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

Deep Learning for Beginners: Core Concepts and PyTorch

Deep Learning Cho Người Mới Bắt Đầu: Khái Niệm Cốt Lõi và PyTorch

Deep Learning Cho Người Mới Bắt Đầu: Khái Niệm Cốt Lõi và PyTorch

Hiểu Sâu Bản Chất Deep Learning và Trí Tuệ Nhân Tạo Một Cách Trực Quan

4.8
(284 đánh giá)
1,942 học viên
Giảng viên
Seungchan Lee
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 349.000đ -86%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
9.5 giờ video
56 bài giảng
5 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Phát triển sự hiểu biết trực quan về Deep Learning
Hiểu trực quan và bằng hình ảnh các khái niệm toán học cốt lõi đằng sau Deep Learning
Cái nhìn chi tiết về cách hoạt động chính xác của mạng nơ-ron sâu bên trong
Đồ thị tính toán (nền tảng của các thư viện như PyTorch và Tensorflow)
Xây dựng mạng nơ-ron từ đầu bằng PyTorch và PyTorch Lightning
Bạn sẽ sẵn sàng khám phá các công nghệ AI tiên tiến và các mạng nơ-ron phức tạp hơn như CNN, RNN và Transformer
Bạn sẽ có thể hiểu các chuyên gia deep learning đang nói gì trong các bài báo và cuộc phỏng vấn
Bạn sẽ có thể bắt đầu thử nghiệm với các dự án AI của riêng mình bằng PyTorch

Yêu cầu

Kiến thức lập trình Python cơ bản
Toán phổ thông
Mong muốn mạnh mẽ được học Deep Learning và Trí Tuệ Nhân Tạo

Đối tượng phù hợp

Học viên muốn học Deep Learning lần đầu tiên
Người mới bắt đầu muốn cuối cùng cũng hiểu được bản chất của Deep Learning
Chuyên gia muốn nâng tầm hiểu biết về nền tảng Deep Learning

Nội dung khóa học

5 phần • 56 bài giảng
1 Giới thiệu
2 Học Máy chính xác là gì?
3 Các loại học máy khác nhau: có giám sát, không giám sát và học tăng cường
4 Bức tranh tổng thể
5 Mạng nơ-ron sâu dưới góc nhìn đặc trưng và trọng số
6 Hàm mất mát & quá trình huấn luyện so với suy luận
7 Tại sao deep learning khó nắm bắt và làm thế nào để giỏi nó
8 Cách để hiểu mạng nơ-ron một cách trực quan
9 Tổng quan khóa học
1 Hồi quy tuyến tính và hàm mất mát MSE
2 Phân tích số học - hay còn gọi là phương pháp "thử và sai"
3 Góc nhìn mạng lưới
4 Perceptron
5 Ý nghĩa của "Sâu" trong deep learning
6 Hàm Kích Hoạt
7 Tham số hóa quá mức và hiện tượng overfitting
8 Chuyển hướng sang Đại số Tuyến tính
9 Vector hóa (= song song hóa)
10 Khả năng mở rộng và các thuộc tính nổi trội
11 Tóm tắt lượt truyền thuận và giới thiệu ngắn về lượt truyền ngược
1 Thuật toán lan truyền ngược
2 Chuyển hướng sang Giải tích
3 Chuyển hướng sang Giải tích II
4 Gradient Descent
5 Chuyển hướng Giải tích - đạo hàm riêng và gradient descent
6 Chuyển hướng Giải tích - Quy tắc Chuỗi
7 Chuyển hướng Giải tích - Quy tắc Chuỗi II
8 Đồ thị tính toán I - lượt truyền thuận
9 Đồ thị tính toán II - lượt truyền ngược
10 Đồ thị tính toán III - lượt truyền ngược II
11 Đồ thị tính toán IV - lượt truyền ngược III
12 Tóm tắt và tổng kết lượt truyền thuận & ngược
1 Vấn đề tiêu biến gradient
2 Giải pháp cho tiêu biến gradient I
3 Giải pháp cho tiêu biến gradient II
4 Gradient descent ngẫu nhiên và theo mini-batch
5 Các bộ tối ưu khác I
6 Các bộ tối ưu khác II
7 Chiến lược điều chỉnh siêu tham số
8 Chuẩn hóa theo batch
9 Overfitting I - tổng quan vấn đề và giải pháp
10 Overfitting II - chính quy hóa và drop out
11 Hàm kích hoạt Softmax
12 Các hàm mất mát
13 Hàm mất mát Cross entropy
1 Thiết lập môi trường lập trình bằng Anaconda và Jupyter Notebook trong VSCode
2 Huấn luyện mô hình MNIST từ đầu bằng PyTorch thuần I
3 Huấn luyện mô hình MNIST từ đầu bằng PyTorch thuần II
4 Huấn luyện mô hình MNIST từ đầu bằng PyTorch thuần III
5 Huấn luyện mô hình MNIST từ đầu bằng PyTorch thuần IV
6 Huấn luyện mô hình MNIST bằng module nn của PyTorch I
7 Huấn luyện mô hình MNIST bằng module nn của PyTorch II
8 Huấn luyện mô hình MNIST bằng PyTorch Lightning I
9 Trước khi bạn tiếp tục
10 Huấn luyện mô hình MNIST bằng PyTorch Lightning II
11 Các bước tiếp theo

Giới thiệu khóa học

  • Are you interested in Artificial Intelligence (AI), Machine Learning and Artificial Neural Network?

  • Are you afraid of getting started with Deep Learning because it sounds too technical?

  • Have you been watching Deep Learning videos, but still don’t feel like you “get” it?

I’ve been there myself! I don’t have an engineering background. I learned to code on my own. But AI still seemed completely out of reach.

This course was built to save you many months of frustration trying to decipher Deep Learning. After taking this course, you’ll feel ready to tackle more advanced, cutting-edge topics in AI.

In this course:


  • We assume as little prior knowledge as possible. No engineering or computer science background required (except for basic Python knowledge). You don’t know all the math needed for Deep Learning? That’s OK. We'll go through them all together - step by step.

  • We'll "reinvent" a deep neural network so you'll have an intimate knowledge of the underlying mechanics. This will make you feel more comfortable with Deep Learning and give you an intuitive feel for the subject.

  • We'll also build a basic neural network from scratch in PyTorch and PyTorch Lightning and train an MNIST model for handwritten digit recognition.

After taking this course:


  • You’ll finally feel you have an “intuitive” understanding of Deep Learning and feel confident expanding your knowledge further.

  • If you go back to the popular courses you had trouble understanding before (like Andrew Ng's courses or Jeremy Howards' Fastai course), you’ll be pleasantly surprised at how much more you can understand.

  • You'll be able to understand what experts like Geoffrey Hinton are saying in articles or Andrej Karpathy is saying during Tesla Autonomy Day.

  • You'll be well equipped with both practical and theoretical understanding to start exploring more advanced neural network architectures like Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), transformers, etc. and start your journey towards the cutting edge of AI, Supervised and Unsupervised learning, and more.

  • You can start experimenting with your own AI projects using PyTorch and Supervised Learning

This course is perfect for you if you are:


  • Interested in Deep Learning and PyTorch but struggling with the core concepts

  • Someone from a non-engineering background transitioning into an engineering career

  • Familiar with the basics but wish explore more advanced knowledge.

  • Already working with Deep Learning models, but want to supercharge your understanding

  • A Python Developer, looking to advance your career

This 9.5 hour course will teach you all the basic concepts as well as the application of your knowledge. You get 40 downloadable resources, full lifetime access, 30-Day Money-Back Guarantee and a Certificate of Completion.

So what stops you from taking a deep dive into the amazing world of Deep Learning?

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Artificial Intelligence
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Hiển thị tất cả khoá học Pytorch
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊