Trong khóa học này, bạn sẽ xây dựng kiến thức hữu ích về các thành phần của một mạng nơ-ron phức hợp (convolutional neural network, CNN) như các lớp chập và lớp gộp, v.v. Trong khóa học này, Alex Smola và Tong He sẽ trình bày cách thực hiện một số kỹ thuật thị giác máy tính (computer vision) bằng cách sử dụng GluonCV, một bộ công cụ thị giác máy tính (computer vision).
Lưu ý: Khóa học này có bản chuyển lời thoại/phụ đề đã được bản địa hóa. Nội dung tường thuật bằng tiếng Anh.
Để hiển thị phụ đề, hãy nhấp vào nút CC ở góc dưới cùng bên phải của trình phát.
Đối tượng học viên
Khóa học này dành cho:
- Các nhà phát triển đang tìm phương pháp triển khai các mô hình thị giác máy tính (computer vision) phổ biến
Mục tiêu khóa học
Trong khóa học này, bạn sẽ tìm hiểu cách:
- Tóm tắt các thành phần mạng nơ-ron phức hợp khác nhau như các phức hợp, đệm và kênh
- Chuyển các thành phần thành mã khi tạo một mạng nơ-ron như LeNet
- Nhập dữ liệu của bạn vào một Gluon Data Loader để đào tạo và chuyển đổi
Điều kiện tiên quyết
Học viên tham gia khóa học này cần đáp ứng các điều kiện tiên quyết sau:
- Hiểu biết cơ bản về mạng nơ-ron nhân tạo
- Hiểu biết cơ bản về các chủ đề Đại số tuyến tính như ma trận, phép nhân ma trận và tích vô hướng
Phương pháp giảng dạy
Khóa học này được cung cấp dưới hình thức:
- Đào tạo kỹ thuật số
Thời lượng
- 2 giờ
Đề cương khóa học
Khóa học này cung cấp các khái niệm sau:
- Phức hợp
- Đệm và sải bước
- Kênh
- Gộp
- LeNet
- Hàm kích hoạt
- Lược bớt (DropOut)
- Chuẩn hóa theo lớp
- Khối dữ liệu
- Lời nguyền của lớp cuối cùng
- Hệ thống mạng còn lại
- Xử lý dữ liệu
