Đồ án cuối khóa - Phát triển ứng dụng Học máy
Đồ án cuối khóa - Phát triển ứng dụng Học máy
Xin chào các bạn!
Chúc mừng bạn đã hoàn thành bốn môn học của Chứng chỉ Machine Learning. Mở đầu với môn học Giới thiệu về Học máy, bạn đã tìm hiểu các khái niệm, phương pháp luận, thuật toán và ứng dụng của Học máy. Ở khóa học thứ hai - Hồi quy, bạn đã triển khai các kỹ thuật hồi quy từ đầu và vận dụng chúng để giải các bài toán hồi quy. Sau đó, trong khóa học thứ ba - Phân loại, bạn đã tìm hiểu nhiều thuật toán phân loại cơ sở và áp dụng chúng để giải các bài toán phân loại. Với khóa học thứ tư - Học sâu, bạn đã hiểu biết cơ bản về các neural network hiện đại và các ứng dụng của chúng trong thị giác máy tính và nghiên cứu ngôn ngữ tự nhiên.
Mong rằng bạn đã tích lũy được vốn kiến thức và kỹ năng cần thiết thông qua bốn môn học đầu và đã sẵn sàng cho môn Đồ án cuối khóa. Trước tiên, bạn sẽ học 4 bài học để nắm được quy trình phát triển dự án ML thực tế, đồng thời giúp bạn thực hành những điều đã học ở các khóa trước. Tiếp theo, bạn sẽ thực hiện đồ án cuối khóa theo các hướng dẫn và tiêu chí đánh giá của chúng tôi. Hãy tận dụng các kiến thức và kỹ năng mà bạn đã học trước đó để xây dựng dự án ML theo lựa chọn của bạn.
Chúc các bạn học tốt!
MỤC TIÊU MÔN HỌC
Sau khi học xong môn này, học viên sẽ đạt được các chuẩn kiến thức, kỹ năng đầu ra như sau:
- Biết cách áp dụng và đưa ra giải pháp sử dụng ML vào giải quyết các bài toán thực tế.
- Nắm được quy trình thực hiện của 1 bài toán ML hoàn chỉnh.
- Đưa ra được phương án thu thập, phân tích và xử lý dữ liệu phù hợp.
- Lựa chọn mô hình phù hợp cho bài toán.
- Huấn luyện, phân tích lỗi, đánh giá và cải thiện các mô hình cũng như đưa ra các điều chỉnh về dữ liệu phù hợp.
- Triển khai được các mô hình ML và quá trình xử lý dữ liệu liên quan lên môi trường production hoàn chỉnh.
- Trình bày và làm rõ được phương án giải quyết 1 bài toán ML hoàn chỉnh thông qua code/notebook, thuyết trình và phản biện.
TRẢI NGHIỆM HỌC TẬP
Để bắt đầu, các bạn nên dành một vài phút khám phá môn học và cấu trúc chung. Môn học sẽ bắt đầu với 4 bài học trước khi bạn đến với đồ án cuối khóa. Bạn được lựa chọn chủ đề riêng hoặc theo một trong các chủ đề gợi ý cho đồ án cuối khóa. Môn học sẽ cung cấp các thông tin tổng quan chung và hướng dẫn để bạn hoàn thành đồ án. Trong quá trình thực hiện đồ án, bạn sẽ được làm việc 1-1 với Mentor hướng dẫn. Để việc học tập được hiệu quả, hãy thường xuyên trao đổi với mentor của bạn, không ngừng học hỏi, nghiên cứu và lập cho mình một kế hoạch học tập hợp lý để hoàn thành đồ án một cách xuất sắc.
Trong thời gian học (dự kiến là 10 tuần), việc phân bổ tuần học là rất quan trọng. Nếu các bạn có bất cứ câu hỏi nào hãy kết nối với Mentor để được giải đáp.
CẤU TRÚC MÔN HỌC
Phần 1: Triển khai dự án máy học vào production
- Bài 1 - Vòng đời triển khai một dự án ML hoàn chỉnh
- Bài 2 - Giới thiệu về Model Serving
- Bài 3 - Serving model - Các khuôn mẫu và cơ sở hạ tầng
- Bài 4 - Quản lý và triển khai model
Phần 2: Final Project
- Tổng quan về đồ án
- Chi tiết đồ án
- Hướng dẫn đồ án
- Tiêu chí đánh giá đồ án
- Định hướng tiến độ đồ án
- Hướng dẫn nộp và bảo vệ đồ án
CHUYÊN GIA THIẾT KẾ VÀ PHẢN BIỆN MÔN HỌC
THIẾT KẾ MÔN HỌC: TS. Nguyễn Văn Vinh
- Giảng viên & thành viên cốt lõi của Phòng thí nghiệm AI, Đại học Công nghệ - VNU
- Chuyên gia tư vấn AI cho DPS & Fsoft
- Tiến sĩ Khoa học máy tính, Viện Khoa học và Công nghệ tiên tiến Nhật Bản
PHẢN BIỆN MÔN HỌC: TS. Trần Tuấn Anh
- Giảng viên Đại học Khoa học Tự nhiên - ĐHQG-HCM
- Tiến sĩ Khoa học Máy tính, Đại học Quốc gia Chonnam, Hàn Quốc
- Thạc sĩ Toán học ứng dụng về AI & Machine Learning, Đại học Orleans, Pháp
CHUYÊN GIA THIẾT KẾ VÀ PHẢN BIỆN KHUNG CHƯƠNG TRÌNH
TS. Từ Minh Phương
- Trưởng khoa CNTT, Đại học Bưu chính viễn thông (PTIT)
- Chuyên gia tư vấn công nghệ AI & Machine learning
- Trưởng phòng Lab Học máy & Ứng dụng của PTIT
TS. Hoàng Anh Minh
- Quản lý R&D, Chief Scientist FPT Software, LA Office
TS. Lê Hải Sơn
- Chuyên gia về Machine Learning, FPT Technology Innovation (FTI)
- Tiến sĩ khoa học máy tính, Laboratoire d’Informatique et de Mécanique pour les Sciences de l’Ingénieur (LIMSI), Université Paris-Sud, Orsay, Pháp
- Các lĩnh vực nghiên cứu: Xử lý ngôn ngữ tự nhiên, nhận dạng tiếng nói, xử lý ảnh, học máy, học sâu
NGUỒN HỌC LIỆU
Trong thời đại hiện nay, mỗi môn học đều có nhiều nguồn tài liệu liên quan kể cả sách in và online, FUNiX Way không quy định một nguồn học liệu cụ thể mà khuyến cáo để học viên chọn được nguồn phù hợp nhất cho mình. Trong quá trình học từ nhiều nguồn khác nhau theo lựa chọn cá nhân đó, khi sinh viên phát sinh câu hỏi thì sẽ được kết nối nhanh nhất với mentor để được giải đáp. Toàn bộ phần đánh giá bao gồm các câu hỏi trắc nghiệm, bài tập, dự án và thi vấn đáp do FUNiX thiết kế, xây dựng và thực hiện.
Các môn học của FUNiX không quy định bắt buộc tài liệu học tập, sinh viên có thể chủ động tìm và học từ bất kỳ nguồn nào phù hợp, kể cả sách in hay nguồn học liệu online (MOOC) hay các website. Việc sử dụng các nguồn đó do học viên chịu trách nghiệm và đảm bảo tuân thủ các chính sách của chủ sở hữu nguồn, trừ trường hợp họ có sự hợp tác chính thức với FUNiX. Nếu cần hỗ trợ, học viên có thể liên hệ phòng đào tạo FUNiX để được hướng dẫn.
Dưới đây là một số nguồn học liệu của môn học mà học viên có thể tham khảo sử dụng. Việc liệt kê nguồn dưới đây không nhất thiết hàm ý rằng FUNiX có sự hợp tác chính thức với chủ sở hữu của nguồn: Coursera, tutorialspoint, edX Training, or Udemy.
KÊNH PHẢN HỒI
FUNiX sẵn sàng đón nhận và trao đổi về mọi ý kiến góp ý, phản hồi liên quan đến học liệu qua email program@funix.edu.vn