THỜI LƯỢNG: 5 ngày (~40 giờ )
GIỚI THIỆU KHÓA HỌC
Khóa học nhằm cung cấp cho học viên những kiến thức cơ bản về lĩnh vực Trí tuệ Nhân tạo và các ứng dụng thực tiễn. Bắt đầu bằng việc giải các bài toán thường xuất hiện trong cuộc sống với phương pháp tìm kiếm từ đơn giản đến phức tạp như cần phải có thêm thông tin, thỏa mãn các ràng buộc. Chiến thuật thậm chí còn phải thay đổi xuyên suốt quá trình tương tác với môi trường. Tiếp theo, khóa học mô tả cách thức các tri thức được lưu trữ, thể hiện qua hệ thống logic và tiến trình suy diễn trên đó. Cuối cùng, phương pháp huấn luyện dữ liệu được trình bày chi tiết để giúp học viên bước đầu xây dựng được các ứng dụng học máy cơ bản.
MỤC TIÊU KHÓA HỌC
Sau khi hoàn tất khóa học, học viên sẽ có khả năng:
- Nhận thức tổng quan về lĩnh vực Trí tuệ nhân tạo (TTNT): vai trò và ứng dụng trong khoa học và đời sống.
- Giải quyết vấn đề bằng phương pháp tìm kiếm: mô hình hóa vấn đề thành bài toán tìm kiếm, lựa chọn thuật toán tìm kiếm phù hợp với tài nguyên sẵn có.
- Biểu diễn tri thức và lập luận bằng logic mệnh đề và vị từ bậc nhất, xây dựng hệ chuyên gia
- Áp dụng một số phương pháp học máy cơ bản để tự động huấn luyện máy tính nhận dạng các mẫu và ra quyết định thông minh dựa trên dữ liệu.
ĐIỀU KIỆN THAM GIA
Để tham gia tốt khóa học này, học viên cần có kiến thức trước về Cấu trúc dữ liệu và Lập trình Python
CHỨNG NHẬN
Sau khi hoàn tất khóa học, học viên sẽ được cấp chứng nhận hoàn tất khóa học theo quy định của SmartPro.
NỘI DUNG KHÓA HỌC
1. Giới thiệu về trí tuệ nhân tạo
- Khái niệm
- Tác nhân thông minh
- Ứng dụng
- Các hướng phát triển trong AI
Thực hành: nhận diện tác nhân thông minh qua các ví dụ trong thực tế
2. Giải quyết bài toán bằng tìm kiếm
- Tác nhân giải quyết bài toán
- Tìm kiếm mù
- Tìm kiếm theo chiều rộng
- Tìm kiếm theo chiều sâu
- Tìm kiếm chi phí đồng nhất
- Tìm kiếm có thông tin
- Tìm kiếm heuristic
- Đánh giá hàm heuristic
Thực hành: cài đặt bài toán tìm kiếm trên bản đồ, bài toán xếp hình n-puzzle bằng ngôn ngữ Python
3. Tìm kiếm đối kháng và trò chơi
- Lý thuyết trò chơi
- Tối ưu trong trò chơi
- Giải thuật Minimax
- Giải thuật Expectimax
- Các phương pháp tối ưu trong trò chơi
Thực hành: cài đặt trò chơi caro, trò chơi Pacman bằng ngôn ngữ Python
4. Bài toán thỏa mãn ràng buộc
- Định nghĩa bài toán thỏa mãn các ràng buộc
- Lan truyền ràng buộc
- Tìm kiếm quay lui
- Tìm kiếm cục bộ
- Các bài toán thỏa mãn ràng buộc phổ biến
- Bài toán tô màu đồ thị
- Bài toán người giao hàng
- Bài toán lập lịch
Thực hành: cài đặt Sodoku, lập lịch thi đấu, lập lịch giao hàng bằng ngôn ngữ Python
5. Tri thức và suy diễn trên tri thức
- Tác nhân dựa trên tri thức
- Biểu diễn và suy diễn trên tri thức với logic mệnh đề
- Hợp giải
- Suy diễn với luật hợp giải
- Suy diễn bằng giải thuật Davis-Putman
Thực hành: cài đặt thế giới Wumpus bằng ngôn ngữ Python
6. Logic bậc nhất
- Khái niệm
- Cú pháp và ngữ nghĩa
- Thể hiện tri thức với logic bậc nhất
- Phép đồng nhất
- Suy diễn với luật hợp giải
- Suy diễn tiến
- Suy diễn lùi
Thực hành: cài đặt cây gia phả bằng ngôn ngữ Python
7. Lập luận không chắc chắn
- Hành động dưới sự không chắc chắn
- Xác suất cho hành động
- Mô hình Naïve Bayes
- Hệ số chắc chắn Stanford
Thực hành: cài đặt thế giới Wumpus với sự không chắc chắn trong tri thức.
8. Học máy
- Giới thiệu học trên mẫu dữ liệu
- Các dạng học
- Hồi quy tuyến tính và phân lớp
- Cây quyết định
- Học thống kê
- Học dựa trên luật
Thực hành: vận dụng công cụ Weka để học các mẫu dữ liệu
9. Giới thiệu học sâu
- Mạng Neural
- Lan truyền thông tin
- Hàm mất mát
- Tối ưu hàm mất mát
- Mạng RNN
- Ứng dụng