Trang chủ Thế giới nói gì 08 khóa học Machine Learning miễn phí

08 khóa học Machine Learning miễn phí

Những khóa học Machine Learning dưới đây đều được triển khai bởi những trường đại học, viện nghiên cứu hay công ty công nghệ uy tín từ khắp nơi trên thế giới. Hãy nhanh chóng lưu lại, trải nghiệm và chia sẻ cùng cộng đồng công nghệ nhé!

Tổng hợp 08 khóa học miễn phí về Machine Learning
Tổng hợp 08 khóa học miễn phí về Machine Learning

1, Machine Learning with Python: A Practical Introduction (IBM): Khóa học này sẽ là một khởi đầu tuyệt vời dành cho các “newbie” muốn tìm hiểu về học máy. Tại đây, các bạn sẽ được trang bị các thuật toán học có giám sát (supervised learning), bao gồm phân loại và hồi quy, cùng các thuật toán học không giám sát (unsupervised learning), bao gồm phân cụm và giảm chiều. Ngoài ra, một số kiến thức về mối quan hệ giữa mô hình thống kê với học máy, và những ứng dụng thực tế cũng sẽ được giới thiệu trong khóa học. 

2, Machine Learning Fundamentals (UCSanDiego): Khóa học sẽ giúp bạn hiểu vai trò của học máy trong việc xây dựng mô hình, dự đoán và ra quyết định theo hướng dữ liệu. Một số nội dung của khóa học bao gồm: 

  • Các thuật toán phân loại, hồi quy và xác suất có điều kiện
  • Mô hình sinh (Generative models) và mô hình phân biệt (discriminative models)
  • Mô hình tuyến tính và phi tuyến tính bằng cách sử dụng các phương pháp Kernel
  • Các phương pháp kết hợp: boosting, bagging, random forests
  • Kỹ thuật phân cụm, giảm chiều, tự động mã hóa…

3, Machine learning with Python for finance professionals (ACCA): Khóa học tập trung vào việc cung cấp các kỹ năng Python thực tế cho các chuyên gia tài chính, những người muốn tối đa hóa việc sử dụng các công cụ tự động nhằm cải thiện hiệu suất làm việc trong tổ chức. Những nội dung chính của khóa học gồm: 

  • Giới thiệu về Python, từ thiết lập ban đầu đến giải thích các khái niệm cơ bản như các dạng dữ liệu, biến, toán tử, điều khiển luồng và hàm
  • Sử dụng Python để phân tích dữ liệu
  • Tự động hóa quy trình làm việc của Excel bằng Python 
  • Các hoạt động cơ bản của mô hình học máy và mối quan hệ của nó với khoa học dữ liệu, Dữ liệu lớn và Trí tuệ nhân tạo.

4, Machine Learning with Python: from Linear Models to Deep Learning (MITx): Khóa học sẽ giới thiệu chuyên sâu về học máy, từ mô hình tuyến tính đến học sâu và học tăng cường, thông qua các dự án thực hành liên quan đến Python. Tại đây, các bạn có cơ hội tìm hiểu:

  • Các nguyên tắc đằng sau những bài toán học máy như phân loại, hồi quy, phân cụm và học tăng cường
  • Cách triển khai và phân tích các mô hình như mô hình tuyến tính, kernel, mạng nơ-ron và mô hình đồ họa
  • Quy trình thực hiện các dự án học máy, từ đào tạo, đánh giá, điều chỉnh tham số đến các kỹ thuật tính năng.

5, Machine Learning for Data Science and Analytics (ColumbiaX): Khóa học sẽ cung cấp các kiến thức cơ bản về học máy và mối liên hệ với khoa học dữ liệu. Cụ thể, học viên có có hội tìm hiểu về cách học máy sử dụng các thuật toán máy tính để tìm kiếm các mẫu trong dữ liệu; cách sử dụng các mẫu dữ liệu để đưa ra quyết định và dự đoán; quy trình chuẩn bị dữ liệu, xử lý dữ liệu bị thiếu và tạo các giải pháp phân tích dữ liệu tùy chỉnh cho từng ngành khác nhau. Một số thuật toán cơ bản và được sử dụng phổ biến như sắp xếp, tìm kiếm, giải thuật tham lam (greedy algorithms) và quy hoạch động (dynamic programming).

6, PyTorch Basics for Machine Learning (IBM): Trong khóa học này, bạn sẽ tìm hiểu phương thức triển khai các thuật toán học máy cổ điển, tập trung vào cách PyTorch tạo và tối ưu hóa mô hình. Một số nội dung của khóa học bao gồm:

  • Xây dựng pipeline học máy trong PyTorch
  • Đào tạo mô hình trong PyTorch.
  • Tải tập dữ liệu lớn
  • Đào tạo các ứng dụng học máy với PyTorch
  • Các kiến thức nền tảng để áp dụng cho học sâu 

7, Deep Learning with Tensorflow (IBM): Khóa học tập trung vào việc áp dụng Học sâu với TensorFlow cho các dữ liệu phi cấu trúc nhằm giải quyết những vấn đề thực tế. Đáng lưu ý, “Deep Learning with Tensorflow” không dành cho những bạn mới bắt đầu tìm hiểu về học máy, bởi nội dung chương trình này ở ngưỡng từ trung cấp trở lên, như:

  • Các khái niệm TensorFlow cơ bản (chức năng chính, hoạt động và pipeline thực thi)
  • Cách áp dụng TensorFlow trong điều chỉnh đường cong, hồi quy, phân loại và giảm thiểu các hàm lỗi.
  • Các dạng của Deep Architectures, chẳng hạn như Mạng nơ-ron tích chập, Mạng nơ-ron hồi quy và Tự động mã hóa.
  • Áp dụng TensorFlow để điều chỉnh trọng số và độ lệch trong khi đào tạo Mạng thần kinh.

8, High-Dimensional Data Analysis (HarvardX): Khóa học tập trung vào một số kỹ thuật được sử dụng phổ biến trong phân tích dữ liệu đa chiều. Trong đó, có thể kể đến các kỹ thuật bao gồm: giảm chiều, phương pháp phân tích suy biến (singular value decomposition), phân tích thành phần chính (Principal Component Analysis),… Lưu ý, đây là khóa học ở cấp độ “advanced”, dành cho những bạn đã thuần thục về học máy và khoa học dữ liệu.

BÀI MỚI NHẤT

Transformer Neural Network – Mô hình học máy biến đổi thế giới NLP

Năm 2017, Google công bố bài báo “Attention Is All You Need” thông tin về Transformer như tạo ra bước ngoặt mới trong lĩnh...

Dự báo chuỗi thời gian cùng công nghệ Học sâu

Dự báo chuỗi thời gian (Time series forecasting) hiện là lĩnh vực nghiên cứu rất phổ biến. Dễ dàng tìm thấy nhiều loại dữ...

Garbage in garbage out: Từ góc độ gán nhãn dữ liệu

Để có dữ liệu sạch và có giá trị đối với các thuật toán thì dữ liệu cần được gán nhãn và chú giải...

TinyML: Khi học máy kết hợp cùng các hệ thống nhúng

TinyML hiện là một trong những lĩnh vực phát triển nhanh nhất của Học sâu. Đây chính là giao điểm của các ứng dụng,...

BÀI ĐỌC NHIỀU

Supervised Learning và Unsupervised Learning: Khác biệt là gì?

Supervised learning (Học có giám sát) và Unsupervised learning (Học không giám sát) là hai trong số những phương pháp kỹ thuật cơ bản...

Transformer Neural Network – Mô hình học máy biến đổi thế giới NLP

Năm 2017, Google công bố bài báo “Attention Is All You Need” thông tin về Transformer như tạo ra bước ngoặt mới trong lĩnh...

Dự báo chuỗi thời gian cùng công nghệ Học sâu

Dự báo chuỗi thời gian (Time series forecasting) hiện là lĩnh vực nghiên cứu rất phổ biến. Dễ dàng tìm thấy nhiều loại dữ...

TinyML: Khi học máy kết hợp cùng các hệ thống nhúng

TinyML hiện là một trong những lĩnh vực phát triển nhanh nhất của Học sâu. Đây chính là giao điểm của các ứng dụng,...