Tôi theo học chuyên ngành kỹ thuật cơ khí, nhưng sau khi tốt nghiệp, tôi luôn làm công việc đọc và viết mã. Tôi là Google AI/Cloud GDE. Tôi điều hành blog TensorFlow (tensorflow.blog), đồng thời viết và dịch sách về machine learning và deep learning, khám phá một cách thú vị ranh giới giữa phần mềm và khoa học.
Đã viết 『Deep learning học bằng cách tự mình xây dựng』(Hanbit Media, 2025), 『Machine learning + deep learning tự học (bản sửa đổi)』(Hanbit Media, 2025), 『Phân tích dữ liệu tự học với Python』(Hanbit Media, 2023), 『Kỹ thuật trò chuyện bằng ChatGPT』(Hanbit Media, 2023), 『Do it! Nhập môn deep learning』(Easyspublishing, 2019).
『Machine Learning thực hành với scikit-learn và PyTorch』(Hanbit Media, 2026), 『Học deep learning từ người sáng lập Keras (lần 3)』(Gilbut, 2026),『Fine-tuning LLM, nhanh chóng nắm vững những điều cốt lõi!』(Insight, 2026), 『Học LLM & AI với PyTorch』(Hanbit Media, 2026), 『Mô hình ngôn ngữ lớn, nhanh chóng nắm vững những điều cốt lõi!』(Insight, 2025), 『Machine Learning, nhanh chóng nắm vững những điều cốt lõi!』(Insight, 2025), 『Học LLM bằng cách tự xây dựng từ đầu』(Gilbut, 2025), 『Machine Learning thực hành』(Hanbit Media, 2025), 『Machine Learning Q & AI』(Gilbut, 2025), 『Toán học cho nhà phát triển』(Hanbit Media, 2024), 『Giải quyết các vấn đề ML trong thực tế với Python』(Hanbit Media, 2024), 『Giáo trình Machine Learning: phiên bản PyTorch』(Gilbut, 2023), 『Bài giảng ChatGPT của Stephen Wolfram』(Hanbit Media, 2023), 『Machine Learning thực hành lần 3』(Hanbit Media, 2023), 『Học deep learning tạo sinh qua thực hành lần 2』(Hanbit Media, 2023), 『Python đánh thức bộ não lập trình』(Hanbit Media, 2023), 『Xử lý ngôn ngữ tự nhiên bằng Transformer』(Hanbit Media, 2022), 『Học deep learning từ người sáng lập Keras lần 2』(Gilbut, 2022), 『Machine Learning&Deep Learning dành cho nhà phát triển』(Hanbit Media, 2022), 『Gradient Boosting với XGBoost và scikit-learn』(Hanbit Media, 2022), 『Học deep learning với đội ngũ Google Brain bằng TensorFlow.js』(Gilbut, 2022), 『Machine Learning sử dụng các thư viện Python (bản sửa đổi lần 2)』(Hanbit Media, 2022), cùng hàng chục cuốn sách khác, đã được dịch sang tiếng Hàn.
Thêm
Thời gian thử thách
Thời gian tuyển sinh: 8/10 (Thứ Năm) ~ 1/11 (Chủ Nhật)
Lượng đọc mỗi tuần: Mỗi tuần hoàn thành 1 chương, đọc hết từ chương 1 đến chương 19
Nếu đạt 100% nhiệm vụ và tỷ lệ tham gia khóa học trong thời gian thử thách, bạn sẽ được cấp chứng nhận hoàn thành. Nếu không hoàn thành nhiệm vụ, chúng tôi không thể cấp chứng nhận hoàn thành.
Trong nhiệm vụ của thử thách có bao gồm xác nhận mua sách. Bạn có thể xác nhận cả sách giấy và sách điện tử!
Khi đăng ký thử thách, vui lòng 반드시 nhập họ tên, số điện thoại và email vào khảo sát. Thông tin này sẽ cần thiết khi cung cấp điểm thưởng Hanbit+ (https://www.hanbit.co.kr/) sau này.
Quyền lợi thử thách
Quyền lợi khi tham gia thử thách (phát hành ngày 2/11)
Bạn có thể học khóa học trực tuyến <핸즈온 머신러닝 with 사이킷런, 파이토치> (dự kiến sản xuất) theo tiến độ.
Cung cấp phiếu giảm giá miễn phí cho khóa học trả phí trên Inflearn <Giải thích mã Hands-On Machine Learning with Scikit-Learn, PyTorch> (đang được xây dựng) (trị giá 150,000 won)
<Học LLM bằng cách xây dựng từ con số 0> khóa học trả phí trên Inflearn (https://inf.run/yaC3L) cung cấp phiếu giảm giá 50% (trị giá 45.000 won)
<Học máy, nắm nhanh những cốt lõi!> Khóa học trả phí của Inflearn (https://inf.run/1cv1q) cung cấp phiếu giảm giá 50% (trị giá 20.000 won)
<Mô hình ngôn ngữ lớn, nắm nhanh những điểm cốt lõi!> Khóa học trả phí trên Inflearn (https://inf.run/njgW2) cung cấp phiếu giảm giá 50% (trị giá 20,000 won)
Quyền lợi bổ sung khi hoàn thành thử thách
Khi hoàn thành tuần 10 của thử thách: https://www.hanbit.co.kr/)nhận 10.000 điểm mileage có thể sử dụng như tiền mặt trên trang web Hanbit+ (được cấp sau khi kết thúc tuần 10)
Khi hoàn thành toàn bộ challenge: tại trang chủ Hanbit+ (https://www.hanbit.co.kr/), sẽ được cộng thêm mileage có thể sử dụng như tiền mặt, 10,000 điểm (trao sau khi kết thúc tuần 19)
Trong số những người đăng ký trong thời gian ưu đãi Early Bird (8/10~21/10), sẽ bốc thăm để tặng 10 ngườiphiếu cà phê (trị giá 5.000 won)
Sự kiện này sẽ chuyển thông tin của những người hoàn thành đến Hanbit Media, và Hanbit Media sẽ hướng dẫn về việc trao điểm.
Quyền lợi khi đăng ký thử thách sẽ được cung cấp dưới dạng phiếu giảm giá của Inflearn. Vui lòng đọc kỹ các lưu ý dưới đây.
<Lưu ý> Bắt buộc phải đọc!!!
Người đăng ký thử thách ngày 2 tháng 11 sẽ nhận được qua email đã đăng ký trên Inflearn liên kết nhận coupon miễn phí cho khóa học <Học máy thực hành với Scikit-learn, giải thích mã PyTorch> và liên kết nhận coupon giảm giá 50% cho các khóa học <Học LLM bằng cách tự xây dựng từ đầu>, <Machine Learning, nhanh chóng nắm bắt những điều cốt lõi!>, <Mô hình ngôn ngữ lớn, nhanh chóng nắm bắt những điều cốt lõi!>.
Vui lòng kiểm tra trước xem bạn có thể nhận email từ Inflearn hay không. Nếu email bị xử lý như thư rác, chúng tôi sẽ không thể cấp lại sau đó. Nếu gặp vấn đề khi nhận email từ Inflearn, vui lòng liên hệ bộ phận hỗ trợ của Inflearn.
Liên kết này có hiệu lực trong 3 ngày. Bạn phải sử dụng liên kết để nhận phiếu miễn phí và phiếu giảm giá trong vòng 3 ngày. Sau 3 ngày, liên kết sẽ mất hiệu lực và bạn sẽ không thể nhận phiếu!
Bạn phải sử dụng phiếu giảm giá đã nhận trong vòng 1 ngày!
Giới thiệu sách
Đừng chỉ dừng lại ở việc sử dụng AI, hãy hiểu AI được tạo ra như thế nào
Trong thời đại AI tạo sinh và LLM đã trở thành một phần của cuộc sống hằng ngày, chỉ làm quen với những công cụ mới thôi vẫn chưa đủ để thực sự hiểu về AI. Bên dưới đó vẫn là những nguyên lý nền tảng vững chắc của machine learning: chuẩn bị dữ liệu, lựa chọn mô hình, huấn luyện và đánh giá. Cùng với cuốn sách này, hãy học các khái niệm cơ bản về machine learning và các dự án end-to-end với scikit-learn, trực tiếp triển khai mạng nơ-ron bằng PyTorch, rồi từng bước mở rộng hiểu biết về các nguyên lý của deep learning. Nếu đã đọc 『Hands-On Machine Learning (ấn bản 3)』, bạn sẽ thấy những kiến thức nền tảng quen thuộc vẫn được giữ nguyên, nhưng nội dung sau deep learning đã thay đổi đáng kể. Bạn sẽ học lại mạng nơ-ron với PyTorch làm trọng tâm, đồng thời mở rộng phạm vi học tập từ transformer dành cho xử lý ngôn ngữ tự nhiên và chatbot đến thị giác máy tính, đa phương thức và tăng tốc mô hình. Bạn sẽ trực tiếp sử dụng và tinh chỉnh các mô hình được huấn luyện trước cùng LLM của Hugging Face, đồng thời tiếp cận autoencoder, GAN, mô hình khuếch tán và cả học tăng cường thông qua mã nguồn và ví dụ thực tế. Trên thực tế, trong lần xuất bản này, toàn bộ Phần 2 đã được biên soạn mới xoay quanh PyTorch và ba chương về transformer cũng được bổ sung. Nếu bạn muốn xuất phát từ những kiến thức nền tảng của machine learning để hiểu công nghệ AI hiện nay đã phát triển từ đâu, thay vì chạy theo từng công nghệ mới rời rạc, cuốn sách này sẽ là một người dẫn đường vững chắc. Với độc giả mới bắt đầu, đây là điểm khởi đầu nền tảng; còn với những ai đã đọc ấn bản 3, đây là cuốn sách giúp bạn tự nhiên tiến lên bước tiếp theo với PyTorch và các công nghệ AI mới nhất, dựa trên những kiến thức cơ bản đã nắm vững.
Nhận xét đề xuất
Các chuyên gia đã đọc trước khuyên bạn nên đọc cuốn sách này
"Cuốn sách này là tấm bản đồ tối thượng để khám phá thế giới máy học chưa được biết đến. Hãy luôn đặt nó ở nơi bạn có thể với tới."
— Park Hae-sun, Google AI/Cloud GDE
"Đây là cuốn sách đã đào tạo nên cả một thế hệ kỹ sư máy học. Lần này, sách tập trung vào PyTorch và một lần nữa sẽ trở thành cẩm nang thực hành tốt nhất."
— Tarun Narayanan, kỹ sư machine learning AGI tại Amazon
"Đây là một cuốn sách nhập môn tuyệt vời dành cho những ai cảm thấy mơ hồ về cách AI được tạo ra và đến tay chúng ta. Đây sẽ là một kim chỉ nam hữu ích, từng bước xây dựng kiến thức từ nền tảng đến những nội dung chuyên sâu."
— Shin Jeong-gyu, Giám đốc điều hành Lablup · Chuyên gia phát triển Google (AI·Cloud)
"Hướng dẫn từng bước từ các khái niệm cơ bản đến những kỹ thuật mới nhất thông qua mã nguồn được tổ chức tốt và các ví dụ thực tiễn. Bạn có thể vừa tự mình triển khai vừa học hỏi với scikit-learn và PyTorch."
— Louis-François Bouchard, đồng sáng lập kiêm CTO của Towards AI