Giới thiệu deep learning xử lý ngôn ngữ tự nhiên qua ví dụ NLP với TensorFlow - Từ RNN đến BERT

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.

Đây là khóa học tìm hiểu khái niệm và cách ứng dụng thư viện LangChain, đồng thời tự tạo ChatGPT của riêng mình bằng thư viện LangChain.

Học các kỹ thuật Context Engineering để tạo ra AI agent chất lượng cao thông qua thực hành.

AI Agent – tổng hợp công nghệ AI tiên tiến nhất! Qua việc hiện thực hóa các AI Agent đa dạng, cùng tìm hiểu cách tự tạo AI Agent bằng LangGraph.

Học máy học từ những điều cơ bản từng bước thông qua các ví dụ khác nhau của Kaggle. Học hỏi những trải nghiệm dự án sống động và những lời khuyên thiết thực từ các kỹ sư máy học trong lĩnh vực khó tiếp cận.

Đây là khóa học giúp bạn tìm hiểu các phương pháp tự động hóa công việc đa dạng sử dụng ChatGPT (Excel, PPT, crawling, xử lý ảnh) và kiến thức cơ bản về Python để tự động hóa công việc. Hãy trải nghiệm trước tương lai thay đổi do ChatGPT tạo ra.

Đây là bài giảng nơi bạn có thể tìm hiểu các lý thuyết cốt lõi về học sâu và cách triển khai mã học sâu bằng cách sử dụng TensorFlow 2.0 mới nhất.

Là khóa học giúp bạn tìm hiểu phương pháp tự động hóa công việc bằng MCP (Model Context Protocol) qua các trường hợp đa dạng (Playwright crawling, Figma design, Notion data organization, Excel data analysis).

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.

Đây là khóa học giúp bạn nắm bắt vibe coding - hình ảnh tương lai của nhà phát triển - thông qua việc tự tạo máy chủ MCP của riêng mình với Cursor.

Khóa học hướng dẫn cách xây dựng hệ thống RAG (Retrieval-Augmented Generation) thực tiễn khi tạo chatbot tổng đài AI (AICC).

Trong quá trình thực hiện các dự án triển khai nhiều AI Agent khác nhau bằng LangGraph, tôi học được cách tạo ra một AI Agent thực tế bằng LangGraph.

Đây là bài giảng về cách tạo bot giao dịch chứng khoán tự động bằng cách sử dụng API xing của eBest Investment & Securities. Tạo bot giao dịch chứng khoán tự động của riêng bạn tự động giao dịch 365 ngày một năm.

Đây là khóa học giúp bạn tìm hiểu phương pháp cào dữ liệu trang web sử dụng ChatGPT. Hãy trải nghiệm trước tương lai thay đổi mà ChatGPT sẽ tạo ra.

Đây là khóa học giúp bạn học cách phân tích dữ liệu bằng ChatGPT và cách sử dụng Pandas. Hãy trải nghiệm trước tương lai thay đổi do ChatGPT mang lại.

Khóa học này giúp bạn học cách triển khai các bài báo deep learning, bằng việc tự xây dựng từ đầu luận văn GPT-1 (Improving Language Understanding by Generative Pre-Training) dùng TensorFlow 2.0.

Đây là khóa học giúp bạn học cách tạo ra nhiều chiến lược đầu tư định lượng khác nhau bằng ChatGPT. Hãy thử tạo chiến lược đầu tư định lượng của riêng bạn bằng ChatGPT.

[Khám phá ý tưởng - thu thập dữ liệu - xác minh thông qua kiểm tra ngược] quy trình phát triển đồng xu tiền điện tử Bitcoin có thể tạo ra lợi nhuận tự động, nguyên tắc của chiến lược đầu tư AIS1 và AIS2 do người hướng dẫn phát triển, lựa chọn cổ phiếu, mua và bán RBI và Đây là khóa học mà bạn có thể tìm hiểu mã nguồn để kiểm tra lại và thực thi bot.

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.

Tìm hiểu tất cả các quy trình cần thiết từ A đến Z để tạo và vận hành một coinbot giao dịch tiền điện tử tự động. (Thông tin cơ bản về cách sử dụng API trao đổi, phân phối bằng AWS) Bạn cũng có thể tìm hiểu các chiến lược đầu tư (chẳng hạn như sử dụng Kimchi premium) có thể tạo ra lợi nhuận không rủi ro khoảng 10% mỗi năm bằng cách sử dụng các đặc điểm cấu trúc của thị trường tiền điện tử.

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.

Chúng tôi trình bày các kỹ thuật xử lý ngôn ngữ tự nhiên cơ bản và nhiều tác vụ văn bản khác nhau bằng cách sử dụng học sâu.

Chinh phục tất cả về AI thay đổi thế giới chỉ trong 4 bài giảng! Bài 1. Bản chất thật sự của Trí tuệ nhân tạo AI không phải là phép thuật. Đó là bộ não kỹ thuật số được tạo ra bằng cách phân tích 'trí tuệ' của con người như một công thức! Chúng ta sẽ khám phá từng ngóc ngách của cấu trúc cốt lõi của AI tưởng chừng thông minh này. Bài 2. Thuật toán, phương pháp tư duy sáng tạo (?) của AI AI suy nghĩ sẽ tìm ra giải pháp như thế nào? Hãy trực tiếp tìm hiểu chiến lược của AI khi chơi cờ vây, tìm đường và dự đoán kết quả tìm kiếm của bạn. Bài 3. Phần cứng AI, động cơ biến trí tưởng tượng thành hiện thực! Con chip trong điện thoại thông minh của bạn chính là trái tim của AI. Chúng ta sẽ mổ xẻ tất cả, từ CPU, GPU, TPU cho đến những cái tên không thể biết được khác. Bài 4. Cuộc đối đầu lớn giữa Machine Learning và Deep Learning! Việc AI 'học' rốt cuộc có nghĩa là gì? Từ AI dựa trên quy tắc cổ điển, cho đến ChatGPT đang "hot" gần đây! Chúng ta sẽ theo dõi sự tiến hóa của việc học.

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.

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.

"LoRA 기반 경량 파인튜닝으로 나만의 맞춤형 LLM을 만들어보는 첫걸음!" Đây là khóa học thực hành nhập môn được thiết kế để ngay cả những người mới tiếp xúc với LLM lần đầu cũng có thể dễ dàng theo kịp. 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 mới nhất như LoRA·QLoRA, và có thể nắm bắt được cảm giác "À, fine-tuning LLM hoạt động như thế này". Hãy trực tiếp cảm nhận thành tựu tạo ra LLM chuyên biệt cho lĩnh vực của riêng bạn, ngay cả khi không có nhiều tài nguyên!

Khóa học này là một quá trình tổng hợp toàn bộ kiến thức cần thiết để ứng dụng AI tạo sinh trong thực tế, từ nguyên lý cơ bản của LLM (Mô hình Ngôn ngữ Lớn), RAG (Retrieval-Augmented Generation), đến các công nghệ mới nhất như AI Agent và MCP (Modular Command Protocol). Khóa học được thiết kế để bạn có thể học một cách tự nhiên theo dòng chảy công nghệ, hiểu được cách AI tạo sinh hiểu thông tin, tìm kiếm, đưa ra phán đoán và mở rộng thành AI Agent có khả năng hành động.

Khóa học này là một masterclass thực chiến tập trung vào việc chinh phục hoàn toàn quá trình tiến hóa của Diffusion Model thông qua các bài báo và mã nguồn. Học viên sẽ học từ nguyên lý bài báo đến việc trực tiếp triển khai các mô hình cốt lõi của AI sinh tạo như DDPM(Denoising Diffusion Probabilistic Model) và DDIM. Khóa học phân tích từng bước bối cảnh xuất hiện của từng mô hình, công thức toán học, cấu trúc mạng (U-Net, VAE, Transformer), quá trình học (Noise Schedule, Denoising Step), và những ý tưởng dẫn đến cải thiện hiệu suất. Học viên sẽ trực tiếp lập trình tất cả các mô hình dựa trên PyTorch, không chỉ dừng lại ở việc hiểu bài báo mà còn có được 'khả năng thực tế để tái tạo và ứng dụng'. Ngoài ra, thông qua việc so sánh sự khác biệt và dòng chảy phát triển giữa các mô hình, học viên sẽ hiểu rõ cách chúng được mở rộng. Khóa học này kết hợp lý thuyết·mã nguồn·thực hành thành một, cung cấp hành trình để nghiên cứu viên·nhà phát triển·nhà sáng tạo đều có thể học hỏi một cách có hệ thống về sự tiến hóa của mô hình sinh tạo. Hãy bắt đầu ngay bây giờ trải nghiệm vượt qua việc 'đọc' bài báo, trực tiếp triển khai để 'hiểu và tái sáng tạo'.

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

Tại sao Attention lại cần thiết và cách thức hoạt động của nó được hiểu thông qua 'việc triển khai trực tiếp bằng code'. Khóa học này xuất phát từ những hạn chế cấu trúc của mô hình RNN và Seq2Seq, xác minh thông qua thí nghiệm vấn đề nghẽn cổ chai thông tin do context vector cố định tạo ra, vấn đề phụ thuộc dài hạn và giải thích một cách tự nhiên cách Attention đã xuất hiện để giải quyết những hạn chế đó. Không chỉ đơn thuần giới thiệu khái niệm, mà trực tiếp xác nhận qua thí nghiệm những hạn chế cấu trúc của RNN và vấn đề nghẽn cổ chai thông tin của Seq2Seq, và triển khai từng cái một **Bahdanau Attention(attention cộng)** và **Luong Attention(attention tích vô hướng)** đã xuất hiện để giải quyết vấn đề này, hiểu rõ sự khác biệt giữa chúng. Mỗi attention Hình thành mối quan hệ Query–Key–Value theo cách nào, Có những khác biệt toán học·trực quan nào trong quá trình tính toán trọng số, Tại sao lại không thể không dẫn đến các mô hình thế hệ sau Đặc tính và dòng chảy tiến hóa đó được kết nối một cách tự nhiên. Cách Attention nhìn nhận câu và từ, Cách mỗi từ được gán tầm quan trọng và tích hợp thông tin được học tập dưới dạng công thức → trực quan → code → thí nghiệm liên kết thành một. Khóa học này là quá trình xây dựng 'thể lực cơ bản' để hiểu đúng Transformer, giúp hiểu sâu sắc tại sao khái niệm Attention lại mang tính cách mạng, và tại sao tất cả các mô hình NLP hiện đại sau này (Transformer, BERT, GPT, v.v.) lại lấy Attention làm thành phần cốt lõi. Đây là khóa học được tối ưu hóa cho những học viên muốn thể hóa dòng chảy RNN → Seq2Seq → Attention không phải bằng khái niệm mà bằng code và thí nghiệm.