LỢI ÍCH KHI THAM GIA KHÓA COMPUTER VISION TẠI T3H
Kiến thức
Mới nhất
Được đào tạo với kiến thức mới nhất và đầy đủ kỹ năng thực chiến dự án.
Mentor
Dày dạn kinh nghiệm
Có đội ngũ giảng viên & mentor dày dạn kinh nghiệm hỗ trợ học tập 24/7. Học liệu mới nhất và cập nhật liên tục, video record các buổi học được share vĩnh viễn.
Blog Group
Kiến thức
Có các trang blog kiến thức, nhóm học tập giúp học viên có thể chia sẻ, học hỏi kiến thức. Được trải nghiệm những dự án lớn, thực tế mà doanh nghiệp đang làm.
Interview
Chuẩn doanh nghiệp
Được đào tạo phỏng vấn và chia sẻ các tips phỏng vấn theo chuẩn đầu ra doanh nghiệp. Đảm bảo đầu ra sau khi tốt nghiệp khoá học.
Lộ trình
[ Phần 1: Tìm hiểu về computer vision và xử lý ảnh bằng OpenCV ]
Thời lượng: 3 buổi
Buổi
01
Deep Learning/ AI và ứng dụng của computer vision
- Tổng quan về Deep Learning/ AI
- Tại sao AI/Deep Learning đang trở nên phổ biến?
- Những ứng dụng AI - computer vision trong đời sống.
- Ảnh trong máy tính
- Tensor là gì?
- Data augmentation
- Thực hành cách sử dụng lib Opencv để xử lý ảnh:
+ Drawing (vẽ ảnh)
+ Rotater (xoay ảnh)
+ Resize (thay đổi kích thước ảnh)
- Tại sao AI/Deep Learning đang trở nên phổ biến?
- Những ứng dụng AI - computer vision trong đời sống.
- Ảnh trong máy tính
- Tensor là gì?
- Data augmentation
- Thực hành cách sử dụng lib Opencv để xử lý ảnh:
+ Drawing (vẽ ảnh)
+ Rotater (xoay ảnh)
+ Resize (thay đổi kích thước ảnh)
Buổi
02
Các kỹ thuật tiền xử lý ảnh
Thực hành cách sử dụng lib Opencv, media pipeline để xử lý ảnh và video:
- Thao tác với video
- Crop (cắt ảnh)
- Flipping (Lật ảnh)
- Convert Color (chuyển màu)
- Xác định khuân mặt bằng media pipeline
- Quiz Test về kiến thức buổi học
- Thao tác với video
- Crop (cắt ảnh)
- Flipping (Lật ảnh)
- Convert Color (chuyển màu)
- Xác định khuân mặt bằng media pipeline
- Quiz Test về kiến thức buổi học
Buổi
03
Các kỹ thuật tiền xử lý ảnh
Thực hành cách sử dụng lib Opencv để xử lý ảnh:
- Splitting and Merging (Tách và hợp nhất ảnh)
- Smoothing and bluring (Làm mịn và làm mờ)
- Kiểm tra lý thuyết và thực hành về tiền xử lý ảnh
- Quiz Test về kiến thức buổi học
- Splitting and Merging (Tách và hợp nhất ảnh)
- Smoothing and bluring (Làm mịn và làm mờ)
- Kiểm tra lý thuyết và thực hành về tiền xử lý ảnh
- Quiz Test về kiến thức buổi học
[ Phần 2: Convolutional Neural Network ( CNN ) ]
Thời lượng: 10 buổi
Buổi
01
Kiến trúc về Neural network
- Neural network là gì?
- Hoạt động của các nơ-ron
- Tìm hiểu về CNN
- Cách hoạt động của Convolutional layer
- Kernel, Padding và Stride
- Pooling layer (Max pooling và Average pooling)
- Quiz Test về kiến thức buổi học
- Hoạt động của các nơ-ron
- Tìm hiểu về CNN
- Cách hoạt động của Convolutional layer
- Kernel, Padding và Stride
- Pooling layer (Max pooling và Average pooling)
- Quiz Test về kiến thức buổi học
Buổi
02
Kiến trúc về Neural network 2
- Flattening and Fully Connected Layers
- Loss Function Vs Cost Function
- Regression Cost Function
- Sử dụng Loss Function nào khi nào?
- Gradient Descent Optimisers
- Quiz Test về kiến thức buổi học
- Loss Function Vs Cost Function
- Regression Cost Function
- Sử dụng Loss Function nào khi nào?
- Gradient Descent Optimisers
- Quiz Test về kiến thức buổi học
Buổi
03
Hàm kích hoạt(Activation funtions)
- Chức năng của hàm kích hoạt(Activation funtions)
- Cách hoạt động Sigmoid Activation Function
- Cách hoạt động Tanh Activation Function
- Cách hoạt động Relu activation Function
- Cách hoạt động ELU Activation Function
- Nên áp dụng hàm kích hoạt nào khi nào?
- Quiz Test về Activation funtions
- Cách hoạt động Sigmoid Activation Function
- Cách hoạt động Tanh Activation Function
- Cách hoạt động Relu activation Function
- Cách hoạt động ELU Activation Function
- Nên áp dụng hàm kích hoạt nào khi nào?
- Quiz Test về Activation funtions
Buổi
04
Kiến trúc Mạng LetNet
- Kiến trúc Mạng LetNet với framework pytorch
- Adam Optimiser
- Exploding Gradient Problem
- Weight Initialisation Techniques
- Quiz Test về kiến thức buổi học
- Adam Optimiser
- Exploding Gradient Problem
- Weight Initialisation Techniques
- Quiz Test về kiến thức buổi học
Buổi
05
Kiến trúc mạng VGG16 và VGG19
- Kiến trúc mạng VGG16,VGG19 với framework pytorch
- Thực hành phân loại ảnh với sử dụng VGG16 (training model)
- Early Stopping
- So sánh điểm khác với Mạng LetNet với VGG16
- Quiz Test về Mạng LeNet và VGG
- Thực hành phân loại ảnh với sử dụng VGG16 (training model)
- Early Stopping
- So sánh điểm khác với Mạng LetNet với VGG16
- Quiz Test về Mạng LeNet và VGG
Buổi
06
Kiến trúc mạng Resnet và Mobilenet
- Mạng Resnet với framework pytorch
- Thiết kế Mobilenet v1 với framework pytorch
- So sánh điểm khác với Mạng Resnet, Mobilenet v1
- Quiz Test về Mạng Resnet, Mobilenet v1
- Thiết kế Mobilenet v1 với framework pytorch
- So sánh điểm khác với Mạng Resnet, Mobilenet v1
- Quiz Test về Mạng Resnet, Mobilenet v1
Buổi
07
Kiến trúc mạng Mobilenet v2, v3
- Transfer learning, pretrain, finetune
- Batch Normalization & Layer Normalization
- Thiết kế Mobilenet v2,v3 sử dụng framework pytorch
- So sánh điểm khác với Mạng Resnet, Mobilenet v1,Mobilenet v2,v3
- Quiz Test về Mạng Mobilenet v2,v3
- Đánh giá và chọn đề tài cuối khoá
- Batch Normalization & Layer Normalization
- Thiết kế Mobilenet v2,v3 sử dụng framework pytorch
- So sánh điểm khác với Mạng Resnet, Mobilenet v1,Mobilenet v2,v3
- Quiz Test về Mạng Mobilenet v2,v3
- Đánh giá và chọn đề tài cuối khoá
Buổi
08
Recurrent neural network và Long short term memory
- Kiến trúc Recurrent neural network
+ Recurrent Neural Network là gì?
+ Mô hình RNN
- Kiến trúc Long short term memory (LSTM)
+ Mô hình LSTM
+ LSTM chống vanishing gradient
Quiz Test về LSTM và RNN
+ Recurrent Neural Network là gì?
+ Mô hình RNN
- Kiến trúc Long short term memory (LSTM)
+ Mô hình LSTM
+ LSTM chống vanishing gradient
Quiz Test về LSTM và RNN
Buổi
09
- Các kỹ thuật cải thiện mô hình trong deep learning
- Các kỹ thuật cơ bản trong deep learning
+ Vectorization
+ Mini-batch gradient descent
+ Bias và variance
+ Dropout Layers
- kiến thức về chứng chỉ.
- Quiz Test về CNN
+ Vectorization
+ Mini-batch gradient descent
+ Bias và variance
+ Dropout Layers
- kiến thức về chứng chỉ.
- Quiz Test về CNN
Buổi
10
Làm tiếp bài thực hành phân loại rác thải có thể tái chế
- Các bàn toán trong Computer vision
- Ứng dụng mô hình đã học phân loại rác thải có thể tái chế (Classification)
- Ứng dụng mô hình đã học phân loại rác thải có thể tái chế (Classification)
[ Phần 3: Thực chiến phân tích nghiệp vụ và triển khai dự án ]
Thời lượng: 13 buổi
Buổi
01
Project 1: Bài toán Object detection(yolo)
- Các kiến trúc mô hình yolo hiện nay
- Ứng dụng của mô hình yolo
- Ứng dụng của mô hình yolo
Buổi
02
Project 1: Bài toán Object detection(yolo) 2
- Các kiến trúc mô hình yolo hiện nay
- Ứng dụng của mô hình yolo
- Ứng dụng của mô hình yolo
Buổi
03
Hướng dẫn hoàn thành project nhận diện phương tiện giao thông
- Thực hiện gán nhãn data để training mô hình
- Hướng dẫn tiền sử lý để training mô hình
- Tiền hành training mô hình
- Đánh giá mô hình
- Hướng dẫn tiền sử lý để training mô hình
- Tiền hành training mô hình
- Đánh giá mô hình
Buổi
04
Thực hành và phát triển project
- Thực chiến với dự án nhận diện phương tiện giao thông.
- Thực chiến với dự án Nhận diện và phân loại rác thải có thể tái chế.
- Sử dụng các kỹ thuật sử dụng trong trường hợp ít dữ liệu
- Thực chiến với dự án Nhận diện và phân loại rác thải có thể tái chế.
- Sử dụng các kỹ thuật sử dụng trong trường hợp ít dữ liệu
Buổi
05
Thực hành và phát triển project 2
- Thực chiến với dự án nhận diện phương tiện giao thông.
- Thực chiến với dự án Nhận diện và phân loại rác thải có thể tái chế.
- Sử dụng các kỹ thuật sử dụng trong trường hợp ít dữ liệu
- Thực chiến với dự án Nhận diện và phân loại rác thải có thể tái chế.
- Sử dụng các kỹ thuật sử dụng trong trường hợp ít dữ liệu
Buổi
06
Triển khai và ứng dụng của Project
- Hậu xử lý output của model
- Tối ưu hoá tốc độ với mô hình Onnx
- Deploy model bằng FastAPI kết hợp với Docker, Onnx
- Tối ưu hoá tốc độ với mô hình Onnx
- Deploy model bằng FastAPI kết hợp với Docker, Onnx
Buổi
07
Bài toán Optical Character Recognition - OCR)
- Các Mô hình detect text, recognize text
- Ứng dụng của 2 loại mô hình
- Ứng dụng của 2 loại mô hình
Buổi
08
Hướng dẫn hoàn thành project trích xuất thông tin trong hóa đơn
- Thực hiện gán nhãn data để training mô hình
- Hướng dẫn tiền sử lý để training mô hình
- Tiền hành training mô hình
- Đánh giá mô hình
- Hướng dẫn tiền sử lý để training mô hình
- Tiền hành training mô hình
- Đánh giá mô hình
Buổi
09
Project 2: Trích xuất thông tin trong giấy tờ (Optical Character Recognition - OCR)
- Thực chiến với dự án trích xuất thông tin trong giấy tờ.
- Thực hiện gán nhãn data để training mô hình
- Hướng dẫn tiền sử lý để training mô hình
- Tiền hành training mô hình
- Đánh giá mô hình
- Thực hiện gán nhãn data để training mô hình
- Hướng dẫn tiền sử lý để training mô hình
- Tiền hành training mô hình
- Đánh giá mô hình
Buổi
10
Project 2: Trích xuất thông tin trong giấy tờ (Optical Character Recognition - OCR) 2
- Thực chiến với dự án trích xuất thông tin trong giấy tờ.
- Thực hiện gán nhãn data để training mô hình
- Hướng dẫn tiền sử lý để training mô hình
- Tiền hành training mô hình
- Đánh giá mô hình
- Thực hiện gán nhãn data để training mô hình
- Hướng dẫn tiền sử lý để training mô hình
- Tiền hành training mô hình
- Đánh giá mô hình
Buổi
11
Triển khai và ứng dụng của Project
- Hậu xử lý output của model
- Tối ưu hoá tốc độ với mô hình Onnx
- Deploy model bằng FastAPI kết hợp với Docker, Onnx
- Tối ưu hoá tốc độ với mô hình Onnx
- Deploy model bằng FastAPI kết hợp với Docker, Onnx
Buổi
12
Bài thi cuối khoá đánh giá về kiến thức các mô hình
- Bài thi cuối khoá đánh giá về kiến thức các mô hình
- Hướng dẫn Viết và chỉnh sửa CV
- Hướng dẫn các câu hỏi thường gặp khi đi phỏng vấn.
- Hướng dẫn Viết và chỉnh sửa CV
- Hướng dẫn các câu hỏi thường gặp khi đi phỏng vấn.
Buổi
13
Bảo vệ project cuối khoá
- Học viên bảo vệ project cuối khoá trước hội đồng
Sản phẩm học viên
Feedback học viên
Khóa đào tạo AI ENGINEER dành cho lập trình viên - Đăng ký ngay nhận ưu đãi 35% học phí
26 buổi - 2 buổi/tuần - 10-15 hv/lớp. Hỗ trợ việc làm
Đăng ký
Chương trình đào tạo
.png){kind=logo}