Sách và khóa học Computer Vision, Deep Learning miễn phí, hợp pháp

Bạn không cần tốn tiền để học Computer Vision và Deep Learning ở trình độ đại học. Nhiều tác giả và trường đại học hàng đầu đã công bố sách, bài giảng miễn phí, hợp pháp trên trang chính thức. Dưới đây là danh sách chọn lọc, sắp xếp theo thứ tự nên học.

Sách

1. Dive into Deep Learning (d2l.ai)

Sách tương tác: mỗi khái niệm đi kèm code chạy được (có phiên bản PyTorch). Rất hợp với người học qua thực hành. Đọc miễn phí tại d2l.ai.

2. Understanding Deep Learning (Simon J. D. Prince)

Giải thích trực quan, nhiều hình minh họa, toán vừa đủ; có kèm notebook Jupyter để thực hành. Bản PDF được tác giả cung cấp miễn phí tại udlbook.github.io.

3. Deep Learning (Goodfellow, Bengio, Courville)

Cuốn sách kinh điển về nền tảng lý thuyết Deep Learning, hợp với người muốn hiểu sâu phần toán. Đọc bản HTML miễn phí tại deeplearningbook.org.

4. Computer Vision: Algorithms and Applications (Richard Szeliski)

"Bách khoa toàn thư" của Computer Vision cổ điển và hiện đại: hình học camera, hiệu chuẩn, đặc trưng, 3D, nhận dạng. Tác giả cung cấp bản PDF dùng cho mục đích cá nhân trên trang szeliski.org/Book. Đây là sách tra cứu, không cần đọc tuần tự.

Khóa học và bài giảng

• Stanford CS231n (Deep Learning for Computer Vision): ghi chú bài giảng rất chất lượng tại cs231n.github.io, đặc biệt phần CNN.
• OpenCV Tutorials: hướng dẫn chính thức theo từng chủ đề, có code Python và C++, tại docs.opencv.org.
• PyTorch Tutorials: từ tensor cơ bản đến huấn luyện mô hình phân loại ảnh, tại pytorch.org/tutorials.
• fast.ai (Practical Deep Learning for Coders): học từ trên xuống, làm ra kết quả trước rồi mới đi vào lý thuyết, tại course.fast.ai.

Thứ tự học gợi ý

1. Python + NumPy cơ bản (xem NumPy cho xử lý ảnh).
2. OpenCV Tutorials: đọc ảnh, lọc, phân ngưỡng, contour.
3. PyTorch Tutorials + Dive into Deep Learning: mạng nơ-ron, CNN.
4. CS231n: hiểu sâu CNN và các kiến trúc cho thị giác máy.
5. Understanding Deep Learning: củng cố lý thuyết, mô hình hiện đại.
6. Szeliski: tra cứu khi làm dự án về hiệu chuẩn, hình học, 3D.

Cách đọc sách kỹ thuật không bỏ cuộc

• Đọc có mục tiêu: chọn chương phục vụ dự án đang làm thay vì đọc từ trang 1.
• Gõ lại code, đừng chỉ đọc; sửa tham số và quan sát kết quả thay đổi.
• Tóm tắt mỗi chương trong 5 dòng bằng lời của bạn.
• Học nhóm hoặc viết blog chia sẻ: giải thích cho người khác là cách hiểu sâu nhất.

Lưu ý: tránh các trang "tải PDF miễn phí" không chính thức, thường vi phạm bản quyền và có thể chứa mã độc. Danh sách trên chỉ gồm các nguồn do tác giả hoặc đơn vị đào tạo công bố.