Đây là thử thách trực tiếp mà cả khách hàng cá nhân thông thường và khách hàng tham gia đào tạo theo doanh nghiệp
đều có thể tham gia.
Khách hàng cá nhân không thuộc đối tượng được hoàn phí. Khách hàng đào tạo dành cho doanh nghiệp, vui lòng xem phương thức đăng ký và hoàn phí bên dưới.
- Tham gia 1 ngày trong 2 ngày
- Bắt buộc nộp 2 nhiệm vụ trong 4 nhiệm vụ
- Được hoàn thành khi đáp ứng cả điều kiện 1 và 2
- Nếu không đạt, nộp 3 trong số 4 nhiệm vụ
- Tiến hành khi đạt tối thiểu 3 người
- Nếu chưa đủ 3 người, sẽ trao đổi với quản lý để xử lý chuyển sang kỳ sau và hoàn tiền
- Chụp màn hình tổng cộng 2 lần (liên quan trực tiếp đến tiêu chí hoàn thành)
- Lần 1 · Trong vòng 30 phút sau khi bắt đầu
- 2 lần · Khoảng 30 phút trước khi kết thúc
- Bắt buộc BẬT camera khi chụp ảnh màn hình (ở trạng thái nhìn thấy khuôn mặt)
- Không thể hoàn thành khóa học nếu không nhìn thấy khuôn mặt
gov.partnership@inflab.com
Tự mình phán đoán và thực thi
Thiết kế AI Agent
Không dừng lại ở việc gọi LLM.
Tự tay xây dựng Agent kết hợp RAG và Tool để hoàn thành công việc.
Xây dựng AI Agent,
bạn có đang
băn khoăn như thế này không?
thực thi
Sau 6 giờ, bạn sẽ có một
Agent hoàn thành công việc của mình.for you.
100% trực tiếp theo thời gian thực
Cùng xây dựng trực tiếp với người chia sẻ kiến thức qua Live. Hãy đặt câu hỏi ngay khi gặp vướng mắc và giải quyết ngay tại chỗ.
Theo dõi sát sao nhiệm vụ
Mỗi buổi đều có một nhiệm vụ. Bạn sẽ hoàn thành với sự quản lý sát sao của quản lý vận hành và phản hồi từ người chia sẻ kiến thức.
Tổng cộng 6 giờ, hoàn thành trong 2 buổi
Mỗi buổi 3 giờ, gồm 2 buổi. Hoàn thành trọn vẹn trong một khóa học, từ kiến thức cơ bản về Agent đến Agent tự động hóa công việc.
Xây dựng hệ thống RAG
Dự án thực tế
Mỗi buổi học
đều tạo ra một Agent hoạt động được
Workflow thực hiện công việc đến cùng
Vượt qua việc gọi LLM, bạn sẽ thiết kế luồng Agent có thể đưa ra phán đoán, phân nhánh và hoàn tất công việc chỉ với một chỉ thị duy nhất.
RAG, khi sử dụng và
khi không sử dụng
Nắm vững tiêu chí thiết kế để phân biệt tình huống cần tìm kiếm và tình huống chỉ cần suy luận, từ đó đảm bảo cả độ chính xác lẫn tốc độ.
Công cụ trở thành
hành động của Agent
Với cấu trúc ReAct giúp diễn giải kết quả và quyết định hành động tiếp theo, bạn sẽ hoàn thiện Agent có thể sử dụng ngay trong thực tế.
Giới thiệu người chia sẻ kiến thức
Giám đốc Công ty đào tạo AI·dữ liệu Dapada Co., Ltd.
Giảng viên thỉnh giảng Khoa Phần mềm Máy tính, Đại học Induk
Đã thực hiện nhiều buổi diễn thuyết và đào tạo về LLM/Agent dành cho các tập đoàn lớn, tổ chức tài chính và cơ quan công quyền.
Vận hành các khóa học về LLM trên Inflearn
Sách 『Nhập môn LangChain: Từ chatbot RAG đến tác nhân AI』
Sách 『Deep Learning TensorFlow bằng Python』
Sách 『Nhập môn Deep Learning và Machine Learning với Python』
Gồm tổng cộng 4 mô-đun
Hãy thử áp dụng vào công việc thực tế của bạn
Mỗi mô-đun được triển khai theo cấu trúc lý thuyết → thực hành → nhiệm vụ.
- Khái niệm và nguyên lý của AI Agent dựa trên LLM
- Cơ bản về LangChain
- Kỹ thuật cốt lõi của Prompt Engineering
- Tạo chatbot chuyên gia của riêng tôi
- Hiểu kiến trúc RAG
- Tiền xử lý tài liệu · Xây dựng Vector Database
- Phát triển Q&A Agent dựa trên RAG
- Xây dựng hệ thống tìm kiếm tài liệu công ty
- Khái niệm và triển khai Tool/Function Calling
- Thực hành triển khai nhiều Tool khác nhau
- Thiết kế Agent ReAct
- Tạo Agent trợ lý thông minh
- Agent nâng cao được tạo bằng LangGraph
- Chiến lược Quản lý trạng thái · Bộ nhớ
- Tạo Agent tự động hóa công việc
Khóa học trực tiếp do
Inflearn xây dựng và
vận hành, được đông đảo mọi người theo học
Hoàn lại 90% chi phí đào tạo
Nếu là doanh nghiệp vừa và nhỏ, bạn có thể tham gia khóa học này với sự hỗ trợ của chính phủ.
phần còn lại do chính phủ hỗ trợ
Đảm bảo mức tối thiểu cho doanh nghiệp dưới 500 nhân viên
và quyết toán sẽ do Inflearn thay mặt thực hiện.
Việc đăng ký do người phụ trách nhân sự·đào tạo thực hiện dưới danh nghĩa doanh nghiệp. Đối tượng áp dụng là các doanh nghiệp thuộc diện được ưu tiên hỗ trợ (người lao động đang làm việc có tham gia bảo hiểm việc làm), và chương trình có thể kết thúc sớm khi ngân sách được sử dụng hết.
Giờ đây hãy giao việc cho Agent
Hãy tự mình xây dựng cấu trúc Agent có khả năng tự phán đoán và thực thi.
Ngay khi gặp vướng mắc, hãy đặt câu hỏi và giải quyết ngay.