Các khóa học miễn phí bao gồm các chủ đề quan trọng như LLMs trong Generative AI, Trí tuệ Nhân tạo trong Y học, Tensorflow và nhiều hơn thế nữa.
Tác giả: Shritama Saha
Andrew Ng, người sáng lập và giám đốc của DeepLearning.AI, đang dẫn đầu lĩnh vực giáo dục trí tuệ nhân tạo với các khóa học được chọn lọc tỉ mỉ của ông. Bên cạnh việc cung cấp các khóa học giới thiệu, ông còn cung cấp một loạt các khóa học chuyên sâu, tất cả đều miễn phí.
Những khóa học và chương trình chuyên sâu này của DeepLearning.AI, được chọn lọc bởi một đội ngũ chuyên gia trí tuệ nhân tạo và do Andrew Ng dẫn dắt, cung cấp những cơ hội quý giá cho người học để nâng cao kiến thức và chuyên môn của họ trong lĩnh vực trí tuệ nhân tạo và học sâu đang tiến triển nhanh chóng.
Hãy cùng xem qua những khóa học này.
AI Cho Mọi Người
Khác với các khóa học khác của Ng, ‘AI Cho Mọi Người’ là một khóa học giới thiệu không chuyên sâu, được thiết kế để giúp cả chuyên gia kinh doanh và các cá nhân kỹ thuật hiểu về công nghệ trí tuệ nhân tạo và ứng dụng của nó. Khóa học này bao gồm các kiến thức cơ bản về trí tuệ nhân tạo, học máy và khoa học dữ liệu, cung cấp cái nhìn sâu hơn về những gì trí tuệ nhân tạo có thể và không thể làm được. Người tham gia sẽ tìm hiểu về quy trình làm việc của các dự án trí tuệ nhân tạo và khoa học dữ liệu, cách lựa chọn các dự án trí tuệ nhân tạo và tác động của trí tuệ nhân tạo đối với xã hội. Khóa học nhằm trang bị người học kiến thức để xây dựng một chiến lược trí tuệ nhân tạo bền vững và đối phó với những thách thức do sự thay đổi công nghệ mang lại. Khóa học bao gồm bốn tuần nội dung, với tổng thời lượng sáu giờ.
Giảng viên: Andrew Ng
Link: https://www.deeplearning.ai/courses/ai-for-everyone/
AI Vì Lợi ích Cộng Đồng
Khóa học ‘AI Vì Lợi ích Cộng Đồng’, phối hợp cùng với AI for Good lab của Microsoft, là một chuyên ngành dành cho những cá nhân quan tâm đến việc sử dụng trí tuệ nhân tạo để giải quyết các thách thức thực tế trong các dự án nhân đạo và môi trường. Người tham gia sẽ học cách đóng góp vào các sáng kiến được hỗ trợ bằng trí tuệ nhân tạo nhằm tạo ra những thay đổi tích cực, chẳng hạn như giảm thiểu biến đổi khí hậu, hỗ trợ ứng phó với thảm họa và cải thiện sức khỏe công cộng.
Khóa học cung cấp một khung công việc từng bước để sử dụng trí tuệ nhân tạo trong các dự án thực tế và bao gồm các trường hợp nghiên cứu và thực hành sử dụng Python và Jupyter Notebooks. Nó phù hợp cho người học từ mọi nền tảng và không yêu cầu kinh nghiệm trước về trí tuệ nhân tạo hay lập trình. Sau khi hoàn thành, người tham gia sẽ nhận được chứng chỉ và có được kiến thức quý giá để đóng góp vào các sáng kiến AI Vì Lợi ích Cộng Đồng trên toàn cầu.
Giảng viên: Robert Monarch, nhà lãnh đạo Machine Learning tại Apple.
Link: https://www.coursera.org/specializations/ai-for-good
Chuyên Ngành Học Máy
Đây là một chương trình được tái xây dựng và mở rộng mới do Andrew Ng tạo ra dành cho người mới bắt đầu muốn chuyển sang lĩnh vực trí tuệ nhân tạo và học máy. Chuyên ngành này bao gồm ba khóa học và cung cấp các khái niệm cơ bản về trí tuệ nhân tạo thông qua phương pháp trực quan, sau đó là phần thực hành lập trình và giới thiệu về toán học cơ bản. Khóa học này được thiết kế dành cho người mới bắt đầu, không yêu cầu kiến thức toán học hoặc lập trình trước đó. Nó bao gồm các chủ đề như hồi quy tuyến tính, hồi quy logistic, mạng nơ-ron, cây quyết định, hệ thống gợi ý và nhiều hơn thế nữa. Chương trình đào tạo đã được cập nhật sử dụng ngôn ngữ lập trình Python thay vì Octave và phần áp dụng học máy đã được tăng cường với các phương pháp tốt nhất trong thập kỷ qua.
Giảng viên: Andrew Ng
Link: https://www.deeplearning.ai/courses/machine-learning-specialization/
Chuyên Ngành Toán học Cho Học Máy và Khoa Học Dữ Liệu
‘Chuyên Ngành Toán học Cho Học Máy và Khoa Học Dữ Liệu’ là một khóa học dành cho người mới bắt đầu, giúp trang bị người học với kiến thức vững chắc về các khái niệm toán học cần thiết trong học máy. Khóa học bao gồm giải tích, đại số tuyến tính, thống kê và xác suất, cung cấp cho sinh viên các công cụ để hiểu thuật toán và tối ưu hóa chúng cho việc triển khai tùy chỉnh.
Bằng việc tham gia vào chuyên ngành này, người học sẽ có được các kỹ thuật thống kê để nâng cao phân tích dữ liệu, học được những kỹ năng được ưa chuộng bởi các nhà tuyển dụng để xuất sắc trong cuộc phỏng vấn học máy và đảm bảo việc làm mơ ước của họ. Khóa học có đội ngũ giảng viên có chuyên môn trong lĩnh vực này và được thiết kế cho những người có kiến thức toán học cấp trung học.
Giảng viên: Luis Serrano, người sáng lập Serrano Academy.
Link: https://bit.ly/3wohvzS
Chuyên Ngành TensorFlow: Dữ liệu và Triển khai
‘Chuyên Ngành TensorFlow: Dữ liệu và Triển khai’ là một chương trình trung cấp kéo dài trong bốn tháng, với khuyến nghị cam kết ba giờ mỗi tuần. Chuyên ngành này nhằm giảng dạy người học cách triển khai các mô hình học máy trên các thiết bị và nền tảng khác nhau bằng cách sử dụng TensorFlow. Nó bao gồm các chủ đề như chạy mô hình trên trình duyệt web bằng TensorFlow.js, triển khai mô hình trên thiết bị di động bằng TensorFlow Lite, các ống dẫn dữ liệu với TensorFlow Data Services và các kịch bản triển khai nâng cao với TensorFlow Serving. Các khóa học bao gồm các bài tập và dự án thực hành, và người tham gia sẽ học cách xử lý dữ liệu, làm việc với API và sử dụng các mô hình đã được huấn luyện một cách hiệu quả.
Giảng viên: Laurence Moroney, người dẫn đầu về việc tán thành trí tuệ nhân tạo tại Google.
Link: https://coursera.org/specializations/tensorflow-data-and-deployment
Chuyên Ngành Generative Adversarial Networks (GANs)
Chuyên Ngành GANs là một chương trình trung cấp gồm ba khóa học tập trung vào tạo hình ảnh bằng GANs. Sinh viên sẽ học cách tạo ra các GAN cơ bản bằng PyTorch, DCGANs tiên tiến với các lớp tích chập và các GAN có điều kiện. Các khóa học bao gồm so sánh các mô hình sinh, sử dụng phương pháp FID để đánh giá tính chân thực và đa dạng của GANs, phát hiện thiên hướng trong GANs và thực hiện các kỹ thuật StyleGAN.
Ngoài ra, người tham gia sẽ khám phá các ứng dụng GANs trong việc gia tăng dữ liệu và bảo vệ quyền riêng tư, cũng như xây dựng Pix2Pix và CycleGAN cho dịch chuyển hình ảnh. Chương trình cũng đề cập đến tác động xã hội của GANs, chẳng hạn như thiên hướng trong học máy và các phương pháp phát hiện nó. Qua suốt các khóa học, người học sẽ phát triển kỹ năng trong các lĩnh vực như thiết kế bộ tạo, dịch chuyển hình ảnh sang hình ảnh và hiểu thuật ngữ đồ họa máy tính, và nhiều kỹ năng khác nữa. Chuyên ngành này nhằm cung cấp hiểu biết toàn diện về GANs và cung cấp kinh nghiệm thực tế thông qua việc thực hành.
Giảng viên: Sharon Zhou, Giám đốc điều hành, đồng sáng lập Lamini.
Link: https://bit.ly/3bxUX44
AI trong Y học
Khóa học tập trung vào ứng dụng thực tế của Trí tuệ Nhân tạo trong lĩnh vực y học. Người tham gia sẽ học cách ước tính hiệu quả điều trị bằng cách sử dụng dữ liệu từ các thử nghiệm kiểm soát ngẫu nhiên, giải thích các mô hình chẩn đoán và dự đoán, và trích xuất thông tin từ dữ liệu y tế không có cấu trúc bằng cách sử dụng xử lý ngôn ngữ tự nhiên. Các kỹ năng được học bao gồm giải thích mô hình, phân đoạn hình ảnh, trích xuất ngôn ngữ tự nhiên, học máy, mô hình hóa thời gian đến sự kiện, học sâu, đánh giá mô hình, phân loại đa lớp, rừng ngẫu nhiên, điều chỉnh mô hình và ước tính hiệu quả điều trị.
Khóa học cũng sẽ khám phá các ứng dụng y tế được thúc đẩy bởi Trí tuệ Nhân tạo, chẳng hạn như chẩn đoán bệnh từ hình X-quang và hình ảnh MRI não 3D, dự đoán tỷ lệ sống sót của bệnh nhân với các mô hình dựa trên cây quyết định và tự động hóa nhãn của bộ dữ liệu y tế thông qua xử lý ngôn ngữ tự nhiên.
Giảng viên: Pranav Rajpurkar, giáo sư trợ giảng và giám đốc, Harvard-Stanford Medical AI Bootcamp.
Link: https://www.deeplearning.ai/courses/ai-for-medicine-specialization/
Generative AI với Mô hình Ngôn ngữ Lớn (LLMs)
Khóa học này, phát triển phối hợp với AWS, tập trung vào việc giảng dạy các nguyên tắc cơ bản và ứng dụng thực tế của Trí tuệ Nhân tạo phát sinh trong các tình huống thế giới thực. Nó bao gồm toàn bộ vòng đời của Trí tuệ Nhân tạo phát sinh dựa trên LLM, bắt đầu từ việc thu thập dữ liệu và lựa chọn mô hình cho đến triển khai và đánh giá hiệu suất. Người tham gia sẽ có được hiểu biết về LLMs và kiến trúc biến đổi làm việc của chúng, cùng với khả năng điều chỉnh mô hình cho các trường hợp sử dụng cụ thể. Khóa học cũng khám phá các nghiên cứu hàng đầu trong lĩnh vực Trí tuệ Nhân tạo phát sinh và cung cấp phương pháp đào tạo, điều chỉnh và triển khai thực tế để tối ưu hiệu suất mô hình.
Giảng viên: Antje Barth và Mike Chambers, đại diện của nhà phát triển, Gen AI, AWS. Chris Fregly và Shelbee Eigenbrode, kiến trúc sư giải pháp chính, Gen AI, AWS.
Link: https://www.coursera.org/learn/generative-ai-with-llms
Chuyên Ngành MLOps
Chuyên Ngành MLOps là một khóa học nâng cao kéo dài trong 4 tháng giúp trang bị sinh viên với các kỹ năng ML sẵn sàng cho việc triển khai sản xuất. Nó bao gồm các công cụ, kỹ thuật và kinh nghiệm để xây dựng và duy trì các hệ thống tích hợp hoạt động liên tục trong sản xuất, xử lý dữ liệu tiến hóa một cách hiệu quả. Bốn khóa học bao gồm các chủ đề như thiết kế hệ thống sản xuất ML, hiện tượng thay đổi khái niệm, ống dẫn dữ liệu, kỹ thuật xử lý đặc trưng với TensorFlow Extended và quản lý tài nguyên mô hình.
Giảng viên: Andrew Ng, Robert Crowe, kỹ sư phát triển TensorFlow, Google; Laurence Moroney, giám đốc tán thành trí tuệ nhân tạo, Google.
Link: https://www.coursera.org/specializations/machine-learning-engineering-for-production-mlops
Chuyên Ngành Khoa Học Dữ Liệu Thực Tiễn trên Đám Mây AWS (PDS)
Đây cũng là một khóa học nâng cao khác giúp trang bị nhà phát triển, nhà khoa học và nhà phân tích tập trung vào dữ liệu với các kỹ năng cần thiết để triển khai các luồng công việc ML có thể mở rộng được bằng cách sử dụng Amazon SageMaker trong đám mây AWS. Chuyên ngành này bao gồm nhiều chủ đề, bao gồm chuẩn bị dữ liệu, kỹ thuật xử lý đặc trưng, học máy tự động (AutoML), đào tạo và đánh giá mô hình, luồng công việc ML, theo dõi tác phẩm và nguồn gốc, và luồng công việc có người trong quá trình.
Người tham gia sẽ có cơ hội trải nghiệm thực tế với các thuật toán như BERT và FastText cho xử lý ngôn ngữ tự nhiên (NLP) bằng cách sử dụng Amazon SageMaker. Khi kết thúc chương trình, người học sẽ có khả năng xây dựng và triển khai các luồng công việc ML từ đầu đến cuối, tối ưu hiệu suất mô hình và giảm chi phí trong khi cải thiện các sản phẩm dữ liệu.
Giảng viên: Antje Barth, đại diện nhà phát triển, Gen AI, AWS; Chris Fregly và Shelbee Eigenbrode, kiến trúc sư giải pháp chính, Gen AI, AWS; Sireesha Muppala, kiến trúc sư giải pháp chính, Trí tuệ Nhân tạo và Học máy, AWS.
Link: https://www.coursera.org/specializations/practical-data-science
