Luyện thi FE đề sáng
Luyện thi FE đề sáng
Xin chào các bạn!
FE (Fundamental IT Engineer) là chứng chỉ đạt chuẩn cơ bản kỹ sư CNTT của Nhật Bản. Chứng chỉ FE nằm ở mức thứ 2, mức cơ bản trong thang chuẩn CNTT của Kỹ sư Nhật Bản.
ITEE (Kỹ sư công nghệ thông tin) là một kỳ thi cấp quốc gia được thực hiện bởi IPA (Cơ quan Xúc tiến Công nghệ Thông tin, Nhật Bản). Đây được coi như một chỉ số cho việc đào tạo nguồn nhân lực trong ngành xử lý thông tin. Theo sửa đổi năm 2008, Khung tham chiếu năng lực/nghề nghiệp chung của ITEE sẽ bao gồm các bậc từ 1 đến 3, được xác định dựa trên thành công trong kỳ thi. Khóa học này được thiết kế ra nhằm giúp các học viên chuẩn bị cho ITEE và các kỳ thi liên quan, cung cấp cho họ kiến thức và những kỹ năng cần thiết để đạt được các trình độ của khung tham chiếu năng lực/nghề nghiệp chung.
Chúc các bạn học tốt!
MỤC TIÊU MÔN HỌC
Sau khi học xong môn này, học viên sẽ đạt được các chuẩn kiến thức, kỹ năng đầu ra như sau:
- Nắm được khái niệm cơ bản, ứng dụng và vai trò của Deep Learning hiện nay và cách sử dụng, triển khai các mạng shallow và deep neural network.
- Có kiến thức về các phương pháp tối ưu trong DL: Gradient Descent, mini-batch GD, hyper-parameter optimization và các thuật toán bổ trợ GD(RMSProp, Adam,…)
- Nắm được các ứng dụng của DL vào trong thị giác máy tính thông qua kiến trúc mạng CNN: Bài toán phân loại hình ảnh, nhận diện vật thể, phân biệt khuôn mặt.
- Nắm được ứng dụng của DL vào trong xử lý ngôn ngữ tự nhiên thông qua các kiến trúc mạng về RNN, LSTM, GRU và Attention: Nhận diện cảm xúc thông qua văn bản, dịch máy, xây dựng và sử dụng Word Embedding.
- Có năng lực về chuẩn hóa dữ liệu, xây dựng và đánh giá, phân tích lỗi, cải thiện và tối ưu model với Tensorflow trong các dự án ML/DL.
TRẢI NGHIỆM HỌC TẬP
Để bắt đầu, các bạn nên dành một vài phút khám phá môn học và cấu trúc chung. Môn học sẽ có 2 phần với 14 bài học. Xuyên suốt các bài học và cuối mỗi học phần, các bài ví dụ và bài tập quiz sẽ giúp các bạn tăng cường việc ghi nhớ và vận dung lý thuyết đã học vào các bài toán thực tế. Để việc học tập được hiệu quả, hãy luôn trau dồi kiến thức, không ngừng học hỏi, nghiên cứu và lập cho mình một kế hoạch học tập hợp lý để hoàn thành khóa học một cách xuất sắc.
Trong thời gian học (dự kiến là 6 tuần), việc phân bổ tuần học là rất quan trọng. Nếu các bạn có bất cứ câu hỏi nào hãy kết nối với Mentor để được giải đáp.
CẤU TRÚC MÔN HỌC
Phần 1 - Kiến thức cơ bản về công nghệ thông tin
- Bài 1: Phần cứng
- Bài 2: Hệ thống xử lý thông tin
- Bài 3: Phần mềm
- Bài 4: Cơ sở dữ liệu
- Bài 5: Mạng
- Bài 6: Bảo mật
- Bài 7: Cấu trúc dữ liệu và giải thuật
Progress Test 1
Progress Test 2
Phần 2 - Chiến lược và quản lý công nghệ thông tin
- Bài 8: Doanh nghiệp và Pháp chế
- Bài 9: Chiến lược kinh doanh
- Bài 10: Chiến lược hệ thống thông tin
- Bài 11: Công nghệ phát triển
- Bài 12: Quản lý dự án
- Bài 13: Quản lý dịch vụ
- Bài 14: Kiểm toán hệ thống & Kiểm soát nội bộ
Progress Test 3
Progress Test 4
Progress Test 5
CHUYÊN GIA THIẾT KẾ VÀ PHẢN BIỆN MÔN HỌC
THIẾT KẾ MÔN HỌC: TS. Nguyễn Văn Vinh
- Giảng viên & thành viên cốt lõi của Phòng thí nghiệm AI, Đại học Công nghệ - VNU
- Chuyên gia tư vấn AI cho DPS & Fsoft
- Tiến sĩ Khoa học máy tính, Viện Khoa học và Công nghệ tiên tiến Nhật Bản
PHẢN BIỆN MÔN HỌC: TS. Trần Tuấn Anh
- Giảng viên Đại học Khoa học Tự nhiên - ĐHQG-HCM
- Tiến sĩ Khoa học Máy tính, Đại học Quốc gia Chonnam, Hàn Quốc
- Thạc sĩ Toán học ứng dụng về AI & Machine Learning, Đại học Orleans, Pháp
CHUYÊN GIA THIẾT KẾ VÀ PHẢN BIỆN KHUNG CHƯƠNG TRÌNH
TS. Từ Minh Phương
- Trưởng khoa CNTT, Đại học Bưu chính viễn thông (PTIT)
- Chuyên gia tư vấn công nghệ AI & Machine learning
- Trưởng phòng Lab Học máy & Ứng dụng của PTIT
TS. Hoàng Anh Minh
- Quản lý R&D, Chief Scientist FPT Software, LA Office
TS. Lê Hải Sơn
- Chuyên gia về Machine Learning, FPT Technology Innovation (FTI)
- Tiến sĩ khoa học máy tính, Laboratoire d’Informatique et de Mécanique pour les Sciences de l’Ingénieur (LIMSI), Université Paris-Sud, Orsay, Pháp
- Các lĩnh vực nghiên cứu: Xử lý ngôn ngữ tự nhiên, nhận dạng tiếng nói, xử lý ảnh, học máy, học sâu
NGUỒN HỌC LIỆU
Trong thời đại hiện nay, mỗi môn học đều có nhiều nguồn tài liệu liên quan kể cả sách in và online, FUNiX Way không quy định một nguồn học liệu cụ thể mà khuyến cáo để học viên chọn được nguồn phù hợp nhất cho mình. Trong quá trình học từ nhiều nguồn khác nhau theo lựa chọn cá nhân đó, khi sinh viên phát sinh câu hỏi thì sẽ được kết nối nhanh nhất với mentor để được giải đáp. Toàn bộ phần đánh giá bao gồm các câu hỏi trắc nghiệm, bài tập, dự án và thi vấn đáp do FUNiX thiết kế, xây dựng và thực hiện.
Các môn học của FUNiX không quy định bắt buộc tài liệu học tập, sinh viên có thể chủ động tìm và học từ bất kỳ nguồn nào phù hợp, kể cả sách in hay nguồn học liệu online (MOOC) hay các website. Việc sử dụng các nguồn đó do học viên chịu trách nhiệm và đảm bảo tuân thủ các chính sách của chủ sở hữu nguồn, trừ trường hợp họ có sự hợp tác chính thức với FUNiX. Nếu cần hỗ trợ, học viên có thể liên hệ phòng đào tạo FUNiX để được hướng dẫn.
Dưới đây là một số nguồn học liệu của môn học mà học viên có thể tham khảo sử dụng. Việc liệt kê nguồn dưới đây không nhất thiết hàm ý rằng FUNiX có sự hợp tác chính thức với chủ sở hữu của nguồn: Coursera, tutorialspoint, edX Training, or Udemy.
KÊNH PHẢN HỒI
FUNiX sẵn sàng đón nhận và trao đổi về mọi ý kiến góp ý, phản hồi liên quan đến học liệu qua email [email protected]