Thiết kế và thi công bộ điều khiểu xe lăn điện ứng dụng mạng học sâu. Giáo viên hướng dẫn: Nguyễn Thanh Nghĩa, sinh viên thực hiện: Bùi Thị Kiều Oanh, Phạm Phương Thảo. Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2025

Ứng dụng mạng học sâu vào việc tự động nhận dạng hoạt động bất thường trong mạng máy tính: Đồ án tốt nghiệp ngành Hệ thống nhúng và IoT/ Võ Văn Khánh; Trương Ngọc Hà (Giảng viên hướng dẫn)--TP. Hồ Chí Minh: Trường đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh, 2024 Call no.: ESI-39 006.24 V872-K45

Ứng dụng mạng học sâu (Deep Learning) xác định lỗi mạch in (PCB) sau khi ăn mòn bằng hóa chất/ Đỗ Trường Sa Đông Nghi; Nguyễn Thị Lưỡng (Giảng viên hướng dẫn)--Tp. Hồ Chí Minh: Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh, 2023 Call no.: 8520203 621.3815 Đ631-N576

Ứng dụng mạng học sâu cho nhận biết bệnh cây bằng việc phân loại ảnh lá: Luận văn thạc sĩ ngành Kỹ thuật điện tử/ Nguyễn Minh Tuấn; Nguyễn Thanh Hải (Giảng viên hướng dẫn). -- Tp. Hồ Chí Minh: Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh, 2021 xix, 82tr.: minh họa; 30cm + 1 đĩa CDDewey Class no. : 006.3 -- dc 23Call no. : 8520203 006.3 N573-T883

Ứng dụng mạng học sâu cho nhận diện khuôn mặt: Luận văn thạc sĩ ngành Kỹ thuật điện tử/ Trần Giang Nam; Nguyễn Thanh Hải (Giảng viên hướng dẫn). -- Tp. Hồ Chí Minh: Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh, 2020 xxi,118 tr.: minh họa; 30cm + 1 đĩa CD Dewey Class no. : 006.42 -- dc 23Call no. : 8520203 006.42 T772-N174"

Tài liệu "Kiến thức cơ bản về trí tuệ nhân tạo dành cho học sinh phổ thông" giới thiệu lịch sử, khái niệm AI, máy học, ứng dụng (bảo mật, y tế, lái xe tự động), thuật toán phân loại.

Đề cương ôn tập Trí tuệ nhân tạo tổng hợp các nội dung cốt lõi như khái niệm và lịch sử phát triển trí tuệ nhân tạo, biểu diễn tri thức, tìm kiếm và suy luận, học máy, mạng nơ-ron nhân tạo và các ứng dụng thực tiễn. Tài liệu giúp người học hệ thống hóa kiến thức, củng cố lý thuyết và chuẩn bị hiệu quả cho kiểm tra, đánh giá môn học.

Bài giảng "Học sâu và ứng dụng: Bài 2 - Giới thiệu về mạng nơ-ron" gồm có các nội dung chính sau đây: Mạng nơ-ron và bộ não; một số hàm kích hoạt thường gặp; perceptron đơn giản hóa; mạng nơ-ron một lớp ẩn;... Mời các bạn cùng tham khảo!

Bài giảng "Học sâu và ứng dụng: Bài 3 - Giới thiệu về mạng tích chập Conv Neural Networks" nhằm giúp sinh viên làm quen với một trong những kiến trúc học sâu quan trọng nhất – mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) – được ứng dụng rộng rãi trong lĩnh vực xử lý ảnh và thị giác máy tính.

Bài giảng "Học sâu và ứng dụng: Bài 4 - Huấn luyện mạng nơ-ron" gồm có các nội dung chính sau đây: Hàm kích hoạt; tiền xử lý dữ liệu; khởi tạo trọng số; các kỹ thuật chuẩn hóa. Mời các bạn cùng tham khảo!

Bài giảng "Học sâu và ứng dụng: Bài 5 - Huấn luyện mạng nơ-ron" trình bày các nội dung chính sau đây: Các giải thuật tối ưu cho mạng nơ-ron; chiến lược thay đổi tốc độ học; một số kỹ thuật chống overfitting; làm giàu dữ liệu (data augmentation); lựa chọn siêu tham số;... Mời các bạn cùng tham khảo!

Bài giảng "Học sâu và ứng dụng: Bài 6 - Phần cứng và phần mềm cho học sâu" cung cấp cho sinh viên những kiến thức như: Phần cứng cho học sâu; các nền tảng lập trình cho học sâu; công cụ tăng tốc và nén mạng. Mời các bạn cùng tham khảo!

Bài giảng "Học sâu và ứng dụng: Bài 9 - Mạng hồi quy" cung cấp cho sinh viên những kiến thức như: Bài toán dự đoán chuỗi; mạng hồi quy thông thường; lan truyền ngược theo thời gian ; mạng LSTM và GRU; một số áp dụng. Mời các bạn cùng tham khảo!

Bài giảng "Học sâu và ứng dụng: Bài 12 - Mô hình sinh dữ liệu" nhằm giúp sinh viên tìm hiểu về các mô hình học sâu có khả năng tạo sinh dữ liệu mới một cách tự động, như hình ảnh, văn bản, âm thanh,... dựa trên phân phối của dữ liệu huấn luyện. Đây là một trong những hướng nghiên cứu hiện đại và ứng dụng mạnh mẽ của học sâu.

Khóa luận tốt nghiệp Mạng máy tính và truyền thông "Xây dựng ứng dụng phát hiện lửa dựa trên mô hình học sâu trên Jetson Nano" phân tích và đánh giá các mô hình nhận diện lửa đang phổ biến hiện nay. Từ đó, lựa chọn mô hình có hiệu suất cao và đáng tin cậy để tối ưu hóa và thực hiện trên thiết bị nhúng. Mời các bạn cùng tham khảo.