Cơ sở của học máy và các khái niệm AI hiện đại

Trong một thời đại được dẫn dắt bởi dữ liệu, hiểu được cơ chế của việc học máy là cần thiết để định hướng trong bối cảnh công nghệ hiện đại. Bạn sẽ chuyển từ một người quan sát tò mò thành một người thực hành có kiến thức có khả năng nhận diện cơ hội học máy và chọn phương pháp thích hợp. Bạn cũng sẽ học cách phân biệt giữa các mô hình học khác nhau và hiểu những hạn chế thực tế của các mô típ khác nhau. Bạn sẽ học được: - Hiểu được phân loại của học có giám sát, không giám thị, và học củng cố. - Nhận dạng các nền tảng toán học và logic cốt lõi đằng sau mô hình dự đoán. - Đánh giá các điểm mạnh và điểm yếu của các thuật toán phổ biến như hồi quy tuyến tính và cây quyết định. - Apply ethical considerations and bias detection to modern machine learning workflows. - Tìm hiểu các khái niệm cơ bản của mạng nơron và kiến trúc mô hình ngôn ngữ lớn. - Thực hành chọn các chỉ số phù hợp để đo lường hiệu suất và thành công của mô hình. Chương trình học bắt đầu với thuật ngữ cơ bản và phân loại vấn đề trước khi chuyển sang cơ học của các thuật toán cụ thể và sự trao đổi thực tế của chúng. Qua phân tích viết và các bài tập khái niệm, bạn sẽ khám phá cách các lý thuyết này áp dụng trong các thiết lập công nghiệp thế giới thực. Chương trình này được thiết kế cho người mới bắt đầu muốn có nền tảng về học máy mà không cần có nắm vững toán học.