Lộ trình học Machine Learning, Deep Learning cho người mới bắt đầu
Tôi đã từng học Machine Learning trong vòng 2 tháng và tôi tin bạn cũng có thể làm được.
Lộ trình sẽ giúp bạn nắm chắc công nghệ này từ cơ bản đến nâng cao, xây dựng Machine Learning model từ python thuần cho đến các thư viện cao cấp như TensorFlow hay Keras. Đi sâu phân tích bản chất vấn đề là giá trị cốt lõi của khóa học này.
P/S: Hãy để lại 1 star để team có động lực xuất bản các phần tiếp theo và cũng đừng quên chia sẻ tới bạn bè của bạn.
Tôi là Founder ProtonX và VietAI Hà Nội, tôi sản xuất nội dung giúp đỡ cộng đồng học AI. :D
Ngày 10/12/2019, sau 2 vòng phỏng vấn, Google chính thức công nhận tôi là Google Developer Expert in Machine Learning đầu tiên tại Việt Nam.
Tìm tôi ở đây.
Video giới thiệu về Machine Learning:
Giới thiệu về thành tựu và mục tiêu của VietAI tại đây.
Xem tôi trên Youtube
Mục lục
- 1. Kiến thức toán học cần thiết (Hoàn tất)
- 2. Kỹ năng lập trình Python (Hoàn tất)
- 3. Thư viện Numpy và TensorFlow (Hoàn tất)
- 4. Hiển thị dữ liệu và các công cụ (Đang tiến hành)
- 5. Bài toán hồi quy (Regression) (Hoàn tất)
- 6. Bài toán phân loại (Classification) (Hoàn tất)
- 7. Triển khai (Deploy) Machine Learning Model trên Production (Hoàn tất)
- 8. Machine Learning trên trình duyệt và TensorFlowJS (Hoàn tất)
- 9. Cập nhật mới nhất
- 10. Ôn luyện thuật toán mỗi ngày (Đang tiến hành)
- 11. Một số ứng dụng triển khai thực tế (Đang tiến hành)
12. [Video] AI cơ bản + Luyện thi chứng chỉ Tensorflow
-
- Giới thiệu Machine Learning/ Deep Learning
-
- Xây dựng bài toán nhận diện giao thông (bao gồm tăng cường data)
-
- Xây dựng lớp tích chập / MaxPooling
-
- Tự động đánh nhãn và xử lý ảnh nhiều chiều
-
- Transfer Learning với InceptionNet
-
- Tokenizations and Sequence
-
- Word2Vec
-
- Thực hành xây dựng Embeddings
-
- Mạng RNN
-
- Thực hành xây dựng mạng RNN, LSTM, Bi-directional
-
- Tính toán số lượng tham số mạng RNN
-
- Bài toán sinh từ
-
- Giới thiệu dữ liệu Time series
-
- Xây dựng Time Series dataset bằng Tensorflow Dataset
-
- Sử dụng RNN để giải bài toán dữ liệu thời gian
-
Kernels:maybe this is the living area of a house that you are trying to make a prediction on,like whether it will be sold in the next six months.quite often,we will atke this feature X and we will map
-
This book's job is to teach you the three most essential skills that a beginning programmer needs to know: reading and writing, attention to detail, and spotting differences Exercise 0: The Setup If s
-
Machine-learning-in-action 个人使用jupyter notebook整理的peter的《机器学习实战》代码，使其更有层次感，更加连贯，也根据自己的代码习惯，加了一些自己的修改，以及注释 这是给自己做的笔记，贴出来，也是希望大家一起学习! 注：原版所有代码点击这里 GitHub整理的资源apachecn/MachineLearning 内容包括： adaBoos
-
Machine-Learning-and-AI-in-Trading Here is some of codes generated in Python using Machine Learning and AI for generating prediction in Stock Prices. Packages Used: Talib Scikit Learn TensorFlow Keras
-
学习意味着通过学习或经验获得知识或技能。 基于此，我们可以定义机器学习（ML）如下 - 它可以被定义为计算机科学领域，更具体地说是人工智能的应用，其为计算机系统提供了学习数据和从经验改进而无需明确编程的能力。 基本上，机器学习的主要焦点是允许计算机自动学习而无需人为干预。 现在问题是如何开始和完成这种学习？ 它可以从数据的观察开始。 数据可以是一些示例，指令或一些直接经验。 然后在此输入的基础上，
-
Machine Learning This project provides a web-interface,as well as a programmatic-apifor various machine learning algorithms. Supported algorithms: Support Vector Machine (SVM) Support Vector Regressio
-
深度学习 我们可以在Personal Computer上完成庞大的任务 深度学习是一种适应于各类问题的万能药 神经网络 神经网络出现于80年代，但当时计算机运行慢，数据集很小，神经网络不适用 现在神经网络回来了，因为能够进行GPU计算，可用使用的数据集也变大 分类 分类的一些讨论可以在这个项目里看到 Machine Learning不仅是Classification！但分类是机器学习的核心。 学会
-
Machine Learning Projects This repository contains mini projects in machine learning with jupyter notebook files.Go to the projects folder and see the readme for detailed instructions about the projec