Từ Giới thiệu về Học tăng cường đến Q-learning/Dải chính sách sâu

Bạn có muốn thực hiện bước đầu tiên vào thế giới dữ liệu không? Học máy học và học sâu, các công nghệ AI cốt lõi, với Python. Bài giảng này hướng dẫn bạn từng bước, từ những điều cơ bản về học máy và học sâu đến các ứng dụng thực tế. Học máy truyền thống và học sâu đều dựa trên nhiều nguyên tắc và hệ thống kỹ thuật giống nhau. Do đó, trong bài giảng này, thay vì tách cả hai thành các chủ đề riêng biệt, chúng tôi đã tổ chức chúng thành một khóa học được kết nối để những người mới bắt đầu có thể nâng cao hiểu biết về học máy nói chung.

Chúng ta sẽ học cách tự xây dựng các mô hình deep learning thông qua Pytorch trực quan và mang phong cách Python. Phiên bản Pytorch mới nhất đã được cập nhật.

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!

Khóa học này là quá trình học từng bước về nguyên lý nhận diện hình ảnh và đối tượng sử dụng deep learning từ cơ bản đến các mô hình mới nhất. - Xây dựng nền tảng: Hiểu về tensor và cấu trúc cơ bản của mạng neural với Pytorch - Hiểu về hình ảnh: Học khái niệm computer vision, cấu trúc dữ liệu hình ảnh, kỹ thuật tăng cường dữ liệu (Augmentation) - Học mô hình CNN: Thực hành phân loại hình ảnh với mạng neural tích chập (CNN) (CIFAR-10, v.v.) - Transfer Learning: Sử dụng các mô hình đã được huấn luyện sẵn để học nhanh với ít dữ liệu - Object Detection: Hiểu và thực hành các mô hình phát hiện đối tượng mới nhất như R-CNN, YOLO, SSD, DETR - Segmentation: Trải nghiệm phân đoạn đối tượng theo từng pixel thông qua U-Net, Mask R-CNN

Hiểu nguyên lý hoạt động của mô hình AI tạo sinh ứng dụng deep learning và thực hành thành thạo cách ứng dụng.

Trong thế giới kinh doanh hiện đại, bảo mật dữ liệu và phòng chống gian lận trở nên quan trọng hơn bao giờ hết. Bài giảng này tập trung vào cách phát hiện và phân tích hiệu quả các giao dịch bất thường bằng trí tuệ nhân tạo (AI). Sử dụng Python và học máy, chúng tôi sẽ xây dựng một mô hình trí tuệ nhân tạo có thể phát hiện và phát hiện những bất thường xảy ra trong nhiều ngành khác nhau như giao dịch bất thường, gian lận thẻ tín dụng và những bất thường trong dây chuyền sản xuất ở giai đoạn đầu.

Bạn là người mới làm quen với việc viết mã hoặc muốn nâng kỹ năng viết mã của mình lên một tầm cao mới? Khóa học này sẽ hướng dẫn bạn về Python, một ngôn ngữ mạnh mẽ và linh hoạt, được thiết kế cho người học ở mọi cấp độ. "Theo dõi" Khóa học này được dạy theo cách có cấu trúc, cho phép bạn học bằng cách thực sự viết và thực thi mã. Trong khóa học này, bạn sẽ tìm hiểu lý do tại sao Python là ngôn ngữ lập trình phổ biến nhất. Việc tiếp thu ngôn ngữ Python, ngôn ngữ cho thấy khả năng vô tận trong nhiều lĩnh vực khác nhau từ trí tuệ nhân tạo đến phát triển web, sẽ là cơ hội để phát huy tiềm năng của một cá nhân một cách đáng kể.

Khóa học này bao gồm toàn bộ quy trình thiết kế và triển khai dịch vụ AI tạo sinh tập trung vào LangChain 1.0 và LangGraph thông qua các bài thực hành từng bước. Vượt xa việc chỉ gọi LLM đơn thuần, bạn sẽ trực tiếp xây dựng kiến trúc hệ thống AI có khả năng vận hành bao gồm kiến trúc dựa trên agent, quản lý trạng thái (State), bộ nhớ, streaming, middleware và Human-in-the-Loop. Thông qua thực hành với hệ thống RAG dựa trên dữ liệu tài liệu·PDF·web, SQL Agent (Chinook DB), Agent dựa trên tool calling, multi-agent theo mô hình Supervisor, và workflow dựa trên state machine sử dụng LangGraph Graph API, bạn sẽ xây dựng pipeline agent có thể tái sử dụng và áp dụng ngay vào thực tế công việc. Ngoài ra, thông qua structured output (dựa trên Pydantic), agent middleware (Summarization, HITL, Retry, bảo vệ PII), streaming theo token/bước, bạn sẽ hoàn thiện ứng dụng AI tạo sinh với độ ổn định·khả năng mở rộng·tính kiểm soát đáp ứng yêu cầu của dịch vụ thực tế. 👉 Dành cho những ai muốn hiểu chính xác cấu trúc nội bộ và luồng thực thi của LangChain/LangGraph 👉 Dành cho những ai muốn triển khai RAG·Agent theo cấu trúc dịch vụ thực tế chứ không chỉ là "demo" 👉 Đây là khóa học tối ưu cho những ai cần lộ trình thực tế bao quát từ agent dựa trên trạng thái, tự động hóa SQL·tài liệu, đến orchestration multi-agent.

Khóa học này là chương trình thực hành tập trung vào việc trực tiếp xây dựng các ứng dụng AI tạo sinh dựa trên văn bản, hình ảnh, giọng nói và tài liệu bằng cách sử dụng OpenAI API. Bắt đầu từ việc thiết lập môi trường Anaconda và Jupyter Notebook, khóa học bao gồm các thiết lập môi trường phát triển cần thiết cho thực tế như quản lý API Key, hiểu về chi phí và token. Dựa trên Responses API mới nhất, bạn sẽ thực hành từng bước các tính năng cốt lõi được sử dụng ngay trong thực tế như tạo văn bản, tóm tắt, phân loại, Vision (hiểu hình ảnh), xử lý giọng nói, xử lý đầu vào PDF, Function Calling, Structured Outputs (Pydantic), Embedding, RAG (File Search). Ngoài ra, khóa học còn bao gồm Web Search, Code Interpreter, Streaming, tác vụ Background, quản lý Conversation State để học cách mở rộng từ việc gọi đơn giản sang 'dịch vụ AI thông minh'. Cuối cùng, mục tiêu là xây dựng hệ thống AI dựa trên agent có khả năng tự lựa chọn và thực thi công cụ bằng cách sử dụng Agents SDK và MCP (Model Context Protocol), đồng thời nắm vững cấu trúc và góc nhìn thiết kế cần thiết cho phát triển dịch vụ thực tế.

Bài giảng này đề cập đến mọi thứ, từ các khái niệm cơ bản của hệ thống gợi ý đến các nguyên tắc ứng dụng của học sâu. Tìm hiểu các thuật toán đề xuất khác nhau như lọc cộng tác, lọc dựa trên nội dung và hệ thống đề xuất kết hợp, đồng thời phát triển các khả năng thực tế để phát triển dịch vụ đề xuất!

Tìm lối đi trong biển dữ liệu, khám phá tương lai AI. Khóa học này sẽ khám phá dòng chảy của hai công nghệ khổng lồ Big Data và Trí tuệ nhân tạo (AI), đồng thời xem xét cách chúng đang đổi mới cuộc sống và công việc của chúng ta.

Dữ liệu tài chính như cổ phiếu, tỷ giá hối đoái, tiền xu, bất động sản và trái phiếu có thể dễ dàng truy cập xung quanh chúng ta và mang đến cho chúng ta cơ hội kiếm tiền, nhưng hầu hết mọi người đều bỏ lỡ những cơ hội quý giá vì họ không biết đặc điểm của chúng và cách xử lý. họ. Thông qua bài giảng này, bạn sẽ học cách hiểu ý nghĩa của các dữ liệu tài chính khác nhau và phân tích chúng bằng Python.

Xử lý ngôn ngữ tự nhiên (NLP) là một trong những lĩnh vực phát triển nhanh nhất của trí tuệ nhân tạo. Khóa học này bắt đầu từ những kiến thức cơ bản về NLP và đi sâu vào các kỹ thuật NLP mới nhất sử dụng trí tuệ nhân tạo. Đặc biệt, khóa học cung cấp sự hiểu biết sâu sắc về các mô hình tạo ra tiên tiến như ChatGPT.

Bạn có thể có được cái nhìn tổng quan về machine learning và deep learning nói chung, cách sử dụng các công cụ cơ bản và kiến ​​thức ngôn ngữ Python cần thiết cho việc học trong một khoảng thời gian ngắn.

Mọi nhà phát triển web đều biết đến JavaScript, giờ hãy khám phá thế giới máy học với ngôn ngữ mạnh mẽ này! Trong khóa học này, bạn sẽ tìm hiểu cách xây dựng và triển khai các mô hình máy học bằng Tensorflow.js, một thư viện máy học mạnh mẽ cùng với JavaScript. Chúng tôi cung cấp hướng dẫn từng bước về tất cả các công nghệ cần thiết để phát triển các ứng dụng học máy dựa trên web. Thông qua khóa học này, người học sẽ hiểu một cách có hệ thống các nguyên tắc cốt lõi của học máy. Ngoài ra, bạn sẽ học cách phát triển mô hình học sâu bằng JavaScript và API Tensorflow.js, cách sử dụng phương pháp học chuyển giao dựa trên mô hình được đào tạo trước và cách tất cả kiến ​​​​thức này có thể được áp dụng một cách tương tác trong môi trường trình duyệt.

Khóa học này củng cố các khái niệm cơ bản về học tăng cường thông qua các nghiên cứu lý thuyết thiết yếu về học tăng cường sâu và tìm hiểu chi tiết các nguyên tắc của học tăng cường sâu thông qua thực hành triển khai mã thực tế bằng TensorFlow.

Bạn có thể có được cái nhìn tổng quan về machine learning và deep learning nói chung, cách sử dụng các công cụ cơ bản và kiến ​​thức ngôn ngữ Python cần thiết cho việc học trong một khoảng thời gian ngắn.

Hãy chắc chắn bắt đầu với những điều cơ bản về học máy và học sâu! Phân loại/hồi quy/phân cụm/tạo và sử dụng mạng thần kinh nhân tạo trong Python

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!

Hãy triển khai khung deep learning trực tiếp trong Excel! Hãy cùng giải quyết việc học có giám sát/học không giám sát/học tăng cường bằng cách sử dụng khung đã triển khai!

Ngành sản xuất ô tô và linh kiện là lĩnh vực mà sự đổi mới là điều thiết yếu trong bối cảnh cạnh tranh toàn cầu khốc liệt và chuỗi cung ứng phức tạp. Khóa học này tập trung vào cách áp dụng công nghệ AI vào thực tế, giải thích thông qua các trường hợp thực tế như nâng cao hiệu quả sản xuất, tự động hóa kiểm tra chất lượng, bảo trì dự báo thiết bị, tối ưu hóa chuỗi cung ứng. Từ hiểu biết cơ bản cần thiết để triển khai AI, đến chiến lược và quản lý rủi ro cần xem xét khi áp dụng thực tế, khóa học được xây dựng theo từng bước để cung cấp kiến thức và hiểu biết sâu sắc mà nhân viên thực thi và quản lý có thể áp dụng ngay lập tức.

Thông qua khóa học này, bạn sẽ được học và tự mình sử dụng nhiều chức năng khác nhau của các tác nhân học máy như đa tác nhân, học theo chương trình và học phân tán. Bạn cũng sẽ được học về các thuật toán học tăng cường có khả năng ứng phó với sự tò mò dựa trên khám phá và các đầu vào thay đổi.

Từ Multi Head Attention đến mô hình Original Transformer, BERT, mô hình dịch thuật MarianMT dựa trên Encoder-Decoder, cho đến Vision Transformer, bạn sẽ học hiểu sâu sắc về Transformer thông qua việc tự tay triển khai code.

Khóa học này bao gồm từ kiến thức cơ bản đến thực hành về nền tảng AI, là một khóa học giúp bạn có thể nắm vững công nghệ tạo hình ảnh AI. Người học có thể hiểu được các khái niệm cơ bản về AI và phát triển khả năng tạo ra hình ảnh AI bằng cách sử dụng các công cụ và kỹ thuật đa dạng. Thông qua khóa học này, bạn có thể nâng cao hiểu biết về lĩnh vực AI và học cách tạo ra hình ảnh AI trực tiếp trong thực tế.

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 tự tạo chiếc xe tự lái AI của riêng bạn! Đây là khóa học thú vị và nhanh nhất để học về AI và học tăng cường. Khóa học này được xây dựng bởi nhà phát triển đứng số 1 bảng xếp hạng DeepRacer tại Hàn Quốc.

Thông qua bài giảng này, sinh viên sẽ không chỉ học các lý thuyết khác nhau về học tăng cường và trực tiếp triển khai chúng mà còn có thể tạo ra môi trường học tăng cường để kiểm tra thuật toán học tăng cường được triển khai bằng tác nhân học máy Unity.

Khóa học này là một masterclass thực hành hoàn chỉnh phân tích sâu sự phát triển công nghệ cốt lõi của AI tạo sinh từ LDM(Latent Diffusion Model) đến DiT(Diffusion Transformer). Chúng ta sẽ trực tiếp phân tích nguyên lý học tập dựa trên không gian tiềm ẩn của LDM, cấu trúc của Stable Diffusion, và phương thức triển khai của Diffusion Transformer mới nhất thông qua các bài báo và code. Học viên sẽ trực tiếp triển khai các mô hình LDM, CFG(Classifier-Free Guidance), DiT dựa trên PyTorch, đồng thời học một cách có hệ thống các xu hướng mới nhất và sự tiến hóa cấu trúc của mô hình tạo sinh.

Khóa học này là một khóa nhập môn được thiết kế để người học lần đầu tiếp xúc với công nghệ AI cũng có thể dễ dàng hiểu và thực hành theo. Thông qua các bài giảng, bạn sẽ nắm vững các khái niệm cơ bản và cách sử dụng nền tảng AI, đồng thời tiến hành thực hành tạo ra hình ảnh trực tiếp bằng cách sử dụng các công cụ AI đa dạng. Sau khi hoàn thành khóa học này, bạn sẽ trở nên gần gũi hơn với AI và có thể trang bị năng lực tạo hình ảnh AI để hiện thực hóa các ý tưởng sáng tạo một cách trực quan.

<Mô hình Ngôn ngữ Lớn, chỉ những điều cốt lõi một cách nhanh chóng!>(Insight, 2025)를 바탕으로 LLM의 이론과 실전 예제를 다루는 강의입니다.

Nắm bắt các loại hình và xu hướng ra đề thi chỉ trong nháy mắt! Tăng cường kỹ năng thực chiến với tổng cộng 120 câu hỏi. Chuẩn bị hoàn hảo cho kỳ thi thực tế AWS AI Practitioner, giúp bạn học tập một cách hệ thống ngay cả khi tự ôn luyện.

Khóa học này xuất phát từ câu hỏi "Nếu tôi có mặt trên tàu Titanic thì liệu có thể sống sót không?", phát triển mô hình AI dự đoán xác suất sống sót dựa trên dữ liệu thực tế, và hoàn thành dự án fullstack triển khai dịch vụ này lên web. Bạn sẽ thực hành toàn bộ quy trình từ AI đến phát triển web, bao gồm mô hình hóa deep learning với PyTorch, xây dựng backend server với FastAPI, và triển khai giao diện người dùng với Next.js.

Khóa học này giải thích các khái niệm cơ bản về LLM và GPT một cách dễ hiểu để bất kỳ ai cũng có thể nắm bắt được. Học viên có thể trực tiếp sử dụng GPT API để tạo chatbot và chạy trên web bằng Streamlit. Thông qua trải nghiệm từ cơ bản đến thực hành, bạn có thể xây dựng nền tảng vững chắc cho những bước đầu tiên trong việc ứng dụng AI.

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 :)

Bạn có thể sử dụng Docker để tạo môi trường phân tích học sâu trên đám mây. Khi kết hợp Docker và đám mây do Google, MS quản lý, bạn có thể thực hiện công việc bằng các phương pháp phân tích học sâu mới nhất trên máy tính của mình.