23. LOGIC MỜ VÀ ỨNG DỤNG
24.7. Mơ tả học phần: Là học phần chuyên mơn của chương trình đào tạo cao học, cung cấp cho các học viên các kiến thức về các phương pháp học sâu, mơ hình học sâu sử dụng
cấp cho các học viên các kiến thức về các phương pháp học sâu, mơ hình học sâu sử dụng mạng nhân chập, cách huấn luyện và triển khai một ứng dụng sử dụng mạng học sâu với thư viện Tensorflow và Keras.
Chương Nội dung
Phân phối thời lượng LT (giờ) TL (giờ) BTL (giờ) TiL (giờ) TH (giờ) TN (giờ) 1 Mạng nơ ron và mạng nơ ron
học sâu 3
2 -
80
3 Thư viện Tensorflow và Keras 2 2 -
4 Huấn luyện và sử dụng mơ hình
mạng học sâu 6
4 -
Tổng cộng 15 10 30
24.8. Nội dung chi tiết
Chương 1: Mạng nơ ron và mạng nơ ron học sâu (LT 3)
1.1. Mạng nơ ron truyền thống 1.1.1 Khái niệm
1.1.2 Phân loại các mơ hình mạng nơ ron 1.2. Mạng nơ ron học sâu
1.2.1 Khái niệm
1.2.2 Các ứng dụng của mạng nơ ron học sâu
Chương 2: Mạng nơ ron nhân chập (LT 4)
2.1. Khái niệm
2.2. Các thành phần của một mạng nơ ron nhân chập 2.2.1 Lớp nhân chập (convolution layer)
2.2.2 Lớp tổng hợp (pooling layer) 2.2.3 Lớp kết quả (output layer) 2.3. Ví dụ tổng hợp
Chương 3: Thư viện Tensorflow và một số mơ hình mạng học sâu (LT 2)
3.1 Ngơn ngữ lập trình Python 3.2 Thư viện Tensorflow
3.3 Các mơ hình mạng CNNs kinh điển (AlexNet, VGG, ResNet, Inception)
Chương 4: Huấn luyện và sử dụng mơ hình mạng học sâu (LT 6)
4.1. Bài tốn nhận dạng ảnh sử dụng mạng CNN
4.2. Các pha của một bài tốn nhận dạng sử dụng mạng CNN 4.2.1 Dữ liệu
4.2.2 Huấn luyện mạng
4.2.3 Phân lớp sử dụng mơ hình đã huấn luyện 4.3. Học chuyển tiếp (transfer learning)
Nội dung thảo luận (10 tiết):
Bài thảo luận 1: Tập trung thảo luận những kiến thức cơ bản về mạng nơ ron, kiến trúc của mạng nơ ron, ứng dụng mạng nơ ron.
Bài thảo luận 2: Thảo luận kiến trúc mạng nơ ron nhân chập CNNs và các thành phần của mạng (lớp nhân chập, lớp kích hoạt, lớp tổng hợp, lớp kết nối đầy đủ) và các bước xây dựng một mơ hình mạng nhân chập
Bài thảo luận 3: Thảo luận về thư viện Tensorflow và các mơ hình mạng kinh điển
81
Bài thảo luận 4: Thảo luận các bước huấn luyện và sử dụng một mơ hình mạng học sâu
vào các bài tốn phát hiện, nhận dạng đối tượng, xử lý ngơn ngữ tự nhiên.
Nội dung Bài tập lớn (30 tiết):
Chuyên đề 1: Tìm hiểu và ứng dụng mơ hình mạng học sâu cho bài tốn phát hiện đối
tượng
Nội dung nghiên cứu:
- Tải về và cài đặt thư viện Tensorflow
- Tìm hiểu dịch vụ Google Colab để huấn luyện các mơ hình mạng học sâu
- Tìm hiểu và ứng dụng mơ hình mạng học sâu cho bài tốn phát hiện đối tượng (Yolo, SSD, Retinanet, Faster R-CNN …)
Chuyên đề 2: Tìm hiểu ứng dụng các mơ hình mạng học sâu cho bài tốn nhận dạng đối
tượng
Nội dung nghiên cứu:
- Tìm hiểu một số mơ hình mạng học sâu cho các bài tốn nhận dạng đối tượng (nhận dạng mặt, nhận dạng giới tính, cảm xúc ..)
- Sử dụng thư viện Tensorflow hoặc Pytorch xây dựng ứng dụng
Chuyên đề 3: Tìm hiểu ứng dụng các mơ hình mạng học sâu cho bài tốn nhận diện ký tự
Nội dung nghiên cứu:
- Tìm hiểu một số mơ hình mạng học sâu cho các bài tốn nhận dạng ký tự (nhận dạng biển số xe, nhận dạng số căn cước cơng dân ..)
- Sử dụng thư viện Tensorflow hoặc Pytorch xây dựng ứng dụng
24.9.Tài liệu học tập và tham khảo Tài liệu học tập
[1]. Ian Goodfellow,Yoshua Bengio và Aaron Courville, Deep learning, MIT Press, 2016.
Tài liệu tham khảo
[2]. Santanu Pattanayak, Pro Deep Learning with TensorFlow: A Mathematical Approach to Advanced Artificial Intelligence in Python, APress, 2017.
24.10. Thang điểm: 10/10
TT Nội dung đánh giá Trọng số (%)
Ghi chú
1 Điểm Kiểm
tra/TL/TH/TN 20
Học viên làm 01 bài kiểm tra và 01 bài thảo luận chung của nhĩm
2 Điểm /BTL/TiL 30 Học viên được phân các bài tập lớn theo các chuyên đề
82
phần luận
Tổng cộng 100
24.11. Ngày phê duyệt: Cấp phê duyệt: Cấp phê duyệt:
83
25. HỌC MÁY