Trung tâm đào tạo SmartPro

AI+ Engineer™

Tổng quan khóa học

Full AI Stack: Tìm hiểu kiến trúc AI, LLM, NLP và mạng nơ-ron
Thành thạo công cụ: Bao gồm Chuyển giao học tập (Transfer Learning) với Hugging Face và thiết kế GUI
Tập trung vào triển khai: Xây dựng các hệ thống AI thực tế và quản lý các quy trình giao tiếp
Làm chủ thực tế: Có được các kỹ năng để thiết kế các giải pháp AI có thể mở rộng để đổi mới

Thời lượng: 40 giờ (5 ngày)

Đối tượng: Kỹ thuật Đổi mới: Tận dụng các Giải pháp Thông minh dựa trên AI

Chứng chỉ: Nên hoàn thành khóa học AI+ Data™  hoặc AI+ Developer™. Bắt buộc phải có hiểu biết cơ bản về lập trình Python cho các bài tập thực hành và công việc dự án. Yêu cầu làm quen với đại số cấp trung học và thống kê cơ bản. Hiểu các khái niệm lập trình cơ bản như biến, hàm, vòng lặp và cấu trúc dữ liệu như danh sách và từ điển là điều cần thiết.

Kỳ thi

Số bài thi: 1
Điểm đạt: 70% (35/50)
Thời gian làm bài: 50 câu trắc nghiệm, 90 phút

Nội dung khóa học

Tổng quan về khóa học

Xem trước Giới thiệu khóa học

Module 1: Nền tảng của Trí tuệ Nhân tạo

1.1 Giới thiệu về AI Xem trước
1.2 Các Khái niệm và Kỹ thuật cốt lõi trong AI Xem trước
1.3 Các Cân nhắc về Đạo đức

Module 2: Giới thiệu về Kiến trúc AI

2.1 Tổng quan về AI và các Ứng dụng khác nhau của nó Xem trước
2.2 Giới thiệu về Kiến trúc AI Xem trước
2.3 Tìm hiểu Vòng đời Phát triển AI Xem trước
2.4 Thực hành: Thiết lập Môi trường AI Cơ bản

Module 3: Các Nguyên tắc Cơ bản của Mạng Nơ-ron

3.1 Các Khái niệm Cơ bản về Mạng Nơ-ron Xem trước
3.2 Các Hàm Kích hoạt và Vai trò của Chúng Xem trước
3.3 Thuật toán Lan truyền Ngược và Tối ưu hóa
3.4 Thực hành: Xây dựng Mạng Nơ-ron Đơn giản bằng Khung Học Sâu

Module 4: Ứng dụng của Mạng Nơ-ron

4.1 Giới thiệu về Mạng Nơ-ron trong Xử lý Ảnh
4.2 Mạng Nơ-ron cho Dữ liệu Tuần tự
4.3 Triển khai Thực tế của Mạng Nơ-ron

Module 5: Tầm quan trọng của Mô hình Ngôn ngữ Lớn (LLM)

5.1 Khám phá các Mô hình Ngôn ngữ Lớn
5.2 Các Mô hình Ngôn ngữ Lớn Phổ biến
5.3 Tinh chỉnh Thực tế các Mô hình Ngôn ngữ
5.4 Thực hành: Tinh chỉnh Thực tế để Phân loại Văn bản

Module 6: Ứng dụng của AI Tạo sinh

6.1 Giới thiệu về Mạng Đối nghịch Tạo sinh (GAN)
6.2 Ứng dụng của Bộ mã hóa tự động biến phân (VAE)
6.3 Tạo Dữ liệu Thực tế bằng các Mô hình Tạo sinh
6.4 Thực hành: Triển khai các Mô hình Tạo sinh để Tổng hợp Ảnh

Module 7: Xử lý Ngôn ngữ Tự nhiên

7.1 NLP trong các Tình huống Thực tế
7.2 Cơ chế Chú ý và Sử dụng Thực tế của Transformer
7.3 Hiểu Sâu về BERT cho các Tác vụ NLP Thực tế
7.4 Thực hành: Xây dựng các Đường ống NLP Thực tế với các Mô hình Được Huấn luyện Trước

Module 8: Chuyển giao Học tập với Hugging Face

8.1 Tổng quan về Chuyển giao Học tập trong AI
8.2 Các Chiến lược và Kỹ thuật Chuyển giao Học tập
8.3 Thực hành: Triển khai Chuyển giao Học tập với các Mô hình Hugging Face cho các Tác vụ Khác nhau

Module 9: Tạo GUI Tinh vi cho các Giải pháp AI

9.1 Tổng quan về các Ứng dụng AI dựa trên GUI
9.2 Khung dựa trên Web
9.3 Khung Ứng dụng Máy tính để bàn

Module 10: Đường ống Triển khai và Giao tiếp AI

10.1 Truyền đạt Kết quả AI một cách Hiệu quả cho các Bên liên quan Không có Chuyên môn Kỹ thuật
10.2 Xây dựng Đường ống Triển khai cho các Mô hình AI
10.3 Phát triển Nguyên mẫu Dựa trên Yêu cầu của Khách hàng
10.4 Thực hành: Triển khai

Module Tùy chọn: AI Agents cho Kỹ thuật

1. Tìm hiểu về AI Agents
2. Nghiên cứu điển hình
3. Thực hành với AI Agents