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

Machine Learning Essentials - Master core ML concepts

Kiến Thức Cốt Lõi Học Máy - Nắm vững các khái niệm ML cơ bản

Kiến Thức Cốt Lõi Học Máy - Nắm vững các khái niệm ML cơ bản

Khởi đầu với Học Máy, hiểu toán đằng sau các thuật toán quan trọng, triển khai chúng bằng Python & xây dựng 8+ dự án thực tế!

4.5
(755 đánh giá)
7,861 học viên
Giảng viên
Mohit Uniyal
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 1.619.000đ -97%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
28.0 giờ video
198 bài giảng
2 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Bước vào thế giới Trí Tuệ Nhân Tạo & Học Máy
Toán học trong Học Máy
Kỹ thuật Hồi quy & Phân loại
Hồi quy Tuyến tính & Hồi quy Logistic
K-Nearest Neighbours, K-Means
Naive Bayes, Phân loại Văn bản
Cây Quyết định & Rừng Ngẫu nhiên
Học Tập Tập hợp - Bagging & Boosting
Giảm Chiều Dữ liệu
Mạng Nơ-ron
8+ Dự án Thực hành

Yêu cầu

Lập trình Python
Kiến thức cơ bản về Numpy, Pandas, Matplotlib

Đối tượng phù hợp

Dành cho lập trình viên tò mò về Học Máy và Trí Tuệ Nhân Tạo
Chuyên gia đang làm việc muốn xây dựng sự nghiệp trong khoa học dữ liệu
Nhà phát triển muốn học kỹ năng mới và xây dựng dự án dựa trên ML
Sinh viên đại học muốn củng cố hiểu biết về Học Máy

Nội dung khóa học

22 phần • 198 bài giảng
1 Tổng quan Khóa học
2 Trí Tuệ Nhân Tạo
3 Học Máy
4 Học Sâu
5 Thị giác Máy tính
6 Xử lý Ngôn ngữ Tự nhiên
7 Nhận dạng Giọng nói Tự động
8 Học Tăng cường
9 Điều kiện tiên quyết
10 Kho lưu trữ Mã nguồn
1 Giới thiệu Học có Giám sát
2 Ví dụ về Học có Giám sát
3 Học không Giám sát
1 Giới thiệu Hồi quy Tuyến tính
2 Ký hiệu
3 Giả thuyết
4 Hàm Mất mát / Sai số
5 Ý tưởng Huấn luyện
6 Tối ưu hóa Gradient Descent
7 Mã Gradient Descent
8 Gradient Descent - cho Hồi quy Tuyến tính
9 Toán học của Quá trình Huấn luyện
10 Mã 01 - Tạo Dữ liệu
11 Mã 02 - Chuẩn hóa Dữ liệu
12 Mã 03 - Chia Tập Huấn luyện/Kiểm tra
13 Mã 04 - Xây dựng Mô hình
14 Mã 05 - Dự đoán
15 Điểm số R2
16 Mã 06 - Đánh giá
17 Mã 07 - Trực quan hóa
18 Mã 08 - Quỹ đạo [Tùy chọn]
1 Giới thiệu
2 Giả thuyết
3 Hàm Mất mát
4 Huấn luyện & Cập nhật Gradient
5 Mã 01 - Chuẩn bị Dữ liệu
6 Mã 02 - Giả thuyết
7 Mã 03 - Hàm Mất mát
8 Mã 04 - Tính toán Gradient
9 Mã 05 - Vòng lặp Huấn luyện
10 Lưu ý về Kích thước
11 Mã 06 - Đánh giá
12 Hồi quy Tuyến tính sử dụng Sk-Learn
1 Giới thiệu Phân loại Nhị phân
2 Ký hiệu
3 Hàm Giả thuyết
4 Mất mát Entropy Chéo Nhị phân / Hàm Mất mát
5 Quy tắc Cập nhật Gradient
6 Mã 01 - Chuẩn bị Dữ liệu
7 Mã 02 - Giả thuyết / Mô hình Logit
8 Mã 03 - Mất mát Entropy Chéo Nhị phân
9 Mã 04 - Tính toán Gradient
10 Mã 05 - Vòng lặp Huấn luyện
11 Mã 06 - Trực quan hóa Ranh giới Quyết định
12 Mã 07 - Dự đoán & Độ chính xác
13 Hồi quy Logistic sử dụng Sk-Learn
14 Phân loại Đa lớp: Một đối với Tất cả
15 Phân loại Đa lớp: Một đối với Một
1 Lời nguyền Chiều cao
2 Lựa chọn Đặc trưng vs. Trích xuất Đặc trưng
3 Phương pháp Lọc
4 Phương pháp Bao bọc
5 Phương pháp Nhúng
6 Mã - Lựa chọn Đặc trưng
1 Giới thiệu PCA
2 Tổng quan Khái niệm về PCA
3 Tối đa hóa Phương sai
4 Tối thiểu hóa Khoảng cách
5 Giá trị Riêng & Vectơ Riêng
6 Tóm tắt PCA
7 Hiểu về Giá trị Riêng
8 Mã PCA
9 Chọn số Chiều phù hợp
1 Giới thiệu
2 Ý tưởng KNN
3 Chuẩn bị Dữ liệu KNN
4 Mã Thuật toán KNN
5 Khoảng cách Euclid và Manhattan
6 Quyết định giá trị K
7 KNN và Chuẩn hóa Dữ liệu
8 Ưu nhược điểm của KNN
9 KNN sử dụng Sk-Learn
1 OpenCV - Làm việc với Hình ảnh
2 OpenCV - Đầu vào Video từ WebCam
3 Phát hiện Đối tượng sử dụng Haarcascades
4 Phát hiện Khuôn mặt trong Hình ảnh
5 Phát hiện Khuôn mặt trong Video Trực tiếp
6 Giới thiệu Dự án Nhận dạng Khuôn mặt
7 Nhận dạng Khuôn mặt 01 - Thu thập Dữ liệu
8 Nhận dạng Khuôn mặt 02 - Tải Dữ liệu
9 Nhận dạng Khuôn mặt 03 - Dự đoán sử dụng KNN
1 Thuật toán K-Means
2 Mã 01 - Chuẩn bị Dữ liệu
3 Mã 02 - Khởi tạo Tâm cụm
4 Mã 03 - Gán Điểm
5 Mã 04 - Cập nhật Tâm cụm
6 Mã 05 - Trực quan hóa K-Means & Kết quả
1 Giới thiệu
2 Đọc Hình ảnh
3 Tìm Cụm
4 Mẫu màu Chủ đạo
5 Hình ảnh với K Màu
1 Định lý Bayes
2 Chứng minh Định lý Bayes
3 Câu hỏi về Định lý Bayes
4 Thuật toán Naive Bayes
5 Naive Bayes cho Phân loại Văn bản
6 Tính toán Xác suất Hợp lý
7 Hiểu Bộ dữ liệu Golf
8 MÃ - Xác suất Tiên nghiệm
9 MÃ - Xác suất Có điều kiện
10 MÃ - Xác suất Hợp lý
11 MÃ - Dự đoán
12 Triển khai Naive Bayes - Sklearn
1 Naive Bayes Đa thức
2 Làm mịn Laplace
3 Naive Bayes Đa thức | Ví dụ
4 Naive Bayes Bernoulli
5 Naive Bayes Bernoulli | Ví dụ
6 Sự đánh đổi Độ chệch - Phương sai
7 Naive Bayes Gaussian
8 MÃ - Các biến thể của Naive Bayes
1 Tổng quan Dự án
2 Làm sạch Dữ liệu
3 WordCloud
4 Đặc trưng hóa Văn bản
5 Xây dựng Mô hình
6 Đánh giá Mô hình
1 Giới thiệu Cây Quyết định
2 Ví dụ về Cây Quyết định
3 Entropy
4 MÃ : Entropy
5 Lợi ích Thông tin
6 MÃ : Chia Dữ liệu
7 MÃ : Lợi ích Thông tin
8 Xây dựng Cây Quyết định
9 Điều kiện Dừng
1 MÃ - Nút Cây Quyết định
2 MÃ - Huấn luyện Cây Quyết định
3 MÃ - Gán Biến Mục tiêu cho Mỗi Nút
4 MÃ - Điều kiện Dừng
5 MÃ - Huấn luyện Nút Con
6 MÃ - Khám phá Mô hình Cây Quyết định
7 MÃ - Dự đoán
8 Xử lý Đặc trưng Số
9 Sự đánh đổi Độ chệch - Phương sai
10 Cây Quyết định cho Hồi quy
11 Mã Cây Quyết định - Sklearn
1 Tổng quan Dự án
2 Phân tích Dữ liệu Khám phá
3 Phân tích Dữ liệu Khám phá - II
4 Chuẩn bị Dữ liệu cho Mô hình ML
5 Xử lý Giá trị Thiếu
6 Xây dựng Mô hình Cây Quyết định
7 Trực quan hóa Cây Quyết định
1 Học Tập Tập hợp
2 Mô hình Bagging
3 Tại sao Bagging Hiệu quả
4 Thuật toán Rừng Ngẫu nhiên
5 Sự đánh đổi Độ chệch - Phương sai
6 MÃ : Rừng Ngẫu nhiên
1 Giới thiệu Boosting
2 Tăng cường Trực giác
3 Tăng cường: Công thức Toán học
4 Khái niệm Phần dư Giả
5 Thuật toán Cây Quyết định Tăng cường Gradient
6 Đánh đổi Độ chệch - Phương sai
7 CODE - Cây Quyết định Tăng cường Gradient
8 XGBoost
9 Tăng cường Thích ứng (AdaBoost)
1 Tổng quan Dự án
2 Phân tích Dữ liệu Khám phá
3 Trực quan hóa Dữ liệu
4 Tìm mối quan hệ
5 Chuẩn bị Dữ liệu
6 Xây dựng Mô hình
7 Điều chỉnh Siêu tham số
1 Mạng Nơ-ron Sinh học
2 Một Nơ-ron
3 Perceptron Học như thế nào?
4 Cập nhật Gradient Descent
5 Mạng Nơ-ron
6 Mạng Nơ-ron 3 Lớp
7 Tại sao dùng Mạng Nơ-ron?
8 Sân chơi Tensorflow
9 CODE - Chuẩn bị Dữ liệu
10 CODE - Xây dựng Mô hình
11 CODE - Huấn luyện và Kiểm tra Mô hình
1 Giới thiệu
2 Dữ liệu
3 Dữ liệu Có cấu trúc
4 Tải Dữ liệu
5 Tiền xử lý Dữ liệu
6 Kiến trúc Mô hình
7 Hàm Softmax
8 Huấn luyện Mô hình
9 Đánh giá Mô hình
10 Dự đoán

Giới thiệu khóa học

Read to jumpstart the world of Machine Learning & Artificial intelligence?


This hands-on course is designed for absolute beginners as well as for proficient programmers who want kickstart Machine Learning for solving real life problems. You will learn how to work with data, and train models capable of making "intelligent decisions"

Data Science has one of the most rewarding jobs of the 21st century and fortune-500 tech companies are spending heavily on data scientists! Data Science as a career is very rewarding and offers one of the highest salaries in the world. Unlike other courses, which cover only library-implementations this course is designed to give you a solid foundation in Machine Learning by covering maths and implementation from scratch in Python for most statistical techniques.

This comprehensive course is taught by Prateek Narang & Mohit Uniyal, who not just popular instructors but also have worked in Software Engineering and Data Science domains with companies like Google. They have taught thousands of students in several online and in-person courses over last 3+ years.

We are providing you this course to you at a fraction of its original cost! This is action oriented course, we not just delve into theory but focus on the practical aspects by building 8+ projects.

With over 170+ high quality video lectures, easy to understand explanations and complete code repository this is one of the most detailed and robust course for learning data science.

Some of the topics that you will learn in this course.

  • Logistic Regression

  • Linear Regression

  • Principal Component Analysis

  • Naive Bayes

  • Decision Trees

  • Bagging and Boosting

  • K-NN

  • K-Means

  • Neural Networks


    Some of the concepts that you will learn in this course.

    • Convex Optimisation

    • Overfitting vs Underfitting

    • Bias Variance Tradeoff

    • Performance Metrics

    • Data Pre-processing

    • Feature Engineering

    • Working with numeric data, images & textual data

    • Parametric vs Non-Parametric Techniques

Sign up for the course and take your first step towards becoming a machine learning engineer! See you in the course!

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Hiển thị tất cả khoá học Scikit Learn
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊