[AI Thực hành] Hiểu về mô hình Diffusion thông qua việc triển khai bài báo Prompt-to-prompt

Chúng tôi sẽ tổng hợp các khái niệm lý thuyết về MNIST, bộ dữ liệu cơ bản nhất trong thị giác máy tính, đồng thời học cách triển khai thông qua API của Torchvision và cách tự xây dựng một custom dataset class.

Học deep learning thông qua PyTorch. Cuối cùng, khóa học sẽ đề cập đến phân loại hình ảnh.

Xây dựng hệ thống Full-stack không cần lập trình: Tự mình hoàn thiện toàn bộ pipeline từ thu thập dữ liệu, phân tích AI·ML đến bảng điều khiển web chỉ bằng các câu lệnh tiếng Hàn (Vibe Coding). Sở hữu pipeline tự động hóa 100%: Sở hữu công cụ phân tích chứng khoán độc lập, nhận kết quả sàng lọc S&P 500 và ý kiến đầu tư qua Telegram vào mỗi sáng. Tiếp thu khung đầu tư dựa trên dữ liệu thực tế: Biến năng lực phân tích dữ liệu và quản trị rủi ro cấp độ tổ chức thành của riêng bạn dựa trên mã nguồn đang vận hành thực tế.

Khóa học giúp bạn trở thành nhà phát triển game thực thụ. Với 4 dự án thực chiến và 3 game chuyên sâu AI, vượt mọi giới hạn!

"Bạn vẫn học bằng cách đọc sách lập trình ư?" Khóa học được đánh giá 5.0/5.0 từ sinh viên cao học MBA và sinh viên đại học khoa Quản trị Kinh doanh tại trường Kinh doanh London đương nhiệm. Bạn có thể tham gia khóa học phân tích dữ liệu AI tại nhà. Ngay cả người không chuyên ngành, xuất thân từ khối ngành xã hội cũng có được năng lực thực hành phân tích dữ liệu ứng dụng ngay tại nơi làm việc và cả portfolio phân tích dữ liệu để hoàn thành việc chuẩn bị xin việc. Tôi là một giáo sư người Anh (British Professor), người đang giảng dạy các lớp phân tích dữ liệu và dự án bằng cách sử dụng ChatGPT mà không cần kiến thức về mã hóa.

Khi học máy học, bạn học cách nâng cao độ chính xác. Nhưng ngay khoảnh khắc muốn đưa mô hình đó lên một con chip thực tế, vẫn còn những câu hỏi mà không ai nói cho bạn biết. Mô hình này thực hiện bao nhiêu phép nhân? Nó cần ghi nhớ bao nhiêu và những gì? Thông số của con chip đang nhắm tới có đáp ứng được các yêu cầu đó không? Giáo trình máy học nói về độ chính xác, còn giáo trình bán dẫn nói về mạch điện, nhưng tài liệu kết nối hai lĩnh vực này lại rất hiếm. Khi triển khai CPU RISC-V và NPU trên FPGA, tôi đã nhiều lần đối mặt với khoảng cách đó. Đó là tình huống mô hình có độ chính xác cao nhất lại không thể chạy trên bo mạch. Trong khóa học này, bạn sẽ trực tiếp xây dựng sáu thuật toán bằng Python, đồng thời đo số phép nhân, phép so sánh, bộ nhớ và độ chính xác ở mỗi bước. Sau đó, các giá trị này được quy đổi thành tài nguyên trên một bo mạch FPGA thực tế. Chỉ nói “bao nhiêu phép nhân” thì không đủ để hình dung quy mô, nhưng nếu nói “chiếm bao nhiêu phần trăm tài nguyên của bo mạch” thì bạn có thể đưa ra quyết định. Sau khi hoàn thành chín Lab và đưa sáu mô hình vào cùng một bảng, bạn sẽ thấy một bức tranh khác với dự đoán. Chúng ta đã dành chín bài để đếm số phép nhân, nhưng thứ thực sự trở thành nút thắt lại không phải là phép nhân. Sau đó, chúng ta sẽ hạ độ chính xác xuống dạng số nguyên, quản lý số chữ số và xây dựng cả tiêu chí để đánh giá mạch. Bạn không cần có bo mạch FPGA. Khóa học được thực hiện hoàn toàn bằng Python, còn bo mạch chỉ được sử dụng làm 기준 để quy đổi các giá trị đo được.

Trong thời đại AI viết code thay bạn, bạn sẽ tiếp tục là một 'Coder' hay sẽ tiến lên thành một 'Architect' (Kiến trúc sư)? Khóa học này được thiết kế dành cho các junior developer có thể thực hiện được những tính năng cơ bản, nhưng cảm thấy bế tắc với bước tiếp theo hoặc lo lắng về việc rơi vào "vũng lầy kinh nghiệm ảo". Chúng ta không chỉ dừng lại ở việc học lý thuyết Clean Architecture đơn thuần, mà hướng tới mục tiêu biến những nguyên tắc thiết kế cấp cao của Robert C. Martin (Uncle Bob) thành vũ khí trong thời đại AI.

Khóa học này nhằm mục đích hướng dẫn cách sử dụng Gemini API SDK mới nhất (@google/genai) trong môi trường Node.js và TypeScript. Bạn sẽ học cách sử dụng công nghệ đa phương thức (multimodal) để xử lý đồng thời văn bản, hình ảnh và video. Chúng ta sẽ thực hành toàn bộ quy trình từ cấp phát API key, thiết lập dự án cho đến việc gọi mô hình.

Một mô hình tạo hình ảnh nóng bỏng! Hãy hiểu bằng cách thực hiện nó từ những điều cơ bản! Hãy cùng nhau triển khai AUTO ENCODER/VAE/GAN/DIFFUSION nhé!

Đây là khóa học trong đó bạn tìm hiểu các dự án thú vị cùng với lý thuyết xử lý hình ảnh và video bằng OpenCV (Thư viện thị giác máy tính nguồn mở) và sử dụng các mô-đun học sâu (dnn, Deep Neural Network) để xác định và nhận dạng khuôn mặt, mắt và các vật thể khác nhau .

Khóa học được tiến hành với lý thuyết và thực hành Python dễ hiểu ngay cả đối với những người không chuyên ngành. Đây là khóa học nhập môn lập trình Python - bước đầu tiên trong lộ trình tổng thể được xây dựng để phát triển ứng dụng. [Lộ trình tổng thể] Cơ bản Python -> Nâng cao Python -> Phát triển backtest giao dịch tự động -> Phát triển giao dịch tự động thời gian thực -> Giao dịch tự động ứng dụng LLM

Đây là quy trình hoàn thiện sản phẩm IoT mà không cần lập trình phức tạp bằng phương pháp Vibe Coding sử dụng AI Agent. Bạn có thể trải nghiệm một cách cô đọng toàn bộ quá trình phát triển sản phẩm, từ điều khiển phần cứng nhúng đến nhận diện AI Vision, thiết kế PCB, in 3D, và phát triển dịch vụ Web/App để ra mắt một thiết bị IoT cấp độ thương mại hoạt động thực tế.

Kết quả vibe coding cứ liên tục khác với ý định của bạn? Hãy học quy trình xác định mục tiêu, phạm vi, quy tắc nghiệp vụ và tiêu chí hoàn thành bằng Phát triển dựa trên đặc tả (SDD) và Spec Kit, sau đó truyền cùng một đặc tả cho Claude Code và Codex để giảm việc chỉnh sửa lặp đi lặp lại.

Đây là khóa học nhập môn Python dựa trên giáo trình tương tác. Bạn sẽ hiểu được nguyên lý hoạt động của lập trình thông qua các trò chơi board game dễ thương.

Đây là khóa học dành cho các nhà phát triển đang sử dụng Claude Code nhưng chỉ ở mức độ đơn giản như trò chuyện với chatbot. Nội dung sẽ tập trung giải thích các khái niệm cốt lõi và tư duy cần thiết để sử dụng Claude Code một cách hiệu quả nhất.

Học Claude Code nhanh hơn bất kỳ ai | Dành cho nhà phát triển Hãy nhanh chóng học cách sử dụng Claude Code đang thịnh hành dạo gần đây (cài đặt, sử dụng, kỹ năng, sub-agent) và tạo dự án của riêng bạn!

Đây là khóa học không chỉ giúp bạn mở rộng ý tưởng về cách vận hành blog bằng việc xây dựng chương trình tự động đăng bài trên WordPress bằng Python nhằm theo đuổi lợi nhuận từ tiếp thị liên kết CPA, mà còn giúp bạn học Python thực chiến một cách hoàn hảo thay vì chỉ là lý thuyết suông.

Bạn sẽ được tìm hiểu tường tận về Transformer thông qua việc trực tiếp triển khai bằng mã nguồn từ Multi Head Attention, mô hình Transformer nguyên bản, BERT, mô hình dịch thuật MarianMT dựa trên Encoder-Decoder cho đến Vision Transformer.

Thời đại trở thành 'CEO nền tảng của riêng mình' chỉ với một ý tưởng ngay cả khi bạn là người mới bắt đầu về IT, nhờ tận dụng AI và Gnuboard! Chúng tôi sẽ trình diễn chi tiết toàn bộ quá trình phát triển thực tế từ lập kế hoạch đến triển khai, đồng thời hướng dẫn các phương pháp kiếm tiền đa dạng như quảng cáo và trung tâm mua sắm. Hãy bắt đầu công việc kinh doanh trực tuyến của bạn ngay bây giờ!

Nếu bạn yêu cầu AI "hãy tạo mô hình bằng dữ liệu này", vài dòng đầu tiên trông có vẻ hợp lý, nhưng chỉ cần phức tạp hơn một chút, nó sẽ sử dụng sai cột, làm rò rỉ dữ liệu (leakage), và dù điểm số tăng lên nhưng mô hình thực tế lại tệ đi. Khóa học này không dạy bạn cách viết prompt tốt hơn. Thay vào đó, nó tập trung vào cách trực tiếp thiết kế một vòng lặp (harness) để Agent có thể hiểu dữ liệu, lập kế hoạch, viết mã, tự xác nhận kết quả và quay lại nếu sai sót. Sau khi thực hành thủ công một vòng lặp năm mảnh của DS-STAR, chúng ta sẽ lần lượt lắp ráp các thành phần: Data Profile Card, Hook, Skill Hierarchy, Independent Verifier và Ablation.