Nhập môn trí tuệ nhân tạo
Khóa học cung cấp kiến thức tổng quan và nền tảng về Trí tuệ Nhân tạo (AI), bao gồm các khái niệm, phương pháp, thuật toán, và ứng dụng trong các lĩnh vực như khoa học máy tính, y tế, tài chính, và tự động hóa. Học viên sẽ hiểu rõ lịch sử phát triển, tiềm năng của AI và khám phá các nhánh chính như Học máy (Machine Learning), Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) và Thị giác máy tính (Computer Vision).
Ngoài các nội dung kỹ thuật, khóa học tập trung thảo luận về các vấn đề đạo đức và xã hội liên quan đến AI, bao gồm tính minh bạch, trách nhiệm, và công bằng. Học viên sẽ được tìm hiểu tác động kinh tế, xã hội, và pháp lý của AI để phát triển nhận thức và cách sử dụng công nghệ AI một cách bền vững.
Khóa học còn đào sâu vào các thuật toán cốt lõi như tìm kiếm cơ bản (DFS, BFS) và nâng cao (A*, tìm kiếm tham lam), cũng như hệ thống logic và suy luận. Những nội dung này giúp học viên hiểu cách giải quyết vấn đề, phát triển tư duy logic và lập luận, cũng như áp dụng AI vào thực tế.
Phần học máy (Machine Learning) giới thiệu các phương pháp học có giám sát và không giám sát với các thuật toán phổ biến như hồi quy tuyến tính, cây quyết định, k-means, và mạng nơ-ron nhân tạo. Khóa học cũng cập nhật xu hướng mới về Trí tuệ nhân tạo tạo sinh (Generative AI), giúp học viên nắm bắt được các tiến bộ công nghệ hiện đại trong lĩnh vực này.
2. Chuẩn đầu ra
|
Mục tiêu |
Mô tả mục tiêu |
Chuẩn đầu ra |
|
CO1 |
Mô tả được các khái niệm, thuật ngữ và các bối cảnh xã hội, đạo đức liên quan đến lĩnh vực AI một cách chính xác và đầy đủ. |
CLO1: Mô tả được các khái niệm và thuật ngữ liên quan đến AI, các loại tác nhân thông minh, trí tuệ tính toán. CLO2: Trình bày được lịch sử hình thành, phát triển, thành tựu, thách thức hiện tại của AI cũng như các ứng dụng liên quan. CLO3: Xác định được các vấn đề về đạo đức và xã hội liên quan đến AI. CLO4: Trình bày được các khái niệm và thuật ngữ liên quan đến chủ đề tìm kiếm như tìm kiếm không thông tin, tìm kiếm có thông tin, tìm kiếm đối kháng, tìm kiếm thỏa mãn ràng buộc. CLO5: Mô tả được các khái niệm và thuật ngữ liên quan đến biểu diễn tri thức và suy diễn logic gồm logic mệnh đề và bậc nhất. CLO6: Mô tả được các khái niệm và thuật ngữ liên quan đến chủ đề học máy gồm học có giám sát, học không giám sát, học tăng cường, trí tuệ nhân tạo tạo sinh. |
|
CO2 |
Trình bày được cách thức cơ bản để giải quyết một bài toán AI được giới thiệu trong học phần. |
CLO7: Trình bày được cách thức cơ bản để giải quyết một bài toán AI từ xác định yêu cầu, đề xuất các giải pháp, đánh giá tính khả thi của giải pháp thông qua ước lượng lý thuyết. |
|
CO3 |
Xây dựng được thuật toán phù hợp để giải quyết các bài toán tìm kiếm khác nhau.Lập trình được bằng ngôn ngữ Python các giải thuật tìm kiếm mù, có thông tin, cục bộ, đối kháng, ràng buộc. |
CLO8: Trình bày được các phương pháp tìm kiếm như tìm kiếm không thông tin, tìm kiếm có thông tin, tìm kiếm đối kháng, tìm kiếm thỏa mãn ràng buộc. |
|
CO4 |
Minh họa được cơ chế hoạt động của hệ thống biểu diễn tri thức và suy diễn logic gồm logic mệnh đề và logic vị từ. |
CLO11: Mô tả được cách thức biểu diễn tri thức. |
|
CO5 |
Xây dựng được phương pháp học máy phù hợp để thực hiện một quá trình huấn luyện đơn giản trên dữ liệu cho trước. |
CLO14: Phân biệt được các phương pháp học máy khác nhau. |
|
CO6 |
Thảo luận và trình bày được quan điểm của mình về các vấn đề phức tạp trong AI thông qua các diễn đàn học tập và hoạt động tương tác cộng đồng. |
CLO17: Đặt ra được các câu hỏi, các chủ đề thảo luận một cách rõ ràng và phù hợp về các vấn đề trong AI. |
3. Thông tin học phần
- Môn học tiên quyết: Không
- Giáo trình và tài liệu học tập:
- Tài liệu bắt buộc
Giáo trình: Giáo trình Cơ sở Trí tuệ nhân tạo (Khoa CNTT), Lê Hoài Bắc và Tô Hoài Việt, NXB Khoa học và Kỹ thuật, 2014.
- Tài liệu tham khảo
Sinh viên có thể tham khảo thêm tài liệu đọc:
- Artificial Intelligence: A Modern Approach, 4th Edition, S. Russel and P. Norvig, Prentice Hall., 2021.
- Artificial Intelligence: A Guide for Thinking Humans, 1st edition, Melanie Mitchell, Farrar, Straus and Giroux, 2019.
- Co-Intelligence: Living and Working with AI, 1st edition, Ethan Mollick, Portfolio, 2024.
- Probabilistic Machine Learning: An Introduction, K.P. Murphy, The MIT Press, 2022.
- Deep Learning, I. Goodfellow, Y. Bengio, A. Courville, The MIT Press, 2016.
- Hình thức học tập và đánh giá: trực tuyến (online)
- Hình thức công nhận chứng chỉ môn học MOOC
Đề cương chi tiết
Hình thức tương tác
Giảng viên sẽ theo dõi khóa học và tiến độ học tập của học viên bằng hình thức:
- Thông báo (được gửi tới email của học viên) liên quan tới khóa học, deadline, các thay đổi có thể diễn ra trong khoá học, nội dung học cần lưu ý
- Phản hồi các Thảo luận của học viên
Đội ngũ thực hiện
- GS.TS. Lê Hoài Bắc
- TS. Bùi Tiến Lên
- TS. Nguyễn Ngọc Thảo
- TS. Lê Ngọc Thành
- TS. Nguyễn Tiến Huy
- TS. Bùi Duy Đăng
- ThS. Phạm Trọng Nghĩa
- ThS. Nguyễn Ngọc Đức
Các Thầy Cô hiện đang công tác chính tại Khoa Công nghệ Thông tin, Trường Đại học Khoa học Tự nhiên, Đại học Quốc Gia - TP. Hồ Chí Minh
4. Hình thức học và đánh giá
|
Hoạt động đánh giá |
Hình thức học và đánh giá |
Tỷ lệ |
Hình thức |
Thời gian |
|
A.1.1 |
Xem Video bài giảng và trả lời câu hỏi tương tác |
20% |
Online |
Không giới hạn |
|
A.1.2 |
Xem Video hướng dẫn bài tập |
5% |
Online |
Không giới hạn |
|
A.2.1 |
Tham gia thảo luận |
10% |
Online |
Không giới hạn |
|
A.2.2 |
Làm bài tập một số chương |
5% |
Online |
|
|
A.3 |
Kiểm tra sau mỗi chương |
30% |
Online |
|
|
A.4 |
Kiểm tra tổng kết môn học |
30% |
Online |
|
|
Tổng cộng (Total) |
100% |
Rubric đánh giá
|
Tiêu chí |
Giỏi |
Khá |
Trung bình |
Không đạt |
|
Lĩnh hội kiến thức từ bài đọc và tài liệu học tập |
≥8 | ≥6 | ≥5 | <5 |
|
Lĩnh hội kiến thức từ video bài giảng |
≥8 | ≥6 | ≥5 | <5 |
|
Tham gia thảo luận |
Tham gia đặt câu hỏi/trả lời các thảo luận ở tất cả các tuần học; nội dung trình bày phù hợp và có tính xây dựng cao. |
Tham gia đặt câu hỏi/trả lời các thảo luận ít nhất 70% các tuần học; nội dung trình bày phù hợp và tính xây dựng. |
Tham gia đặt câu hỏi/trả lời các thảo luận ít nhất 40% các tuần học; nội dung trình bày phù hợp. |
Không tham gia hoặc tham gia đặt câu hỏi/trả lời dưới 40% các tuần học; nội dung trình bày ít liên quan và tính xây dựng. |
|
Bài tập hàng tuần |
≥8 | ≥6 | ≥5 | <5 |
Mô-đun 1. Giới thiệu về Trí tuệ nhân tạo
Mô-đun 2. Giải quyết bài toán bằng tìm kiếm và tìm kiếm không thông tin (uninformed search)
Mô-đun 3. Tìm kiếm có thông tin (informed/heuristic search)
Mô-đun 4. Tìm kiếm trong môi trường phức tạp (Search in complex environments)
Mô-đun 5. Tìm kiếm đối kháng (adversarial search)
Mô-đun 6. Tìm kiếm thỏa mãn ràng buộc (constraint solving problem)
Mô-đun 7. Biểu diễn tri thức và lập luận với logic mệnh đề (propositional logic)
Mô-đun 8. Lập luận với logic bậc nhất (first-order logic)
Mô-đun 9. Giới thiệu học máy (machine learning)
Mô-đun 10. Phân lớp, gom nhóm cơ bản (classification, clustering)
Mô-đun 11. Hồi quy (regression)
Mô-đun 12. Chủ đề mở rộng (GenAI, NLP, CV)
- Máy tính kết nối với Internet
- Browser như Chrome, Safari, Firefox,...
- Microsoft Office: Word, Excel
- Môi trường lập trình: Jupyter Notebok
Cấu trúc Khóa học
Explore the complete curriculum and learning path
Loading course structure...