Học sâu
Deep neural network
Mô tả học phần
Môn học Học sâu nhằm cung cấp cho sinh viên các kiến thức cơ bản của học sâu- phương pháp tiên tiến trong học máy nói chung và mạng nơ ron nhân tạo nói riêng. Trên cơ sở đó sinh viên có thể nắm bắt được các thuật toán của kỹ thuật học sâu và áp dụng vào các bài toán như nhận dạng tiếng nói, hình ảnh, phân tích tín hiệu, xử lý ngôn ngữ tự nhiên. Cùng với việc cung cấp những kiến thức cơ sở, môn học còn định hướng cho người học cách tiếp cận các phương pháp hiện đại trong học sâu. Các thuật toán học sâu đặc trưng trong các bài toán phổ biến như phân loại và nhận dạng cũng được phân tích, đánh giá để người học có thể nắm bắt và áp dụng trong các bài toán thực tế
English description
The purpose of the course Deep Learning is to provide students with the basic knowledge of deep learning and machine learning in general and artificial neural networks in particular. Based on that, students can grasp the algorithms of deep learning techniques and apply them to specific problems such as speech recognition, image processing, signal analysis, natural language processing, and other types of signals from various sources. In addition to providing fundamental knowledge, the course also guides learners on how to approach modern methods in deep learning. Characteristic deep learning algorithms in common problems such as classification and recognition are also analyzed, evaluated so that students can understand and apply them in real-world applications.
Chuẩn đầu ra học phần (CLO) 3
Bấm vào từng chuẩn đầu ra để xem bản tiếng Anh, liên kết PLO và mức độ đóng góp.
-
CLO1 Trình bày được các khái niệm cơ bản, các mô đun cơ bản của mạng, cấu trúc chung của một mạng nơ-ron. Chỉ ra được các đặc điểm của mạng nơ ron điển hình và các phương pháp, thuật toán huấn luyện mạng.
Explain the fundamental concepts, basic network modules, and the general architecture of neural networks, as well as identify the key characteristics of typical neural networks and describe commonly used training methods and algorithms
-
CLO2 Đánh giá so sánh và phân tích được các điểm mạnh yếu, các kỹ thuật chung của các phương pháp học máy và học sâu. Biết cách lựa chọn, so sánh và áp dụng được phương pháp học sâu phù hợp để giải quyết cho ứng dụng cụ thể
Analyze and evaluate the strengths, weaknesses, and common techniques of machine learning and deep learning methods, and apply appropriate deep learning approaches to solve specific application problems.
-
CLO3 Nghiệm chứng được các vấn đề lý thuyết thông qua thực hiện các bài toán thực tế, hoạt động thực nghiệm
Demonstrate and validate theoretical principles by solving real-world problems and conducting experimental activities.
Đánh giá học phần
| Thành phần | Tỉ trọng | Thời gian |
|---|---|---|
| Thi cuối kỳ (Final Examination) | 50.0% | Tuần 16 (Week 16) |
| Thi giữa kỳ (Midterm Examination) | 45.0% | Tuần 9 (Week 9) |
| Tham dự trên lớp (Class Participation) | 5.0% | Toàn bộ quá trình học (Throughout the course) |
Tài liệu học tập
Bắt buộc
- [1] Deep learning, Ian Goodfellow, Yoshua Bengio, Aaron C. Courville, 2016, The MIT Press