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

Become a TensorFlow Certified Professional Developer

Trở thành Chuyên gia Lập trình viên được Chứng nhận TensorFlow

Trở thành Chuyên gia Lập trình viên được Chứng nhận TensorFlow

Tham gia môi trường đào tạo tốt nhất để làm chủ AI và trang bị kỹ năng cần thiết để trở thành Nhà phát triển được Chứng nhận TensorFlow.

4.6
(21 đánh giá)
442 học viên
Giảng viên
TFC Course
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
10.000đ 2.499.000đ -100%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
18.0 giờ video
155 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 06/10/2026
#Artificial Intelligence #Javascript #Machine Learning #Tensorflow

Bạn sẽ học được gì

Nắm vững Kiến thức Cơ bản về Học sâu
Xây dựng ba mô hình học sâu khác nhau bằng TensorFlow và Keras
Phân loại hình ảnh bằng mạng nơ-ron tích chập (CNN) trong TensorFlow.
Áp dụng tăng cường hình ảnh và học chuyển giao để nâng cao hiệu suất mô hình.
Sử dụng các chiến lược để ngăn chặn hiện tượng quá khớp, bao gồm tăng cường dữ liệu và dropout.
Xử lý văn bản thông qua token hóa và biểu diễn vector câu.
Áp dụng Mạng nơ-ron hồi quy (RNN), Đơn vị hồi quy có cổng (GRU) và Mạng Bộ nhớ ngắn hạn dài (LSTM) cho các tác vụ NLP
Tạo Mô hình Chạy trên Thiết bị với TensorFlow Lite

Yêu cầu

Kiến thức cơ bản về lập trình được khuyến nghị.
Có một chút kinh nghiệm về Học máy thì càng tốt nhưng không bắt buộc.

Đối tượng phù hợp

Dành cho Nhà khoa học Dữ liệu muốn học cách sử dụng TensorFlow ở trình độ nâng cao.
Dành cho Nhà khoa học Dữ liệu muốn vượt qua kỳ thi Chứng nhận Nhà phát triển TensorFlow.
Dành cho Chuyên gia AI muốn xây dựng các mô hình AI mạnh mẽ hơn bằng TensorFlow.
Dành cho những người đam mê công nghệ, yêu thích AI và muốn có kinh nghiệm thực tế với TensorFlow.

Nội dung khóa học

29 phần • 154 bài giảng
1 Giới thiệu về Khóa học
2 Liên hệ và Hỏi đáp
1 Giới thiệu
2 Nhận tài liệu khóa học
3 Kế hoạch Học tập
4 Cách thức hoạt động của Nơ-ron trong não người
5 Mạng Nơ-ron hoạt động như thế nào?
6 Hàm Kích hoạt
7 Mạng Nơ-ron học như thế nào?
8 Gradient Descent
9 Stochastic Gradient Descent
10 Lan truyền ngược
11 Xây dựng Mạng Nơ-ron Nhân tạo với TensorFlow trong 5 Bước Từ đầu - Bước 1
12 Xây dựng Mạng Nơ-ron Nhân tạo với TensorFlow trong 5 Bước Từ đầu - Bước 2
13 Xây dựng Mạng Nơ-ron Nhân tạo với TensorFlow trong 5 Bước Từ đầu - Bước 3
14 Xây dựng Mạng Nơ-ron Nhân tạo với TensorFlow trong 5 Bước Từ đầu - Bước 4
15 Xây dựng Mạng Nơ-ron Nhân tạo với TensorFlow trong 5 Bước Từ đầu - Bước 5
1 Giới thiệu
2 Kế hoạch Học tập
3 Mạng Nơ-ron Tích chập là gì?
4 Bước 1: Thao tác Tích chập
5 Bước 1 (Phần B): Lớp ReLU
6 Bước 2: Gộp (Pooling)
7 Bước 3: Trải phẳng (Flattening)
8 Bước 4: Kết nối đầy đủ (Full Connection)
9 Tóm tắt
10 Hàm Kích hoạt Softmax & Hàm Mất mát Cross-Entropy
11 Xây dựng Mạng CNN với TensorFlow trong 5 Bước Từ đầu - Bước 1
12 Xây dựng Mạng CNN với TensorFlow trong 5 Bước Từ đầu - Bước 2
13 Xây dựng Mạng CNN với TensorFlow trong 5 Bước Từ đầu - Bước 3
14 Xây dựng Mạng CNN với TensorFlow trong 5 Bước Từ đầu - Bước 4
15 Xây dựng Mạng CNN với TensorFlow trong 5 Bước Từ đầu - Bước 5
16 Demo
1 Giới thiệu
2 Kế hoạch Học tập
3 Mạng Nơ-ron Hồi quy
4 Vấn đề Gradient biến mất
5 LSTM và Cách thức hoạt động
6 Hiểu biết Thực tế
7 Các biến thể của LSTM
8 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 1
9 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 2
10 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 3
11 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 4
12 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 5
13 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 6
14 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 7
15 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 8
16 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 9
17 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 10
18 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 11
19 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 12
20 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 13
21 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 14
22 Xây dựng Mạng RNN với TensorFlow trong 15 bước từ đầu - Bước 15
1 Giới thiệu
2 Giới thiệu về Thị giác Máy tính
3 Mã để Tải Dữ liệu Huấn luyện cho một Tác vụ Thị giác Máy tính
4 Viết mã cho Mạng Nơ-ron Thị giác Máy tính Đầu tiên
5 Cách sử dụng Callbacks để Kiểm soát Quá trình Huấn luyện
1 Giới thiệu
2 Tìm hiểu sâu hơn về tích chập
3 Bộ phân loại Thời trang với các phép tích chập nâng cao hơn
4 Tập dữ liệu mới với các phép tích chập nâng cao tương tự và cải thiện hơn nữa thông qua
1 Giới thiệu
2 ImageGenerator
3 Mạng ConvNet sử dụng cho hình ảnh phức tạp và cách huấn luyện nó với fit_generator
1 Giới thiệu
2 Xây dựng và huấn luyện Mạng ConvNet cho Hình ảnh Thực tế
3 Tự động xác thực để kiểm tra và cải thiện độ chính xác, cũng như tác động của
1 Giới thiệu
2 Tìm hiểu sâu hơn về tăng cường hình ảnh
3 Mã hóa kỹ thuật tăng cường với ImageDataGenerator
4 Áp dụng kỹ thuật đó vào tập dữ liệu mèo so với chó
5 Thực hiện tương tự trên tập dữ liệu ngựa so với người
1 Giới thiệu
2 Khái niệm về học chuyển giao
3 Học chuyển giao từ mô hình inception và sử dụng dropout để giảm hiện tượng quá khớp
4 Viết mã mô hình riêng bằng cách sử dụng các đặc trưng được chuyển giao
1 Giới thiệu
2 Chuyển từ phân loại nhị phân sang đa lớp và tập dữ liệu Kéo Búa Bao
3 Huấn luyện bộ phân loại với Kéo Búa Bao và kiểm tra bộ phân loại đó
1 Giới thiệu
2 Tạo Mạng Tích chập với JavaScript
3 Trực quan hóa Quá trình Huấn luyện
4 Cách sử dụng Sprite Sheet, và sau đó là tf.tidy() để Tiết kiệm Bộ nhớ
1 Giới thiệu
2 Các mô hình TensorFlow.js được huấn luyện trước và Bộ phân loại Độc hại, bao gồm trong mã
3 Sử dụng MobileNet với TensorFlow.js và Ví dụ MobileNet Trong mã
4 Cách chuyển đổi Mô hình sang JavaScript
1 Giới thiệu
2 Cách huấn luyện lại Mô hình MobileNet bằng Học chuyển giao
3 Cách thu thập Dữ liệu để huấn luyện lại mạng
4 Cách thực hiện Suy luận
1 Giới thiệu
2 Giới thiệu về NLP và cách mã hóa dựa trên từ hoạt động
3 Cách chuyển từ văn bản sang chuỗi bằng tokenizer
4 Cách thức hoạt động của padding, vẫn trong quá trình tiền xử lý văn bản
1 Giới thiệu
2 Giới thiệu về Embeddings
3 Tập dữ liệu IMDB để tìm hiểu chi tiết về embeddings
4 Xây dựng bộ phân loại cho tập dữ liệu sarcasm
1 Giới thiệu
2 Mô hình Hồi quy được sử dụng cho NLP, ứng dụng và triển khai LSTM vào NLP
3 Thử sử dụng mạng nơ-ron tích chập cho NLP
1 Giới thiệu
2 Tạo văn bản với RNN
3 Huấn luyện RNN trên dữ liệu văn bản để tìm từ tiếp theo trong một chuỗi
4 Thử làm thơ bằng cách sử dụng RNN
1 Giới thiệu
2 Hiểu về chuỗi thời gian và cách chia chúng thành tập huấn luyện, xác thực và
3 Các chỉ số khác nhau để đánh giá hiệu suất chuỗi thời gian, khái niệm về trung bình động
1 Giới thiệu
2 Cách áp dụng ML vào chuỗi thời gian và chuẩn bị các đặc trưng và nhãn
3 Cách đưa tập dữ liệu có cửa sổ vào mạng nơ-ron, cũng như ứng dụng và
4 Huấn luyện mạng nơ-ron sâu, điều chỉnh nó và đưa ra dự đoán
1 Giới thiệu
2 Cách RNN được sử dụng với chuỗi và hình dạng đầu vào phải như thế nào
3 Đầu ra một chuỗi, sử dụng lớp Lambda để cải thiện hiệu suất và tốc độ học
4 Cách sử dụng LSTM với cùng các chuỗi
1 Giới thiệu
2 Sử dụng tích chập cho chuỗi thời gian thực tế và LSTM Hai chiều cho
3 Làm việc với dữ liệu thực về vết đen mặt trời và huấn luyện, điều chỉnh mô hình
4 Sẽ đưa ra các dự đoán
1 Bài học 1
2 Bài học 2
3 Bài học 3
4 Bài học 4
5 Bài học 5
1 Bài học 1
2 Bài học 2
3 Bài học 3
4 Bài học 4
5 Bài học 5
1 Bài học 1
2 Bài học 2
3 Bài học 3
4 Bài học 4
5 Bài học 5
1 Cập nhật Nhanh
2 Giới thiệu
3 Các tính năng và thành phần của TensorFlow Lite (bao gồm kiến trúc và hiệu suất), op
4 Cách lưu, chuyển đổi và tối ưu hóa mô hình, cũng như giới thiệu về TF-Select
5 Cách chuyển đổi mô hình sang TFLite và cách thực hiện Học chuyển giao với TFLite
1 Giới thiệu
2 Giới thiệu về TF Lite với Android và kiến trúc của một mô hình trong Android
3 Cách khởi tạo Trình thông dịch
1 Giới thiệu
2 Giới thiệu về TF Lite với iOS, Swift và TF Lite Swift
3 Khởi tạo trình thông dịch, chuẩn bị đầu vào, thực hiện suy luận và lấy
1 Giới thiệu
2 Giới thiệu về TF Lite với Hệ thống Vi mô
3 Cách bắt đầu làm việc trên Raspberry Pi và minh họa với Phân loại Hình ảnh
4 Khởi tạo trình thông dịch, chuẩn bị đầu vào, thực hiện suy luận và lấy

Giới thiệu khóa học

In this course you will learn everything you need to know to master the TensorFlow Developer Certification.

 

We will start by studying Deep Learning in depth so that you can understand how artificial neural networks work and learn. And while covering the Deep Learning theory we will also build together three different Deep Learning models in TensorFlow and Keras, from scratch, step by step, and coding every single line of code together.

 

Then, we will move on to Computer Vision, where you will learn how to classify images using convolutions with TensorFlow. You will also learn some techniques such as image augmentation and transfer learning to get even more performance in your computer vision tasks. And we will practice all this on real-world image data, while exploring strategies to prevent overfitting, including augmentation and dropout.

Then, you will learn how to use JavaScript, in order to train and run inference in a browser, handle data in a browser, and even build an object classification and recognition model using a webcam.

Then you will learn how to do Natural Language Processing using TensorFlow. Here we will build natural language processing systems, process text including tokenization and representing sentences as vectors, apply RNNs, GRUs, and LSTMs in TensorFlow, and train LSTMs on existing text to create original poetry and more.

And finally, you will also learn how to build Device-based Models with TensorFlow Lite. In this last part we will prepare models for battery-operated devices, execute models on Android and iOS platforms, and deploy models on embedded systems like Raspberry Pi and microcontrollers.

Who this course is for:

The course is targeted towards AI practitioners, aspiring data scientists, Tech enthusiasts, and consultants wanting to pass the TensorFlow Developer Certification. Here’s a list of who is this course for:

  • Data Scientists who simply want to learn how to use TensorFlow at an advanced level.

  • Data Scientists who want to pass the TensorFlow Developer Certification.

  • AI Practitioners who want to build more powerful AI models using TensorFlow.

  • Tech enthusiasts who are passionate about AI and want to gain real-world practical experience with TensorFlow.

Course Prerequisites:

Basic knowledge of programming is recommended. Some experience in Machine Learning is also preferable. However, these topics will be extensively covered during early course lectures; therefore, the course has no prerequisites, and is open to anyone with basic programming knowledge. Students who enrol in this course will master data science fundamentals and directly apply these skills to solve real world challenging business problems.

*Terms & Conditions of Exam Guarantee:

Ligency Ventures Pty Ltd, U.K provides the following guarantee for the TensorFlow Developer Professional Certificate Course:

If you take your TensorFlow Developer Certificate exam within 30 days of enrolling and completing this course 100% and you sit the exam and receive a score above zero, but below the minimum score required to pass the exam, then Ligency Ventures Pty Ltd, U.K will pay for your second exam attempt provided the following conditions are met: you paid at least $1 for this course and it was not refunded, AND before sitting the exam, you diligently watched and followed along with all of the tutorials in the course (completed all case studies and have all codes under your Google Colab account), AND you completed all practical activities including but not limited to challenges within the sections, quizzes, homework exercises and all provided practice exams.

Ligency Ventures Pty Ltd may request evidence of fulfilling the above conditions, thereby it's important that you save your work when taking the course and doing the practical assignments.

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