Đến nội dung chính
Canuc80kAI
Lộ trìnhTrắc nghiệmThực hànhCác cuộc thiTài liệu
Khóa 1
0.1Python0.2NumPy0.3Pandas và Matplotlib0.4Hàm số, mũ và log0.5Vector và ma trận0.6Đạo hàm và gradient0.7Xác suất và thống kê
1.1Bài toán học máy1.2Generalization1.3Data split và cross-validation1.4Pipeline và data leakage1.5Classification metrics1.6Regression và ranking metrics1.7Hyperparameter tuning
2.1Linear regression2.2Regularization2.3Logistic regression và softmax2.4k-Nearest Neighbors2.5Decision tree2.6Random forest2.7Gradient boosting2.8SVM2.9Dimensionality reduction2.10Clustering2.11Feature engineering
Khóa 2
3.1Tensor và autograd3.2MLP và backpropagation3.3Activation và loss3.4Training loop3.5Optimizer3.6Regularization cho mạng neural3.7Huấn luyện trên GPU3.8Embedding và dữ liệu chuỗi3.9Attention và Transformer3.10Autoencoder
4.1Sử dụng model pretrained4.2Feature extraction4.3Fine-tuning4.4LoRA4.5Zero-shot
Khóa 3
5.1Convolution và pooling5.2CNN và ResNet5.3Augmentation và transfer learning5.4Vision Transformer5.5Object detection5.6Image segmentation5.7Self-supervised và CLIP5.8GAN và diffusion5.9Phân tích hành vi model
6.1Tokenization và text classification6.2Sentence embedding6.3BERT6.4Language model6.5Encoder–decoder6.6Large language model
7.1Dữ liệu âm thanh7.2Audio classification7.3Speech recognition7.4Multimodal
Khóa 4
8.1Chiến lược thi8.2Phân tích dữ liệu trước huấn luyện8.3Bài toán mở8.4Ensemble8.5Thi thử
9.1Reinforcement learning9.2Tìm kiếm và suy luận9.3Bài tập lý thuyết
Lộ trình/Chương 1
Đăng nhập

Chương 1

Nền tảng học máy

1.1Bài toán học máy1.2Generalization1.3Data split và cross-validation1.4Pipeline và data leakage1.5Classification metrics1.6Regression và ranking metrics1.7Hyperparameter tuning
Chương 0Python, dữ liệu và toánChương 2 Học máy cổ điển
AI Canuc80k
Hướng dẫnKhung giáo trình