Khóa học này được thiết kế giúp học viên tổng hợp và áp dụng tất cả kiến thức đã học từ các khóa trước đó vào một dự án, chuẩn bị cho họ sẵn sàng đối mặt với các thách thức trong công việc AI thực tế. Học viên sẽ làm việc theo nhóm để phân tích use case, thiết kế và phát triển giải pháp AI, và cuối cùng là triển khai và đánh giá hiệu quả của giải pháp

Một số điểm chính trong khóa học:

• Tập trung vào việc áp dụng kiến thức từ các khóa học trước (Course 5-8) vào các trường hợp sử dụng thực tế của khách hàng.
• Cấu trúc khóa học theo quy trình phát triển dự án AI, từ phân tích yêu cầu đến triển khai và đánh giá kết quả.
• Sử dụng phương pháp học tập dựa trên dự án (project-based learning) và làm việc nhóm để tăng cường khả năng áp dụng kiến thức vào thực tế.
• Có sự cân bằng giữa lý thuyết và thực hành, với nhiều workshop và thời gian thực hiện dự án.
• Khuyến khích tư duy phản biện và khả năng giải quyết vấn đề thông qua các phiên thảo luận và đánh giá đồng đẳng.
• Đánh giá toàn diện dựa trên nhiều khía cạnh của dự án, không chỉ tập trung vào kết quả cuối cùng.

Sau khi hoàn thành khóa học, học viên có khả năng:

• Tổng hợp và áp dụng kiến thức từ các khóa học trước (Course 5-8) vào một dự án AI thực tế.
• Phát triển kỹ năng phân tích yêu cầu kinh doanh và chuyển đổi thành bài toán AI.
• Nâng cao khả năng thiết kế, phát triển và triển khai end-to-end AI solutions.
• Tăng cường kỹ năng làm việc nhóm, quản lý dự án và thuyết trình trong bối cảnh dự án AI.
• Xây dựng portfolio với một dự án AI hoàn chỉnh, sẵn sàng cho môi trường làm việc thực tế.
• Học viên sẽ được cấp chứng nhận hoàn tất khóa học theo quy định của ITSTARVN.
  

Nội dung khóa học

Giới thiệu và Chuẩn bị (2 giờ)

• Tổng quan về mục tiêu và cấu trúc của khóa học Capstone
• Ôn tập nhanh các kỹ năng và kiến thức chính
• Giới thiệu về quy trình phát triển dự án AI từ ý tưởng đến triển khai

Phân tích Customer Use Cases (6 giờ)

• Giới thiệu các trường hợp sử dụng thực tế (1 giờ)
  • Trình bày 3-4 use cases từ các lĩnh vực khác nhau (ví dụ: y tế, tài chính, bán lẻ, sản xuất)
• Phân tích yêu cầu và xác định bài toán AI (2 giờ)
  • Kỹ thuật phân tích yêu cầu
  • Xác định các bài toán AI phù hợp (classification, regression, clustering, etc.)
  • Đánh giá tính khả thi và giá trị kinh doanh
• Workshop: Phân tích Use Case (3 giờ)
  • Chia nhóm và phân công use cases
  • Các nhóm thực hiện phân tích và trình bày kết quả
  • Thảo luận và feedback

Thiết kế Giải pháp (6 giờ)

• Lựa chọn phương pháp và mô hình AI phù hợp (2 giờ)
  • Đánh giá các phương pháp từ Course 5-8 (Deep Learning, Computer Vision, NLP, Time Series)
  • Xem xét các yếu tố như độ chính xác, hiệu suất, khả năng giải thích
• Thiết kế kiến trúc hệ thống (2 giờ)
  • Data pipeline và preprocessing
  • Model training và evaluation
  • Deployment và monitoring
• Workshop: Thiết kế Giải pháp (2 giờ)
  • Các nhóm phát triển và trình bày đề xuất giải pháp
  • Peer review và feedback

Phát triển và Triển khai Dự án (12 giờ)

• Chuẩn bị dữ liệu (2 giờ)
  • Thu thập và tiền xử lý dữ liệu
  • Exploratory Data Analysis (EDA)
  • Feature engineering
• Phát triển mô hình (6 giờ)
  • Implement các mô hình đã chọn
  • Training và hyperparameter tuning
  • Evaluation và error analysis
• Tối ưu hóa và mở rộng quy mô (2 giờ)
  • Tối ưu hóa hiệu suất mô hình
  • Xử lý vấn đề về khả năng mở rộng
• Triển khai và giám sát (2 giờ)
  • Xây dựng pipeline triển khai
  • Thiết lập hệ thống giám sát và cảnh báo

Đánh giá và Trình bày Kết quả (6 giờ)

• Chuẩn bị báo cáo và demo (2 giờ)
  • Tổng hợp kết quả và insights
  • Chuẩn bị demo sản phẩm
• Trình bày dự án (3 giờ)
  • Mỗi nhóm có 20-30 phút để trình bày
  • Q&A và feedback từ giảng viên và các nhóm khác
• Reflection và đúc kết bài học (1 giờ)
  • Thảo luận về các thách thức và bài học kinh nghiệm
  • Đề xuất cải tiến cho tương lai