강의

멘토링

커뮤니티

AI Technology

/

AI Agent Development

90 phút hoàn thành: Từ nhập môn đến thực chiến LLM Agent – Học AI Agent qua thực hành

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.

(4.5) 4 đánh giá

61 học viên

Độ khó Cơ bản

Thời gian 5 tháng

  • HappyAI
multi-agent
multi-agent
LLM
LLM
LangChain
LangChain
AI Agent
AI Agent
LangGraph
LangGraph
multi-agent
multi-agent
LLM
LLM
LangChain
LangChain
AI Agent
AI Agent
LangGraph
LangGraph

Bạn sẽ nhận được điều này sau khi học.

  • # Hiểu về cấu trúc cơ bản và nguyên lý hoạt động của LLM Agent

  • Cách kết nối LLM với các công cụ, tool bên ngoài (API, tìm kiếm, v.v.)

  • Triển khai logic phán đoán của Agent và workflow có điều kiện

  • Thực hành các cấu trúc đa dạng như Memory, Human-in-the-loop, Multi-agent, v.v.

  • Xây dựng AI Agent hoạt động trong vòng 1 giờ

Học nguyên lý Agent - AI tự phán đoán và hành động chỉ trong 90 phút.🤔


AI hiện đang tiến hóa từ 'công cụ trả lời' thành 'tác nhân hành động'.

Khóa học này là khóa học nhập môn giúp bạn nắm vững nguyên lý cốt lõi và cấu trúc của LLM Agent chỉ trong 90 phút thông qua thực hành.

Không cần công thức phức tạp hay giải thích dài dòng,

Bạn có thể trực tiếp xác nhận qua code quá trình AI tự đưa ra quyết định và lựa chọn sử dụng các công cụ cần thiết.

Không cần lý thuyết phức tạp, chỉ 90 phút là đủ.



Đặc điểm của khóa học này

📌 Khóa học thực hành hoàn thành trong 1 giờ

Chỉ tập trung vào những điều cốt lõi cần thiết. Cấu trúc học tập thông qua thực hành, không có lý thuyết phức tạp.

📌 Có thể thực hành ngay với mô hình mới nhất

Google Gemini API và ChatGPT API là các bài thực hành dựa trên LLM mới nhất.

📌 Từ cơ bản đến thực chiến trong một khóa học

Tải mô hình LLM → Ràng buộc công cụ → Đăng ký công cụ tùy chỉnh → Thiết kế đồ thị theo từng bước thực hành.

📌 Trải nghiệm các cấu trúc agent đa dạng

ReAct, phân nhánh điều kiện, bộ nhớ, Human-in-the-loop, cộng tác đa tác nhân và nhiều cấu trúc hiện đại khác.

📌 Hiểu biết cấu trúc kết nối với thực tế công việc

Học các thiết kế có thể áp dụng ngay trong thực tế như logic phán đoán của agent, luồng dữ liệu, quản lý trạng thái, v.v.


💡Điểm khác biệt độc đáo của khóa học này


🔸 Hoàn thành thực hành tập trung trong 90 phút

Ngắn gọn nhưng chất lượng.
Chỉ cần 90 phút là bạn có thể hoàn thành quy trình để AI tự đưa ra quyết định và sử dụng công cụ.
Lý thuyết tối thiểu, 'cấu trúc thực hành học qua trải nghiệm trực tiếp'.


🔸 Tự tay tạo ra "AI sử dụng công cụ"

ChatGPT chỉ trả lời, nhưng trong khóa học này, chúng ta sẽ triển khai AI tự đưa ra quyết định để trực tiếp gọi các công cụ tìm kiếm, tính toán và phân tích. Hãy tiến hóa mô hình đối thoại đơn giản thành 'AI hành động'.


🔸 Từ tự động hóa AI đến cảm giác thực tế trong một lần

Đây không chỉ là khóa học chạy code đơn thuần.
Bạn sẽ học các mẫu kiến trúc agent được sử dụng trong môi trường doanh nghiệp thực tế,
và có được tư duy thực chiến có thể áp dụng ngay vào dự án.

Khóa học này phù hợp với những ai

Người mới bắt đầu với AI LLM

Những người muốn hiểu nguyên lý của LLM và học Agent từ đầu

Người làm việc bận rộn / Người lập kế hoạch /
Những người muốn nhanh chóng học cấu trúc cốt lõi của hệ thống tự động hóa AI

Trong thời gian ngắn

Những người muốn học về cốt lõi của Agent
Những người muốn hiểu nguyên lý của agent và tự tay triển khai thông qua 1 giờ thực hành


Sau khi hoàn thành khóa học

  • LLM sẽ hiểu được logic tự đánh giá và sử dụng công cụ.

  • Bạn có thể tự tay tạo AI agent của riêng mình bằng code.

  • LangChain / LangGraph dựa trên Agent, bạn sẽ học được luồng cốt lõi và phương pháp thiết kế cấu trúc.

  • Hiểu rõ các khái niệm về bộ nhớ, phân nhánh điều kiện và hệ thống cộng tác của AI Agent.

  • Có được những ý tưởng tự động hóa AI có thể áp dụng ngay vào công việc thực tế.


Bạn sẽ học những nội dung như thế này.

🧠 LLM Agent: Cấu trúc cốt lõi của AI có khả năng phán đoán và hành động

AI hiểu câu hỏi và tự chọn công cụ cần thiết như thế nào? Thông qua việc tự triển khai cơ chế Tool Call dựa trên LangChain, bạn sẽ xác nhận bằng code quá trình agent "tự đánh giá và hành động".

# 🧠Tool Binding: Kết nối LLM với các công cụ bên ngoài

AI không chỉ đơn thuần trả lời mà còn được kết nối để gọi các chức năng bên ngoài như tìm kiếm, API, v.v. Thực hành cấu trúc liên kết các công cụ thực tế như Gemini, Tavily Search với LLM và tự động xác định khi nào nên sử dụng công cụ dựa trên câu hỏi.

⚙️ LangGraph: Thiết kế trực quan luồng hoạt động của Agent

Điều gì sẽ xảy ra khi biểu diễn suy nghĩ và hành động của agent dưới dạng đồ thị? Sử dụng LangGraph để thiết kế và thực thi trực quan các workflow phức tạp như phân nhánh có điều kiện, xử lý song song, vòng lặp phản hồi.


🧍‍♂️ Human-in-the-loop: AI đưa ra quyết định cùng với con người

Liệu có ổn khi để AI đưa ra mọi quyết định không? Chúng ta sẽ thực hành phương pháp hybrid kết hợp giữa cấu trúc ra quyết định hợp tác có sự can thiệp của con người vào những thời điểm quan trọng, và thêm vào sự thấu hiểu của con người vào phán đoán của AI.



🔄 ReAct Agent: Cấu trúc bộ não của AI suy nghĩ và hành động

Thực hành mô hình ReAct với cấu trúc Reason(suy nghĩ) + Action(hành động). Trải nghiệm trực tiếp qua code quá trình agent tự lập kế hoạch và thực thi "làm gì và làm như thế nào", đồng thời hiểu được logic ra quyết định của AI.


🤝 Multi-Agent Collaboration: Hệ thống AI hợp tác

Nếu nhiều agent hợp tác thay vì chỉ một AI? Các agent được phân chia theo vai trò trao đổi thông tin,

Triển khai cấu trúc giải quyết vấn đề thông qua sự hợp tác như một đội nhóm. Mở rộng sang nhiều kịch bản khác nhau như hỗ trợ khách hàng, quản lý tri thức, tạo nội dung, v.v.


Người tạo ra khóa học này

Xin chào, tôi là CEO Lee Jin-gyu của HappyAI, người đam mê AI tạo sinh và LLM Agent.

Tốt nghiệp chuyên ngành xử lý ngôn ngữ tự nhiên và LLM tại trường Đại học AI, sau đó thực hiện hơn 200 dự án AI·RAG cùng với Samsung Electronics, Đại học Seoul, Tập đoàn Điện lực Hàn Quốc và nhiều đơn vị khác, tích lũy kinh nghiệm thực tế trong phát triển giải pháp LLM, xây dựng Private LLM, fine-tuning, RAG đa phương thức và nhiều lĩnh vực khác.

Đặc biệt gần đây, tôi đang thực hiện nhiều khóa học thực hành về LLM như RAG, Agent, Fine-tuning cho các doanh nghiệp hàng đầu và cơ quan công quyền trong nước.

Khóa học này được thiết kế với cấu trúc học thông qua thực hành trực tiếp các kiến thức cốt lõi một cách nhanh chóng, dựa trên vô số kinh nghiệm thực tế, ❝ để ngay cả người mới bắt đầu cũng có thể dễ dàng học và thực hành LLM Agent ❞.


📌 Tóm tắt kinh nghiệm chính

  • 2024~ Giám đốc điều hành Happy AI (Vận hành doanh nghiệp chuyên về AI tạo sinh·RAG)

  • Hoàn thành chương trình Tiến sĩ Trường Đại học AI (Chuyên ngành LLM & Xử lý Ngôn ngữ Tự nhiên)

  • Cựu Nghiên cứu viên mời của Viện Nghiên cứu Chính sách Phần mềm

  • Cựu nhà nghiên cứu của viện nghiên cứu được chính phủ tài trợ

  • Sở hữu kinh nghiệm thực tế từ hơn 200 dự án LLM·RAG


📚 Ví dụ về khóa học và hoạt động

  • KT – Khóa học phát triển Agent LLM dựa trên LLM

  • Samsung SDS – Bài giảng thực hành LangChain & RAG

  • Seoul Digital Foundation – Lý thuyết LLM và Phát triển Chatbot RAG

Ngoài ra, đã tiến hành các buổi giảng dạy về LLM và Big Data tại nhiều doanh nghiệp

Lưu ý trước khi học

Môi trường thực hành

  • Khóa học này thực hành trên Google Colab.

  • Google Gemini API (miễn phí)

  • ChatGPT API (Trả phí)

Tài liệu học tập

  • Tệp Excel được cung cấp dưới dạng liên kết mã nguồn!

Kiến thức cần có và lưu ý

Khóa học này được thiết kế để người mới bắt đầu cũng có thể theo kịp,
nhưng nếu bạn đã biết những nội dung sau đây thì tốc độ học tập sẽ nhanh hơn rất nhiều.

  • Cú pháp Python cơ bản

  • Các khái niệm cơ bản của LangChain
    Nếu bạn đã nắm sơ lược về cấu trúc Chain (Chuỗi), Tool (Công cụ), Prompt (Lời nhắc)
    thì quá trình thực hành sẽ diễn ra suôn sẻ hơn nhiều.

  • Kiến thức cơ bản về LLM
    Nếu bạn hiểu cách LLM xử lý đầu vào (prompt) và tạo ra phản hồi (output),
    cũng như nguyên lý hoạt động cơ bản, bạn sẽ dễ dàng hiểu hơn về cấu trúc Agent.


Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Người mới bắt đầu với AI LLM – Những người muốn vượt ra khỏi mức độ ChatGPT và mở rộng việc sử dụng LLM

  • Người mới bắt đầu lập trình / Người hoạch định – Những người muốn tự tay lập trình và triển khai agent hoạt động thực tế bằng code

  • Kỹ sư Prompt / Người làm việc thực tế – Những người muốn hiểu về quy trình làm việc dựa trên Agent

  • Người học tập trung trong thời gian ngắn – Những người muốn học nhanh chỉ những nội dung cốt lõi trong vòng 1 giờ

Cần biết trước khi bắt đầu?

  • Cú pháp cơ bản Python

  • Hiểu các khái niệm cơ bản về LLM (ví dụ: ChatGPT) sẽ giúp bạn nắm bắt nhanh hơn.

  • Nếu bạn đã biết kiến thức cơ bản về Langchain thì sẽ hiểu nhanh hơn.

Xin chào
Đây là

4,489

Học viên

225

Đánh giá

51

Trả lời

4.6

Xếp hạng

11

Các khóa học

Lee JinKyu | Lee JinKyu

Chuyên gia phân tích AI·LLM·Big Data / Đại diện Happy AI

👉Bạn có thể kiểm tra lý lịch chi tiết tại liên kết bên dưới.
https://bit.ly/jinkyu-profile

Xin chào.
Tôi là Lee JinKyu (Tiến sĩ Kỹ thuật, Trí tuệ nhân tạo), đại diện của Happy AI, người đã không ngừng làm việc với AI và phân tích dữ liệu lớn trong nghiên cứu, phát triển, giáo dục và các dự án thực tế.

Dựa trên xử lý ngôn ngữ tự nhiên (NLP) và khai phá văn bản (text mining),
tôi đã phân tích nhiều loại dữ liệu phi cấu trúc đa dạng như
khảo sát, văn bản, đánh giá, truyền thông, chính sách, dữ liệu học thuật, v.v.
Gần đây, tôi đang truyền đạt phương pháp ứng dụng AI tập trung vào thực tiễn phù hợp với tổ chức và môi trường làm việc
bằng cách tận dụng AI tạo sinh và mô hình ngôn ngữ lớn (LLM).

Tôi đã hợp tác với nhiều cơ quan công quyền, doanh nghiệp và tổ chức giáo dục như Samsung Electronics, Đại học Quốc gia Seoul, Sở Giáo dục, Viện Nghiên cứu Gyeonggi, Cục Lâm nghiệp,
Tổng cục Quản lý Công viên Quốc gia, Thành phố Seoul, v.v.,
và đã thực hiện tổng cộng hơn 200 dự án nghiên cứu và phân tích trong nhiều lĩnh vực khác nhau như y tế, thương mại, sinh thái, luật pháp, kinh tế và văn hóa.


🎒 Yêu cầu diễn thuyết và thuê ngoài (outsourcing)

Chuyên gia Kmong Prime (Top 2%)


📘 Tiểu sử (Tóm tắt)

  • 07/2024 ~ Hiện tại
    Giám đốc HappyAI, doanh nghiệp chuyên về phân tích Big Data và AI tạo sinh

  • Tiến sĩ Kỹ thuật (Trí tuệ nhân tạo)
    Trường Cao học Trí tuệ nhân tạo, Đại học Dongguk

    Chuyên ngành chi tiết: Mô hình ngôn ngữ lớn (LLM)

    (Tháng 03/2022 ~ Tháng 02/2026)

  • 2023 ~ 2025
    Nhà bình luận AI của Public News
    (Các vấn đề về định kiến trong AI tạo sinh, RAG, ứng dụng LLM)

  • 2021 ~ 2023
    Nhà phát triển tại Stellavision, công ty chuyên về AI và Big Data, an AI and Big Data company

  • 2018 ~ 2021
    Nghiên cứu viên về Xử lý ngôn ngữ tự nhiên và Phân tích dữ liệu lớn tại Viện nghiên cứu do Chính phủ tài trợ


🔹 Lĩnh vực chuyên môn (Tập trung vào Giảng dạy · Dự án)

  • AI tạo thế và ứng dụng LLM

    • LLM riêng tư (Private LLM), RAG, Agent

    • Cơ bản về Fine-tuning LoRA·QLoRA

  • Phân tích dữ liệu lớn dựa trên AI

    • Dữ liệu khảo sát, đánh giá, báo chí, chính sách và học thuật

  • Xử lý ngôn ngữ tự nhiên (NLP) · Khai phá văn bản (Text Mining)

    • Phân tích chủ đề, phân tích cảm xúc, mạng lưới từ khóa

  • Tự động hóa công việc bằng AI cho khối công và doanh nghiệp

    • Tóm tắt, phân loại và phân tích tài liệu

      Xử lý ngôn ngữ tự nhiên (NLP) và khai phá văn bản (Text Mining) đối với dữ liệu đánh giá, báo chí, chính sách và học thuật. Phân tích chủ đề (Topic Analysis), phân tích cảm xúc, mạng lưới từ khóa. Tự động hóa công việc bằng AI cho chính phủ và doanh nghiệp: Tóm tắt, phân loại và phân tích văn bản.


🎒 Khóa học & Hoạt động (Chọn lọc)

2025

  • Phát triển ứng dụng LLM/sLLM
    (Dựa trên Fine-tuning·RAG·Agent) – KT

2024

  • Lập trình LLM dựa trên LangChain·RAG – Samsung SDS

  • Lý thuyết LLM và Thực hành phát triển Chatbot RAG – Quỹ Kỹ thuật số Seoul (Seoul Digital Foundation)

  • Nhập môn phân tích dữ liệu lớn dựa trên ChatGPT – LetUin Edu

  • Cơ bản về Trí tuệ nhân tạo · Kỹ thuật Prompt – Viện Phát triển Nghề nghiệp Hàn Quốc

  • LDA·Phân tích cảm xúc với ChatGPT – Inflearn

  • Phân tích văn bản dựa trên Python – Đại học Khoa học và Công nghệ Quốc gia Seoul

  • Xây dựng Chatbot LLM sử dụng LangChain – Inflearn

2023

  • Cơ bản về Python sử dụng ChatGPT – Đại học Kyonggi

  • Bài giảng đặc biệt về khóa học chuyên gia dữ liệu lớn – Đại học Dankook

  • Cơ bản về phân tích dữ liệu lớn – LetUin Edu


💻 Dự án (Tóm tắt)

  • Xây dựng Chatbot RAG dựa trên Private LLM (Tổng công ty Điện lực Hàn Quốc)

  • Phân tích dữ liệu lớn về phục hồi rừng dựa trên LLM (Viện Khoa học Lâm nghiệp Quốc gia)

  • Giải pháp Text Mining Private LLM dành riêng cho mạng nội bộ (Cơ quan chính phủ)

  • Phát triển mô hình LLM dựa trên Instruction Tuning và RLHF

  • Phân tích dữ liệu chăm sóc sức khỏe, luật pháp, chính sách và giáo dục

  • Phân tích AI dữ liệu khảo sát, đánh giá và báo chí

→ Đã thực hiện hơn 200 dự án bao gồm các cơ quan công quyền, doanh nghiệp và viện nghiên cứu, including public institutions, corporations, and research institutes


📖 Ấn bản (Chọn lọc)

  • Improving Commonsense Bias Classification by Mitigating the Influence of Demographic Terms (2024)

  • Improving Generation of Sentiment Commonsense by Bias Mitigation
    – Hội nghị quốc tế về Dữ liệu lớn và Tính toán thông minh (2023)

  • Phân tích nhận thức về công nghệ LLM dựa trên dữ liệu lớn từ các bài báo chí (2024)

  • Nhiều nghiên cứu khai phá dữ liệu văn bản (text mining) dựa trên NLP
    (Lĩnh vực Lâm nghiệp · Môi trường · Xã hội · Chăm sóc sức khỏe)


🔹 Khác

  • Phân tích và trực quan hóa dữ liệu dựa trên Python

  • Phân tích dữ liệu sử dụng LLM

  • Nâng cao năng suất công việc bằng cách sử dụng ChatGPT, LangChain và Agent

Chương trình giảng dạy

Tất cả

16 bài giảng ∙ (1giờ 26phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

4 đánh giá

4.5

4 đánh giá

  • steadyai님의 프로필 이미지
    steadyai

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    31% đã tham gia

    • ujusday1436님의 프로필 이미지
      ujusday1436

      Đánh giá 1

      Đánh giá trung bình 4.0

      4

      100% đã tham gia

      • pjparkz님의 프로필 이미지
        pjparkz

        Đánh giá 48

        Đánh giá trung bình 4.7

        4

        100% đã tham gia

        Khóa học ngắn gọn thì tốt nhưng cũng tiếc là do đó mà không thể tránh khỏi việc thiếu những giải thích chi tiết.

        • abcd123123님의 프로필 이미지
          abcd123123

          Đánh giá 327

          Đánh giá trung bình 5.0

          5

          100% đã tham gia

          470.240 ₫

          Khóa học khác của HappyAI

          Hãy khám phá các khóa học khác của giảng viên!

          Khóa học tương tự

          Khám phá các khóa học khác trong cùng lĩnh vực!