Sách Deep Learning cơ bản

5
miễn phí. Nên bạn đọc có thể train model online thay vì sử dụng máy tính cá nhân.
Chương II, tôi đề cập đến Machine Learning cơ bản với hai thuật toán Linear Regerssion và
Logistic Regression. Đồng thời tôi giới thiệu về thuật toán Gradient descent, rất quan trọng trong
Deep Learning. Bên cạnh đó tôi giới thiệu các kiến thức Toán cơ bản như: phép toán với ma trận,
biểu diễn bài toán dạng ma trận,...
Chương III, tôi giới thiệu về bài toán Neural Network cũng chính là xương sống của Deep Learning
và thuật toán Backpropagation để giải bài toán này. Ngoài ra, để hiểu rõ bản chất của Neural
Network nên tôi cũng hướng dẫn mọi người code từ đầu Neural Network và Backpropagation bằng
Python trong chương này.
Chương IV, tôi đề cập tới Convolutional Neural Network (CNN) cho bài toán có xử lý ảnh.
Sau đó giới thiệu về thư viện Keras và ứng dụng CNN cho bài toán phân loại ảnh với bộ dữ liệu chữ
số viết tay (MNIST). Cuối chương tôi giới thiệu về ứng dụng thực tế của CNN cho bài toán ô tô tự lái.
Chương V, tôi giới thiệu một số tips trong Deep Learning như transfer learning, data augmentation,
mini-batch gradient descent, dropout, non-linear activation, ... để tăng độ hiệu quả của mô hình.
Chương VI, tiếp nối ý tưởng từ chương IV , tôi đề cập đến hai bài toán lớn của Deep Learning
trong Computer Vision. Đó là bài toán về Object Detection và Image Segmentation.
Chương cuối, tôi giới thiệu về thuật toán Recurrent Neural Network (RNN) cho bài toán dữ
liệu dạng chuỗi và mô hình cải tiến của nó là Long Short Term Memory (LSTM). Cuối cùng tôi
hướng dẫn mọi người áp dụng mô hình LSTM cho bài toán thêm mô tả cho ảnh.
Ngoài ra trong cuối mỗi chương tôi đều đưa ra bài tập về thực hành code với Python và đặt
ra những câu hỏi để mọi người hiểu rõ thêm về lý thuyết mà tôi đã giới thiệu.
Thông tin liên lạc
Website của tôi.
Facebook cá nhân của tôi.
Tất cả code trên sách ở trên github.
Vì đây là bản đầu tiên của cuốn sách nên mọi người có nhận xét, góp ý, phản ánh xin gửi về
mail nttuan8.com@gmail.com
Xin cảm ơn mọi người rất nhiều!