Deep Learning for Computer Vision: Học cái gì, học như thế nào ?

Key Concepts

• Trí tuệ nhân tạo (AI)
• Học sâu (Deep Learning)
• Thị giác máy tính (Computer Vision)
• Xử lý ngôn ngữ tự nhiên (Natural Language Processing)
• Mạng Neuron (Neural Network)
• Mạng Neuron tích chập (Convolutional Neural Network - CNN)
• Transfer Learning
• Image Classification
• Object Detection
• Image Segmentation
• OCR (Optical Character Recognition)
• Pose Estimation
• Model Deployment
• Docker
• PyTorch

1. Giới thiệu về Thị Giác Máy Tính và Ứng Dụng

• Thị giác máy tính (Computer Vision) là một trong hai mảng ứng dụng chính của AI, bên cạnh xử lý ngôn ngữ tự nhiên.
• Thị giác máy tính làm việc chủ yếu với dữ liệu hình ảnh và video.
• Mục tiêu: Xây dựng các mô hình để giải quyết các bài toán khác nhau dựa trên dữ liệu đầu vào là hình ảnh/video.
• Ứng dụng đa dạng: Thể thao, nông nghiệp, y tế, giao thông, v.v.
  • Giao thông: Giám sát giao thông, nhận diện biển số xe, phát hiện vi phạm luật.
  • Nông nghiệp: Đếm số lượng gia súc, gia cầm, phát hiện bệnh trên cây trồng qua ảnh.
  • Y tế: Phát hiện dấu hiệu bất thường trên ảnh chụp X-quang, MRI, dự đoán nguy cơ ung thư.
  • Thể thao: Theo dõi và đánh giá hiệu suất của vận động viên. (Ví dụ: công ty của diễn giả ở Berlin cung cấp giải pháp AI cho bóng đá, bóng rổ, bóng chuyền, khúc côn cầu trên băng).

2. Kinh Nghiệm Cá Nhân và Định Hướng

• Diễn giả là một Senior AI Engineer, chuyên về Deep Learning for Computer Vision từ năm 2015.
• Lý do chọn Computer Vision: Thích làm việc với ảnh, video và thích sự trực quan của kết quả ứng dụng.
• Diễn giả cung cấp các khóa học về Deep Learning for Computer Vision.

3. Nội Dung Khóa Học Deep Learning for Computer Vision

• Hai khóa học: Cơ bản và Nâng cao.
• Kiến thức: Trang bị kiến thức từ cơ bản đến nâng cao về Deep Learning và Computer Vision.
• Mạng Neuron (Neural Network):
  • Tìm hiểu về cấu trúc và nguyên lý hoạt động của mạng Neuron.
  • Giải thích lý do sức mạnh của mạng Neuron so với các thuật toán Machine Learning truyền thống.
• Mạng Neuron Tích Chập (Convolutional Neural Network - CNN):
  • Tìm hiểu sâu về CNN, kiến trúc mạng phổ biến nhất trong thị giác máy tính.
  • Nghiên cứu 6 layer phổ biến và quan trọng nhất trong CNN và cách chúng liên kết với nhau.
• Thực hành:
  • Xây dựng, huấn luyện, đánh giá, triển khai và cải thiện mô hình Deep Learning.
  • Sử dụng framework PyTorch (của Meta) để xây dựng mô hình.
  • Ứng dụng Transfer Learning để tận dụng tài nguyên và rút ngắn thời gian huấn luyện.
• Các Bài Toán:
  • Giải quyết các bài toán cơ bản: Image Classification, Object Detection, Image Segmentation.
  • Giải quyết các bài toán nâng cao: OCR (Optical Character Recognition), Pose Estimation.
• Ứng dụng thực tế: Xây dựng các ứng dụng tương tự như các demo ở đầu video.

4. Triển Khai Mô Hình (Model Deployment)

• Hướng dẫn cách triển khai mô hình để khách hàng có thể dễ dàng sử dụng.
• Sử dụng Docker để đóng gói và triển khai sản phẩm.

5. Thông Tin Chi Tiết và Liên Hệ

• Thông tin chi tiết về syllabus, thời lượng khóa học có trên website (địa chỉ hiển thị trên màn hình).
• Website cung cấp thông tin về tất cả các khóa học khác.
• Liên hệ qua số Zalo (hiển thị trên màn hình) để được tư vấn về lớp học phù hợp.

6. Kết Luận

• Video cung cấp thông tin hữu ích về ứng dụng của Deep Learning trong Computer Vision và các khóa học liên quan.
• Diễn giả hy vọng có cơ hội làm việc với người xem trong tương lai.