Mô hình ngôn ngữ lớn, nhanh chóng nắm bắt những điểm cốt lõi!

Đây là khóa học về lý thuyết học máy và các ví dụ thực tiễn, được xây dựng dựa trên cuốn <Học máy, nhanh chóng nắm bắt những điểm cốt lõi!> (Insight, 2025).

Đây là khóa học về các notebook trên GitHub và nội dung bổ sung của cuốn <Học LLM bằng cách tự xây dựng từ con số 0> (Gilbut, 2025). GitHub: https://github.com/rickiepark/llm-from-scratch/ <Học LLM bằng cách tự xây dựng từ con số 0> là bản dịch của cuốn sách bán chạy <Build a Large Langauge Model (from Scratch)> (Manning, 2024) do Sebastian Raschka viết. Cuốn sách hướng dẫn cách tìm hiểu nguyên lý hoạt động và phương pháp ứng dụng các mô hình ngôn ngữ lớn bằng cách bắt đầu từ con số 0 để tự xây dựng một mô hình hoàn chỉnh dựa trên mô hình GPT-2 do OpenAI tạo ra.

"Bước đầu tiên để tạo LLM tùy chỉnh của riêng bạn với Fine-tuning nhẹ dựa trên LoRA!" Đây là khóa học thực hành nhập môn được thiết kế để những người mới tiếp xúc với LLM cũng có thể dễ dàng theo dõi. Giảm thiểu lý thuyết phức tạp, hướng dẫn từng bước toàn bộ quy trình từ tải mô hình → áp dụng dữ liệu → huấn luyện → so sánh kết quả. Trong thời gian ngắn, bạn sẽ trực tiếp trải nghiệm quy trình của các kỹ thuật fine-tuning nhẹ hiện đại như LoRA·QLoRA, và có thể nắm bắt được cảm giác "À, fine-tuning LLM hoạt động như thế này". Hãy tự mình cảm nhận thành tựu tạo ra LLM chuyên biệt cho lĩnh vực của bạn, ngay cả khi không có nhiều tài nguyên!

Bạn có thể nâng cao năng lực phát triển của mình thông qua việc khám phá sâu sắc các nguyên lý cơ bản của các mô hình ngôn ngữ lớn như ChatGPT hay Claude. Bạn có thể học hỏi được nhiều thông tin đa dạng và các kỹ thuật phát triển mà thông thường ít khi được tiếp cận.

Bạn sẽ học từng bước từ các khái niệm cơ bản về LLM (Mô hình ngôn ngữ lớn) cho đến cách tinh chỉnh mô hình Llama 2, LLM hiệu suất cao, trên tập dữ liệu bạn chọn.

Bạn sẽ được tìm hiểu tường tận về Transformer thông qua việc trực tiếp triển khai bằng mã nguồn từ Multi Head Attention, mô hình Transformer nguyên bản, BERT, mô hình dịch thuật MarianMT dựa trên Encoder-Decoder cho đến Vision Transformer.

Giải quyết mọi khó khăn về AI chỉ với một phép ẩn dụ?! Bước đầu tiên tìm hiểu nguyên lý AI, giúp bạn thấu hiểu bản chất thay vì chỉ học vẹt từ ngữ.

Đây là bài giảng trong đó bạn tìm hiểu khái niệm về mô hình Gemini của Google và cách sử dụng API Gemini cũng như tạo các ứng dụng AI khác nhau bằng Streamlit.

Bạn sẽ được học về RAG, VectorDB, LangChain, OpenAI, sLLM và Fine-tuning, bao gồm tất cả các công nghệ liên quan đến AI quan trọng nhất ở thời điểm hiện tại.

Thời đại AI chỉ đơn thuần trả lời đã kết thúc. Giờ đây là thời đại của LLM Agent tự phán đoán và hành động. Khóa học này là khóa nhập môn giúp bạn học và trực tiếp xây dựng nguyên lý cốt lõi cũng như cấu trúc của agent chỉ trong 90 phút thực hành. Giảm thiểu tối đa lý thuyết phức tạp, với luồng thực hành tập trung vào code, bạn có thể trực tiếp trải nghiệm "AI phán đoán và sử dụng công cụ như thế nào". Vượt qua prompt engineering, hãy cùng bắt đầu bước đầu tiên của tự động hóa AI.

Việc sử dụng AI đã trở nên dễ dàng hơn, nhưng các model card hay bài báo khoa học vẫn rất khó đọc dù chỉ vài dòng. Bởi dù tra cứu thì có thể biết nghĩa của từng từ, nhưng lại không thấy được những từ đó liên kết với nhau như thế nào. Khóa học này sắp xếp hơn 160 thuật ngữ thường xuất hiện trong tài liệu AI theo thứ tự dễ hiểu nhất, để sau mỗi bài, bạn có thể đọc chính xác một câu trong tài liệu thực tế.

Bạn sẽ được thực hành tạo ứng dụng Android/iOS dựa trên mô hình học máy đơn giản, đồng thời tìm hiểu về các kiến thức cơ bản về học máy, quy trình chuyển đổi mô hình bằng TFLite và cách triển khai ứng dụng Android/iOS.

Chúng ta hãy cùng tìm hiểu về các loại ứng dụng hoặc dịch vụ web có thể được xây dựng bằng cách sử dụng LLM.

👉 Đây là khóa học phù hợp với những ai muốn hiểu đúng về sự thay đổi và những giới hạn của AI. AI sẽ kết thúc ngay sau khi được tạo ra sao? Trong khóa học này, bạn sẽ được giải thích AI thay đổi như thế nào thông qua quá trình học và tại sao ngay cả cùng một AI cũng có thể cho ra những kết quả khác nhau. Khóa học trình bày ý nghĩa của quá trình học, cũng như lý do hiệu suất được cải thiện hoặc suy giảm, dưới góc nhìn kỹ thuật nhưng theo cách dễ hiểu.

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 :)

Nắm vững toàn bộ vòng đời xây dựng các ứng dụng Generative AI hiện đại bằng cách sử dụng Mô hình Ngôn ngữ Lớn, Retrieval-Augmented Generation và các hệ thống AI tác tử. Học cách thiết kế các giải pháp AI cấp doanh nghiệp từ kỹ thuật viết prompt đến triển khai, kết hợp LLM với cơ sở dữ liệu vector và các nguồn kiến thức bên ngoài để tạo ra những ứng dụng sẵn sàng cho môi trường production.

Từ perceptron đến lan truyền ngược, bạn sẽ học một cách có hệ thống các lý thuyết toán học cốt lõi của mạng nơ-ron và trực tiếp triển khai chúng bằng mã R. Bạn sẽ củng cố vững chắc nền tảng của học sâu như hàm kích hoạt, phương pháp hạ gradient, mạng nơ-ron nhiều lớp, đồng thời phát triển khả năng giải quyết các bài toán phân loại bằng cách sử dụng các bộ dữ liệu thực tế.

Bạn muốn học AI nhưng lần nào cũng bị khựng lại trước các công thức đại số tuyến tính? Thay vì bắt bạn học thuộc lòng các công thức, khóa học này sẽ giúp bạn tận mắt chứng kiến các vectơ và ma trận thực sự chuyển động như thế nào trong không gian. Sau khi hoàn thành khóa học, bạn có thể tự mình đọc hiểu toán học đằng sau mạng thần kinh, PCA và SVD.

Khóa học này bắt đầu từ câu hỏi “Nếu tôi ở trên tàu Titanic, liệu tôi có thể sống sót không?”, từ đó phát triển một mô hình AI dự đoán xác suất sống sót dựa trên dữ liệu thực tế và hoàn thiện một dự án full-stack để cung cấp dịch vụ đó trên web. Bạn sẽ được thực hành toàn bộ quy trình phát triển AI và web, từ xây dựng mô hình Deep Learning bằng PyTorch, thiết lập máy chủ backend với FastAPI, cho đến triển khai giao diện người dùng bằng Next.js.