ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG THỊ GIÁC MÁY TÍNH (APPLIED AI IN COMPUTER VISION)

Lộ trình học Ứng dụng trí tuệ nhân tạo trong Thị giác máy tính giúp học viên có nền tảng lý thuyết vững vàng và khả năng thực hành để tự tin thử nghiệm ý tưởng, xây dựng ứng dụng Xử lý ảnh, Deep Learning trong vấn đề Thị giác máy tính. Khóa học mở đầu với các chủ đề trọng điểm của xử lý ảnh như: Biểu diễn ảnh – Lọc ảnh – Tăng cường ảnh – Tách biên…. Tiếp đó, học viên sẽ được tiếp cận với các bài toán Thị giác máy tính như phát hiện vật thể, phân loại đối tượng và các vấn đề nâng cao như phát hiện chuyển động, theo dõi vật thể,… Lộ trình học theo hướng thực hành – song song vào đó là xây dựng cho học viên nền tảng lý thuyết vững vàng qua các ví dụ, bài tập được đội ngũ biên soạn công phu, có tính logic. Sau khóa học, học viên tự tin ứng tuyển và áp dụng kiến thức vào các dự án doanh nghiệp và cá nhân.

Tại sao bạn nên học lộ trình này

Mục tiêu lộ trình

Lộ trình học

Image Processing

Image Processing

 

Khóa học cung cấp cho học viên nền tảng lý thuyết vứng vàng các vấn đề về ảnh số - xử lý ảnh số - thị giác máy tính. Khóa học đem đến cho học viên cái nhìn sâu sắc - đa dạng về các chủ đề quan trọng. Bên cạnh đó, khóa học tập trung vào tính thực hành, các bài học là các tập hợp các bài thực hành được chuẩn bị kĩ lưỡng. Khóa học được giảng dạy bằng ngôn ngữ Python, thư viên OpenCV 4. Kết thúc khóa học, học viên có thể tự tin ứng dụng các kiến thức đã học trong các công việc, đồ án, luận văn, cũng như tự tin ứng tuyển các vị trí liên quan.

 

Xem chi tiết khóa học tại đây

 

Thời lượng

  • 30 giờ bài giảng
  • 60 giờ tự học

 

Kiến thức - kĩ năng trọng yếu

  • Ảnh và các vấn đề liên quan: biểu diễn ảnh số - thu nhận ảnh - số hóa - nén - lưu trữ
  • Nâng cao chất lượng ảnh
  • Phát hiện biên
  • Biến đổi - phân tách ảnh
  • Phân tích - trích chọn đặc trưng
  • Nhận dạng mẫu
  • Phát hiện và truy vết đối tượng

 

Highlight công nghệ đặc biệt

  • Python
  • OpenCV 4

Applied DL in CV

Applied Deep Learing in Computer Vision

 

Khóa học cung cấp cho học viên những kiến thức mới nhất về những tiến bộ của Deep Learning trong thị giác máy tính. Khóa học đem đến cho học viên khả năng ứng dụng kiến thức - kỹ năng sử dụng Tensorflow để giải quyết các bài toán. Qua khóa học, học viên sẽ được trải nghiệm và so sánh các phương pháp Deep Learning trong các vấn đề về thị giác máy tính với các phương pháp truyền thống. Kết thúc khóa học, học viên tự tin ứng tuyển các vị trí liên quan và sử dụng các kiến thức - kĩ năng trong công việc cá nhân và đồ án - luận văn.

 

Xem chi tiết khóa học tại đây

 

Thời lượng

  • 30 giờ bài giảng 
  • 60 giờ tự học

 

Kiến thức - kỹ năng trọng yếu

  • Cài đặt các kiến trúc mạng neural bằng tensorflow 2
  • Image Classification
  • Object Detection - Segmantation
  • Tạo ảnh bằng GAN - Neural Style Transfer

 

Highlight công nghệ đặc biệt

  • Tensorflow
  • CNN, AlexNet, ResNet, MobileNet
  • Nhận diện khuôn mặt
  • Phân vùng vật thể: sematic và instances
  • General Adversarial Network
  • OCR

Project CV

Project Computer Vision

 

Khóa học cung cấp khả năng thực hành - ứng dụng kiến thức xuất sắc cho các học viên. Học viên sẽ được thực hành 2 dự án thật, được đề xuất yêu cầu dự án và tự thực hiện dưới sự hướng dẫn, chỉ bảo và góp ý sát sao của giảng viên. 

 

Mô hình học

  • 2 dự án, mỗi dự án 5 tuần, học 1 buổi 1 tuần.
  • Buổi 1: học viên đề xuất ý tưởng và đề xuất tính khả thi về kỹ thuật. Giảng viên góp ý, đưa ra điều chỉnh và phân chia công việc từng tuần
  • 4 buổi còn lại: báo cáo công việc với giảng viên - giảng viên góp ý và đưa ra lời khuyên
  • Nhận được sự trợ giúp sau buổi học cùng với giảng viên và trợ giảng
  • Demo dự án và nhận được nhận xét, đánh giá của giảng viên

 

Thời lượng

  • 20 giờ bài giảng
  • 240 giờ tự học

 

Kết quả sau lộ trình

Chuyên môn

  • Hiểu rõ, nắm chắc kiến thức – phương pháp xử lý ảnh số
  • Ứng dụng Deep Learning trong các bài toán Thị giác máy tính
  • Sử dụng thành thạo OpenCV trong các vấn đề xử lý ảnh – thị giác máy tính
  • Sử dụng Tensorflow 2 để cài đặt, tinh chỉnh, tối ưu các mô hình Deep Learning trong vấn đề Thị giác máy tính

Kĩ năng

  • Phân tích – tư duy giải quyết vấn đề trong Xử lý ảnh – Thị giác máy tính
  • Áp dụng thành thạo các thư viện – nền tảng trong hệ sinh thái Python
  • Xây dựng các ứng dụng giao diện demo ý tưởng

Cơ hội việc làm

  • Cơ hội tiếp cận với các nhà tuyển dụng
  • Rèn luyện khả năng viết CV – phỏng vấn
  • Được viết thư giới thiệu

Phương pháp giảng dạy

Giảng dạy tinh gọn

Tư duy sáng tạo

Thực hành là trên hết

Đối tượng học viên

  • Học sinh, sinh viên trong và ngoài khối ngành CNTT
  • Người đang làm việc trong lĩnh vực CNTT
  • Người muốn làm việc trong lĩnh vực Xử lý ảnh và Thị giác máy tính

Câu hỏi thường gặp

Khóa học của Data Science tại Turing School có gì đặc biệt?

Phương châm của chúng tôi là giảng dạy tinh gọn, chú trọng thực hành để phát triển tư duy sáng tạo, mỗi buổi học đều có rất nhiều ví dụ, bài tập để học viên thực hành. Chúng tôi mong muốn học viên không chỉ có kiến thức mà còn có kĩ năng, hơn nữa có khả năng tìm tòi, tư duy giải quyết vấn đề. Với việc lấy học viên làm trọng tâm, các buổi học sẽ là các buổi trao đổi kiến thức, kinh nghiệm, thực hành với ví dụ và bài tập. Do đó, cùng một nội dung, chương trình của Turing School dài hơn do tập trung nhiều hơn vào tính thực hành.

Tại sao một số khóa học về Thị giác máy tính không có phần Xử lý ảnh, tôi có cần học xử lý ảnh không?

Một vài khóa học về Thị giác máy tính chỉ tập trung vào các ứng dụng cao cấp về Thị giác máy tính như Object Detection, Object Classification, Gesture Classification, Object Tracking,... sử dụng Deep Learning. Chúng tôi mong muốn học viên có cái nhìn sâu sắc, phương pháp tư duy, tìm tòi vấn đề. Các vấn đề trên đều là các vấn đề của Thị giác máy tính, có thể giải quyết một phần nào đó bằng các kĩ thuật xử lý ảnh truyền thống. Gần đây, các kĩ thuật Deep Learning nổi lên như một ứng viên sáng giá để giải quyết các vấn đề này. Để xây dựng nền tảng vững vàng từ gốc rễ, học viên nên học từ chương trình về xử lý ảnh.

Tôi cần trang bị gì để học được lộ trình này?

Một máy tính thông thường với khoảng 8GB RAM - 1 Webcam. Các ứng dụng nặng hơn sẽ chạy trên Google Colab

Tôi nên học OpenCV C++ hay Python?

Python cho phép xây dựng ứng dụng nhanh hơn, ít code hơn, trong khi C++ đảm bảo hiệu năng của chương trình. Vì vậy, chọn Python hay C++ là do mục đích sử dụng của các bạn. Nếu các bạn muốn học - hãy học bằng Python, nếu các bạn muốn viết phần mềm hiệu năng cao - hãy sử dụng C++. Tuy vậy, khi các bạn học và thành thạo với một ngôn ngữ, dù là Python hay C++, thời gian chuyển đổi sang ngôn ngữ còn lại nhanh hơn rất nhiều so với việc học từ đầu.

Thị giác máy tính có phải vấn đề xa vời không? Tôi có thể thấy được các ứng dụng của xử lý ảnh - thị giác máy tính ở đâu?

Trong các trận bóng đá, khi camera quay sang phần sân nắng chói, hình ảnh dần dần được điều chỉnh để dịu nhẹ hơn với mắt - đó là ứng dụng của việc cân bằng độ sáng trong Xử lý ảnh. Khi theo dõi các trận cầu lông - quần vợt - bóng đá, chúng ta thấy các ứng dụng theo dõi đường bóng, vị trí chạm đất, theo dõi thời gian kiểm soát bóng - đó là ứng dụng của phát hiện và theo dõi vật thể trong lĩnh vực Xử lý ảnh và Thị giác máy tính. Các Camera giám sát thông minh cũng là ví dụ điển hình. Nổi bật nhất là Photoshop, Camera 360, Snow,... là các ứng dụng thường ngày chúng ta vẫn sử dụng. Xử lý ảnh - Thị giác máy tính ở quanh ta!