Chuyển đổi số sử dụng AI (Digital Transformation Using AI)

Hãy thiết kế, triển khai và phát triển trong khi tìm hiểu các khái niệm cơ bản của ngôn ngữ C++ và các khái niệm hướng đối tượng!

Hãy cùng viết mã vui vẻ với nhiều robot dễ thương khác nhau sử dụng trí tuệ nhân tạo!

Hãy cùng tìm hiểu và học hỏi về trí tuệ nhân tạo cũng như đạo đức AI, đồng thời kết hợp với chuyên ngành của bản thân để nâng cao năng lực kỹ thuật số AI!

Hãy cùng củng cố nền tảng sử dụng Python và giải quyết các bài toán phân tích dữ liệu nhé!

Hãy hiểu cách phân tích dữ liệu thông qua Python, phân tích và trực quan hóa các loại dữ liệu khác nhau cũng như tóm tắt câu chuyện dữ liệu!

Cùng trau dồi năng lực trích xuất thông tin hữu ích từ dữ liệu lớn và hỗ trợ ra quyết định!

Hãy sử dụng Keras để hiểu các thuật toán mô hình cho machine learning và deep learning!

Cùng tìm hiểu các thuật toán chính của machine learning và deep learning cũng như tìm hiểu về trí tuệ nhân tạo nhé!

Với ngôn ngữ R, xử lý dữ liệu dễ dàng và thuận tiện, ngay cả những người không chuyên về máy tính cũng có thể phát triển khả năng sử dụng các chương trình máy tính liên quan đến lĩnh vực học tập của mình!

Trải nghiệm mã hóa văn bản và điều khiển Arduino thông qua mã hóa khối!

Hãy cùng học những nội dung cơ bản của ngôn ngữ lập trình Python để trau dồi kỹ năng lập trình Python cần thiết cho trí tuệ nhân tạo nhé!

Lập trình Java dựa trên khái niệm hướng đối tượng cho chuyên ngành kỹ thuật máy tính

Hãy cùng phát triển kiến ​​thức lĩnh vực cơ bản về khoa học quần áo và kỹ năng của một chuyên gia thời trang thông qua hiểu biết về CAD dệt may dựa trên AI!

Hãy cùng học hỏi các cấu trúc dữ liệu và thuật toán đa dạng, đồng thời rèn luyện kỹ năng thực hành để hiện thực hóa chúng thông qua lập trình!

Hãy cùng tìm hiểu cách tự động hóa công việc bằng Python nhé!

Hãy cùng nâng cao năng lực tìm kiếm mô hình ra quyết định hợp lý dựa trên tư duy toán học bằng cách thấu hiểu các yếu tố đa dạng của trí tuệ nhân tạo và dữ liệu, đồng thời giải quyết các vấn đề thực tiễn thông qua việc sử dụng ChatGPT và lập trình không cần mã hóa (no-code)!

Hãy cùng tìm hiểu cách triển khai Abyss dành cho những người không chuyên nhé!

Hãy phát triển năng lực thực무 hành chính dựa trên dữ liệu để giải quyết các vấn đề hành chính và chính sách một cách thực증 bằng cách phân tích dữ liệu công cộng với R và Python!

Hãy cùng trải nghiệm phát triển ứng dụng theo phương thức cộng tác trong môi trường Linux Shell & phần mềm nguồn mở, đồng thời thiết lập môi trường phát triển cần thiết cho việc lập trình nhé!

Hãy hiểu phân tích dữ liệu phù hợp với hoạt động kinh doanh bán lẻ tiên tiến và tìm hiểu cách sử dụng các công cụ được sử dụng trong ngành!

Khóa học giải đề thi AWS Certified AI Practitioner là khóa học tóm tắt cốt lõi để đạt chứng chỉ. Đầu tiên, ôn tập nhanh các khái niệm cơ bản về AI/ML và AI tạo sinh, sau đó học các tính năng và trường hợp sử dụng của các dịch vụ AI chính của AWS thường xuất hiện trong kỳ thi (ví dụ: SageMaker, Rekognition, Polly, v.v.). Dựa trên đó, thực hành đánh giá giải pháp AI nào phù hợp với các tình huống vấn đề thực tế đa dạng, đồng thời đề cập đến nội dung liên quan đến sử dụng có trách nhiệm mô hình AI và bảo mật dữ liệu. Cuối cùng, nắm vững chiến lược giải đề theo từng dạng bài thi thực tế và chuẩn bị cho kỳ thi thông qua các bài thi thử thực chiến. Thông qua khóa học này, bạn có thể chuẩn bị kỳ thi một cách hiệu quả trong thời gian ngắn.

Thấu hiểu bản chất của thống kê cơ bản cần thiết cho việc phát triển và ứng dụng trí tuệ nhân tạo mà không cần đến một công thức hay một dòng mã nào.

Bạn có thể biến ý tưởng của mình thành một bài thuyết trình đẹp mắt chỉ trong vài phút. Không còn cần phải tốn hàng giờ đồng hồ loay hoay với việc thiết kế slide nữa. Với công nghệ AI của GAMMA, bạn có thể cải thiện đáng kể quy trình sáng tạo nội dung của mình.

Tại sao Attention lại cần thiết và cách thức hoạt động của nó được hiểu thông qua 'việc triển khai trực tiếp bằng code'. Khóa học này xuất phát từ những hạn chế cấu trúc của mô hình RNN và Seq2Seq, xác minh thông qua thí nghiệm vấn đề nghẽn cổ chai thông tin do context vector cố định tạo ra, vấn đề phụ thuộc dài hạn và giải thích một cách tự nhiên cách Attention đã xuất hiện để giải quyết những hạn chế đó. Không chỉ đơn thuần giới thiệu khái niệm, mà trực tiếp xác nhận qua thí nghiệm những hạn chế cấu trúc của RNN và vấn đề nghẽn cổ chai thông tin của Seq2Seq, và triển khai từng cái một **Bahdanau Attention(attention cộng)** và **Luong Attention(attention tích vô hướng)** đã xuất hiện để giải quyết vấn đề này, hiểu rõ sự khác biệt giữa chúng. Mỗi attention Hình thành mối quan hệ Query–Key–Value theo cách nào, Có những khác biệt toán học·trực quan nào trong quá trình tính toán trọng số, Tại sao lại không thể không dẫn đến các mô hình thế hệ sau Đặc tính và dòng chảy tiến hóa đó được kết nối một cách tự nhiên. Cách Attention nhìn nhận câu và từ, Cách mỗi từ được gán tầm quan trọng và tích hợp thông tin được học tập dưới dạng công thức → trực quan → code → thí nghiệm liên kết thành một. Khóa học này là quá trình xây dựng 'thể lực cơ bản' để hiểu đúng Transformer, giúp hiểu sâu sắc tại sao khái niệm Attention lại mang tính cách mạng, và tại sao tất cả các mô hình NLP hiện đại sau này (Transformer, BERT, GPT, v.v.) lại lấy Attention làm thành phần cốt lõi. Đây là khóa học được tối ưu hóa cho những học viên muốn thể hóa dòng chảy RNN → Seq2Seq → Attention không phải bằng khái niệm mà bằng code và thí nghiệm.

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'.

Hãy tạo ra video AI chất lượng cao bằng Midjourney & Runway. Đạo diễn 김동아, người đã hợp tác với Samsung, sẽ trực tiếp hướng dẫn bạn từng bước quy trình sản xuất video AI dựa trên một thương hiệu ảo.

Trong kỷ nguyên mà dữ liệu bùng nổ và xử lý thời gian thực trở nên quan trọng, điện toán biên (edge computing) đã trở thành một công nghệ thiết yếu, không còn là lựa chọn. Khóa học này được thiết kế để bạn có thể học một cách có hệ thống mọi thứ, từ các khái niệm cốt lõi của điện toán biên đến các chiến lược triển khai để áp dụng vào môi trường kinh doanh thực tế. Thông qua khóa học này, các học viên sẽ nắm vững các nguyên tắc cơ bản của điện toán biên, và tiếp thu kiến thức cùng bí quyết thực tiễn để áp dụng vào công việc và dự án. Để trở thành chuyên gia về điện toán biên – công nghệ cốt lõi của môi trường CNTT tương lai, hãy thực hiện bước đi vững chắc nhất!

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

Thông qua bài giảng này, bạn có thể tìm hiểu toàn bộ quy trình và phương pháp chuẩn bị cho kỳ thi tuyển sinh vào trường sau đại học ngành trí tuệ nhân tạo từ đầu đến cuối! Tôi cũng sẽ chia sẻ những nội dung hay giúp tăng khả năng đậu!

Từ lý thuyết cốt lõi về Deep Learning và CNN đến các phương pháp triển khai mô hình CNN đa dạng, bí quyết phát triển Deep Learning thực tế thông qua các bài toán thực tế, Nếu bạn muốn trở thành chuyên gia về công nghệ CNN Deep Learning dựa trên Pytorch, hãy tham gia khóa học này :)

Việc tra cứu tài liệu và soạn thảo văn bản lặp đi lặp lại hàng ngày, bạn định sẽ còn phải ôm đồm đến bao giờ? Tôi cũng từng là một nhân viên văn phòng bình thường, ngày nào cũng phải tăng ca để tìm kiếm những thông tin cốt lõi giữa biển dữ liệu tràn lan. Tuy nhiên, sau khi đưa Gemini 3 vào quy trình làm việc thực tế, tôi đã trải nghiệm được tốc độ xử lý công việc nhanh chóng hơn hẳn. Hãy nâng cao năng suất công việc của bạn bằng cách tận dụng Gemini.

Khóa học này bao gồm toàn bộ quá trình phát triển ChatGPT từ một AI hội thoại đơn thuần thành một AI Agent thông minh có khả năng thực hiện các công việc thực tế. Bạn sẽ được trực tiếp xây dựng các AI Agent có thể ứng dụng ngay vào công việc thực tiễn bằng cách sử dụng ba khung làm việc cốt lõi: LangChain, LangGraph và LangSmith.

Khóa học nhập môn trí tuệ nhân tạo dành cho người mới bắt đầu! Nội dung tóm tắt dễ hiểu các khái niệm cốt lõi từ dữ liệu đến AI tạo sinh. Mục tiêu của khóa học là giúp bạn hiểu rõ về thực tế để có thể đặt câu hỏi và giải thích về AI, thay vì trực tiếp tạo ra nó.

AI không còn là công cụ dành riêng cho các nhà phát triển hay chuyên gia nữa. Khoảng cách giữa "người dùng AI và người không dùng AI" đang ngày càng nới rộng trong mọi lĩnh vực, từ học sinh, sinh viên, người tìm việc cho đến nhân viên văn phòng, nhà hoạch định và lập trình viên. Khóa học này là một bản hướng dẫn sinh tồn thực chiến, tập trung vào: ✔️ Cách sử dụng AI như một công cụ để bùng nổ năng suất thay vì là một công nghệ thay thế ✔️ Các câu lệnh (prompt) có thể áp dụng ngay vào công việc, học tập, tìm việc, lập kế hoạch và phát triển phần mềm ✔️ Thay đổi tư duy cho những ai từng nghĩ "Dùng AI cũng bình thường thôi mà" trở thành bậc thầy AI Thay vì chỉ giải thích các tính năng đơn thuần, tôi sẽ chia sẻ dựa trên kinh nghiệm và các ví dụ thực tế về: 👉 Kiểu người nào sẽ sống sót trong kỷ nguyên AI 👉 Cách người đó thực sự sử dụng AI như thế nào

Bạn sẽ được hiểu về hiện tại và tương lai của công nghệ AI, trải nghiệm quy trình kiểm thử các mô hình AI như Machine Learning và tìm hiểu về vai trò của người kiểm thử. Khóa học giúp bạn nắm vững kiến thức rộng rãi từ việc thiết lập chiến lược kiểm thử hệ thống dựa trên AI, thiết kế và thực thi kịch bản kiểm thử (test case), cho đến cách ứng dụng AI để hỗ trợ quá trình kiểm thử. Khóa học này được xây dựng dựa trên đề cương (syllabus) AI Testing của ISTQB, mang đến cơ hội để bạn chuẩn bị hoàn hảo cho kỳ thi cấp chứng chỉ ISTQB AI Testing.

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

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.

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.

Chinh phục tất cả về AI thay đổi thế giới chỉ trong 4 bài giảng! Bài 1. Bản chất thật sự của Trí tuệ nhân tạo AI không phải là phép thuật. Đó là bộ não kỹ thuật số được tạo ra bằng cách phân tích 'trí tuệ' của con người như một công thức! Chúng ta sẽ khám phá từng ngóc ngách của cấu trúc cốt lõi của AI tưởng chừng thông minh này. Bài 2. Thuật toán, phương pháp tư duy sáng tạo (?) của AI AI suy nghĩ sẽ tìm ra giải pháp như thế nào? Hãy trực tiếp tìm hiểu chiến lược của AI khi chơi cờ vây, tìm đường và dự đoán kết quả tìm kiếm của bạn. Bài 3. Phần cứng AI, động cơ biến trí tưởng tượng thành hiện thực! Con chip trong điện thoại thông minh của bạn chính là trái tim của AI. Chúng ta sẽ mổ xẻ tất cả, từ CPU, GPU, TPU cho đến những cái tên không thể biết được khác. Bài 4. Cuộc đối đầu lớn giữa Machine Learning và Deep Learning! Việc AI 'học' rốt cuộc có nghĩa là gì? Từ AI dựa trên quy tắc cổ điển, cho đến ChatGPT đang "hot" gần đây! Chúng ta sẽ theo dõi sự tiến hóa của việc học.

LLM và Agent là những công nghệ nền tảng của các AI như ChatGPT. Hiện tại, LLM là công nghệ tiến gần nhất đến AGI (Trí tuệ nhân tạo tổng quát). Trong bài giảng này, chúng ta sẽ tìm hiểu về công nghệ LLM và Agent dưới góc nhìn của một người bình thường.