Kỷ nguyên đại hải tặc AI đã mở ra.

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.

Giải thích chi tiết về các mô hình ngôn ngữ khác nhau được phát triển trong quá trình từ khi bắt đầu công nghệ xử lý ngôn ngữ tự nhiên cho đến các mô hình LLM mới nhất.

Học cách sử dụng các LLM cục bộ đa dạng (Qwen, Gemma) và tìm hiểu các kỹ thuật khác nhau để đánh giá (Evaluation) và cải thiện hiệu suất của hệ thống LLM một cách hiệu quả.

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 thành thạo lý thuyết cơ bản về LLM và các công nghệ cốt lõi của LangChain cùng RAG. Bạn có thể dễ dàng học từ kiến thức nền tảng về LLM đến các công nghệ AI mới nhất được sử dụng trong thực tế!

Đây là khóa học dựa trên <Mô hình ngôn ngữ lớn, nhanh chóng nắm bắt những điểm cốt lõi!> (Insight, 2025), trình bày về lý thuyết và các ví dụ thực tiễn của LLM.

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.

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.

"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!

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'.

GPT dự đoán từ tiếp theo và tiếp tục viết câu như thế nào? ATT: After The Transformer xin miễn phí công khai Phần 1 của phần GPT. Hãy hiểu nguyên lý tạo câu của mô hình ngôn ngữ thông qua phần giải thích trực quan và xây dựng nền tảng để nghiên cứu GPT sâu hơn.

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.

RNN xử lý thông tin có thứ tự như thế nào? Chúng tôi miễn phí công khai phần RNN trong TTT: To The Transformer. Hãy hiểu nguyên lý hoạt động của mạng nơ-ron hồi quy qua những giải thích trực quan và xây dựng nền tảng để học về attention và Transformer.