đặt tên Java

Giải thích các nguyên lý cơ bản của mô hình ngôn ngữ lớn như ChatGPT, tập trung vào lý thuyết.

Đây là một bài giảng được thiết kế để bạn có thể hiểu được Secure Coding (lập trình bảo mật), ngay cả khi bạn chưa biết gì về nó. Sau khi nắm vững các khái niệm cơ bản về lập trình bảo mật, bài giảng sẽ tập trung giải thích về bảo mật dịch vụ web. Đây là một bài giảng đã được thực hiện dưới dạng chuyên đề đặc biệt do Đại học OO tổ chức. Hơn 160 đoạn mã nguồn được trình bày kèm theo nhiều chú thích phong phú, giúp người học dễ dàng nhận biết các chủ đề và kỹ thuật cốt lõi có thể áp dụng ngay vào thực tế.

Giải thích lý do cần LLM, nền tảng kỹ thuật và khái niệm cơ bản.

Giúp các lập trình viên junior có thể hiểu toàn bộ quy trình phát triển từ lập kế hoạch, viết code, triển khai đến kiểm thử bằng cách sử dụng trí tuệ nhân tạo như một công cụ phát triển, từ đó trang bị năng lực Full-Spectrum cần thiết để tồn tại và phát triển trong thời đại AI.

Khóa học này là một quá trình học tập có hệ thống về kỹ thuật prompt engineering - công nghệ cốt lõi để sử dụng hiệu quả các mô hình ngôn ngữ lớn (LLM) hoặc trí tuệ nhân tạo sinh tạo. Từ lý thuyết cơ bản đến kỹ thuật thực chiến, cùng với các ứng dụng mới nhất và các vấn đề về bảo mật·đạo đức được đề cập một cách toàn diện, khóa học mang lại sự hỗ trợ thực tế cho tất cả các nhà phát triển dịch vụ dựa trên LLM, nhà khoa học dữ liệu và người lập kế hoạch AI.

Khái niệm “Problematization” (문제화) còn được dịch là đặt vấn đề (문제 제기), xây dựng vấn đề (문제짜기). Nó cũng có thể được dịch là thiết lập vấn đề (문제 설정) hoặc định nghĩa vấn đề (문제 정의). Đây là một khái niệm bao gồm quá trình đặt câu hỏi từ một góc nhìn mới về các sự thật đã biết như yêu cầu hoặc kiến thức thông thường, xác định vấn đề và xây dựng cách giải quyết vấn đề đó. Problematization nên là điểm khởi đầu của mọi quá trình phát triển nhưng vẫn là một chủ đề chưa được thảo luận đầy đủ trong lĩnh vực phát triển. Việc thực hiện một dự án hay phát triển một chương trình thực chất cũng là việc lập kế hoạch để giải quyết vấn đề. Nghĩa là, nó có liên quan đến problematization. Để giải quyết vấn đề, trước tiên vấn đề phải được xác định rõ ràng. Tuy nhiên, hầu hết các vấn đề được đưa ra dưới dạng các yêu cầu mơ hồ. Do đó, cần có khả năng biến các yêu cầu mơ hồ thành vấn đề rõ ràng để giảm thiểu 'lãng phí phát triển' không cần thiết, giúp hợp tác trôi chảy hơn và nắm bắt đúng nhu cầu thực sự của người dùng. Khóa học này giúp rèn luyện 'tư duy cấu trúc vấn đề' thông qua các trường hợp thực tế và công cụ.

Khi xây dựng hệ thống RAG (Retrieval-Augmented Generation: Tạo sinh tăng cường truy xuất) dựa trên AI tạo sinh hoặc LLM mà không đạt được hiệu suất mong muốn và không có giải pháp thích hợp, thì phải làm sao? Khóa học này sẽ trình bày các phương pháp cải thiện hiệu suất RAG dựa trên lý thuyết Cognitive Load (Tải trọng nhận thức). Thông qua khóa học này, bạn có thể hiểu được giới hạn của cửa sổ ngữ cảnh LLM và cách quản lý Cognitive Load một cách hiệu quả trong hệ thống RAG. Đây là một khóa học lý thuyết cấp độ thực tiễn, bao gồm các chủ đề như kích thước và thiết kế cấu trúc Chunk, kỹ thuật tạo Chunk chất lượng cao, tối ưu hóa động, đánh giá hiệu suất và các kỹ thuật thực chiến.

Bạn có thể tìm hiểu các khái niệm và phương pháp 'thiết kế dịch vụ' cần thiết khi lập kế hoạch các ứng dụng hoặc dịch vụ web được xây dựng dựa trên LLM, một loại hình trí tuệ nhân tạo tạo sinh (Generative AI).

Nhanh chóng hiểu các khái niệm và cú pháp cơ bản của C.

👨‍🍳 Nấu mã như nấu ăn, sạch sẽ và ngon miệng! 『클린 코딩』 là lớp học nấu mã của lập trình viên giống đầu bếp, nơi học 클린 코딩 vui vẻ qua ví von ẩm thực. 🍽️

Hiện đã là thời đại phát triển dựa trên AI. Do cần có cách tận dụng AI hiệu quả hơn để tạo ra mã và tài liệu chất lượng và chính xác hơn, chúng tôi đề xuất các phương pháp phù hợp.

Sẽ giải thích chi tiết các mô hình ngôn ngữ đa dạng đã được phát triển trong suốt quá trình từ khởi đầu công nghệ xử lý ngôn ngữ tự nhiên cho đến các mô hình LLM mới nhất.

Kết hợp CrewAI (giúp triển khai công nghệ đa tác nhân LLM), đồ thị tri thức và hệ thống suy luận để tạo thẩm phán AI.

Tìm hiểu cách thu thập và phân tích các yêu cầu của người dùng để thiết kế dịch vụ LLM.

Xem xét những hạn chế của LLM, cách khắc phục và các chủ đề nghiên cứu mới nhất.

Tìm hiểu về các ứng dụng hoặc dịch vụ web có thể được xây dựng bằng cách sử dụng LLM.