Đây là thử thách trực tiếp mà cả khách hàng cá nhân thông thường và khách hàng đào tạo dành cho chủ doanh nghiệp
đều có thể tham gia.
Khách hàng cá nhân không thuộc đối tượng được hoàn tiền. Khách hàng đào tạo dành cho doanh nghiệp vui lòng xem phương thức đăng ký và hoàn tiền bên dưới.
- Bắt buộc tham gia cả 2 buổi
- Bắt buộc nộp 2 trong số 4 nhiệm vụ
- Khi hoàn thành cả mục 1 và mục 2đều được đáp ứng, sẽ hoàn thành khóa học
- 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 hoặc 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
- Khi chụp ảnh màn hình, bắt buộc phải bật camera (để lộ 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
trăn trở về những điều này không?
cho nó..
thực thi hành động
Sau 6 giờ, bạn sẽ có một Agent hoàn thành công việc thay bạn
.
100% phát 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.
Sát sao quản lý 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
2 buổi, mỗi buổi 3 giờ. Hoàn thành tất cả trong một khóa học, từ nền tảng Agent đến Agent tự động hóa công việc.
Xây dựng hệ thống RAG
Dự án thực tế
Mỗi buổi học
đều có Agent phục vụ công việc thực tế..
Workflow
hoàn thành công việc đến cùng
Thiết kế luồng Agent hoàn thành công việc chỉ với một chỉ thị, từ việc gọi LLM đến phán đoán, phân nhánh và hoàn tất.
RAG, khi nên dùng và khi
không nên dùng
Thiết lập 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.
Tool trở thành
hành động của Agent
Hoàn thiện Agent có thể sử dụng ngay trong thực tiễn với cấu trúc ReAct, giúp diễn giải kết quả và quyết định hành động tiếp theo
Giới thiệu người chia sẻ kiến thức
Giám đốc Công ty giáo dục AI & dữ liệu Dapada Co., Ltd.
Cựu giáo sư thỉnh giảng Khoa Phần mềm Máy tính, Trường 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』
Sách 『Deep Learning TensorFlow với Python』
Sách 『Nhập môn Deep Learning và Machine Learning với Python』
Gồm tổng cộng 4 mô-đun
Hãy áp dụng vào công việc thực tế của bạn
Mỗi mô-đun được tiến hành theo cấu trúc: lý thuyết → thực hành → nhiệm vụ.
- Khái niệm và nguyên lý của AI Agent dựa trên LLM
- Kiến thức cơ bản về LangChain
- Các kỹ thuật cốt lõi trong Prompt Engineering
- Tạo chatbot chuyên gia của riêng tôi
- Hiểu về 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 xây dựng bằng LangGraph
- Chiến lược Quản lý Trạng thái · Bộ nhớ
- Tạo Agent tự động hóa công việc
Khóa học trực tiếp được rất nhiều người theo học
do Inflearn xây dựng
và vận hành
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 được chính phủ hỗ trợ
đảm bảo tối thiểu cho doanh nghiệp dưới 500 nhân viên
và quyết toán sẽ do Inflearn thực hiện thay.
Việc đăng ký do người phụ trách nhân sự・đào tạo thực hiện dưới danh nghĩa doanh nghiệp. Áp dụng cho các doanh nghiệp thuộc đối tượng được ưu tiên hỗ trợ (người 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.
Bây giờ hãy giao việc cho Agent
Hãy tự mình xây dựng cấu trúc Agent có thể tự phán đoán và thực thi.
Ngay khi gặp vướng mắc, hãy đặt câu hỏi và giải quyết ngay.