Học RAG từ người chiến thắng Hackathon GenAI Thung lũng Silicon. Đầy ắp bí quyết thực chiến.

LangGraph chứa đầy bí quyết của người phụ trách AI Agent tại các tập đoàn lớn. Tôi sẽ chia sẻ những kiến thức đã tích lũy được qua những thử thách trong công việc thực tế.

Đây là khóa học cơ bản về LangChain trích xuất những phần cốt lõi từ tài liệu chính thức, với mức giá chỉ bằng một tách cà phê(?). Hãy làm quen với cú pháp LangChain trước khi bắt đầu phát triển chính thức!

Trí tuệ nhân tạo, AI, Agent… nghe có vẻ ghê gớm, nhưng khi bắt tay vào làm thì không có gì to tát như bạn nghĩ. Do đó, tự tay hiện thực hóa các chức năng đơn giản là rất quan trọng. Thông qua các dự án thiết thực có thể ứng dụng thực tế tại công ty, bạn sẽ trực tiếp trải nghiệm đa dạng use case, đồng thời học được cách khai thác và vận dụng AI Agent.

Mã kiểm tra! Tôi đã chuẩn bị điều này cho những người không biết bắt đầu từ đâu. Từ viết thử nghiệm đến triển khai thông qua tự động hóa, tất cả cùng một lúc!

Mới dùng Flutter ư? Flutter Contributor sẽ hướng dẫn bạn từ đầu! Bắt đầu phát triển Flutter với dự án AI ứng dụng Gemini.

Chúng tôi đã chuẩn bị điều này cho những ai muốn triển khai/vận hành dịch vụ trên AWS. Từ thiết lập miền đến Docker và serverless!

Cách sử dụng sách truyện từ A đến Z. Chúng tôi chỉ cho bạn mọi thứ về sách truyện.

Khóa học dành cho người mới bắt đầu trở thành kỹ sư AI được thiết kế để trải nghiệm ngắn gọn toàn bộ quy trình từ xử lý dữ liệu, phát triển mô hình, đến Cloud, MLOps và các cân nhắc về đạo đức. Khóa học không chỉ dừng lại ở việc tạo ra mô hình mà còn tập trung vào việc hiểu quy trình kết nối với dịch vụ thực tế để rèn luyện kỹ năng chuyên môn. Các bài thực hành và ví dụ đi kèm sẽ giúp ngay cả những người lần đầu học về AI cũng có thể dễ dàng theo kịp.

Công nghệ OCR thực sự dùng trong thực tế, nếu muốn học đúng cách thì chỉ cần một khóa học này là đủ! Đạt mục tiêu chính xác trên 98% ngay cả với tài liệu phi cấu trúc và bố cục phức tạp, dựa trên các mô hình SOTA mới nhất cùng kinh nghiệm thực chiến, chúng tôi sẽ cùng bạn xây dựng dự án OCR cấp doanh nghiệp.

Trí tuệ nhân tạo, AI, Agent… nghe có vẻ ghê gớm, nhưng khi bắt tay vào làm thì không có gì to tát như bạn nghĩ. Do đó, tự tay hiện thực hóa các chức năng đơn giản là rất quan trọng. Thông qua các dự án thiết thực có thể ứng dụng thực tế tại công ty, bạn sẽ trực tiếp trải nghiệm đa dạng use case, đồng thời học được cách khai thác và vận dụng AI Agent.

Đây là khóa học thực hành tự tay chế tạo xe tự hành dựa trên AI bằng cách sử dụng Raspberry Pi và các cảm biến đa dạng.

Giải quyết ngay điểm nghẽn khiến 80% thất bại tại Makerthon. Hoàn thành trong 4 tuần: Raspberry Pi · Computer Vision · LLM · Thiết kế 3D! Đạt thứ hạng cao tại Makerthon với PoC gương thông minh có thể trình diễn!

Dựa trên kinh nghiệm giảng dạy deep learning hơn 100 lần, đây là khóa học tổng hợp có hệ thống các lý thuyết cơ bản mà học viên gặp khó khăn nhiều nhất. Khóa học này giải thích từng bước kết nối giữa trực giác toán học, nguyên lý học của mô hình và triển khai code để ngay cả người không chuyên cũng có thể hiểu được, đồng thời đi sâu vào cấu trúc cơ bản và nguyên lý hoạt động của việc học mô hình AI, không chỉ đơn thuần là cách sử dụng thư viện. Đây là khóa nhập môn thực chiến được thiết kế để phát triển thành kỹ sư có năng lực hiểu nguyên lý AI thông qua việc tự triển khai các công nghệ cơ bản của deep learning như gradient descent, hàm lỗi, tối ưu hóa, perceptron, mạng neural nhiều lớp, backpropagation bằng công thức và code.

Tạo chương trình sử dụng GPT API, từ tạo hình ảnh đến tạo video!

Học sâu (Deep learning) là kỹ thuật học dữ liệu thông qua mạng nơ-ron được tạo nên từ sự kết hợp của các hàm phức tạp. Trong khóa học này, chúng ta sẽ hiểu các khái niệm cốt lõi của học sâu một cách toán học và phân tích chúng dưới góc độ các phép toán ma trận. Đặc biệt, sử dụng thư viện NumPy của Python, chúng ta sẽ tự tay cài đặt quá trình lan truyền thuận và lan truyền ngược của học sâu, đồng thời trực quan hóa cách các tham số được cập nhật. Cấu trúc mạng nơ-ron tưởng chừng phức tạp cũng trở nên rõ ràng khi được giải quyết bằng các phép toán ma trận. Khóa học này chú trọng vào việc hiểu khái niệm hơn là lập trình, phù hợp với những sinh viên muốn nắm vững nguyên lý của học sâu một cách toán học và trực quan.

Tự động hóa tạo YouTube Shorts bằng AI!! Học cách tự động tạo YouTube Shorts bằng n8n từ con số 0. Tự tay xây dựng quy trình vận hành một lần từ: Văn bản → Hình ảnh/Âm nhạc → Tạo video → Tải lên. Thực hành phân biệt chế độ thử nghiệm/chế độ thực tế và các mẹo tiết kiệm chi phí. Hoàn thành 3 mẫu tự động hóa (template) có thể sử dụng ngay sau khi kết thúc bài học. Hướng dẫn tỉ mỉ từ cách sắp xếp các node để những người không biết lập trình cũng có thể làm theo. Hãy cùng bắt đầu tự động hóa sản xuất YouTube Shorts bằng AI nhé!

Trong khóa học này, chúng ta sẽ tìm hiểu từ các thuật toán cốt lõi của hệ thống gợi ý đến triển khai thực tế. - Lọc dựa trên nội dung - Lọc cộng tác, triển khai mô hình gợi ý dựa trên deep learning - Triển khai Two-step recommender systems - Thực hành với PyTorch/RecBole - Kinh nghiệm thực tế và trực quan hóa kết quả gợi ý

Lý do khóa học này đặc biệt: Các ưu điểm chính • Trực quan hóa dễ hiểu: Tự mình xem hoạt động thuật toán trực tiếp theo thời gian thực qua mô phỏng Pygame 2D • Kinh nghiệm thực tế: Vượt lý thuyết, tự tay lập trình để nắm vững thuật toán tự hành • Làm chủ thuật toán cốt lõi: Tập trung học các thuật toán cần thiết như Dijkstra, Pure Pursuit, ICP, v.v. • Học chuyên sâu theo từng bước: Cấu trúc độ khó có hệ thống từ cơ bản đến SLAM • SLAM dựa trên Lidar: Thực hành xây dựng bản đồ và ước tính vị trí trong môi trường chưa biết

Trong thời đại Cơn sốt vàng, người ta nói rằng việc trở nên giàu có bằng cách bán các công cụ khai thác vàng sẽ dễ dàng hơn là tự mình khai thác vàng. ChatGPT Tại sao không thử bán các chương trình trong Thời đại Khám phá?

Mục tiêu của khóa học là giúp bạn làm quen với Python và GPT API phức tạp một cách dễ dàng nhất thông qua thực hành. Chúng ta sẽ sử dụng ChatGPT API mới nhất để phát triển AI tóm tắt video YouTube, sau đó sử dụng Streamlit để triển khai dưới dạng ứng dụng web.

- Tôi là Research Engineer/AI PM đang điều hành một startup AI năm thứ 4. - Video này là bài giảng dành cho những người muốn bắt đầu học trí tuệ nhân tạo vào "hiện tại", "năm 2026". - Khi nhìn các bạn sinh viên, tôi thấy có rất nhiều bạn không biết phải bắt đầu học trí tuệ nhân tạo như thế nào. - Tôi hy vọng sau khi nghe bài giảng này, các bạn có thể bắt đầu học trí tuệ nhân tạo. - Xin lưu ý, bài giảng này không phải là "Ứng dụng AI vào công việc" hay "Bắt đầu kiếm tiền bằng GPT". - Đây là video về cách bắt đầu khi sinh viên, học viên cao học, hoặc các lập trình viên muốn học trí tuệ nhân tạo.

[Cung cấp mã nguồn] Không biết lập trình cũng OK. Hoàn thiện ngay trên trình duyệt với công cụ mới nhất của Google (IDX) mà không cần cài đặt! Đừng học cú pháp lập trình nữa! Đây là khóa học thực chiến siêu tốc giúp bạn xây dựng chatbot RAG hiểu rõ tài liệu nội bộ và triển khai trực tiếp lên web trong môi trường Google IDX thông qua việc trò chuyện với AI (Vibe Coding).

Sử dụng Python để học các kỹ thuật học máy, và nâng cao khả năng trích xuất thông tin từ dữ liệu thực tế cũng như phát triển mô hình dự đoán!

Mỗi ngày có 2.500 mã cổ phiếu, bạn định tự mình xem đến bao giờ? Sau khi thị trường đóng cửa, bạn phải lục lọi Naver Securities để tìm các mã tăng vọt, Đọc tin tức để phán đoán xem đó là tin tốt hay tin xấu, Kiểm tra từng chút một dòng tiền của khối ngoại và tổ chức, Mở biểu đồ để phân tích mô hình... Chẳng lẽ bạn đang lặp lại việc này mỗi ngày sao? Tôi cũng đã từng như vậy. Dành 2-3 tiếng sau khi đi làm về để phân tích cổ phiếu, nhưng vẫn bỏ lỡ nhiều mã hơn là tìm thấy. Tổng hợp cả KOSPI và KOSDAQ có hơn 2.500 mã, con người không thể nào xem hết mỗi ngày được. --- Vì vậy, tôi đã tạo ra một hệ thống Tôi đã tạo ra một hệ thống tự động phân tích 2.500 mã cổ phiếu sau khi thị trường đóng cửa mỗi ngày. - Tự động thu thập giá cả, dòng tiền và tin tức - AI (Gemini) đọc tin tức và phân biệt tin tốt/tin xấu - Chấm điểm trên thang điểm 15 dựa trên 6 yếu tố - Chỉ chọn những mã vượt qua tiêu chuẩn và tính toán cả giá vào lệnh/giá cắt lỗ/giá chốt lời - Gửi thông báo qua Telegram Sau khi đi làm về, tôi chỉ cần kiểm tra điện thoại. Thêm vào đó, vào mỗi thứ Bảy, hệ thống sẽ tự phân tích hiệu suất của tuần trước Và tự động điều chỉnh mức cắt lỗ, chốt lời và thời gian nắm giữ. Đây là cấu trúc mà hệ thống tự học hỏi và cải thiện. --- Nhưng tôi không phải là một lập trình viên Tôi không trực tiếp viết mã cho hệ thống này. Tôi hoàn toàn ra lệnh cho AI bằng lời nói. "Hãy lọc ra những mã tăng trên 5% hôm nay với giá trị giao dịch trên 50 tỷ won" "Gửi 3 tin tức này cho Gemini để phán đoán xem đó là tin tốt hay không" "Tạo một bộ lập lịch để hệ thống tự động chạy vào 4 giờ chiều mỗi ngày" Khi nói như vậy, AI (Claude) sẽ tạo mã cho tôi. Đó chính là Vibe Coding. --- Trong khóa học này, chúng ta sẽ cùng tạo ra hệ thống tương tự Qua 58 bài giảng, chúng ta sẽ cùng nhau xây dựng từ đầu đến cuối hệ thống mà tôi thực sự sử dụng hàng ngày. Bắt đầu từ thu thập dữ liệu, Phân tích tin tức bằng AI, công cụ chấm điểm, tạo tín hiệu, Máy chủ Flask API, bảng điều khiển web Next.js, Thông báo tự động qua Telegram, và cả hệ thống tự học. Sản phẩm cuối cùng không phải là một tệp Jupyter Notebook. Mà là một bảng điều khiển web và thông báo Telegram thực sự hoạt động mỗi ngày. Bạn không cần biết lập trình. Trong mỗi bài giảng, tôi sẽ hướng dẫn bạn cách nói chuyện với Claude, Và nếu bạn làm theo, bạn sẽ nhận được kết quả tương tự. --- Khóa học này dành cho: - Những nhà đầu tư là nhân viên văn phòng không có đủ thời gian phân tích cổ phiếu mỗi ngày - Những người muốn sở hữu hệ thống tự động nhưng không biết lập trình - Những người tò mò về Quant/Giao dịch hệ thống nhưng không biết bắt đầu từ đâu - Những người muốn biết cách ứng dụng AI vào thực tế --- ⚠️ Khóa học này không đảm bảo lợi nhuận đầu tư. Đây là khóa học lập trình về việc tự tạo ra công cụ phân tích chứng khoán. Quyết định đầu tư thực tế thuộc về trách nhiệm của chính học viên.

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'.

Chatgpt là một chương trình đọc và bình luận các bài viết của hàng xóm của tôi. Bài giảng về tự động hóa tiếp thị và phát triển chương trình quản lý khu phố

Nếu bạn muốn học Python thì hãy chú ý đến khóa học này!!! Hoàn toàn miễn phí~ Tôi thực sự khuyến khích sử dụng làm tài liệu học trước khi tham gia các môn học chính thức hoặc tự học cá nhân.