🎯 Mục tiêu học tập

Sau khi hoàn thành khóa học, bạn có thể:

1. Hiểu nền tảng Neural Networks

• Giải thích cách hoạt động của Perceptron và Multi-layer Networks
• Hiểu Forward Propagation và Backpropagation
• Nắm vững các Activation Functions (ReLU, Sigmoid, Tanh, Softmax)
• Áp dụng các kỹ thuật Regularization (Dropout, Batch Norm, L2)

2. Xây dựng CNNs cho Computer Vision

• Hiểu Convolutional layers, Pooling, Stride, Padding
• Triển khai các kiến trúc CNN phổ biến (LeNet, VGG, ResNet)
• Áp dụng Transfer Learning với pretrained models
• Xây dựng Image Classification và Object Detection

3. Làm việc với Sequence Data bằng RNNs

• Hiểu RNN, LSTM, GRU architectures
• Xử lý Text data và Time series
• Xây dựng Language Models cơ bản
• Áp dụng Attention mechanisms

4. Thực hành với PyTorch

import torch
import torch.nn as nn

# Bạn sẽ có thể tự tin viết code như này
class CNN(nn.Module):
    def __init__(self, num_classes=10):
        super().__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=3, padding=1),
            nn.ReLU(),
            nn.MaxPool2d(2),
            nn.Conv2d(64, 128, kernel_size=3, padding=1),
            nn.ReLU(),
            nn.MaxPool2d(2),
        )
        self.classifier = nn.Linear(128 * 8 * 8, num_classes)
    
    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size(0), -1)
        return self.classifier(x)

Kỹ năng đạt được