
• Có máy tính cá nhân để thực hành.

6. Kỹ năng đạt được sau khóa hoc

Sau khi hoàn thành khóa học, học viên sẽ có thể:

• Sử dụng thành thạo Python và các thư viện AI (NumPy, Pandas, Scikit-learn, TensorFlow, PyTorch) để xử lý dữ liệu;
• Áp dụng các kỹ thuật trực quan hóa dữ liệu và tiền xử lý dữ liệu để làm sạch và tối ưu hóa tập dữ liệu;
• Thiết kế và triển khai các mô hình Machine Learning, Deep Learning trên tập dữ liệu thực tế;
• Tích hợp Generative AI để tạo văn bản, hình ảnh và các nội dung tự động;
• Phân tích và đánh giá hiệu suất mô hình AI, từ đó đưa ra cải tiến để tối ưu hoác kết quả;
• Tổng hợp các kiến thức và kỹ năng để thực hiện một dự án AI hoàn chỉnh từ thu thập dữ liệu đến triển khai mô hình.

KHUNG CHƯƠNG TRÌNH