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

TensorFlow 2.0 Practical

TensorFlow 2.0 Thực Hành

TensorFlow 2.0 Thực Hành

Thành thạo TensorFlow 2.0, thư viện Machine Learning mạnh mẽ nhất của Google, qua 10 dự án thực tế

4.5
(958 đánh giá)
8,857 học viên
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 1.039.000đ -95%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
12.0 giờ video
91 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Sử dụng TensorFlow 2.0 mới phát hành của Google để xây dựng, huấn luyện, kiểm tra và triển khai các mô hình Mạng Nơ-ron Nhân tạo (ANNs).
Học cách phát triển mô hình ANNs và huấn luyện chúng trên Google Colab, tận dụng sức mạnh của GPU và TPU.
Triển khai mô hình ANNs vào thực tế bằng TensorFlow 2.0 Serving.
Học cách trực quan hóa đồ thị mô hình và đánh giá hiệu suất trong quá trình huấn luyện bằng Tensorboard.
Hiểu lý thuyết và toán học cơ bản đằng sau Mạng Nơ-ron Nhân tạo và Mạng Nơ-ron Tích chập (CNNs).
Học cách huấn luyện trọng số và độ lệch của mạng, lựa chọn hàm kích hoạt phù hợp.
Huấn luyện Mạng Nơ-ron Nhân tạo (ANNs) bằng phương pháp lan truyền ngược và hạ gradient.
Tối ưu siêu tham số của ANNs như số lớp ẩn và số nơ-ron để cải thiện hiệu suất mạng.
Áp dụng ANNs để thực hiện các bài toán hồi quy như dự đoán giá nhà và doanh thu.
Đánh giá hiệu suất mô hình ANN đã huấn luyện cho bài toán hồi quy bằng các chỉ số KPI: Sai số tuyệt đối trung bình, Sai số bình phương trung bình, Căn bậc hai sai số bình phương trung bình, R-Squared và R-Squared hiệu chỉnh.
Đánh giá hiệu suất mô hình ANN đã huấn luyện cho bài toán phân loại bằng các chỉ số KPI như độ chính xác, độ chuẩn xác và độ nhạy.
Áp dụng Mạng Nơ-ron Tích chập để phân loại hình ảnh.
Các dự án thực tế mẫu:
Dự án #1: Huấn luyện ANN đơn giản để chuyển đổi nhiệt độ từ Celsius sang Fahrenheit
Dự án #2 (Bài tập): Huấn luyện ANN truyền thẳng để dự đoán Doanh thu
Dự án #3: Với vai trò tư vấn bất động sản, dự đoán giá nhà bằng ANNs (Bài toán Hồi quy)
Dự án #4 (Bài tập): Với vai trò chủ doanh nghiệp, dự đoán lượng thuê xe đạp (Bài toán Hồi quy)
Dự án #5: Phát triển Mạng Nơ-ron Nhân tạo trong lĩnh vực y tế để thực hiện bài toán phân loại như phát hiện bệnh tiểu đường
Dự án #6: Phát triển mô hình AI để phân tích cảm xúc và đánh giá của khách hàng trực tuyến.
Dự án #7: Huấn luyện mô hình Deep Learning LeNet để phân loại biển báo giao thông.
Dự án #8: Huấn luyện CNN để phân loại thời trang
Dự án #9: Huấn luyện CNN để phân loại hình ảnh sử dụng bộ dữ liệu Cifar-10
Dự án #10: Triển khai mô hình phân loại hình ảnh deep learning bằng TF Serving

Yêu cầu

Máy tính có kết nối internet

Đối tượng phù hợp

Nhà Khoa học Dữ liệu muốn áp dụng kiến thức vào các Nghiên cứu Điển hình Thực tế
Nhà phát triển AI
Nhà nghiên cứu AI

Nội dung khóa học

7 phần • 85 bài giảng
1 Lời chào mừng và giới thiệu
2 Tổng quan khóa học
3 THÊM: Lộ trình học tập
4 AI, ML và DL là gì
5 Bức tranh tổng thể về Machine Learning
6 Điểm mới trong TF2 và Google Colab
7 Điểm mới trong TensorFlow 2.0
8 Google Colab là gì
9 Demo Google Colab
10 Eager Execution
11 Keras API
12 Nhận tài liệu khóa học
1 TỔNG QUAN DỰ ÁN #1: CHUYỂN ĐỔI CELSIUS SANG FAHRENHEIT
2 DỰ ÁN #1 ANNs là gì và chúng học như thế nào?
3 DỰ ÁN #1 Xây dựng mô hình ANN đầu tiên của chúng ta
4 DỰ ÁN #1 TF Playground
5 DỰ ÁN #1 Bước lập trình 1 - Tải TF và Dữ liệu
6 DỰ ÁN #1 Bước lập trình 2 - Huấn luyện Mô hình
7 DỰ ÁN #1 Bước lập trình 3 - Đánh giá Mô hình
8 Tổng quan Dự án #2
9 DỰ ÁN #2: Tổng quan Câu hỏi trên Google Colab
10 DỰ ÁN #2 Phần lập trình 1
11 DỰ ÁN #2 Phần lập trình 2
12 DỰ ÁN #2 Phần lập trình 3
1 DỰ ÁN #3: Tổng quan
2 DỰ ÁN #3 Kiến thức cơ bản về Hồi quy
3 DỰ ÁN #3 ANN trong thực tế
4 DỰ ÁN #3 Tổng quan về hàm kích hoạt
5 DỰ ÁN #3 Mạng Perceptron Đa lớp
6 DỰ ÁN #3 Định nghĩa Huấn luyện ANN và Epoch
7 DỰ ÁN #3 Tensorflow Playground 3
8 DỰ ÁN #3 Hạ Gradient
9 DỰ ÁN #3 Lan truyền ngược
10 DỰ ÁN #3 Sự đánh đổi Bias-Variance
11 DỰ ÁN #3 Các chỉ số Hiệu suất
12 DỰ ÁN #3 Phần lập trình 1
13 DỰ ÁN #3 Phần lập trình 2
14 DỰ ÁN #3 Phần lập trình 3
15 DỰ ÁN #3 Phần lập trình 4
16 DỰ ÁN #3 Phần lập trình 5 - Huấn luyện
17 DỰ ÁN #3 Phần lập trình 6
18 Tổng quan Dự án #4
19 DỰ ÁN #4 Tổng quan trên Google Colab
20 DỰ ÁN #4 Phần lập trình 1
21 DỰ ÁN #4 Phần lập trình 2
22 DỰ ÁN #4 Phần lập trình 3
1 Tổng quan Dự án #5
2 DỰ ÁN #5 Token hóa và Count Vectorizer
3 DỰ ÁN #5 Ma trận nhầm lẫn
4 DỰ ÁN #5 Tải Tập dữ liệu
5 DỰ ÁN #5 Trực quan hóa Dữ liệu
6 DỰ ÁN #5 Token hóa Dữ liệu
7 DỰ ÁN #5 Xây dựng và Huấn luyện Mô hình
8 DỰ ÁN #5 Đánh giá Mô hình
9 Tổng quan Dự án #6
10 DỰ ÁN #6 Tổng quan Câu hỏi Dự án trên Google Colab
11 DỰ ÁN #6 Tổng quan Câu hỏi Dự án trên Google Colab 2
12 DỰ ÁN #6 Phần Giải mã Dự án 1
13 DỰ ÁN #6 Phần Giải mã Dự án 2
1 DỰ ÁN #7 Tổng quan
2 DỰ ÁN #7 Tổng quan Toàn bộ Mạng CNN
3 DỰ ÁN #7 Bộ dò Đặc trưng
4 DỰ ÁN #7 RELU
5 DỰ ÁN #7 Gộp cực trị và Giảm kích thước
6 DỰ ÁN #7 Cải thiện Hiệu suất
7 DỰ ÁN #7 Phần lập trình 1 Nhập Dữ liệu
8 DỰ ÁN #7 Phần lập trình 2 Trực quan hóa
9 DỰ ÁN #7 Phần lập trình 3 Huấn luyện mô hình
10 DỰ ÁN #7 Phần lập trình 4 - Đánh giá mô hình
11 Tổng quan Dự án #8
12 DỰ ÁN #8 Kiến trúc LeNet
13 DỰ ÁN #8 Phần lập trình 1
14 DỰ ÁN #8 Phần lập trình 2
15 DỰ ÁN #8 Phần lập trình 3
16 Tổng quan Dự án #9
17 DỰ ÁN #9 Tổng quan Câu hỏi
18 DỰ ÁN #9 Phần Giải mã 1
19 DỰ ÁN #9 Phần Giải mã 2
1 Phần lập trình TF Serving 1
2 Phần lập trình TF Serving 2
3 Phần lập trình TF Serving 3
4 Ví dụ Tensorboard 1
5 Ví dụ Tensorboard 2
6 Chiến lược Phân tán
1 Bài học Bổ sung

Giới thiệu khóa học

Artificial Intelligence (AI) revolution is here and TensorFlow 2.0 is finally here to make it happen much faster! TensorFlow 2.0 is Google’s most powerful, recently released open source platform to build and deploy AI models in practice.

AI technology is experiencing exponential growth and is being widely adopted in the Healthcare, defense, banking, gaming, transportation and robotics industries. The purpose of this course is to provide students with practical knowledge of building, training, testing and deploying Artificial Neural Networks and Deep Learning models using TensorFlow 2.0 and Google Colab.

The course provides students with practical hands-on experience in training Artificial Neural Networks and Convolutional Neural Networks using real-world dataset using TensorFlow 2.0 and Google Colab. This course covers several technique in a practical manner, the projects include but not limited to:

(1) Train Feed Forward Artificial Neural Networks to perform regression tasks such as sales/revenue predictions and house price predictions

(2) Develop Artificial Neural Networks in the medical field to perform classification tasks such as diabetes detection.

(3) Train Deep Learning models to perform image classification tasks such as face detection, Fashion classification and traffic sign classification.

(4) Develop AI models to perform sentiment analysis and analyze customer reviews.

(5) Perform AI models visualization and assess their performance using Tensorboard

(6) Deploy AI models in practice using Tensorflow 2.0 Serving

The course is targeted towards students wanting to gain a fundamental understanding of how to build and deploy models in Tensorflow 2.0. Basic knowledge of programming is recommended. However, these topics will be extensively covered during early course lectures; therefore, the course has no prerequisites, and is open to any student with basic programming knowledge. Students who enroll in this course will master AI and Deep Learning techniques and can directly apply these skills to solve real world challenging problems using Google’s New TensorFlow 2.0.

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 😊