ET6472E -
Trí tuệ nhân tạo và ứng dụng
Course description
Based on the development of algorithms, powerful and cheaper hardware and big data from different sensors, AI has been greatly contributed to technological innovation recently. The core AI technologies includes search and planning, knowledge representation and reasoning, machine learning, deep learning, and reinforcement learning. They have been successfully applied to many fields especially computer vision and natural language processing. The course starts at describing basic concepts, techniques of AI as well as their potential and limitation via several applications. Theory and algorithms of machine learning and deep learning are the focus of the course. Exercises will include hands-on application of basic AI techniques as well as selection of appropriate technologies for a given problem and anticipation of design implications. In a final project, groups of students will participate in the creation of one the following AI-based applications namely deep-learning-based computer vision, natural language processing, speech recognition, edge AI or AI based communications. Industrial machine learning/deeplearning frameworks using Python and their working environment are concentrated in this course such as Tensorflow, Caffe or Pytorch. Different edge AI technologies are possible to be used by students’ final project such as devices from Nividia, Intel or Google
Tiếng Việt
Dựa trên sự phát triển mạnh mẽ của thuật toán, phần cứng và lượng dữ liệu thu thập từ cảm biến, trí tuệ nhận tạo đang giải quyết nhiều bài toàn thực tế. Chủ đề phổ biến của trí tuệ nhân tạo bao gồm: tìm kiếm và lập kế hoạch, mô tả kiến thức và suy luận, học máy, học sâu dựa trên mạng Nơron và học tăng cường. Các phương pháp này được ứng dụng thành công vào nhiều lĩnh vực nổi bật như thị giác máy và xử lý ngôn ngữ tự nhiên. Học phần giới thiệu khái niệm và phương pháp trí tuệ nhận tạo cơ bản cũng như tiền năng và giới hạn của trí tuệ nhân tạo thông qua các ví dụ thực tế. Lý thuyết và thuật toán học máy, học sâu được tập trung giới thiệu. Nội dung bài tập bao gồm các ứng dụng dựa trên kỹ thuật AI cơ bản và phương pháp lựa chọn các kỹ thuật AI phù hợp cho từng ứng dụng. Nhóm sinh viên có thể lựa chọn một trong số các ứng dụng phổ biến của AI cho dự án môn học, bao gồm: thị giác máy dự trên học sâu, xử lý ngôn ngữ tự nhiên, nhận dạng tiệng nói, trí tuệ nhân tạo biên hoặc trí tuệ nhân tạo ứng dụng cho Viễn thông. Sinh viên được sử dung các công cụ phần mềm dựa trên ngôn ngữ Python, phục vụ nghiên cứu hoặc phát triển sản phẩm học máy/học sâu như Tensorflow, Caffe hoặc Pytorch. Mạch trí tuệ nhân tạọ biên từ các hãng Nivida, Intel hoặc Google có thể được sử dụng tùy thuộc yêu cầu dự án môn học.
Course Learning Outcomes (CLOs) 5
Click each outcome to see the translation, mapped PLOs and contribution level.
-
CLO1 Explain key concepts, workflows and AI techniques
Giải thích các khái niệm, các kỹ thuật chính của trí tuệ nhân tạo
-
CLO2 Apply selected basic AI techniques
Áp dụng các kỹ thuật của trí tuệ nhân tạo cơ bản nhằm giải quyết các bài toán
-
CLO3 Implement and evaluate artificial intelligence solutions for a pratical application
Triển khai và đánh giá giải pháp trí tuệ nhân tạo cho một ứng dụng
-
CLO4 Apply common tools and libraries proficiently to implement and deploy artificial intelligence techniques
Sử dụng thành thạo các công cụ và thư viện phổ biến để cài đặt và triển khai kỹ thuật của trí tuệ nhân tạo.
-
CLO5 Work effectively in teams; present and critique results using technical English
Làm việc nhóm hiệu quả; trình bày và phản biện kết quả bằng tiếng Anh chuyên ngành
Assessment
| Component | Weight | Timing |
|---|---|---|
| Dự án (project) | 70.0% | |
| Thực hành và bài tập | 30.0% |
Learning materials
Required
- [1] Artificial Intelligence: A Modern Approach, Russell, S. & Norvig, P, Prentice-Hall, 2010 Deep Learning, Goodfellow, I., Bengio, Y. and Courville, 2016, MIT Press