• Số lượng video
  • Danh mục

NHẬP MÔN TRÍ TRUỆ NHÂN TẠO
Đại học Quốc gia Thành phố Hồ Chí Minh
1. Tổng quan về khóa học

Khóa học cung cấp kiến thức tổng quan và nền tảng về Trí tuệ Nhân tạo (AI), bao gồm các khái niệm, phương pháp, thuật toán, và ứng dụng trong các lĩnh vực như khoa học máy tính, y tế, tài chính, và tự động hóa. Học viên sẽ hiểu rõ lịch sử phát triển, tiềm năng của AI và khám phá các nhánh chính như Học máy (Machine Learning), Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) và Thị giác máy tính (Computer Vision).

Ngoài các nội dung kỹ thuật, khóa học tập trung thảo luận về các vấn đề đạo đức và xã hội liên quan đến AI, bao gồm tính minh bạch, trách nhiệm, và công bằng. Học viên sẽ được tìm hiểu tác động kinh tế, xã hội, và pháp lý của AI để phát triển nhận thức và cách sử dụng công nghệ AI một cách bền vững.

Khóa học còn đào sâu vào các thuật toán cốt lõi như tìm kiếm cơ bản (DFS, BFS) và nâng cao (A*, tìm kiếm tham lam), cũng như hệ thống logic và suy luận. Những nội dung này giúp học viên hiểu cách giải quyết vấn đề, phát triển tư duy logic và lập luận, cũng như áp dụng AI vào thực tế.

Phần học máy (Machine Learning) giới thiệu các phương pháp học có giám sát và không giám sát với các thuật toán phổ biến như hồi quy tuyến tính, cây quyết định, k-means, và mạng nơ-ron nhân tạo. Khóa học cũng cập nhật xu hướng mới về Trí tuệ nhân tạo tạo sinh (Generative AI), giúp học viên nắm bắt được các tiến bộ công nghệ hiện đại trong lĩnh vực này.

 

2. Chuẩn đầu ra

Mục tiêu

Mô tả mục tiêu

Chuẩn đầu ra

CO1

Mô tả được các khái niệm, thuật ngữ và các bối cảnh xã hội, đạo đức liên quan đến lĩnh vực AI một cách chính xác và đầy đủ.

CLO1: Mô tả được các khái niệm và thuật ngữ liên quan đến AI, các loại tác nhân thông minh, trí tuệ tính toán.

CLO2: Trình bày được lịch sử hình thành, phát triển, thành tựu, thách thức hiện tại của AI cũng như các ứng dụng liên quan.

CLO3: Xác định được các vấn đề về đạo đức và xã hội liên quan đến AI. 

CLO4: Trình bày được các khái niệm và thuật ngữ liên quan đến chủ đề tìm kiếm như tìm kiếm không thông tin, tìm kiếm có thông tin, tìm kiếm đối kháng, tìm kiếm thỏa mãn ràng buộc. 

CLO5: Mô tả được các khái niệm và thuật ngữ liên quan đến biểu diễn tri thức và suy diễn logic gồm logic mệnh đề và bậc nhất. 

CLO6: Mô tả được các khái niệm và thuật ngữ liên quan đến chủ đề học máy gồm học có giám sát, học không giám sát, học tăng cường, trí tuệ nhân tạo tạo sinh. 

CO2

Trình bày được cách thức cơ bản để giải quyết một bài toán AI được giới thiệu trong học phần.

CLO7: Trình bày được cách thức cơ bản để giải quyết một bài toán AI từ xác định yêu cầu, đề xuất các giải pháp, đánh giá tính khả thi của giải pháp thông qua ước lượng lý thuyết.

CO3

Xây dựng được thuật toán phù hợp để giải quyết các bài toán tìm kiếm khác nhau.Lập trình được bằng ngôn ngữ Python các giải thuật tìm kiếm mù, có thông tin, cục bộ, đối kháng, ràng buộc.

CLO8: Trình bày được các phương pháp tìm kiếm như tìm kiếm không thông tin, tìm kiếm có thông tin, tìm kiếm đối kháng, tìm kiếm thỏa mãn ràng buộc.
CLO9: So sánh được các phương pháp để giải quyết bài toán tìm kiếm cho trước.
CLO10: Lập trình được bằng ngôn ngữ Python các giải thuật tìm kiếm mù, có thông tin, cục bộ, đối kháng, ràng buộc.

CO4

Minh họa được cơ chế hoạt động của hệ thống biểu diễn tri thức và suy diễn logic gồm logic mệnh đề và logic vị từ.

CLO11: Mô tả được cách thức biểu diễn tri thức.
CLO12: So sánh được các cơ chế suy diễn logic khác nhau.
CLO13: Minh họa được cơ chế suy diễn dựa trên logic mệnh đề và logic bậc nhất.

CO5

Xây dựng được phương pháp học máy phù hợp để thực hiện một quá trình huấn luyện đơn giản trên dữ liệu cho trước.

CLO14: Phân biệt được các phương pháp học máy khác nhau. 
CLO15: Xây dựng được chương trình huấn luyện bằng ngôn ngữ Python cho bài toán hồi quy tuyến tính, phân lớp, gom nhóm.
CLO16: Mô tả được các lĩnh vực học máy phổ biến hiện nay.

CO6

Thảo luận và trình bày được quan điểm của mình về các vấn đề phức tạp trong AI thông qua các diễn đàn học tập và hoạt động tương tác cộng đồng.

CLO17: Đặt ra được các câu hỏi, các chủ đề thảo luận một cách rõ ràng và phù hợp về các vấn đề trong AI.
CLO18: Phản hồi tôn trọng và có tính xây dựng dựa trên các tình huống và quan điểm khác nhau, đặc biệt trên các vấn đề phức tạp trong AI.

 

3. Thông tin học phần

  • Môn học tiên quyết: Không
  • Giáo trình và tài liệu học tập:

- Tài liệu bắt buộc

Giáo trình: Giáo trình Cơ sở Trí tuệ nhân tạo (Khoa CNTT), Lê Hoài Bắc và Tô Hoài Việt, NXB Khoa học và Kỹ thuật, 2014.

- Tài liệu tham khảo

Sinh viên có thể tham khảo thêm tài liệu đọc: 

  1. Artificial Intelligence: A Modern Approach, 4th Edition, S. Russel and P. Norvig, Prentice Hall., 2021.
  2. Artificial Intelligence: A Guide for Thinking Humans, 1st edition, Melanie Mitchell, Farrar, Straus and Giroux, 2019.
  3. Co-Intelligence: Living and Working with AI, 1st edition, Ethan Mollick, Portfolio, 2024.
  4. Probabilistic Machine Learning: An Introduction, K.P. Murphy, The MIT Press, 2022.
  5. Deep Learning, I. Goodfellow, Y. Bengio, A. Courville, The MIT Press, 2016.
  • Hình thức học tập và đánh giá: trực tuyến (online)
  • Hình thức công nhận chứng chỉ môn học MOOC

Đề cương chi tiết

Đề cương chi tiết.

Hình thức tương tác

Giảng viên sẽ theo dõi khóa học và tiến độ học tập của học viên bằng hình thức:

  • Thông báo (được gửi tới email của học viên) liên quan tới khóa học, deadline, các thay đổi có thể diễn ra trong khoá học, nội dung học cần lưu ý
  • Phản hồi các Thảo luận của học viên

Đội ngũ thực hiện

  • GS.TS. Lê Hoài Bắc
  • TS. Bùi Tiến Lên
  • TS. Nguyễn Ngọc Thảo
  • TS. Lê Ngọc Thành
  • TS. Nguyễn Tiến Huy
  • TS. Bùi Duy Đăng
  • ThS. Phạm Trọng Nghĩa
  • ThS. Nguyễn Ngọc Đức

Các Thầy Cô hiện đang công tác chính tại Khoa Công nghệ Thông tin, Trường Đại học Khoa học Tự nhiên, Đại học Quốc Gia - TP. Hồ Chí Minh

4. Hình thức học và đánh giá

Hoạt động đánh giá

Hình thức học và đánh giá

Tỷ lệ

Hình thức

Thời gian

A.1.1

Xem Video bài giảng và trả lời câu hỏi tương tác

20%

Online

Không giới hạn

A.1.2

Xem Video hướng dẫn bài tập

5%

Online

Không giới hạn

A.2.1

Tham gia thảo luận

10%

Online

Không giới hạn

A.2.2

Làm bài tập một số chương

5%

Online

 

A.3

Kiểm tra sau mỗi chương

30%

Online

 

A.4

Kiểm tra tổng kết môn học

30%

Online

Tổng cộng (Total)

100%

Rubric đánh giá

Tiêu chí

Giỏi
(≥8 điểm)

Khá
(≥6 điểm)

Trung bình
(≥5 điểm)

Không đạt
(<5 điểm)

Lĩnh hội kiến thức từ bài đọc và tài liệu học tập

≥8 ≥6 ≥5 <5

Lĩnh hội kiến thức từ video bài giảng

≥8 ≥6 ≥5 <5

Tham gia thảo luận

Tham gia đặt câu hỏi/trả lời các thảo luận ở tất cả các tuần học; nội dung trình bày phù hợp và có tính xây dựng cao.

Tham gia đặt câu hỏi/trả lời các thảo luận ít nhất 70% các tuần học; nội dung trình bày phù hợp và tính xây dựng.

Tham gia đặt câu hỏi/trả lời các thảo luận ít nhất 40% các tuần học; nội dung trình bày phù hợp.

Không tham gia hoặc tham gia đặt câu hỏi/trả lời dưới 40% các tuần học; nội dung trình bày ít liên quan và tính xây dựng.

Bài tập hàng tuần

≥8 ≥6 ≥5 <5

 

5. Nội dung khóa học:

Mô-đun 1. Giới thiệu về Trí tuệ nhân tạo

Mô-đun 2. Giải quyết bài toán bằng tìm kiếm và tìm kiếm không thông tin (uninformed search)

Mô-đun 3. Tìm kiếm có thông tin (informed/heuristic search)

Mô-đun 4. Tìm kiếm trong môi trường phức tạp (Search in complex environments)

Mô-đun 5. Tìm kiếm đối kháng (adversarial search)

Mô-đun 6. Tìm kiếm thỏa mãn ràng buộc (constraint solving problem)

Mô-đun 7. Biểu diễn tri thức và lập luận với logic mệnh đề (propositional logic)

Mô-đun 8. Lập luận với logic bậc nhất (first-order logic)

Mô-đun 9. Giới thiệu học máy (machine learning)

Mô-đun 10. Phân lớp, gom nhóm cơ bản (classification, clustering)

Mô-đun 11. Hồi quy (regression)

Mô-đun 12. Chủ đề mở rộng (GenAI, NLP, CV)

 

6. Yêu cầu công nghệ
  • Máy tính kết nối với Internet
  • Browser như Chrome, Safari, Firefox,...
  • Microsoft Office: Word, Excel
  • Môi trường lập trình: Jupyter Notebok

 


Nội dung học phần

GIỚI THIỆU MÔN HỌC
Giới thiệu khóa học Nhập môn trí tuệ nhân tạo Xem
Hướng dẫn môi trường lập trình Anaconda và Jupyter Notebook Xem
Hướng dẫn lập trình python cơ bản (jupyter notebook) Xem
Hướng dẫn thư viện Numpy (jupyter notebook) Xem
Hướng dẫn thư viện Matplotlib (jupyter notebook) Xem
Hướng dẫn thư viện Pandas Xem
Diễn đàn thảo luận chung Xem
Mô-đun 1. Giới thiệu về Trí tuệ nhân tạo
Tổng quan và mục tiêu Mô-đun 1 Xem
Trình bày: TS. Bùi Duy Đăng (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 1.1: Khái niệm và thuật ngữ liên quan đến AI, các loại tác nhân thông minh, tính toán hợp lý Xem
Video bài giảng 1.1.1. Giới thiệu Trí tuệ Nhân tạo Xem
Video bài giảng 1.1.2: Tác nhân và các loại tác nhân Xem
Video bài giảng 1.1.3: Tính toán hợp lý Xem
Video bài giảng 1.1.4: Tác vụ môi trường Xem
Cụm kiến thức 1.2: Lịch sử hình thành và phát triển của AI và các ứng dụng liên quan Xem
Video bài giảng 1.2.1: Lịch sử hình thành và phát triển của AI và các ứng dụng Xem
Cụm kiến thức 1.3: Vấn đề đạo đức và xã hội liên quan đến AI Xem
Video bài giảng 1.3.1: Đạo đức và xã hội liên quan AI Xem
Kiểm tra tổng kết Mô-đun 1 Xem
Thảo luận Mô-đun 1 Xem
Mô-đun 2. Giải quyết bài toán bằng tìm kiếm và tìm kiếm không thông tin (uninformed search)
Tổng quan và mục tiêu Mô-đun 2 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 2.1: Các khái niệm và thuật ngữ liên quan đến tìm kiếm, bài toán AI tìm kiếm Xem
Video bài giảng 2.1.1: Giải quyết bài toán bằng tìm kiếm Xem
Video bài giảng 2.1.2: Bài toán được chuẩn hóa và bài toán thế giới thật Xem
Video bài giảng 2.1.3: Các dạng tìm kiếm Xem
Video bài giảng 2.1.4: Cấu trúc thuật toán tìm kiếm Xem
Video bài giảng 2.1.5: Chỉ số đo hiệu suất thuật toán Xem
Cụm kiến thức 2.2: Các chiến lược tìm kiếm không thông tin Xem
Video bài giảng 2.2.1: Tìm kiếm DFS Xem
Video bài giảng 2.2.2: Tìm kiếm BFS Xem
Video bài giảng 2.2.3: Tìm kiếm UCS Xem
Video bài giảng 2.2.4: Tìm kiếm giới hạn độ sâu và lặp sâu dần Xem
Cụm kiến thức 2.3: Cài đặt các chiến lược tìm kiếm không thông tin Xem
Lab-2.3.1-2: Cài đặt BFS Xem
Video bài tập 2.3.1: Cài đặt và thử nghiệm BFS trên danh sách kề Xem
Video bài tập 2.3.2: Cài đặt và thử nghiệm BFS trên ma trận kề Xem
Lab-2.3.3: Cài đặt DFS Xem
Video bài tập 2.3.3: Cài đặt và thử nghiệm DFS Xem
Lab-2.3.4: Cài đặt UCS Xem
Video bài tập 2.3.4: Cài đặt và thử nghiệm UCS Xem
Bài tập Ex-2.1: Tìm kiếm không thông tin (Không bắt buộc) Xem
Kiểm tra tổng kết Mô-đun 2 Xem
Thảo luận Mô-đun 2 Xem
Mô-đun 3. Tìm kiếm có thông tin (informed/heuristic search)
Tổng quan và mục tiêu Mô-đun 3 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 3.1: Các chiến lược tìm kiếm có thông tin Xem
Video bài giảng 3.1.1: Tìm kiếm có thông tin Xem
Video bài giảng 3.1.2: Tìm kiếm tham lam, A* Xem
Video bài giảng 3.1.3: A* trong Pacman và 8-puzzle Xem
Video bài giảng 3.1.4: Tính chấp nhận được và tính chặt chẽ trong heuristic Xem
Video bài giảng 3.1.5: Thiết kế heuristic Xem
Cụm kiến thức 3.2: Cài đặt các chiến lược tìm kiếm có thông tin Xem
Lab 3.2: A* Xem
Video bài tập 3.2.1: Cài đặt và thử nghiệm A* trên không gian bản đồ Xem
Video bài tập 3.2.2: Cài đặt bài toán 8 puzzle Xem
Bài tập Ex-3.1: Tìm kiếm có thông tin (Không bắt buộc) Xem
Kiểm tra tổng kết Mô-đun 3 Xem
Thảo luận Mô-đun 3 Xem
Mô-đun 4. Tìm kiếm trong môi trường phức tạp (Search in complex environments)
Tổng quan và mục tiêu Mô-đun 4 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 4.1: Tìm kiếm cục bộ Xem
Video bài giảng 4.1.1: Tìm kiếm cục bộ Xem
Video bài giảng 4.1.2: Tìm kiếm leo đồi Xem
Video bài giảng 4.1.3: Thuật toán mô phỏng luyện thép Xem
Video bài giảng 4.1.4: Thuật toán tìm kiếm chùm cục bộ Xem
Video bài giảng 4.1.5: Thuật toán tiến hóa Xem
Cụm kiến thức 4.2: Cài đặt các chiến lược tìm kiếm cục bộ Xem
Lab-4.2.1-2: Tìm kiếm cục bộ Xem
Video bài tập 4.2.1: Cài đặt thuật toán leo đồi Xem
Video bài tập 4.2.2: Cài đặt thuật toán khởi tạo ngẫu nhiên và chùm cục bộ Xem
Lab-4.2.3: Thuật toán di truyền Xem
Video bài tập 4.2.3: Cài đặt thuật toán di truyền Xem
Kiểm tra tổng kết Mô-đun 4 Xem
Thảo luận Mô-đun 4 Xem
Mô-đun 5. Tìm kiếm đối kháng (adversarial search)
Tổng quan và mục tiêu Mô-đun 5 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 5.1: Các khái niệm và thuật ngữ liên quan đến tìm kiếm đối kháng Xem
Video bài giảng 5.1.1: Hệ thống đa tác nhân Xem
Video bài giảng 5.1.2: Môi trường đối kháng Sao chép Xem
Cụm kiến thức 5.2: Thuật toán tìm kiếm minimax Xem
Video bài giảng 5.2.1: Thuật toán minimax (2 người chơi Xem
Video bài giảng 5.2.2: Trò chơi nhiều người chơi Xem
Video bài giảng 5.2.3: Tác nhân không tối ưu Xem
Cụm kiến thức 5.3: Tìm kiếm với tài nguyên giới hạn Xem
Video bài giảng 5.3.1: Tỉa nhánh alpha-beta Xem
Video bài giảng 5.3.2: Hàm lượng giá heuristic Xem
Cụm kiến thức 5.4: Cài đặt Minimax Xem
Lab-5.4: Tìm kiếm đối kháng Xem
Video bài tập 5.4.1: Cài đặt thuật toán minimax cho trò chơi Tic-Tac-Toe Xem
Bài tập Ex5.1: Tìm kiếm đối kháng (Không bắt buộc) Xem
Project 1: Thế giới Pacman (Không bắt buộc) Xem
Kiểm tra tổng kết Mô-đun 5 Xem
Thảo luận Mô-đun 5 Xem
Mô-đung 6. Tìm kiếm thỏa mãn ràng buộc (constraint solving problem)
Tổng quan và mục tiêu Mô-đun 6 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 6.1: Các khái niệm và thuật ngữ liên quan đến bài toán thỏa mãn ràng buộc (CSP) Xem
Video bài giảng 6.1.1: Bài toán thỏa mãn ràng buộc Xem
Video bài giảng 6.1.2: Biểu diễn bài toán CSP Xem
Video bài giảng 6.1.3: Đồ thị ràng buộc Xem
Cụm kiến thức 6.2: Tìm kiếm quay lui cho CSP Xem
Video bài giảng 6.2.1: Thuật toán quay lui Xem
Video bài giảng 6.2.2: Phân tích thuật toán quay lui Xem
Video bài giảng 6.2.3: Cải tiện thuật toán quay lui Xem
Cụm kiến thức 6.3: Lan truyền ràng buộc Xem
Video bài giảng 6.3.1: Lan truyền ràng buộc Xem
Video bài giảng 6.3.2: Thuật toán AC-3 Xem
Video bài giảng 6.3.3: Nhất quán đường đi Xem
Cụm kiến thức 6.4: Thuật toán cải tiến cho CSP Xem
Video bài giảng 6.4.1: Tìm kiếm cục bộ cho CSP Xem
Video bài giảng 6.4.2: CSP cấu trúc cây Xem
Cụm kiến thức 6.5: Cài đặt CSP Xem
Lab-6.5: Tìm kiếm thỏa mãn ràng buộc Xem
Video bài tập 6.5.1: Cài đặt và thử nghiệm CSP cho tô màu đồ thị Xem
Video bài tập 6.5.2: Cài đặt lan truyền ràng buộc Xem
Video bài tập 6.5.3: Cài đặt giải bài toán Sudoku Xem
Project 2: Mật mã số học (Không bắt buộc) Xem
Kiểm tra tổng kết Mô-đun 6 Xem
Thảo luận Mô-đun 6 Xem
Mô-đun 7. Biểu diễn tri thức và lập luận với logic mệnh đề (propositional logic)
Tổng quan và mục tiêu Mô-đun 7 Xem
Trình bày: ThS. Phạm Trọng Nghĩa (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 7.1: Các khái niệm và thuật ngữ liên quan đến biểu diễn tri thức và lập luận logic Xem
Video bài giảng 7.1.1: Tác nhân dựa trên tri thức Xem
Video bài giảng 7.1.2: Biểu diễn tri thức cho thế giới Wumpus Xem
Cụm kiến thức 7.2: Logic mệnh đề Xem
Video bài giảng 7.2.1: Cú pháp và ngữ nghĩa Xem
Video bài giảng 7.2.2: Khái niệm suy diễn Xem
Video bài giảng 7.2.3: Các luật suy diễn Xem
Video bài giảng 7.2.4: Luật suy diễn trong Wumpus Xem
Video bài giảng 7.2.5: Giới thiệu luật hợp giải Xem
Video bài giảng 7.2.6: Cách chứng minh với hợp giải Xem
Video bài giảng 7.2.7: Chứng minh bằng hợp giải trong Wumpus Xem
Video bài giảng 7.2.8: Chứng minh bằng hợp giải trong trường hợp không suy diễn được Xem
Video bài giảng 7.2.9: Hợp giải với thủ tục Davis Putnam Xem
Video bài giảng 7.2.10: Thủ tục Davis Putnam trong trường hợp suy diễn được Xem
Video bài giảng 7.2.11: Suy diễn tiến Xem
Video bài giảng 7.2.12: Suy diễn lùi Xem
Cụm kiến thức 7.3: Bài tập logic mệnh đề Xem
Video bài tập 7.3.1: Biễu diễn tri thức và suy diễn đơn giản bằng bảng chân trị Xem
Video bài tập 7.3.2: Biễu diễn tri thức và dùng hợp giải để chứng minh Xem
Video bài tập 7.3.3: Chứng minh trong logic mệnh đề bằng hợp giải + DP Xem
Bài tập Ex-7.1: Logic bậc nhất (Không bắt buộc) Xem
Kiểm tra tổng kết Mô-đun 7 Xem
Thảo luận Mô-đun 7 Xem
Mô-đun 8. Lập luận với logic bậc nhất (first-order logic)
Tổng quan và mục tiêu Mô-đun 8 Xem
Trình bày: ThS. Phạm Trọng Nghĩa (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 8.1: Cú pháp và ngữ nghĩa logic bậc nhất Xem
Video bài giảng 8.1.1: Giới thiệu logic bậc nhất Xem
Video bài giảng 8.1.2: Cú pháp cơ bản của logic bậc nhất Xem
Video bài giảng 8.1.3: Cú pháp nâng cao của logic bậc nhất Xem
Video bài giảng 8.1.4: Ví dụ viết câu logic bậc nhất Xem
Cụm kiến thức 8.2: Lập luận với logic bậc nhất Xem
Video bài giảng 8.2.1: Suy diễn trên logic bậc nhất bằng cách chuyển thành mệnh đề Xem
Video bài giảng 8.2.2: Phép hợp nhất và suy diễn bậc nhất Xem
Video bài giảng 8.2.3: Suy diễn tiến cho FOL Xem
Video bài giảng 8.2.4: Suy diễn lùi cho FOL Xem
Video bài giảng 8.2.5: Hợp giải và CNF cho logic bậc nhất Xem
Video bài giảng 8.2.6: Ví dụ về hợp giải cho logic bậc nhất Xem
Cụm kiến thức 8.3: Bài tập logic bậc nhất Xem
Video bài tập 8.3.1: Biểu diễn tri thức bằng logic bậc nhất Xem
Video bài tập 8.3.2: Lập luận trên logic bậc nhất Xem
Bài tập Ex-8.1: Logic bậc nhất (Không bắt buộc) Xem
Project 3: Thế giới Wumpus (Không bắt buộc) Xem
Kiểm tra tổng kết Mô-đun 8 Xem
Thảo luận Mô-đun 8 Xem
Mô-đun 9. Giới thiệu học máy (machine learning)
Tổng quan và mục tiêu Mô-đun 9 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 9.1: Tổng quan học máy Xem
Video bài giảng 9.1.1: Tác nhân học Xem
Video bài giảng 9.1.2: Kiến trúc chung của học máy Xem
Video bài giảng 9.1.3: Phân chia dữ liệu và đường cong học tập Xem
Cụm kiến thức 9.2: Phân loại học máy Xem
Video bài giảng 9.2.1: Phân loại học máy Xem
Bài đọc thêm - Giới thiệu học máy Xem
Kiểm tra tổng kết Mô-đun 9 Xem
Thảo luận Mô-đun 9 Xem
Mô-đun 10. Phân lớp, gom nhóm cơ bản (classification, clustering)
Tổng quan và mục tiêu Mô-đun 10 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 10.1: Phân lớp với cây quyết định Xem
Video bài giảng 10.1.1: Cây quyết định Xem
Video bài giảng 10.1.2: Tiến trình học cây quyết định Xem
Video bài giảng 10.1.3: Độ đo Information Gain Xem
Video bài giảng 10.1.4: Thuật toán ID3 Xem
Video bài giảng 10.1.5: Cải tiến ID3 Xem
Cụm kiến thức 10.2: Phân lớp với mô hình xác suất Xem
Video bài giảng 10.2.1: Mô hình xác suất Xem
Video bài giảng 10.2.2: Naïve Bayes Xem
Video bài giảng 10.2.3: Làm trơn Laplace Xem
Cụm kiến thức 10.3: Phân lớp dựa trên láng giềng Xem
Video bài giảng 10.3.1: Mô hình kNN Xem
Cụm kiến thức 10.4: Đánh giá các mô hình phân lớp Xem
Video bài giảng 10.4.1: Đánh giá mô hình phân lớp Xem
Cụm kiến thức 10.5: Gom nhóm Xem
Video bài giảng 10.5.1: Giới thiệu bài toán gom nhóm Xem
Video bài giảng 10.5.2: Thuật toán k-means Xem
Video bài giảng 10.5.3: Đánh giá mô hình gom nhóm Xem
Cụm kiến thức 10.6: Thực hành phân lớp Xem
Lab-10.6.1-2: Cây quyết định ID3 Xem
Video bài tập 10.6.1: Cài đặt mô hình phân lớp ID3 Xem
Video bài tập 10.6.2: Thư viện cây quyết định Xem
Lab-10.6.3-4: Naive Bayes Xem
Video bài tập 10.6.3: Cài đặt mô hình phân lớp Naïve Bayes Xem
Video bài tập 10.6.4: Cài đặt làm trơn Laplace Xem
Lab-10.6.5: k-NN Xem
Video bài tập 10.6.5: Cài đặt mô hình phân lớp k-NN Xem
Cụm kiến thức 10.7: Thực hành gom nhóm Xem
Lab-10.7: k-Means Xem
Video bài tập 10.7.1: Cài đặt mô hình gom nhóm k-Means Xem
Video bài tập 10.7.2: Cài đặt k-Means với thư viện sklearn Xem
Bài tập Ex-10.1: Phân lớp cơ bản (Không bắt buộc) Xem
Bài đọc thêm - Cây quyết định Xem
Kiểm tra tổng kết Mô-đun 10 Xem
Thảo luận Mô-đun 10 Xem
Mô-đun 11. Hồi quy (regression)
Tổng quan và mục tiêu Mô-đun 11 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 11.1: Hồi quy tuyến tính Xem
Video bài giảng 11.1.1: Giới thiệu hồi quy Xem
Video bài giảng 11.1.2: Hồi quy tuyến tính đơn biến Xem
Video bài giảng 11.1.3: Tối ưu hóa hồi quy tuyến tính Xem
Video bài giảng 11.1.4: Hồi quy tuyến tính đa biến Xem
Video bài giảng 11.1.5: Hồi quy logistic Xem
Cụm kiến thức 11.2: Thực hành hồi quy tuyến tính Xem
Lab-11.2.1: Linear regression Xem
Video bài tập 11.2.1: Cài đặt hồi quy tuyến tính Xem
Lab-11.2.2: Logistic regression Xem
Video bài tập 11.2.2: Cài đặt hồi quy logistic Xem
Project 3: Mô hình SVM (Không bắt buộc) Xem
Bài đọc thêm - Hồi quy tuyến tính Xem
Kiểm tra tổng kết Mô-đun 11 Xem
Thảo luận Mô-đun 11 Xem
Mô-đun 12. Chủ đề mở rộng (GenAI, NLP, CV)
Tổng quan và mục tiêu Mô-đun 12 Xem
Trình bày: TS. Lê Ngọc Thành (Khoa CNTT, Trường ĐH. Khoa học Tự nhiên, ĐHQG-HCM) Xem
Cụm kiến thức 12.1: Giới thiệu mạng nơ-ron nhân tạo Xem
Video bài giảng 12.1.1: Mạng nơ-ron nhân tạo Xem
Video bài giảng 12.1.2: Giới thiệu học sâu Xem
Cụm kiến thức 12.2: Xử lý ngôn ngữ tự nhiên (NLP) và Xử lý ảnh (CV) Xem
Video bài giảng 12.2.1: Giới thiệu NLP Xem
Video bài giảng 12.2.2: Giới thiệu CV Xem
Video bài giảng 12.3.1: Giới thiệu GenAI Xem
Video bài giảng 12.3.2: Lịch sử phát triển và đặc điểm GenAI Xem
Video bài giảng 12.3.3: Một số GenAI phổ biến Xem
Kiểm tra tổng kết Mô-đun 12 Xem
Thảo luận Mô-đun 12 Xem

Hồ sơ giảng viên

lnthanh@fit.hcmus.edu.vn

Giảng viên có 1 khóa học

Chưa có thông tin hồ sơ của

Học trực tuyến chủ động qua các video, nội dung có sẵn. Không giới hạn thời gian. Đăng ký một lần, học mãi mãi. Học thuận tiện, bất cứ khi nào, bất cứ nơi đâu có Internet. Đặt câu hỏi với Giảng viên với tính năng Thảo luận.
Hotline tư vấn kỹ thuật:
0888 678 028
Email tư vấn kỹ thuật:
info@vnuhcm.edu.vn