LEARNDO / HỌC QUA VIỆC LÀM
Mở một bài, làm theo ví dụ nhỏ, rồi thử trên dữ liệu của bạn. Giải thích vừa đủ để hiểu mình đang làm gì.
Đại số tuyến tính · Toán cho deep learning / 25 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và NumPy
Bạn sẽ giải một hệ phương trình nhỏ rồi dùng ma trận để biến đổi một lưới điểm. Thêm độ lệch giúp bạn hiểu phép affine trong các lớp mạng.
Mở bài hướng dẫnNumPy · Nền tảng AI / 22 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và NumPy
Bạn sẽ nhân ma trận và tính khoảng cách giữa nhiều vector cùng lúc. Kiểm tra một cặp bằng tay giúp bạn hiểu kết quả của cả bảng.
Mở bài hướng dẫnCơ bản · Thực hành · Python và NumPy
Bạn sẽ chia dữ liệu bằng một nguồn ngẫu nhiên cố định rồi lưu kết quả. Bài giúp bạn giữ ảnh và nhãn đúng cặp khi chạy lại thí nghiệm.
NumPy · Nền tảng AI / 22 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và NumPy
Bạn sẽ xử lý từng kênh màu mà không viết vòng lặp. Bài giải thích cách NumPy mở rộng các chiều tương thích khi tính trên nhiều mảng.
Mở bài hướng dẫnNumPy · Nền tảng AI / 22 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và NumPy
Bạn sẽ tính thống kê theo từng chiều và chuẩn hóa ảnh. Hai lựa chọn axis, keepdims giúp bạn giữ đúng hình dạng dữ liệu sau phép tính.
Mở bài hướng dẫnĐại số tuyến tính · Toán cho deep learning / 25 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và NumPy
Bạn sẽ dùng vector để mô tả một mẫu và so sánh hai mẫu theo hướng. Tích vô hướng và cosine giúp giải thích phép so sánh này.
Mở bài hướng dẫnMốc ý tưởng: 2020–2023
Lịch sử học sâu · Con người & ý tưởng / 7 phút đọc
Theo lộ trình ·
Cơ bản · Con người & ý tưởng
Vision Transformer, CLIP và Segment Anything đặt những câu hỏi khác nhau về cách học từ ảnh. Ta nhìn rõ điều từng công trình thay đổi và điều nó chưa giải quyết.
Đọc câu chuyệnNumPy · Nền tảng AI / 22 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và NumPy
Bạn sẽ đọc kích thước, kiểu số và miền giá trị của một mảng ảnh. Ba thông tin này giúp bạn chọn phép tính phù hợp ngay từ đầu.
Mở bài hướng dẫnNumPy · Nền tảng AI / 22 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và NumPy
Bạn sẽ cắt một vùng ảnh, chọn điểm ảnh bằng mặt nạ và tạo bản sao. Ví dụ giúp bạn tránh sửa nhầm ảnh gốc khi chỉ muốn đổi một vùng nhỏ.
Mở bài hướng dẫnMốc ý tưởng: 2017
Lịch sử học sâu · Con người & ý tưởng / 9 phút đọc
Theo lộ trình ·
Cơ bản · Con người & ý tưởng
Kaiming He, Georgia Gkioxari, Piotr Dollár và Ross Girshick đưa mặt nạ vào hệ phát hiện đối tượng. Bước quyết định của Mask R-CNN nằm ở cách giữ đúng vị trí khi trích đặc trưng của từng vùng.
Đọc câu chuyệnMốc ý tưởng: 2020
Lịch sử học sâu · Con người & ý tưởng / 9 phút đọc
Theo lộ trình ·
Cơ bản · Con người & ý tưởng
Trong năm 2020, SimCLR và BYOL cho thấy hai cách học biểu diễn từ các góc nhìn của ảnh. Một cách dùng cặp âm, cách kia không dùng chúng, đặt lại câu hỏi về nguồn tín hiệu giúp mạng tránh học một câu trả lời vô nghĩa.
Đọc câu chuyệnMốc ý tưởng: 2020
Lịch sử học sâu · Con người & ý tưởng / 9 phút đọc
Theo lộ trình ·
Cơ bản · Con người & ý tưởng
Năm 2020, Nicolas Carion và các cộng sự đặt lại cách mô hình phát hiện đối tượng học từ nhãn. DETR dự đoán một tập kết quả và dùng ghép cặp một đối một để xử lý câu hỏi ai đang dự đoán vật nào.
Đọc câu chuyện
