Dành cho lớp học TF
1/ Hệ thống chấm bài:
Mỗi đầu bài đều có ghi rõ input shape của grading system, để khớp với data/model
Nếu submit sai dimension, hệ thống sẽ báo là sai Dimension (vd: inputEmbedding shape is 120, but expecting 100)
Không được dùng lambda layer.
2/ Các đường dẫn quan trọng
- Hướng dẫn thi: Hướng dẫn thi
- Đăng ký thi tại: Đăng ký thi
3/ Dàn bài thi
Bài 1. Linear Regression
- Đề mẫu: Đề mẫu
- Lời giải mẫu: Chú ý: Không có tập validation nên train tầm 500 - 1000 epochs để đảm bảo đạt acc
Bài 2. Phân loại: MNIST, Fashion MNIST, IRIS
- Đề mẫu: Đề mẫu
- Lời giải mẫu: Hướng dẫn xây mô hình trên bộ MNIST: Video
- Chú ý:
- Bài này chỉ cần sử dụng mạng Neural Network với vài lớp Dense, không dùng CNN (nếu dùng sẽ báo lỗi)
- Đề có thể cho tf.dataset, nhớ chia ảnh đầu vào cho 255
Bài 3. Phân loại ảnh thực tế:
- Dataset: Chó - mèo, Ngựa - người, Dao - Búa - Kéo
- Đề mẫu: Đề mẫu
- Lời giải mẫu:
- Chú ý:
- Ưu tiên không sử dụng Transfer Learning sớm, sử dụng một mô hình CNN thông thường.
- Nếu cần sử dụng Transfer Learning - ưu tiên MobileNet
Bài 4. Phân loại mỉa mai - Detecting sarcasm (chưa đổi đề)
- RNN, sentiment classification, chú ý sử dụng tokenizer + padding
- Độ chính xác khoảng 84-87%
- Tokenizer mỉa mai
- Xây dựng mô hình RNN
Bài 5. Một bài Time-series: Sunspot trên coursera (chưa đổi đề)
- MAE < 0.12
- Min Max Scale
- Chiều của LSTM hoặc chiều của h phù hợp với chiều thứ 3
Tài liệu chuẩn bị: