$ ls ./programs/ --detail
Ba chương trình,
một hành trình AI
Từ nền tảng toán học đến học tăng cường nâng cao — mỗi chương trình được thiết kế có chiều sâu và mục tiêu rõ ràng.
← Về trang chủ$ cat approach.log
Phương Pháp Giảng Dạy
Lý thuyết có ngữ cảnh
Không giảng lý thuyết thuần túy. Mỗi khái niệm được giới thiệu kèm câu hỏi: "Điều này ảnh hưởng thế nào đến thuật toán cụ thể nào?"
Triển khai ngay
Sau mỗi phần lý thuyết là phần code hóa khái niệm. Học viên thấy kết quả số, đồ thị và hành vi mô hình trực tiếp.
Ôn tập và kết nối
Nội dung mới thường xuyên được liên kết với các bài học trước, giúp học viên xây dựng hiểu biết tổng hợp thay vì kiến thức rời rạc.
Khóa Học Toán Học Cho AI
Chương trình đặt nền móng toán học cần thiết để hiểu sâu các hệ thống AI hiện đại. Từ đại số tuyến tính đến lý thuyết xác suất — mỗi chủ đề được giảng dạy với mối liên hệ trực tiếp đến thuật toán học máy.
Học viên sử dụng Python để tính toán và trực quan hóa các khái niệm trừu tượng, biến toán học thành điều cụ thể và có thể khám phá.
Nội dung chính
- Đại số tuyến tính: vector, ma trận, eigendecomposition
- Giải tích: gradient, chain rule, tối ưu hóa
- Xác suất & thống kê: phân phối, Bayesian reasoning
- Lý thuyết thông tin cơ bản
- Ứng dụng trong gradient descent, loss function, regularization
Quy trình học
Giới thiệu khái niệm và ngữ cảnh AI liên quan
Tính toán tay và hình học hóa bằng đồ thị
Triển khai Python với NumPy và matplotlib
Bài tập mở rộng và nộp để nhận phản hồi
duration: 8 tuần
level: Nhập môn đến trung cấp
prerequisite: Python cơ bản
Chương Trình Reinforcement Learning
Chương trình nâng cao đưa học viên vào lĩnh vực huấn luyện tác nhân đưa ra quyết định tuần tự trong môi trường động. Học viên triển khai và thử nghiệm các thuật toán RL từ cổ điển đến hiện đại.
Môi trường mô phỏng bao gồm game scenarios và mô phỏng robot cơ bản — đủ phức tạp để phản ánh các thách thức thực tế.
Nội dung chính
- Markov Decision Processes và Dynamic Programming
- Value-based methods: Q-learning, Deep Q-Network (DQN)
- Policy gradient: REINFORCE, Proximal Policy Optimization (PPO)
- Kiến trúc Actor-Critic và các biến thể
- Multi-agent systems cơ bản
Quy trình học
Lý thuyết MDP và bài toán quyết định tuần tự
Triển khai thuật toán từng bước với Gymnasium
Huấn luyện và phân tích kết quả trong môi trường mô phỏng
Dự án cuối: tác nhân hoàn chỉnh với báo cáo phân tích
duration: 16 tuần
level: Nâng cao
prerequisite: Python, ML cơ bản, neural network fundamentals
Thực Hành Xử Lý Dữ Liệu & Feature Engineering
Chương trình thực hành tập trung vào kỹ năng tiền xử lý dữ liệu — thường bị xem nhẹ nhưng lại quyết định phần lớn hiệu suất mô hình AI. Học viên làm việc với dataset thực từ nhiều lĩnh vực khác nhau.
Tất cả bài tập sử dụng pandas, NumPy và scikit-learn preprocessing — bộ công cụ tiêu chuẩn trong quy trình data science hiện đại.
Nội dung chính
- Làm sạch dataset: xử lý giá trị thiếu, nhiễu và mâu thuẫn
- Mã hóa biến phân loại và chuẩn hóa feature
- Phát hiện và xử lý outlier theo từng trường hợp
- Tạo feature mới từ kiến thức lĩnh vực
- Dataset thực: y tế, thương mại điện tử, tài chính
Quy trình học
Khám phá dataset thực và xác định vấn đề chất lượng
Áp dụng kỹ thuật xử lý phù hợp với từng loại vấn đề
Đánh giá tác động của từng lựa chọn xử lý lên mô hình
Xây dựng pipeline đầu cuối có thể tái sử dụng
duration: 6 tuần
level: Trung cấp
prerequisite: Python, ML cơ bản
$ diff --matrix programs.list
So Sánh Chương Trình
Để bạn chọn đúng điểm bắt đầu.
| Tiêu chí | Toán học cho AI | Reinforcement Learning | Xử lý Dữ liệu |
|---|---|---|---|
| Học phí | 9.500.000 ₫ | 22.000.000 ₫ | 7.200.000 ₫ |
| Thời lượng | 8 tuần | 16 tuần | 6 tuần |
| Cấp độ | Nhập môn – Trung cấp | Nâng cao | Trung cấp |
| Yêu cầu đầu vào | Python cơ bản | Python + ML + NN | Python + ML cơ bản |
| Công cụ chính | NumPy, matplotlib | Gymnasium, PyTorch, SB3 | pandas, scikit-learn |
| Phù hợp nhất cho | Ai muốn hiểu "tại sao" trong AI | Ai muốn xây dựng tác nhân RL | Ai muốn nâng cao kỹ năng dữ liệu |
$ cat shared-standards.cfg
Tiêu Chuẩn Chung Cho Mọi Chương Trình
Bảo mật & Quyền riêng tư
Dữ liệu học viên được bảo vệ và không chia sẻ với bên thứ ba.
Chỉ số học tập rõ ràng
Mỗi chương trình có mục tiêu học tập cụ thể và có thể đo lường được.
Hỗ trợ trong suốt khóa học
Kênh liên hệ giảng viên hoạt động trong toàn bộ thời gian học.
Nội dung cập nhật định kỳ
Rà soát và cập nhật theo sự phát triển của nghiên cứu AI.
Xác nhận hoàn thành
Học viên đáp ứng đủ yêu cầu nhận xác nhận từ sangma.
Quy mô lớp hợp lý
Số học viên được giữ ở mức đảm bảo chất lượng trao đổi.
Không chắc chọn chương trình nào?
Hãy liên hệ để trao đổi về trình độ và mục tiêu hiện tại. Chúng tôi sẽ gợi ý chương trình phù hợp một cách thẳng thắn.
Tư vấn chương trình