Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Complete Guide to TensorFlow for Deep Learning with Python

Hướng Dẫn Toàn Diện Về TensorFlow Cho Deep Learning Với Python

Hướng Dẫn Toàn Diện Về TensorFlow Cho Deep Learning Với Python

Học cách sử dụng Google Deep Learning Framework - TensorFlow với Python! Giải quyết vấn đề bằng các kỹ thuật tiên tiến nhất!

4.5
(17,093 đánh giá)
98,731 học viên
Giảng viên
Jose Portilla
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 1.129.000đ -96%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
14.0 giờ video
108 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 18/03/2026

Bạn sẽ học được gì

Hiểu Cách Hoạt Động Của Mạng Nơ-ron
Tự Tay Xây Dựng Mạng Nơ-ron Từ Đầu Bằng Python
Sử Dụng TensorFlow Cho Các Tác Vụ Phân Loại và Hồi Quy
Sử Dụng TensorFlow Cho Phân Loại Ảnh Với Mạng Nơ-ron Tích Chập (CNN)
Sử Dụng TensorFlow Cho Phân Tích Chuỗi Thời Gian Với Mạng Nơ-ron Hồi Quy (RNN)
Sử Dụng TensorFlow Giải Quyết Các Bài Toán Học Không Giám Sát Với AutoEncoders
Học Cách Thực Hiện Học Tăng Cường Với OpenAI Gym
Tạo Mạng Đối Kháng Tạo Sinh (GAN) Với TensorFlow
Trở Thành Chuyên Gia Deep Learning!

Yêu cầu

Có kiến thức cơ bản về lập trình (ưu tiên Python)
Có kiến thức toán học cơ bản (trung bình, độ lệch chuẩn, v.v.)

Đối tượng phù hợp

Dành cho học viên Python muốn học các Kỹ thuật Deep Learning mới nhất với TensorFlow

Nội dung khóa học

13 phần • 96 bài giảng
1 Giới Thiệu
2 Tổng Quan Khóa Học -- VUI LÒNG ĐỪNG BỎ QUA BÀI NÀY! Cảm ơn :)
3 Câu Hỏi Thường Gặp (FAQ)
1 Lưu Ý Nhanh Cho Người Dùng MacOS và Linux
2 Cài Đặt TensorFlow và Thiết Lập Môi Trường
1 Tổng Quan Về Học Máy
1 Giới Thiệu Phần Khóa Học Cấp Tốc
2 Khóa Học Cấp Tốc Về NumPy
3 Khóa Học Cấp Tốc Về Pandas
4 Khóa Học Cấp Tốc Về Trực Quan Hóa Dữ Liệu
5 Tổng Quan Về Tiền Xử Lý Với SciKit-Learn
6 Bài Tập Ôn Tập Khóa Học Cấp Tốc
7 Đáp Án Bài Tập Ôn Tập Khóa Học Cấp Tốc
1 Giới Thiệu Về Mạng Nơ-ron
2 Giới Thiệu Về Perceptron
3 Hàm Kích Hoạt Trong Mạng Nơ-ron
4 Hàm Chi Phí (Cost Functions)
5 Lan Truyền Ngược và Hạ Dốc Gradient
6 TensorFlow Playground
7 Tạo Mạng Nơ-ron Thủ Công - Phần Một
8 Tạo Mạng Nơ-ron Thủ Công - Phần Hai - Các Phép Toán
9 Tạo Mạng Nơ-ron Thủ Công - Phần Ba - Placeholders và Variables
10 Tạo Mạng Nơ-ron Thủ Công - Phần Bốn - Session
11 Tác Vụ Phân Loại Bằng Mạng Nơ-ron Thủ Công
1 Giới Thiệu Về TensorFlow
2 Cú Pháp Cơ Bản Của TensorFlow
3 Đồ Thị Trong TensorFlow (Graphs)
4 Biến và Trình Giữ Chỗ (Variables và Placeholders)
5 Mạng Nơ-ron Với TensorFlow - Phần Một
6 Mạng Nơ-ron Với TensorFlow - Phần Hai
7 Ví Dụ Hồi Quy Với TensorFlow - Phần Một
8 Ví Dụ Hồi Quy Với TensorFlow - Phần Hai
9 Ví Dụ Phân Loại Với TensorFlow - Phần Một
10 Ví Dụ Phân Loại Với TensorFlow - Phần Hai
11 Bài Tập Hồi Quy Với TF
12 Hướng Dẫn Giải Bài Tập Hồi Quy Với TF
13 Bài Tập Phân Loại Với TF
14 Hướng Dẫn Giải Bài Tập Phân Loại Với TF
15 Lưu và Khôi Phục Mô Hình
1 Giới Thiệu Phần Mạng Nơ-ron Tích Chập
2 Ôn Tập Về Mạng Nơ-ron
3 Các Chủ Đề Lý Thuyết Mới
4 Lưu ý nhanh về bài giảng MNIST
5 Tổng Quan Dữ Liệu MNIST
6 Cách Tiếp Cận Cơ Bản Với MNIST - Phần Một
7 Cách Tiếp Cận Cơ Bản Với MNIST - Phần Hai
8 Lý Thuyết CNN - Phần Một
9 Lý Thuyết CNN - Phần Hai
10 Thực Hành Code CNN với MNIST - Phần Một
11 Thực Hành Code CNN với MNIST - Phần Hai
12 Giới Thiệu Dự Án CNN
13 Hướng Dẫn Giải Dự Án CNN - Phần Một
14 Hướng Dẫn Giải Dự Án CNN - Phần Hai
1 Giới Thiệu Phần Mạng Nơ-ron Hồi Quy
2 Lý Thuyết Về RNN
3 Tạo RNN Thủ Công
4 Vấn Đề Gradient Biến Mất
5 Lý Thuyết Về LSTM và GRU
6 Giới Thiệu RNN Với TensorFlow API
7 RNN Với TensorFlow - Phần Một
8 RNN Với TensorFlow - Phần Hai
9 Lưu Ý Nhanh Về Vẽ Biểu Đồ Trong RNN Phần 3
10 RNN Với TensorFlow - Phần Ba
11 Tổng Quan Bài Tập Chuỗi Thời Gian
12 Hướng Dẫn Giải Bài Tập Chuỗi Thời Gian
13 Lưu Ý Nhanh Về Word2Vec
14 Lý Thuyết Word2Vec
15 Thực Hành Code Word2Vec - Phần Một
16 Word2Vec Phần Hai
1 Giới Thiệu Các Chủ Đề Khác
2 Mạng Sâu Với TensorFlow Abstractions API - Phần Một
3 Mạng Sâu Với TensorFlow Abstractions API - Estimator API
4 Mạng Sâu Với TensorFlow Abstractions API - Keras
5 Mạng Sâu Với TensorFlow Abstractions API - Layers
6 Tensorboard
1 Kiến Thức Cơ Bản Về Autoencoder
2 Giảm Chiều Dữ Liệu Với Autoencoder Tuyến Tính
3 Tổng Quan Bài Tập PCA Với Autoencoder Tuyến Tính
4 Hướng Dẫn Giải Bài Tập PCA Với Autoencoder Tuyến Tính
5 Autoencoder Xếp Chồng (Stacked)
1 Giới Thiệu Học Tăng Cường Với OpenAI Gym
2 Tài Nguyên Bổ Sung Cho Học Tăng Cường
3 Giới Thiệu OpenAI Gym
4 Thiết Lập OpenAI Gym
5 Kiến Thức Cơ Bản Về Môi Trường OpenAI Gym
6 Quan Sát Trong OpenAI Gym
7 Hành Động Trong OpenAI Gym
8 Trò Chơi Với Mạng Nơ-ron Đơn Giản
9 Lý Thuyết Chính Sách Gradient (Policy Gradient)
10 Thực Hành Code Chính Sách Gradient - Phần Một
11 Thực Hành Code Chính Sách Gradient - Phần Hai
1 Giới Thiệu Về GANs
2 Thực Hành Code GAN - Phần Một
3 Thực Hành Code GAN - Phần Hai
4 Thực Hành Code GAN - Phần Ba
1 Bài Giảng Thưởng Thêm

Giới thiệu khóa học

Welcome to the Complete Guide to TensorFlow for Deep Learning with Python!

This course will guide you through how to use Google's TensorFlow framework to create artificial neural networks for deep learning! This course aims to give you an easy to understand guide to the complexities of Google's TensorFlow framework in a way that is easy to understand. Other courses and tutorials have tended to stay away from pure tensorflow and instead use abstractions that give the user less control. Here we present a course that finally serves as a complete guide to using the TensorFlow framework as intended, while showing you the latest techniques available in deep learning!

This course is designed to balance theory and practical implementation, with complete jupyter notebook guides of code and easy to reference slides and notes. We also have plenty of exercises to test your new skills along the way!

This course covers a variety of topics, including

  • Neural Network Basics
  • TensorFlow Basics
  • Artificial Neural Networks
  • Densely Connected Networks
  • Convolutional Neural Networks
  • Recurrent Neural Networks
  • AutoEncoders
  • Reinforcement Learning
  • OpenAI Gym
  • and much more!

There are many Deep Learning Frameworks out there, so why use TensorFlow?

TensorFlow is an open source software library for numerical computation using data flow graphs. Nodes in the graph represent mathematical operations, while the graph edges represent the multidimensional data arrays (tensors) communicated between them. The flexible architecture allows you to deploy computation to one or more CPUs or GPUs in a desktop, server, or mobile device with a single API. TensorFlow was originally developed by researchers and engineers working on the Google Brain Team within Google's Machine Intelligence research organization for the purposes of conducting machine learning and deep neural networks research, but the system is general enough to be applicable in a wide variety of other domains as well.

It is used by major companies all over the world, including Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, SAP, Qualcomm, IBM, Intel, and of course, Google!

Become a machine learning guru today! We'll see you inside the course!

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Deep Learning
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Hiển thị tất cả khoá học Tensorflow
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊