KHÓA AI - INTRODUCTION TO MACHINE LEARNING

Khóa AI: nhập môn Machine Learning bằng Python cho người mới

16 buổi học online live cùng giảng viên, lớp 7–15 người. Dành cho người muốn hiểu cách mô hình Máy học hoạt động, hướng tới Junior Data Scientist, ML Engineer hoặc chuyển sang AI.

Lớp gần nhất🔥 Còn 7 suất

AI Online 07 · Khai giảng 23/01/2027

Tối T7, 19h00 – 21h30 · Online live

5.950.000đ8.500.000đƯu đãi giảm 30% cho 5 bạn đăng ký đầu tiên

✓ Hoàn 100% học phí nếu hủy trước khai giảng 15 ngày✓ Hỗ trợ chia đợt học phí

Học viên và giảng viên một lớp của Big-O Coding
⭐ 5.0 / 400+ Google reviews

Học phí, lịch học và thời lượng khóa AI

Dành choNgười muốn hiểu cách mô hình Máy học hoạt động, hướng tới Junior Data Scientist, ML Engineer hoặc chuyển sang AI
Trình độJunior / Entry-level
Thời lượng16 buổi chính + 8 buổi phụ đạo, mỗi buổi 2 giờ 30
Ngôn ngữPython
Hình thứcOnline (Live class), 7–15 học viên một lớp
Lịch học1 buổi một tuần (Tối T7), 19h00 – 21h30
Khai giảngAI Online 07: 23/01/2027 (còn 7 suất)
Học phí5.950.000đ (giá gốc 8.500.000đ). Ưu đãi giảm 30% cho 5 bạn đăng ký đầu tiên. Ưu đãi giảm còn 5.500.000 VNĐ cho học viên cũ. Hỗ trợ chia đợt học phí
Học thử, hoàn phíHọc thử buổi 1 miễn phí. Hoàn 100% học phí nếu hủy trước khai giảng 15 ngày (quy định)
Giảng viênHoàng Thiên Nữ, Lê Thảo Huyền, Phạm Phong Hào (đội ngũ)
Kết quả học viên5.0 trên 400+ đánh giá Google (nhận xét)

✨ Khóa AI dành cho ai

  • ✓Muốn hiểu chi tiết cách hoạt động của các mô hình Máy học (Machine Learning) thay vì chỉ biết gọi thư viện.
  • ✓Mục tiêu trở thành Junior Data Scientist, ML Engineer hoặc chuyển đổi sự nghiệp sang lĩnh vực AI.
  • ✓Cần lộ trình bài bản từ chuyên gia AI, Thuật Toán với nhiều năm kinh nghiệm.
  • ✓Muốn nắm bắt xu hướng công nghệ tương lai (Neural Networks, LLM).
  • ✓Cần môi trường học tương tác cao, có giảng viên và trợ giảng hỗ trợ.
  • ✓Cần giờ Office Hours hàng tuần để ôn tập và theo kịp tiến độ thực hành.

📅 Lịch khai giảng và học phí khóa AI

Khóa AI Online 07 23/01/2027 · Tối T7 (19h00 – 21h30) 🔥 Còn 7 suất
8.500.000đ
5.950.000đ
Ưu đãi giảm 30% cho 5 bạn đăng ký đầu tiên
Ưu đãi giảm còn 5.500.000 VNĐ cho học viên cũ
✅ Học thử buổi 1 miễn phí ✅ Hoàn 100% học phí nếu hủy trước khai giảng 15 ngày ✅ Hỗ trợ chia đợt học phí

Học viên khóa AI nói gì

“Mình là học viên khoá Introduction to Machine Learning tại Big-O-Coding thấy chương trình thiết kế khá accessible thậm chỉ là tới các bạn không có background về IT như mình.”
Linh Đăng NguyễnHọc viên AI
“Giáo trình được xây dựng đầy đủ, rõ ràng, chi tiết từ phần cài đặt môi trường, sử dụng thư viện cho đến phân tích time và space complexity.”
Quỳnh TrầnHọc viên AI
“Theo cá nhân mình thì thấy khoá học đào khá sâu vào bản chất các ML được áp dụng, giúp trang bị cho các bạn đủ kiến thức để phục vụ cho việc tự nghiên cứu.”
Phan HuấnHọc viên AI

Đọc thêm nhận xét của học viên →

Đăng ký giữ chỗ khóa AI

Big-O liên hệ xác nhận qua Zalo và Email trong 30 phút

Thêm lựa chọn: gói học, người giới thiệu, ghi chú
Riêng lẻ Chỉ Khóa AI 5.950.000đ Combo bứt phá Trọn gói AI + Blue (Giảm 35%) ~10.400.000đ
❌ Có lỗi xảy ra. Vui lòng gọi trực tiếp 0937 401 483

Hoàn 100% học phí nếu hủy trước khai giảng 15 ngày. Hỗ trợ chia đợt học phí.

✅

Đăng ký thành công!

Big-O Coding đã nhận được thông tin của bạn.

Chúng tôi sẽ liên hệ qua Điện thoại và Email trong 30 phút tới.

📞 Phone: 0937 401 483

💬 Email: admin@bigocoding.com

Đề cương khóa AI: 16 buổi Machine Learning từ dữ liệu đến Deep Learning

Từ Dữ Liệu Thô Đến Hệ Thống Trí Tuệ Nhân Tạo Thông Minh

Bấm xem chi tiết đề cương
PHẦN 1 - NỀN TẢNG DỮ LIỆU & MACHINE LEARNING CƠ BẢN
Lecture 01 - Data Preprocess and Visualization

Nội dung: Giới thiệu tổng quan về Data Science. Làm chủ các thư viện cốt lõi: Numpy (xử lý mảng), Pandas (xử lý dữ liệu cơ bản) và Trực quan hoá dữ liệu với Matplotlib & Seaborn.

Thực hành: Khám phá và phân tích tập dữ liệu thực tế Netflix TV Shows.

Lecture 02 - K-Nearest Neighbors (KNN)

Nội dung: Khái niệm về bài toán Phân loại (Classification) và Hồi quy (Regression). Đi sâu vào thuật toán khoảng cách KNN cho cả hai dạng bài toán.

Thực hành: Điều chỉnh tham số mô hình và ứng dụng KNN để phát hiện dữ liệu ngoại lai (Outliers).

Lecture 03 - Model Validation and Selection

Nội dung: Các metrics đánh giá mô hình: Confusion matrix, Accuracy, Precision, Recall, F-score, ROC-curve, MAE, MSE, RMSE, R2. Tìm hiểu Bias-Variance trade-off và kỹ thuật Cross-validation.

Thực hành: Phát hiện Spam bằng KNN và tăng độ chính xác thông qua xử lý Stop words.

Lecture 04 - Linear Regression

Nội dung: Khám phá hàm tuyến tính, hàm mất mát (Loss function) và giải bài toán tối ưu bằng phương pháp Least-Square. Kỹ thuật chống Overfitting với Regularization.

Thực hành: Xây dựng mô hình hồi quy (đơn biến & đa biến) dự đoán chi phí bảo hiểm y tế. Ứng dụng Lasso Regression để chọn lựa đặc trưng.

PHẦN 2 - TỐI ƯU HÓA & MÔ HÌNH XÁC SUẤT
Lecture 05 - Gradient Descent

Nội dung: Đạo hàm và Gradient. Các biến thể: Mini-batch GD, Momentum, Adaptive Learning Rate. Minh họa qua bài toán Robot tưới cây.

Thực hành: Tự cài đặt thuật toán Gradient Descent với Momentum từ đầu (from scratch).

Lecture 06 - Logistic Regression

Nội dung: Phân loại nhị phân (Binary) với Sigmoid & Logloss. Phân loại đa lớp (Multiclass) với Softmax & Cross-Entropy loss. Tối ưu bằng Gradient Descent.

Thực hành: Ứng dụng Polynomial Transform cho bài toán phân loại dữ liệu phi tuyến.

Lecture 07 - Naive Bayes

Nội dung: Ôn tập Xác suất thống kê (Định lý Bayes, Xác suất có điều kiện). Ứng dụng các phân phối Bernoulli, Gaussian, Multinomial vào thuật toán Naive Bayes.

Thực hành: Sentiment Analysis: Tiền xử lý dữ liệu văn bản và xây dựng Multinomial Naive Bayes từ con số 0.

Lecture 08 - Mid-Term Project (Kiểm tra giữa kỳ)

Dự án: Loan Approval Prediction (Dự đoán phê duyệt khoản vay).

Mục tiêu: Vận dụng quy trình Data Preprocessing, EDA, và các mô hình đã học để giải quyết trọn vẹn một bài toán kinh doanh thực tế.

PHẦN 3 - MACHINE LEARNING NÂNG CAO & UNSUPERVISED LEARNING
Lecture 09 - Support Vector Machine (SVM)

Nội dung: Khái niệm Maximal Margin Classifier, Support Vector Classifier. Sức mạnh của Kernel trick biến không gian dữ liệu.

Thực hành: Tối ưu siêu tham số C và sử dụng Kernel trick cho bài toán phân loại đa lớp phức tạp.

Lecture 10 - Decision Tree

Nội dung: Kiến trúc Cây quyết định. Xây dựng cây với Recursive Binary Splitting. Các độ đo Gini Index, Entropy và tính RSS cho hồi quy.

Thực hành: Ứng dụng Decision Tree để lựa chọn đặc trưng (Feature Selection) và cài đặt thuật toán với Information Gain.

Lecture 11 - Clustering (Phân cụm dữ liệu)

Nội dung: Phân cụm khách hàng với K-means. Cách chọn K tối ưu. Giới thiệu K-means++ và Phân cụm phân cấp (Hierarchical Clustering).

Thực hành: Ứng dụng kỹ thuật Elbow và dùng K-means để nén dung lượng ảnh kỹ thuật số.

Lecture 12 - Dimensionality Reduction (Giảm chiều dữ liệu)

Nội dung: Ý tưởng của thuật toán PCA. Chuyển đổi hệ cơ sở trong không gian vector. Phương pháp tìm số lượng thành phần chính tối ưu.

Thực hành: Ứng dụng Eigenface trong nhận diện khuôn mặt và tính toán tỷ lệ phương sai tích lũy.

PHẦN 4 - DEEP LEARNING & ỨNG DỤNG THỰC CHIẾN
Lecture 13 - Hyperparameter Tuning & Ensemble Methods

Nội dung: Tăng cường sức mạnh mô hình bằng Bagging (Random Forest), Boosting (AdaBoost, GradientBoost) và Stacking. Tìm kiếm tham số với Grid/Random Search, Bayesian Optimization.

Thực hành: Ứng dụng Ensemble Models kết hợp Tuning để dự đoán bệnh tiểu đường.

Lecture 14 - Neural Networks

Nội dung: Bước vào thế giới Deep Learning. Các thành phần của ANN, Backpropagation. Xử lý các vấn đề kinh điển: Exploding/Vanishing gradient và Overfitting.

Thực hành: Xây dựng mạng Neural Network đầu tiên bằng PyTorch trên tập dữ liệu Moon và MNIST.

Lecture 15 - Advanced Feature Engineering & AutoML

Nội dung: Kỹ thuật chế tác đặc trưng nâng cao: Transformation, Extraction, Selection. Xử lý mất cân bằng dữ liệu (Class imbalance). Tự động hóa với ML Pipeline và AutoML.

Thực hành: Kết hợp toàn bộ kỹ thuật xử lý để tối ưu hóa dự đoán giá nhà.

Lecture 16 - Final Project & Career Talk

Hoạt động: Thuyết trình đồ án cuối kỳ - Bài toán Insurance Regression.

Talkshow: Chuyên gia trong ngành chia sẻ định hướng nghề nghiệp, cách xây dựng Portfolio ấn tượng và lộ trình phát triển trở thành AI/Data Engineer chuyên nghiệp.

🎁 EXCLUSIVE BONUS: AI ENGINEER TOOLKIT
🤖 AI-Assisted Coding

Làm chủ cách sử dụng ChatGPT / GitHub Copilot để sinh mã (boilerplate), tối ưu hóa hàm Python và viết tài liệu (docstrings) tự động.

⚙️ Model Deployment Basics

Mô hình trên máy cá nhân là chưa đủ. Học cách gói gọn (packaging) và triển khai mô hình học máy lên web app bằng Streamlit.

📈 Kaggle Strategy

Phân tích các Notebook đạt top cao trên Kaggle. Mẹo "vắt kiệt" hiệu suất mô hình trong các cuộc thi Data Science.

🛠️ ML Pipeline Automation

Xây dựng thói quen làm việc chuẩn kỹ sư: Gom toàn bộ quy trình từ xử lý dữ liệu đến huấn luyện thành các Scikit-Learn Pipelines sạch sẽ, dễ bảo trì.

🚀 Portfolio & Resume Coaching

Review 1-1 cách cấu trúc CV cho Data Scientist / AI Engineer để lọt qua vòng quét hồ sơ (ATS) của các tập đoàn công nghệ.

Giảng viên khóa AI

Hoàng Thiên Nữ
Hoàng Thiên NữGiảng viên, Trưởng dự án AI
  • Top 15 ACM-ICPC HCMUS contest.
  • Third Prize in Vietnam Olympiad in Informatics.
  • Đã học Master tại Soonchunhyang University.
  • PhD Candidate, Deakin University; MLE@Tinyfish.
Lê Thảo Huyền
Lê Thảo HuyềnGiảng viên, phụ trách dự án AI
  • Third Prize at the Vietnamese Mathematical Olympiad.
  • Research intern at EPFL through Summer@EPFL.
  • Master's in Data Science at EPFL.
  • Top 5 students graduating with the highest GPA in APCS HCMUS.
Phạm Phong Hào
Phạm Phong HàoGiảng viên, phụ trách dự án AI
  • Data Scientist tại ANTSOMI CDP 365.
  • Cựu Data Scientist tại FPT Corporation (CADS).
  • Cựu Data Scientist & Data Engineer tại FPT Telecom (CADS).
  • Từng đảm nhiệm vai trò Trợ giảng tại CoderSchool.

Xem đội ngũ giảng viên và trợ giảng →

Đọc trước trên blog

Xem Cẩm nang Lập trình →

Câu hỏi thường gặp về khóa AI

Khóa AI học những gì?

16 buổi chính chia 4 phần: nền tảng dữ liệu và Machine Learning cơ bản (tiền xử lý dữ liệu, KNN, đánh giá mô hình, hồi quy tuyến tính), tối ưu hóa và mô hình xác suất (gradient descent, logistic regression, Naive Bayes), Machine Learning nâng cao (SVM, cây quyết định, phân cụm, giảm chiều dữ liệu, ensemble), Deep Learning (neural networks, AutoML). Có dự án giữa kỳ và cuối khóa, thêm 8 buổi phụ đạo.

Học online như thế nào, lớp bao nhiêu người?

Học trực tiếp với giảng viên qua mạng (live class), 1 buổi một tuần (Tối T7), 19h00 – 21h30. Mỗi lớp 7–15 học viên.

Dùng ngôn ngữ lập trình nào?

Python.

Học phí bao nhiêu, có chia đợt không?

5.950.000đ (giá gốc 8.500.000đ). Ưu đãi giảm 30% cho 5 bạn đăng ký đầu tiên. Ưu đãi giảm còn 5.500.000 VNĐ cho học viên cũ. Hỗ trợ chia đợt học phí.

Có được học thử không, hủy thì sao?

Học thử buổi 1 miễn phí. Hoàn 100% học phí nếu hủy trước khai giảng 15 ngày.

Khóa AI dành cho trình độ nào?

Junior / Entry-level, học bằng Python. Khóa đi từ thuật toán cơ bản đến Neural Networks và LLM.

Sẵn sàng bắt đầu hành trình?

Đăng Ký Ngay