Course syllabus

Deep Learning course-2.gif

Welcome to Deep Learning Course

Instructor

TS. Nguyễn Văn Tới Email: toi.nguyenvan@phenikaa-uni.edu.vn Tel: 0858669978 (vina, zalo), 0867536913 (viettel) FB: https://www.facebook.com/vantoi.nguyen.54 Google Scholar: https://scholar.google.com/citations?user=XquTMewAAAAJ&hl=en

 

 

 

 

 

 

 

 

 

           Dr. Van-Toi NFUYEN

Course introduction

Học phần “Học sâu” cung cấp những kiến thức cốt lõi của công nghệ học sâu, bao gồm: mô hình mạng nơ ron truyền thẳng; các kỹ thuật tổng quát hoá và tối ưu hóa các mô hình; mở rộng mô hình để làm việc với dữ liệu lớn; mạng CNN, RNN. Khóa học này trang bị các kỹ năng liên quan đến việc thiết kế, xây dựng và lập trình mô hình học sâu. Học phần cũng trang bị kiến thức cần thiết để học viên có thể sử dụng thư viện học sâu như Tensorflow để xây dựng một số ứng dụng cơ bản của công nghệ học sâu.

Goals

  • Tổng hợp lại kiến thức cơ bản về học sâu.
  • Vận hành được các mô hình học sâu và ứng dựng trong một số bài toán thực tế.

Outcome requirements

  • Phân tích được các kiến thức về mô hình mạng nơ ron truyền thẳng, các kỹ thuật tổng quát hoá và tối ưu hóa mô hình, mô hình học sâu CNN, RNN.
  • Thiết kế được các mô hình học sâu CNN, RNN trong các bài toán thực tế với dữ liệu ảnh và dữ liệu chuỗi.

Book

  • Ian, Goodfellow; Yoshua, Bengio; Aaron, Courville (2016), Deep Learning, The MIT Press.

References

  • Raschka, Sebastian (2019), Python Machine Learning :, Packt,, 9781789955750.
  • Zhang, Aston, Zachary C. Lipton, Mu Li, and Alexander J. Smola. "Dive into deep learning." arXiv preprint arXiv:2106.11342 (2021). [Dự án dịch sang tiếng Việt: Link]

Grades

  • Attendant: 10% (attend class and complete homework)
  • Midterm: 20%
  • Final project: 70%