大規模言語モデル(LLM)の基礎原理理解

Giúp các lập trình viên junior có thể hiểu toàn bộ quy trình phát triển từ lập kế hoạch, viết code, triển khai đến kiểm thử bằng cách sử dụng trí tuệ nhân tạo như một công cụ phát triển, từ đó trang bị năng lực Full-Spectrum cần thiết để tồn tại và phát triển trong thời đại AI.

Giải thích lý do cần LLM, nền tảng kỹ thuật và khái niệm cơ bản.

Đây là một bài giảng được thiết kế để bạn có thể hiểu được Secure Coding (lập trình bảo mật), ngay cả khi bạn chưa biết gì về nó. Sau khi nắm vững các khái niệm cơ bản về lập trình bảo mật, bài giảng sẽ tập trung giải thích về bảo mật dịch vụ web. Đây là một bài giảng đã được thực hiện dưới dạng chuyên đề đặc biệt do Đại học OO tổ chức. Hơn 160 đoạn mã nguồn được trình bày kèm theo nhiều chú thích phong phú, giúp người học dễ dàng nhận biết các chủ đề và kỹ thuật cốt lõi có thể áp dụng ngay vào thực tế.

Khóa học này là một quá trình học tập có hệ thống về kỹ thuật prompt engineering - công nghệ cốt lõi để sử dụng hiệu quả các mô hình ngôn ngữ lớn (LLM) hoặc trí tuệ nhân tạo sinh tạo. Từ lý thuyết cơ bản đến kỹ thuật thực chiến, cùng với các ứng dụng mới nhất và các vấn đề về bảo mật·đạo đức được đề cập một cách toàn diện, khóa học mang lại sự hỗ trợ thực tế cho tất cả các nhà phát triển dịch vụ dựa trên LLM, nhà khoa học dữ liệu và người lập kế hoạch AI.

Nhanh chóng hiểu các khái niệm và cú pháp cơ bản của C.

Hiện đã là thời đại phát triển dựa trên AI. Do cần có cách tận dụng AI hiệu quả hơn để tạo ra mã và tài liệu chất lượng và chính xác hơn, chúng tôi đề xuất các phương pháp phù hợp.

👨‍🍳 Nấu mã như nấu ăn, sạch sẽ và ngon miệng! 『클린 코딩』 là lớp học nấu mã của lập trình viên giống đầu bếp, nơi học 클린 코딩 vui vẻ qua ví von ẩm thực. 🍽️

Khái niệm “Problematization” (문제화) còn được dịch là đặt vấn đề (문제 제기), xây dựng vấn đề (문제짜기). Nó cũng có thể được dịch là thiết lập vấn đề (문제 설정) hoặc định nghĩa vấn đề (문제 정의). Đây là một khái niệm bao gồm quá trình đặt câu hỏi từ một góc nhìn mới về các sự thật đã biết như yêu cầu hoặc kiến thức thông thường, xác định vấn đề và xây dựng cách giải quyết vấn đề đó. Problematization nên là điểm khởi đầu của mọi quá trình phát triển nhưng vẫn là một chủ đề chưa được thảo luận đầy đủ trong lĩnh vực phát triển. Việc thực hiện một dự án hay phát triển một chương trình thực chất cũng là việc lập kế hoạch để giải quyết vấn đề. Nghĩa là, nó có liên quan đến problematization. Để giải quyết vấn đề, trước tiên vấn đề phải được xác định rõ ràng. Tuy nhiên, hầu hết các vấn đề được đưa ra dưới dạng các yêu cầu mơ hồ. Do đó, cần có khả năng biến các yêu cầu mơ hồ thành vấn đề rõ ràng để giảm thiểu 'lãng phí phát triển' không cần thiết, giúp hợp tác trôi chảy hơn và nắm bắt đúng nhu cầu thực sự của người dùng. Khóa học này giúp rèn luyện 'tư duy cấu trúc vấn đề' thông qua các trường hợp thực tế và công cụ.

Khi xây dựng hệ thống RAG (Retrieval-Augmented Generation: Tạo sinh tăng cường truy xuất) dựa trên AI tạo sinh hoặc LLM mà không đạt được hiệu suất mong muốn và không có giải pháp thích hợp, thì phải làm sao? Khóa học này sẽ trình bày các phương pháp cải thiện hiệu suất RAG dựa trên lý thuyết Cognitive Load (Tải trọng nhận thức). Thông qua khóa học này, bạn có thể hiểu được giới hạn của cửa sổ ngữ cảnh LLM và cách quản lý Cognitive Load một cách hiệu quả trong hệ thống RAG. Đây là một khóa học lý thuyết cấp độ thực tiễn, bao gồm các chủ đề như kích thước và thiết kế cấu trúc Chunk, kỹ thuật tạo Chunk chất lượng cao, tối ưu hóa động, đánh giá hiệu suất và các kỹ thuật thực chiến.

Bạn có thể tìm hiểu các khái niệm và phương pháp 'thiết kế dịch vụ' cần thiết khi lập kế hoạch các ứng dụng hoặc dịch vụ web được xây dựng dựa trên LLM, một loại hình trí tuệ nhân tạo tạo sinh (Generative AI).

"Chỉ đổi một cái tên thôi, mã đã khác rồi." Đã tổng hợp từ nguyên lý đến ví dụ về 'đặt tên dễ hiểu' – cốt lõi của mã dễ đọc. Tên dễ đọc là khởi đầu của sự hợp tác.

Sẽ giải thích chi tiết các mô hình ngôn ngữ đa dạng đã được phát triển trong suốt quá trình từ khởi đầu công nghệ xử lý ngôn ngữ tự nhiên cho đến các mô hình LLM mới nhất.

Kết hợp CrewAI (giúp triển khai công nghệ đa tác nhân LLM), đồ thị tri thức và hệ thống suy luận để tạo thẩm phán AI.

Tìm hiểu cách thu thập và phân tích các yêu cầu của người dùng để thiết kế dịch vụ LLM.

Xem xét những hạn chế của LLM, cách khắc phục và các chủ đề nghiên cứu mới nhất.

Tìm hiểu về các ứng dụng hoặc dịch vụ web có thể được xây dựng bằng cách sử dụng LLM.

Giải thích lý do cần LLM, nền tảng kỹ thuật và khái niệm cơ bản.

"Khóa học thực hành nhập môn tạo LLM tùy chỉnh chuyên biệt theo lĩnh vực với fine-tuning nhẹ dựa trên LoRA!" LLM tùy chỉnh, giờ đây bạn có thể tự tạo ra được. Khóa học này được thiết kế để bạn có thể học cách tạo LLM chuyên biệt theo lĩnh vực một cách dễ dàng thông qua thực hành fine-tuning nhẹ dựa trên LoRA, không cần lý thuyết phức tạp. Để ngay cả những người mới bắt đầu làm việc với LLM cũng có thể theo kịp, chúng tôi sẽ hướng dẫn từng bước toàn bộ quy trình từ tải mô hình → đưa dữ liệu vào → huấn luyện → so sánh kết quả. Hãy thực hành và làm quen với kỹ thuật mới nhất để tạo ra LLM chuyên biệt cho lĩnh vực cụ thể ngay cả với tài nguyên ít!

Chinh phục tất cả về AI thay đổi thế giới chỉ trong 4 bài giảng! Bài 1. Bản chất thật sự của Trí tuệ nhân tạo AI không phải là phép thuật. Đó là bộ não kỹ thuật số được tạo ra bằng cách phân tích 'trí tuệ' của con người như một công thức! Chúng ta sẽ khám phá từng ngóc ngách của cấu trúc cốt lõi của AI tưởng chừng thông minh này. Bài 2. Thuật toán, phương pháp tư duy sáng tạo (?) của AI AI suy nghĩ sẽ tìm ra giải pháp như thế nào? Hãy trực tiếp tìm hiểu chiến lược của AI khi chơi cờ vây, tìm đường và dự đoán kết quả tìm kiếm của bạn. Bài 3. Phần cứng AI, động cơ biến trí tưởng tượng thành hiện thực! Con chip trong điện thoại thông minh của bạn chính là trái tim của AI. Chúng ta sẽ mổ xẻ tất cả, từ CPU, GPU, TPU cho đến những cái tên không thể biết được khác. Bài 4. Cuộc đối đầu lớn giữa Machine Learning và Deep Learning! Việc AI 'học' rốt cuộc có nghĩa là gì? Từ AI dựa trên quy tắc cổ điển, cho đến ChatGPT đang "hot" gần đây! Chúng ta sẽ theo dõi sự tiến hóa của việc học.

Khóa học này được thiết kế để người học có thể đồng thời phát triển lý thuyết cơ bản và khả năng ứng dụng thực tế nhằm thực hiện thành thạo các dự án mô hình hóa AI trong công việc. Người học sẽ hiểu được luồng tổng thể của dự án AI và trải nghiệm từng bước quy trình từ định nghĩa vấn đề → thiết kế mô hình → thu thập và tiền xử lý dữ liệu → trích xuất đặc trưng → huấn luyện và xác thực mô hình cùng với các bài thực hành. Ngoài ra, thông qua việc học cách lựa chọn và quản lý mô hình AI tối ưu trong các tình huống khác nhau, người học có thể xây dựng năng lực thực tế về AI có thể áp dụng vào môi trường kinh doanh thực tế. Thông qua khóa học này, người học có thể hiểu một cách có hệ thống toàn bộ quy trình dự án mô hình hóa AI và dựa trên đó tăng cường khả năng giải quyết vấn đề dựa trên dữ liệu.

Bước đầu học AI: Đã tạo ra giáo trình tối ưu dành cho người mới bắt đầu Trí tuệ nhân tạo! Để dễ dàng và nhanh chóng chinh phục Deep Learning, đây là giai đoạn kết nối Machine Learning và Deep Learning trong thời gian ngắn với nội dung chuyên sâu!

**"Triết lý AI - Đạo đức và thách thức trong kỷ nguyên trí tuệ nhân tạo"** là chủ đề thảo luận về sự phát triển của trí tuệ nhân tạo (AI) và những ảnh hưởng đạo đức, triết học của nó đối với xã hội và văn hóa con người. Chủ đề này không chỉ đơn thuần là sự phát triển về mặt công nghệ mà còn thảo luận sâu sắc về cách AI ảnh hưởng đến cuộc sống con người và chúng ta phải đưa ra những quyết định đạo đức như thế nào.

Mấy lời giới thiệu này có quan trọng không? Dùng ngay mô hình deepseek R1 đi.

Phần Project '파이토치 - Dễ hiểu bằng code': triển khai dự án học sâu thực tiễn dùng ảnh, video, ngôn ngữ tự nhiên, giúp hiểu cấu trúc, luồng mô hình qua học tập chú trọng code hơn lý thuyết.

Đây là khóa học giúp bạn làm chủ lý thuyết cơ bản về LLM và các kỹ thuật cốt lõi của LangChain và RAG. Bạn có thể dễ dàng học hỏi từ những kiến thức cơ bản về LLM đến các công nghệ AI mới nhất được sử dụng trong thực tế!

Thông qua bài giảng này, bạn có thể tìm hiểu toàn bộ quy trình và phương pháp chuẩn bị cho kỳ thi tuyển sinh vào trường sau đại học ngành trí tuệ nhân tạo từ đầu đến cuối! Tôi cũng sẽ chia sẻ những nội dung hay giúp tăng khả năng đậu!

Bài giảng nhập môn AI phù hợp với người mới bắt đầu! Các khái niệm cốt lõi từ dữ liệu đến AI tạo sinh được tổng hợp dễ hiểu. Mục tiêu là hiểu biết thực tiễn ở mức có thể đặt câu hỏi và giải thích, không phải tạo AI.

RAG(Retrieval-Augmented Generation) từ lý thuyết đến RAG đa phương thức và dựa trên agent mới nhất! Đây là khóa học thực hành được thiết kế để cả những người không chuyên cũng có thể hiểu được. Từ review paper đến triển khai code thực tế, được thiết kế để những người mới tiếp cúc với RAG cũng có thể dễ dàng theo kịp.

Hãy tạo ra video AI chất lượng cao bằng Midjourney & Runway. Đạo diễn 김동아, người đã hợp tác với Samsung, sẽ trực tiếp hướng dẫn bạn từng bước quy trình sản xuất video AI dựa trên một thương hiệu ảo.

Thời gian trôi liên tục và dữ liệu tiếp tục tích lũy. Trong thế giới năng động này, dữ liệu chuỗi thời gian đóng vai trò quan trọng trong mọi khía cạnh của cuộc sống chúng ta. Từ sự biến động trên thị trường tài chính đến những dấu hiệu khó nhận thấy của biến đổi khí hậu, dữ liệu chuỗi thời gian đều có tất cả. Bây giờ hãy tìm hiểu cách diễn giải và sử dụng dữ liệu mạnh mẽ này bằng sức mạnh của Python và học sâu!

Sử dụng lập trình khối Entry để phát triển tư duy tính toán và khả năng giải quyết vấn đề, đồng thời thông qua công cụ Entry AI để nắm vững các khái niệm về trí tuệ nhân tạo và thực hành học máy đơn giản.

Hiểu về hiện tại và tương lai của công nghệ AI, trải nghiệm quy trình kiểm thử các mô hình AI như machine learning, và học vai trò của người kiểm thử. Học một cách sâu rộng từ việc xây dựng chiến lược kiểm thử hệ thống dựa trên AI, thiết kế và thực hiện các trường hợp kiểm thử, cho đến cách ứng dụng AI để hỗ trợ kiểm thử. Khóa học này được tiến hành dựa trên giáo trình AI Testing của ISTQB, cung cấp cơ hội để chuẩn bị hoàn hảo cho kỳ thi chứng chỉ ISTQB AI Testing.

Từ lý thuyết cốt lõi về Deep Learning và CNN đến các phương pháp triển khai mô hình CNN đa dạng, bí quyết phát triển Deep Learning thực tế thông qua các bài toán thực tế, Nếu bạn muốn trở thành chuyên gia về công nghệ CNN Deep Learning dựa trên Pytorch, hãy tham gia khóa học này :)

Giờ đây thực sự là thời đại mà bất kỳ ai cũng có thể tạo ra dịch vụ của riêng mình chỉ trong một ngày. Nếu như workshop Vibe Coding trước đây có mục tiêu giúp mọi người trực tiếp trải nghiệm Vibe Coding là gì, hoàn thành và triển khai frontend (trang hiển thị) của dịch vụ mà mình muốn tạo ra Thì workshop lần này không chỉ dừng lại ở việc tạo ra dịch vụ có thể nhìn thấy, mà còn tập trung vào phương pháp phát triển quan trọng là tưởng tượng cụ thể người dùng thực tế và tập trung vào 'ai sẽ sử dụng dịch vụ này, tại sao'. Thông qua workshop, các thành viên sẽ tạo ra dịch vụ của riêng mình và tự nhiên học cách xác định rõ ràng người dùng mục tiêu và vấn đề cần giải quyết. Người mới biết đến Vibe Coding cũng không sao! Không biết coding, không biết phát triển cũng đủ rồi! Hãy đến trải nghiệm tại workshop lần này việc tạo ra dịch vụ thực sự có thể sử dụng được, không chỉ đơn thuần là làm theo!

Tìm hiểu về các ứng dụng hoặc dịch vụ web có thể được xây dựng bằng cách sử dụng LLM.