Giới thiệu chung
Nội dung được thiết kế sát với yêu cầu thực tiễn khi tuyển dụng của các doanh nghiệp và trong nghiên cứu. Sau khi kết thúc khóa học, học viên sẽ nắm chắc các kiến thức liên quan đến AI, làm tiền đề vững chắc để chinh phục vị trí AI Engineer
Đối tượng tham gia
- Học viên có nền IT, toán, toán-tin, điện tử, hệ thống thông tin
- Người đã học qua Devops, Fullstack, FrontEnd, DA
- Những học viên đang theo học Cao học, nghiên cứu sinh cần học kiến thức để vận dụng vào quá trình học
- Cán bộ IT đang làm tại các cơ sở giáo dục, sở ban ngành có đề án chuyển đổi số
Học xong làm ở đâu?
- Các công ty công nghệ lớn, fintech, y tế, và nhiều ngành khác đang áp dụng AI và ML
LÝ DO LỰA CHỌN CHÚNG TÔI?
VTI Academy trực thuộc VTI Group - tập đoàn công nghệ hàng đầu chuyên gia công phần mềm cho thị trường trong và ngoài nước 
Chương trình đào tạo chất lượng từ cơ bản tới nâng cao, bám sát yêu cầu của doanh nghiệp 
Đội ngũ giảng viên là các chuyên gia lâu năm kinh nghiệm, luôn hỗ trợ học viên 24/7 
Tham gia các dự án xuyên suốt khóa học để tăng khả năng thực chiến .png)
Cam kết giới thiệu việc làm sau khóa học 
Giá trị nhận được sau khóa học
- Nắm được cơ bản về các khái niệm xoay quanh AI, DS, Machine Learning, Deeplearning,..
- Nắm được nền tảng kiến thức được vận dụng trong các bài toán AI
- Vận dụng được các kỹ thuật xử lý và trực quan hóa dữ liệu với Python để triển khai các Dashboard và Report trong AI
- Nắm rõ cách truy vấn và thu thập dữ liệu thông qua SQL làm tiền đề cho Khoa học dữ liệu
- Nắm rõ cách triển khai, đánh giá mô hình và giải thích kết quả từ các phân tích thông qua các kỹ thuật tiền xử lý dữ liệu
- Thành thạo cách xây dựng, huấn luyện và đánh giá mô hình cho Machine Learning trong các bài toán phân tích dữ liệu và ra quyết định
- Nắm được cách thức giải quyết các bài toán khoa học dữ liệu: Quản lý quan hệ khách hàng (CRM), thương mại điện tử, đề xuất, dự đoán giá, phân tích rủi ro
- Biết cách vận dụng Big Data trong machine learning để giải quyết các bài toán trên tập dữ liệu lớn nhằm tạo ra giá trị cho doanh nghiệp
Khung chương trình
Học phần 1: Cơ bản về AI
- Lịch sử phát triển AI
- AI - Machine learning - Deep learning
- Các ứng dụng AI hiện nay
- Các chỉ số, tham số đánh giá
- Tổng quan về dữ liệu trong doanh nghiệp
- Chiến lược quyết định dựa trên dữ liệu (Data Driven Decision)
- Phân tích case study từ các doanh nghiệp đã ứng dụng AI
- Đạo đức trong AI trong việc ứng dụng trong thực tiễn
.png)
Học phần 2: Cơ sở Toán học cho AI
- Đại số tuyến tính/Ma trận
- Giải tích / PCA - phân tích thành phần chính
- Xác suất
- Thống kê mô tả
- Thống kê suy luận
Học phần 3: Xử lý và trực quan hóa dữ liệu với Python
- Giới thiệu về Python
- Cài đặt Python, IDE
- Chương trình Python cơ bản
- Khai báo kiểu dữ liệu, biến
- Các phép toán số học, phép gán
- Cấu trúc rẽ nhánh (if else)
- While loop, for loop
- Collections (Tuple/List/set/Dictionary)
- Chuỗi và xử lý chuỗi, regular expression
- Các kỹ thuật xử lý dữ liệu trong Python (Web, API)
- Function (built-in, user-defined)
- Làm với text/directory)
- Tầm quan trọng của xử lý dữ liệu và trực quan hóa dữ liệu
- Làm việc với Numpy library
- Làm việc với Pandas library
- Trực quan hóa dữ liệu với Matplotlib và Seaborn
- Trực quan hóa dữ liệu tương tác với Plotly
- Mini project
Học phần 4: Thu thập và Tiền Xử lý dữ liệu (Data Pre-processing)
- Giới thiệu về Database
- Truy vấn SQL cơ bản và nâng cao
- Mô hình truy cập database thông qua Python
- Thu thập dữ liệu với BeautifulSoup
- Thu thập dữ liệu với Selenium
- Giới thiệu về Tiền xử lý dữ liệu
- Làm việc với Data Pre-processing
- Các loại dữ liệu phổ biến
- Cách làm sạch dữ liệu (Data cleaning)
- Phân tích EDA (Exploratory Data Analysis)
- Mini project
.png)
Học phần 5: Kiến thức nền tảng Máy học (Machine learning) và ứng dụng thực tế
- Giới thiệu về Machine Learning, các bước trong Machine Learning project
- Mô hình và các thuật toán Làm việc với Classification: Naïve Bayes, Recommender system, SVM, KNN, Linear Regression, Logistic Regression, Decision Tree, Ranom Forest
- Phân cụm dữ liệu với Kmean clustering, Hierarchical clustering, Gausian Mixture Model (GMM)
- Làm việc với Dimension reduction PCA
- Tìm hiểu Mạng neuron và các thành phần cơ bản hướng đến Deepl learning
- Phân tích chuỗi thời gian và triển khai mô hình thuật toán ARIMA
- Các phương pháp đánh giá và lựa chọn mô hình
Case study thực tế
Phân loại khách hàng với thuật toán KNN
- Case study: Customer Classification- Dự báo doanh thu với Linear Regression
- Case study: Tối ưu marketing budget/ ROI- Dự đoán giá với Multivariate & Polynomial regression
- Case study: Dự đoán giá bất động sản- Dự đoán rủi ro khách hàng với Logistic Regression
- Case study: Loan default prediction
Học phần 6: Dữ liệu lớn trong Máy học (Big Data)
- Tổng quan về Big Data và các xử lý dữ liệu lớn sử dụng Apache Spark, PySpark và các kỹ thuật hiện đại theo thời gian
- Cách làm việc với RDDs, DataFrames và SQL trong PySpark
- Làm việc với tiền xử lý dữ liệu và Data Analyst
- Các kỹ thuật Máy học sử dụng PySpark MLlib và triển khai các mô hình phân tán
- Mini project
Học phần 7: Mock Project
- Project 1: Dự đoán giá cổ phiểu trên sàn chứng khoán thực tế / giá nhà / giá xe cũ
- Project 2: Phân loại và dự đoán (khách hàng tiềm năng, nhân sự nghỉ việc)
- Project 3: Ứng dụng phát hiện vấn đề của máy phát điện
- Project 4: Các thuật toán trong machine learning
Đối tác
Học viên nói gì về chúng tôi?
Khóa học có phần thực hành lên tới trên 60%, phần đào tạo liên quan đến công cụ luôn có bài
lab thực hành để đảm bảo tính thực tiễn cao cho học viên
Nguyễn Văn Sơn
Mình đã có thể vận dụng được các kỹ thuật xử lý và trực quan hóa dữ liệu với Python để triển khai các Dashboard và Report trong AI
Lương Minh Trang
Khóa học đã giúp mình nắm vững các nguyên lý cốt lõi của học máy, từ toán học, thống kê đến lập trình Python và sử dụng các thư viện như TensorFlow, PyTorch
Đỗ Hoàng Long
Cảm ơn Mentor đã hướng dẫn để mình hoàn thành xuất sắc phần bài tập lớn, từ lúc bắt đầu cho đến lúc mình bảo vệ dự án của mình vào cuối khóa học
Trần Mỹ Linh
