Mạng Nơ-ron Tích Chập (CNN) Cơ Bản – Ứng Dụng Thực Tế Trong Nhận Diện Hình Ảnh

📝 Giới thiệu khoá học
Khoá học giúp bạn làm chủ kiến thức nền tảng về CNN – một kiến trúc mạng nơ-ron mạnh mẽ chuyên xử lý ảnh và video.
Hiểu cơ chế hoạt động của convolution, pooling, activation và backpropagation.
Thực hành xây dựng các mô hình CNN đơn giản bằng Python và TensorFlow/Keras.
Ứng dụng CNN vào bài toán nhận diện chữ số viết tay, phân loại hình ảnh, phát hiện khuôn mặt,…
Phù hợp cho sinh viên CNTT, người học AI, hoặc người mới bước vào lĩnh vực deep learning.

—

🎯 Bạn sẽ học được gì

1. Nắm vững kiến thức nền tảng về deep learning & mạng nơ-ron

2. Hiểu rõ kiến trúc CNN: convolution, stride, padding, pooling

3. Giải thích cơ chế hoạt động của từng lớp trong mô hình CNN

4. Cách huấn luyện mô hình CNN bằng dữ liệu ảnh

5. Xử lý ảnh đầu vào: chuẩn hoá, resize, augmentation

6. Xây dựng mô hình CNN bằng Keras/TensorFlow

7. Đánh giá hiệu suất mô hình: accuracy, confusion matrix

8. Hiểu hiện tượng overfitting và kỹ thuật giảm overfitting

9. Sử dụng CNN để phân loại ảnh với dataset MNIST, CIFAR-10

10. Ứng dụng phát hiện vật thể/khuôn mặt trong ảnh đơn giản

11. Làm quen với pretrained model: VGG, ResNet (giới thiệu)

12. Thực hiện mini project phân loại ảnh thực tế