Mạng nơ-rôn và học sâu
EE6424 -
Mô tả học phần
Mục đích của môn học Mạng nơ-ron và học sâu là 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 objective of the course Neural Networks and 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) 4
Bấm vào từng chuẩn đầu ra để xem bản tiếng Anh, liên kết PLO và mức độ đóng góp.
-
CLO1 Phân tích các khái niệm cơ bản về mạng nơ-ron và học sâu.
Understand and analyze fundamental concepts of neural network and deep learning.
-
CLO2 Thiết kế và triển khai các mô hình MLP, CNN, RNN.
Design and implement MLP, CNN, RNN models.
-
CLO3 Đánh giá và so sánh hiệu năng các mô hình.
Evaluate and compare the model's performance.
-
CLO4 Sử dụng thành thạo công cụ Google colab, PyTorch cho các ứng dụng của học máy.
Utilize Google colab and PyTorch for Machine Learning applications.
Đánh giá học phần
| Thành phần | Tỉ trọng | Thời gian |
|---|---|---|
| Bài tập về nhà (Homework) | 30.0% | Tuần 9-10 (Week 9-10) |
| Thi cuối kỳ (Final Examination) | 70.0% | Tuần 17 (Week 17) |
Tài liệu học tập
Bắt buộc
- [1] Deep learning, Ian Goodfellow, Yoshua Bengio, Aaron C. Courville, 2016, The MIT Press