Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Đăng nhập
Xem tất cả kết quả
Menu
Đăng nhập Đăng ký miễn phí

The Complete Android 16 Course [Part 3] - Become a Master

Khóa Học Android 16 Toàn Tập [Phần 3] - Trở Thành Bậc Thầy

Khóa Học Android 16 Toàn Tập [Phần 3] - Trở Thành Bậc Thầy

Lập Trình Android Nâng Cao với Google Maps, Máy Học, YOLO & TensorFlow. Trở Thành Chuyên Gia

4.8
(3 đánh giá)
116 học viên
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
10.000đ 349.000đ -97%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
22.0 giờ video
289 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026
#Android Development #Jetpack Compose #Kotlin #Mobile App Development

Bạn sẽ học được gì

Dành cho lập trình viên Android trung cấp đã nắm vững kiến thức cơ bản và muốn chuyển sang phát triển ứng dụng thực tế ở cấp độ nâng cao.
Lập trình viên Android quan tâm đến máy học, thị giác máy tính và ứng dụng di động tích hợp AI.
Lập trình viên muốn tích hợp Google Maps và xây dựng ứng dụng thực tế như các ứng dụng dựa trên vị trí kiểu Uber.
Người mới bắt đầu với máy học muốn áp dụng các khái niệm ML vào thực tế bên trong ứng dụng Android (không yêu cầu toán học nặng).
Lập trình viên muốn tạo, huấn luyện và triển khai các mô hình ML tùy chỉnh bằng TensorFlow Lite (TFLite).
Kỹ sư Android hướng đến việc xây dựng ứng dụng phát hiện đối tượng, bao gồm các mô hình YOLO và SSD MobileNet tùy chỉnh.
Sinh viên hoặc chuyên gia đang chuẩn bị cho các dự án Android, AI hoặc thị giác máy tính nâng cao.
Lập trình viên muốn nâng cấp portfolio của mình với các dự án Android + ML nâng cao.

Yêu cầu

Kỹ năng cơ bản với Android Studio

Đối tượng phù hợp

Khóa học này được thiết kế cho các lập trình viên Android đã có kinh nghiệm từ cơ bản đến trung cấp và muốn nâng tầm kỹ năng lên mức độ chuyên nghiệp, nâng cao.
Lập trình viên muốn xây dựng ứng dụng Android thực tế sử dụng Google Maps, dịch vụ định vị và các khái niệm ứng dụng kiểu Uber.
Lập trình viên Android quan tâm đến việc tích hợp máy học và thị giác máy tính vào ứng dụng của họ.
Sinh viên và chuyên gia muốn củng cố portfolio với các dự án Android + ML nâng cao.
Lập trình viên muốn có kinh nghiệm thực hành với ứng dụng Android tích hợp AI, không chỉ lý thuyết.
Lập trình viên hướng đến việc xây dựng ứng dụng phát hiện đối tượng sử dụng mô hình YOLO và SSD MobileNet.

Nội dung khóa học

18 phần • 289 bài giảng
1 Giới thiệu về Google Maps
2 Dự án Google Maps & API Key
3 Hạn chế API Key
4 Thêm Dependency Google Maps
5 Hàm Composable Google Maps
6 Vĩ độ & Kinh độ
7 Vị trí Camera Ban đầu
8 Các Loại Bản đồ
1 Đặt Điểm đánh dấu trên Bản đồ
2 Tùy chỉnh Biểu tượng Điểm đánh dấu
3 Sự kiện Nhấp vào Điểm đánh dấu
4 Đường Đa tuyến
5 Đa giác
1 Lớp phủ Mặt đất
2 Từ giới hạn LatLng đến Vị trí Mặt đất
3 Xử lý Nhấp vào Bản đồ
4 Nhấn giữ trên Bản đồ
5 Cài đặt Giao diện Bản đồ
6 Cử chỉ Xoay & Nghiêng
7 Cử chỉ Cửa sổ Thông tin
8 Giới hạn Bản đồ
9 Vị trí & Hoạt ảnh Camera
10 Thành phần Giao diện trên Bản đồ
11 Bề mặt & Thành phần Giao diện Tùy chỉnh
12 Cửa sổ Thông tin Tùy chỉnh
13 Xóa Điểm đánh dấu Động
1 Tạo kiểu cho Google Maps
2 Áp dụng Kiểu tùy chỉnh
3 Thanh tỷ lệ
4 Đường Đa tuyến Động
5 Đa giác Động
1 Thư viện Dịch vụ Vị trí
2 Permission Launcher
3 Lấy Vị trí Hiện tại
4 Vị trí Đã biết Gần nhất
5 Lấy Vị trí Trực tiếp
6 Mã hóa Địa lý
7 Biến số Mã hóa Địa lý
8 Thực thi Mã hóa Địa lý
9 Mã hóa Địa lý Ngược
10 Mã hóa Địa lý với Cử chỉ
1 Places API
2 Dự đoán Tự động hoàn thành
3 Places Client
4 Mục Dự đoán Composable
5 Lấy Địa điểm & Dự đoán
6 Giới thiệu về Gom nhóm Điểm đánh dấu
7 Hàm Composable Gom nhóm
8 Gom nhóm Mục Tùy chỉnh
9 Danh sách Mục Gom nhóm
10 Remember Cluster Manager
11 Xử lý Cử chỉ Gom nhóm
12 Gom nhóm Tùy chỉnh
1 Giới thiệu Ứng dụng Bản sao Uber
2 Thêm Firebase
3 Thêm Google Maps SDK
4 Thêm Thư viện Khác
5 Hilt & KSP
6 Hàm Composable Google Maps
7 Thiết lập Dự án Google Maps
8 FAB Có thể Mở rộng [Phần 1]
9 FAB Có thể Mở rộng [Phần 2]
10 Thanh tỷ lệ Biến mất
11 Repository & Triển khai của nó
12 Thêm Điểm đánh dấu vào Firestore
13 Map View Model
14 Hilt Module
15 Hilt ViewModel()
16 Hilt Android App
17 Lấy Tất cả Điểm đánh dấu từ Firestore
18 Điểm đánh dấu dưới dạng Mutable State Flow
19 Điểm đánh dấu dưới dạng Snap Shot State List
20 Flow trong Kotlin
21 Lắng nghe Cập nhật từ Firebase
22 Callback Flow, trySend() & awaitClose()
23 Điểm đánh dấu Thời gian Thực
24 Location Repository
25 Triển khai Location Repo
26 Lấy Vị trí Hiện tại
27 Kiểm soát Cập nhật Vị trí
28 Cập nhật ViewModel
29 Yêu cầu Quyền Vị trí trong Thời gian Chạy
30 Hiển thị Vị trí Hiện tại trên Bản đồ
31 Location Module
32 Directions API & retrofit
33 Hiểu về Directions API
34 Directions Service
35 3 Lớp Dữ liệu
36 Retrofit Provider
37 Directions Repository
38 Triển khai Directions Repository
39 Directions Module
40 Lấy Tuyến đường từ Vị trí Hiện tại đến Điểm đến
41 Chọn Điểm đánh dấu trên Bản đồ
42 Hiển thị Tuyến đường
43 Yêu cầu Chuyến đi
44 Tuyến đường giữa vị trí và điểm đánh dấu
45 Yêu cầu API Giữa Nhiều Điểm đánh dấu
46 Thêm Điểm vào Tuyến đường Nhiều điểm
47 Kiểm soát Nhiều Điểm đánh dấu
48 Vẽ Tuyến đường Nhiều điểm
49 Xóa Bản đồ
1 Tổng quan Khóa học
2 Máy học là gì
3 ML trong đời thực
4 Thuật ngữ ML
5 Thuật toán ML
6 Máy học Có giám sát
7 Máy học Bán giám sát
8 Máy học Không giám sát
9 Học Tăng cường
1 Tải Tất cả Script Google COLAB Tại đây
2 Google COLAB
3 Tính năng & Giới hạn của COLAB
4 Biến số trong Python
5 Kiểu dữ liệu
6 Toán tử Số học
7 Toán tử So sánh & Logic
8 Chuỗi trong Python
9 Đầu vào Người dùng
10 Bài tập Thực hành
11 Tóm tắt Phần
1 Giới thiệu Phần
2 Câu lệnh Điều kiện
3 Vòng lặp For
4 Vòng lặp While
5 Danh sách
6 Hàm
7 Bài tập Thực hành
8 Tóm tắt Phần
1 Giới thiệu Phần
2 Cấu trúc Dữ liệu Từ điển
3 Try & Except
4 Đọc & Ghi Tệp IO
5 Chương trình Danh sách Việc cần làm [Phần 1]
6 Chương trình Danh sách Việc cần làm [Phần 2]
1 Giới thiệu Phần
2 Thư viện Pandas
3 Data Frames
4 Sử dụng Data Frames
5 Lọc Dữ liệu Dựa trên Điều kiện
6 Trực quan hóa Dữ liệu với Matplot
7 Giá cổ phiếu Công ty
8 Tóm tắt Phần
1 Thư viện Máy học
2 Tạo Dữ liệu Ngẫu nhiên
3 Vẽ Dữ liệu lên Biểu đồ
4 Chuẩn bị Dữ liệu - [Chia tách Dữ liệu]
5 Huấn luyện Mô hình
6 Đánh giá Mô hình của chúng ta
7 Giá Thực tế vs Giá Dự đoán
8 Kiểm tra Mô hình của chúng ta
1 Giới thiệu Ứng dụng Dự đoán Giá Nhà
2 Các bước Sử dụng TensorFlow
3 Tạo Tập dữ liệu Ngẫu nhiên Giống nhau
4 Tạo Tập dữ liệu Ngẫu nhiên trong Python
5 Chuyển đổi Numpy thành Dataframes
6 Định hình lại Dữ liệu - Chuyển đổi Mảng 1D thành 2D
7 Tensorflow cho Hồi quy Tuyến tính
8 Xây dựng Mô hình TensorFlow
9 Biên dịch Mô hình
10 Tóm tắt Mô hình
11 Huấn luyện Mô hình Tensorflow
12 Phương trình Đã huấn luyện
13 Vẽ Kết quả
14 Đánh giá Mô hình
15 Xuất Mô hình
16 Tải Mô hình Đã xuất
17 Xuất mô hình TFLITE
18 Tensorflow Kết Hợp Với Android
19 Thiết Kế Giao Diện Người Dùng
20 Thêm Mô Hình Tensorflow
21 Lớp Hỗ Trợ Tensorflow
22 Tải Mô Hình Tensorflow
23 Chạy Mô Hình
24 Đóng Trình Thông Dịch
25 Thực Hiện Dự Đoán
26 Chạy Ứng Dụng
1 Giới Thiệu Ứng Dụng Dự Đoán MPG Ô Tô
2 Kiến trúc mô hình Tensorflow
3 Mục Tiêu Học Tập
4 Các Thư Viện Cần Thiết
5 Bộ Chuẩn Hóa (Standard Scaler)
6 Khám Phá Tập Dữ Liệu
7 Xử Lý Giá Trị Thiếu
8 Tóm Tắt Thống Kê
9 Trực Quan Hóa Biến Mục Tiêu
10 Bản Đồ Nhiệt Tương Quan Đặc Trưng
11 Tách Đặc Trưng & Mục Tiêu
12 Mã Hóa One-Hot
13 Chia Tập Dữ Liệu Thành Huấn Luyện & Kiểm Tra
14 Chuẩn Hóa Đặc Trưng
15 Các Lớp Của Mô Hình
16 Biên Dịch Mô Hình
17 Tóm Tắt Mô Hình
18 Huấn Luyện Mô Hình & Dừng Sớm
19 Đánh Giá Hiệu Suất Mô Hình
20 MSE & MAE
21 Giá Trị Dự Đoán So Với Thực Tế
22 Thực Hiện Dự Đoán
23 Xuất Mô Hình Dưới Dạng Tflite
24 Thêm Mô Hình Tensorflow Vào Ứng Dụng Android
25 Màn Hình Dự Đoán Quãng Đường Xe
26 Lớp Dữ Liệu Đặc Trưng Xe
27 Trường Văn Bản Đặc Trưng Xe
28 Trường Văn Bản Người Dùng
29 Thẻ Nguồn Gốc
30 Hoàn Thiện Giao Diện Cuối Cùng
31 Thẻ Hiển Thị Kết Quả Dự Đoán
32 Lỗi Xác Thực
33 Hình Dạng Đầu Vào & Đầu Ra Của Mô Hình
34 Tải Mô Hình Tensorflow
35 Thực Hiện Dự Đoán
36 Xác Thực Đặc Trưng
37 Thực Hiện Dự Đoán & Xác Thực
38 Chuẩn Hóa Đặc Trưng Trong Android
39 Kiểm Thử Ứng Dụng
40 Sửa Lỗi Độ Lệch Chuẩn
41 Chạy Cuối Cùng
1 Giới Thiệu Ứng Dụng Phát Hiện Thiết Bị
2 Teachable Machines
3 Huấn Luyện Mô Hình
4 Xuất Tflite
5 Lớp Kết Quả Phát Hiện
6 Giao Diện Phát Hiện
7 Sử Dụng Android View
8 Canvas Vẽ
9 Vẽ Hộp & Nhãn
10 Trình Thông Dịch Tensorflow
11 Hình Dạng Đầu Vào
12 Hình Dạng Đầu Ra
13 Tiền Xử Lý Ảnh Để Khớp Yêu Cầu Đầu Vào
14 Bộ Đệm Đầu Ra
15 Chạy Suy Luận
16 Đầu Ra Phân Loại
17 Bộ Điều Khiển Camera
18 Biến Phát Hiện Đối Tượng
19 Bộ Phân Tích Hình Ảnh
20 Liên Kết Camera Với Vòng Đời
21 Xử Lý Quyền Camera
22 Chạy Ứng Dụng
1 Giới Thiệu Ứng Dụng - Phát Hiện Đối Tượng Mobilenet
2 Tải Xuống Mô Hình SSD Mobilenet
3 Các Phụ Thuộc Cần Thiết
4 Tạo Lớp Dữ Liệu
5 Xử Lý Thao Tác Bất Đồng Bộ & Trạng Thái Giao Diện
6 Xử Lý Quyền Camera
7 Yêu Cầu Quyền Từ Người Dùng
8 Thiết Lập Thao Tác Camera
9 Bộ Phân Tích Hình Ảnh Cho Phân Tích Thời Gian Thực
10 Cấu Hình Xem Trước Camera
11 Vẽ Các Hộp
12 Lớp Bộ Phân Tích Hình Ảnh
13 Hình Dạng Tensor Đầu Vào
14 Hình Dạng Tensorflow Đầu Ra
15 Bản Đồ Đầu Ra
16 Hàm Phân Tích
17 Hàm Phát Hiện
18 Định Dạng Đầu Vào Chính Xác
19 Phân Tích Kết Quả Phát Hiện
20 Vẽ Hình Chữ Nhật Đúng Cách
21 Thêm Nhãn & Mô Hình
22 Khởi Tạo Mô Hình & Nhãn
23 Chuyển Đổi Mô Hình Thành ByteBuffer
24 Chuyển Đổi Nhãn Thành Danh Sách Chuỗi
25 Cập Nhật Dữ Liệu Trực Tiếp
26 Hoàn Thành ViewModel
27 Trình Thực Thi Luồng Camera
28 Màn Hình Phát Hiện Đối Tượng
29 Vẽ Hộp Lên Các Đối Tượng
30 Thay Thế Context Bằng App
31 Giải Quyết Vấn Đề Nhãn
1 Giới Thiệu Ứng Dụng Phát Hiện YOLO Tùy Chỉnh
2 RoboFlow
3 Tạo Tập Dữ Liệu
4 YOLO
5 Tải Xuống Tập Dữ Liệu Của Chúng Ta
6 Huấn Luyện Mô Hình
7 Xác Thực Mô Hình
8 Kiểm Thử Mô Hình Của Chúng Ta
9 Xuất Mô Hình Dưới Dạng TFLITE
10 Thông Tin Hình Dạng Mô Hình
11 Đầu Vào & Đầu Ra Của YOLO
12 Chuẩn Bị Ứng Dụng Android
13 Cập Nhật Viewmodel
14 Cập Nhật Bộ Phát Hiện Đối Tượng
15 Phân Tích Kết Quả Phát Hiện YOLO
16 Kiểm Thử Ứng Dụng
17 Giải Quyết Ngoại Lệ Vượt Quá Giới Hạn

Giới thiệu khóa học

Welcome to Part 3 of the Android App Development Series, where we move into advanced Android engineering and on-device machine learning.

This course is built for developers who want to go beyond traditional CRUD-based apps and start developing intelligent, production-level Android applications that combine mapping systems, real-time data, and machine learning models.

You will begin by mastering advanced Google Maps integration, learning how to build Uber-style applications that handle live location tracking, camera movement, markers, polyline routing, distance calculations, and map-based UI optimization for real-world use cases.

Next, you will dive deep into Machine Learning on Android, focusing on end-to-end workflows rather than isolated concepts. You will learn how to:

  • Prepare and structure datasets for mobile ML

  • Train custom models for Android use cases

  • Convert and optimize models into TensorFlow Lite (TFLite)

  • Deploy and run ML models efficiently on Android devices

A major focus of this course is computer vision and object detection. You will work with industry-standard architectures such as SSD MobileNet and YOLO, learning:

  • Differences between detection models and when to use each

  • How to train custom object detection models from scratch

  • How to export and integrate these models into Android apps

  • How to perform real-time object detection using the device camera

You will also learn optimization techniques critical for mobile performance, including model size reduction, inference speed optimization, and resource management, ensuring your apps run smoothly on real devices.

This course is project-driven and implementation-focused. Every major concept is applied directly to Android, giving you a clear understanding of how machine learning, computer vision, and Android development work together in real products.

By the end of this course, you will have:

  • Built advanced, map-based Android applications

  • Implemented AI-powered features using on-device ML

  • Created and deployed custom TFLite object detection models

  • Developed real-time ML-powered Android apps ready for production

  • Significantly upgraded your Android and AI skill set

This is an advanced-level course and assumes prior knowledge of Kotlin, Android Studio, and Android fundamentals.

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Android Development
Hiển thị tất cả khoá học Jetpack Compose
Hiển thị tất cả khoá học Kotlin
Hiển thị tất cả khoá học Mobile App Development
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊