Bỏ qua tới nội dung chính

Khóa học cho chủ đề

Học máy

Machine Learning

Khóa tuyển chọn cho chủ đề, từ OpenER và các trường đại học. Xem các trường và tổ chức
  • Đề xuất chínhVideo + tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhCC BY-NC-SA 4.0

    Bản ghi khóa CS229 của Andrew Ng trên Stanford Engineering Everywhere: học có giám sát (hồi quy, mô hình sinh, SVM, mạng nơ-ron), học không giám sát, lý thuyết học (bias–variance, chiều VC) và học tăng cường. Có 20 bài giảng video, ghi chú bài giảng và bài tập.

    Vì sao chọn: Khóa học máy kinh điển của Andrew Ng, phủ trọn chương trình của chủ đề từ học có giám sát, không giám sát tới lý thuyết học; có 20 video, ghi chú bài giảng chi tiết và bài tập.

    • Chuyên sâu
    • Kinh điển

    20 buổi giảng

  • Cornell · CS4780 · Thu 2018

    Machine Learning for Intelligent Systems (mở trong tab mới)

    Học máy cho hệ thống thông minh

    Kilian Weinberger

    Thay thếVideo + tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhBản quyền

    Khóa học máy của Cornell do Kilian Weinberger giảng, đi từ k láng giềng gần nhất, perceptron, Bayes ngây thơ, hồi quy logistic, SVM, phương pháp kernel tới cây quyết định, bagging, boosting và mạng nơ-ron. Ghi chú bài giảng viết rất kỹ, kèm video trọn khóa.

    Vì sao chọn: Giảng rất trực quan, mỗi thuật toán đi kèm ví dụ và ghi chú viết kỹ; hợp nếu bạn muốn hiểu vì sao từng phương pháp hoạt động.

  • Caltech · CS 156

    Learning From Data (mở trong tab mới)

    Học từ dữ liệu

    Yaser Abu-Mostafa

    Thay thếVideo + tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhBản quyền

    Khóa học máy của Caltech do Yaser Abu-Mostafa giảng, nhấn vào câu hỏi vì sao máy học được: tính khả học, chiều VC, đánh đổi bias–variance, quá khớp, chính quy hóa, kiểm định chéo, SVM và kernel. Gồm 18 bài giảng video, 8 bộ bài tập và bài thi cuối khóa.

    Vì sao chọn: Tập trung vào lý thuyết: vì sao học được, chiều VC, quá khớp và chính quy hóa, với 18 bài giảng mạch lạc và 8 bộ bài tập.

    • Chuyên sâu

    18 buổi giảng

  • Stanford

    Statistical Learning with R (mở trong tab mới)

    Học thống kê với R

    Trevor Hastie, Robert Tibshirani

    Thay thếChỉ tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhBản quyềnCần tài khoản miễn phí

    Khóa trực tuyến của Stanford do chính các tác giả sách ISLR giảng, bám sát từng chương: hồi quy tuyến tính, phân loại, lấy mẫu lại, chọn mô hình và chính quy hóa, phương pháp dựa trên cây, SVM, học sâu và học không giám sát, thực hành bằng R.

    Vì sao chọn: Do chính tác giả sách ISLR của lộ trình giảng, bám từng chương và có thực hành R; cần tạo tài khoản edX.

    • Chuyên sâu

  • IIT Madras · 106106139

    Introduction to Machine Learning (mở trong tab mới)

    Nhập môn Học máy

    Balaraman Ravindran

    Thay thếVideo + tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhBản quyền

    Khóa nhập môn học máy của IIT Madras trên NPTEL, giảng bằng video theo tuần: lý thuyết quyết định thống kê, hồi quy tuyến tính và các phương pháp co hệ số, hồi quy logistic, phân tích biệt thức tuyến tính, SVM và kernel, mạng nơ-ron, ước lượng tham số và cây quyết định.

    Vì sao chọn: Khóa video theo tuần của IIT Madras, nhịp giảng chậm, dễ theo cho người mới vào học máy.

  • UC Berkeley · CS 189/289A · Xuân 2026

    Introduction to Machine Learning

    Jennifer Listgarten, Alex Dimakis

    Gợi ý tự độngVideo + tài liệuTrên OpenERCấp độ: Trung bìnhTiếng AnhBản quyền

    Học máy (machine learning) là cốt lõi của trí tuệ nhân tạo hiện đại, làm thay đổi cách chúng ta tiếp cận các vấn đề trong lĩnh vực thị giác máy tính, ngôn ngữ, robot, hệ thống gợi ý và vô số lĩnh vực khác. Khóa học này giới thiệu các nền tảng lý thuyết, thuật toán và ứng dụng của học máy, kết hợp giữa tính chặt chẽ về mặt toán học và kinh nghiệm thực tiễn.

    Vì sao gợi ý: Tên khớp “machine learning” · cùng môn học chính

    45 bài

  • IBM Quantum · 2021

    Quantum Machine Learning (2021 Qiskit Global Summer School) (mở trong tab mới)

    Học máy lượng tử (Qiskit Global Summer School 2021)

    Gợi ý tự độngVideo + tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhBản quyền

    Danh sách phát chính thức của trường hè Qiskit 2021 về học máy lượng tử: mạch và thuật toán đơn giản, nhiễu trong máy tính lượng tử, học máy cổ điển, bộ phân loại lượng tử, QAOA, không gian đặc trưng và hàm nhân lượng tử, huấn luyện mạch và hiện tượng barren plateau, ansatz hiệu quả phần cứng, năng lực của mô hình học máy lượng tử, kèm các buổi thực hành.

    Vì sao gợi ý: Tên khớp “machine learning”

  • MIT · 18.065 · Xuân 2018

    Matrix Methods in Data Analysis, Signal Processing, and Machine Learning (mở trong tab mới)

    Phương pháp ma trận trong phân tích dữ liệu, xử lý tín hiệu và học máy

    Gilbert Strang

    Gợi ý tự độngVideo + tài liệuLiên kết ngoàiCấp độ: Nâng caoTiếng AnhCC BY-NC-SA 4.0

    Khóa tiếp nối 18.06 của Gilbert Strang, ôn lại đại số tuyến tính rồi áp dụng vào xác suất thống kê, tối ưu và học sâu: phân rã ma trận, SVD và PCA, bình phương tối thiểu, hạ gradient và cấu trúc của mạng nơ-ron.

    Vì sao gợi ý: Tên khớp “machine learning”

    • Chuyên sâu

  • Imperial

    Mathematics for Machine Learning: PCA (mở trong tab mới)

    Toán cho học máy: Phân tích thành phần chính

    Marc Peter Deisenroth

    Gợi ý tự độngChỉ tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhBản quyềnCần tài khoản miễn phí

    Khóa của Imperial College London trên Coursera do Marc Peter Deisenroth giảng: thống kê cơ bản của tập dữ liệu, tích trong, phép chiếu trực giao, rồi dẫn ra phân tích thành phần chính (PCA) như bài toán tối ưu, kèm bài thực hành Python.

    Vì sao gợi ý: Tên khớp “machine learning”

  • Imperial

    Mathematics for Machine Learning: Linear Algebra (mở trong tab mới)

    Toán cho học máy: Đại số tuyến tính

    David Dye

    Gợi ý tự độngChỉ tài liệuLiên kết ngoàiCấp độ: Cơ bảnTiếng AnhBản quyềnCần tài khoản miễn phí

    Khóa nhập môn của Imperial College London trên Coursera, trình bày đại số tuyến tính gắn với dữ liệu và học máy: vectơ, ma trận như phép biến đổi, đổi cơ sở, trị riêng và ví dụ PageRank, kèm bài thực hành lập trình Python.

    Vì sao gợi ý: Tên khớp “machine learning”

    • Dễ bắt đầu

  • Imperial

    Mathematics for Machine Learning: Multivariate Calculus (mở trong tab mới)

    Toán cho học máy: Giải tích nhiều biến

    Samuel J. Cooper, David Dye +1

    Gợi ý tự độngChỉ tài liệuLiên kết ngoàiCấp độ: Cơ bảnTiếng AnhBản quyềnCần tài khoản miễn phí

    Khóa ngắn của Imperial College London trên Coursera: từ độ dốc tới định nghĩa đạo hàm và gradient, các quy tắc tính đạo hàm, ma trận Jacobi và Hesse, khai triển Taylor để xấp xỉ hàm, phương pháp Newton–Raphson, nhân tử Lagrange và hạ gradient, áp dụng vào mạng nơ-ron và hồi quy, kèm bài thực hành Python.

    Vì sao gợi ý: Tên khớp “machine learning”

    • Dễ bắt đầu