UEH Standard Programs

Deep Learning

Tiếng Việt

INT547035

3

"Học phần Học Sâu cung cấp cho sinh viên kiến thức cơ bản và chuyên sâu về các mô hình và thuật toán học sâu. Sinh viên sẽ: Hiểu các khái niệm cơ bản về học sâu, bao gồm mạng nơ-ron nhân tạo, lan truyền ngược và tối ưu hóa. Nắm vững các kiến trúc mạng phổ biến như CNN (Convolutional Neural Networks), RNN (Recurrent Neural Networks), và Transformer. Thực hành xây dựng, huấn luyện và đánh giá các mô hình học sâu bằng các công cụ như TensorFlow và PyTorch. Ứng dụng học sâu vào các bài toán thực tế trong các lĩnh vực như thị giác máy tính, xử lý ngôn ngữ tự nhiên và phân tích chuỗi thời gian. Phát triển kỹ năng tối ưu hóa và cải tiến mô hình để đạt hiệu suất cao trên các tập dữ liệu lớn./ "The Deep Learning course provides students with fundamental and advanced knowledge of deep learning models and algorithms. Students will: Understand the basic concepts of deep learning, including artificial neural networks, backpropagation, and optimization. Master popular network architectures such as CNNs (Convolutional Neural Networks), RNNs (Recurrent Neural Networks), and Transformers. Practice building, training, and evaluating deep learning models using tools like TensorFlow and PyTorch. Apply deep learning to real-world problems in fields such as computer vision, natural language processing, and time series analysis. Develop skills in optimizing and fine-tuning models for high performance on large datasets."

Computer Vision has become ubiquitous in our society, with applications in search, image understanding, apps, mapping, medicine, drones, and self-driving cars. Core to many of these applications are visual recognition tasks such as image classification, localization and detection. Recent developments in neural network (aka “deep learning”) approaches have greatly advanced the performance of these state-of-the-art visual recognition systems. This course is a deep dive into the details of deep learning architectures with a focus on learning end-to-end models for these tasks, particularly image classification. During the 10-week course, students will learn to implement and train their own neural networks and gain a detailed understanding of cutting-edge research in computer vision. Additionally, the final assignment will give them the opportunity to train and apply multi-million parameter networks on real-world vision problems of their choice. Through multiple hands-on assignments and the final course project, students will acquire the toolset for setting up deep learning tasks and practical engineering tricks for training and fine-tuning deep neural networks.