• Number of video
  • Category
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

 

Course content

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

Lecturer profile

lnthanh@fit.hcmus.edu.vn

Lecturer has 1 courses

No profile information of

Study online proactively through available videos, content. Unlimited time. Register once, study forever. Study conveniently, anytime, anywhere with the Internet. Ask the lecturer with Discussion feature.
Hotline:
0888 678 028 Email tư vấn kỹ thuật:
info@vnuhcm.edu.vn