AD201 – Nền tảng Tư duy AI & Dữ liệu - Học viện Đào tạo Công nghệ

AD201 – Nền tảng Tư duy AI & Dữ liệu

Trí tuệ nhân tạo (AI) đang định hình lại thế giới và khóa học này chính là bước khởi đầu lý tưởng để bạn khám phá lĩnh vực đầy tiềm năng này. Chương trình được thiết kế đặc biệt để loại bỏ các rào cản về toán học và lập trình phức tạp, tập trung vào trải nghiệm thực hành trực quan. Với công cụ Teachable Machine của Google, bạn sẽ tự tay thu thập dữ liệu và huấn luyện các mô hình học máy để nhận diện hình ảnh, âm thanh chỉ qua vài cú nhấp chuột.

Không chỉ dừng lại ở kỹ thuật, khóa học còn trang bị cho bạn một tư duy nền tảng vững chắc về dữ liệu và các vấn đề đạo đức cốt lõi trong AI như thiên vị (bias). Từ việc xây dựng mô hình đầu tiên đến tích hợp vào một ứng dụng web đơn giản, bạn sẽ có cái nhìn toàn cảnh về vòng đời của một dự án AI. Đây là bước đệm hoàn hảo, giải mã những bí ẩn của AI và trao quyền để bạn sẵn sàng chinh phục các công nghệ chuyên sâu hơn trong tương lai.

Thời lượng: 18h

Hình thức đào tạo:

- Đào tạo trực tiếp tại lớp học
- Đào tạo trực tuyến
- Đào tạo hybrid (trực tuyến kết hợp trực tiếp)
- Đào tạo tại văn phòng khách hàng

Mục tiêu khoá học:

HIỂU NGUYÊN LÝ & XÂY DỰNG MÔ HÌNH AI

Trực quan hóa cách AI “học” từ dữ liệu, tự tay thu thập, huấn luyện và kiểm thử mô hình phân loại hình ảnh/âm thanh bằng công cụ Teachable Machine.
PHÁT TRIỂN TƯ DUY PHẢN BIỆN VỀ DỮ LIỆU

Nhận diện các vấn đề thiên vị (bias) trong dữ liệu, hiểu rõ tác động xã hội và các khía cạnh đạo đức nền tảng của Trí tuệ Nhân tạo.
TÍCH HỢP AI VÀO ỨNG DỤNG THỰC TẾ

Làm quen Google Colab, sử dụng thư viện Python (Pandas, Matplotlib) để đọc, phân tích và trực quan hóa các bộ dữ liệu cơ bản dạng bảng.
KHÁM PHÁ DỮ LIỆU VỚI CÔNG CỤ LẬP TRÌNH

Thực hiện tích hợp mô hình huấn luyện vào ứng dụng web có khả năng nhận diện hình ảnh từ webcam theo thời gian thực.
HOÀN THIỆN DỰ ÁN AI & KHOA HỌC DỮ LIỆU

Vận dụng toàn bộ kiến thức để thực hiện một dự án cá nhân, từ thu thập dữ liệu, huấn luyện mô hình đến báo cáo và trình bày sản phẩm.

Đối tượng tham gia

Học sinh Cấp 2, Cấp 3

Muốn khám phá sớm thế giới công nghệ, xây dựng tư duy sáng tạo và nền tảng cho định hướng tương lai.

Người làm trái ngành

Cần một lộ trình học bài bản, từ con số 0 để chuyển sang lĩnh vực AI/Data đang phát triển mạnh mẽ.

Người mới tiếp cận AI

Cần một bước đệm vững chắc để hiểu rõ bức tranh toàn cảnh trước khi đi sâu vào các khóa học chuyên nghiệp.

Người yêu thích sáng tạo

Đam mê tự tay tạo ra sản phẩm, muốn biến các ý tưởng công nghệ thành hiện thực một cách nhanh chóng.

Nội dung khóa học

1. Nhập môn Trí tuệ Nhân tạo và Dữ liệu

- Tổng quan thế giới AI:
  - Phân biệt các khái niệm cốt lõi: Trí tuệ Nhân tạo (AI), Học máy (Machine Learning) và Học sâu (Deep Learning).
  - Lịch sử và các cột mốc phát triển quan trọng của AI.
- Dữ liệu – Nguồn sống của AI:
  - Định nghĩa dữ liệu và vai trò của nó trong huấn luyện mô hình.
  - Phân loại dữ liệu: Dữ liệu có cấu trúc (structured) và phi cấu trúc (unstructured).
- Các bài toán và công cụ nền tảng:
  - Giới thiệu 3 loại bài toán học máy phổ biến: Phân loại (Classification), Hồi quy (Regression), và Gom cụm (Clustering).
  - Giới thiệu bộ công cụ thực hành: Teachable Machine (no-code) và Google Colab (coding).

2. Xây dựng mô hình AI đầu tiên (No-Code)

- Xây dựng bộ dữ liệu huấn luyện:
  - Giới thiệu giao diện và nguyên lý hoạt động của Teachable Machine.
  - Lên ý tưởng và thực hành thu thập dữ liệu hình ảnh cho bài toán tự chọn.
- Huấn luyện và đánh giá mô hình:
  - Thực hiện quá trình huấn luyện (training) mô hình ngay trên trình duyệt.
  - Kiểm thử (testing) và phân tích kết quả: Độ chính xác, ma trận nhầm lẫn (confusion matrix), và các trường hợp dự đoán sai.

3. Đạo đức trong Trí tuệ Nhân tạo

- Thiên vị dữ liệu (Data Bias):
  - Định nghĩa thiên vị và các nguyên nhân gây ra một bộ dữ liệu “thiên vị”.
  - Phân tích các ví dụ thực tế về AI đưa ra quyết định sai lầm do bias.
- Trách nhiệm và Tác động xã hội:
  - Thảo luận về các vấn đề xã hội: Quyền riêng tư (privacy), sự công bằng (fairness).
  - Trách nhiệm của người phát triển AI và thực hành kiểm tra thiên vị trên mô hình đã tạo.

4. Tích hợp AI vào ứng dụng Web

- Export và chuẩn bị môi trường:
  - Tìm hiểu các tùy chọn xuất mô hình từ Teachable Machine để tích hợp.
  - Giới thiệu thư viện p5.js và cách thiết lập một dự án web đơn giản.
- Xây dựng ứng dụng web tương tác:
  - Viết mã JavaScript cơ bản để tải và chạy mô hình AI trong trình duyệt.
  - Lập trình ứng dụng nhận diện hình ảnh từ webcam theo thời gian thực.

5. Khám phá Dữ liệu với Python

- Làm quen môi trường Google Colab:
  - Giới thiệu Google Colab, các tính năng của Jupyter Notebook và cú pháp Python cơ bản.
  - Cài đặt và nhập các thư viện Python cần thiết cho khoa học dữ liệu.
- Phân tích dữ liệu với Pandas:
  - Sử dụng thư viện Pandas để đọc, hiển thị và tương tác với dữ liệu từ file CSV.
  - Thực hiện các thao tác khám phá cơ bản: info(), describe(), value_counts().
- Trực quan hóa dữ liệu:
  - Giới thiệu nguyên tắc và tầm quan trọng của việc trực quan hóa dữ liệu.
  - Sử dụng Matplotlib hoặc Seaborn để vẽ các biểu đồ đơn giản (biểu đồ cột, biểu đồ tròn).

6. Đồ án cuối khóa

- Xây dựng dự án cá nhân:
  - Học viên tự lựa chọn chủ đề (phân loại hình ảnh, âm thanh, tư thế).
  - Lên kế hoạch, tự thu thập bộ dữ liệu và huấn luyện mô hình trên Teachable Machine.
- Báo cáo và Trình bày:
  - Sử dụng Google Colab để viết báo cáo: mô tả bài toán, dữ liệu, kết quả và bài học rút ra.
  - Demo sản phẩm cuối khóa và trình bày về quá trình thực hiện dự án.