Tự xây dựng RAG - từ tìm kiếm kết hợp, Reranker, tìm kiếm đa giai đoạn đến đánh giá và vận hành

Bạn có thể tìm hiểu về hệ thống Text-To-SQL, hệ thống tạo câu lệnh SQL và truy vấn theo thời gian thực dựa trên câu hỏi của người dùng.

"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'.

1. Khóa học tập trung vào thực hành nhằm giúp học viên thi đỗ AICE Associate - chứng chỉ quốc gia về AI duy nhất được công nhận tại Hàn Quốc. 2. Học tập cho đến giai đoạn có thể phân tích dữ liệu và xây dựng mô hình AI dựa trên ngôn ngữ Python.

Khóa học này không chỉ đơn thuần là "cách triển khai" Transformer, mà là quá trình phân tích từ góc nhìn của người thiết kế về tại sao cấu trúc này được tạo ra, vai trò của từng module, và cách toàn bộ mô hình hoạt động. Phân tích sâu nguyên lý tính toán bên trong của Self-Attention và Multi-Head Attention, đồng thời xác minh trực tiếp qua công thức, bài báo và code triển khai về Positional Encoding, Feed-Forward Network, cấu trúc Encoder·Decoder đã xuất hiện để giải quyết những hạn chế nào. Xuất phát từ Attention, tự tay lắp ráp toàn bộ cấu trúc Transformer, thực hiện training thực tế và thấu hiểu cách mô hình hoạt động. Đây là lộ trình có cấu trúc và thực chiến nhất dành cho "những ai muốn hiểu hoàn toàn về Transformer".

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.

Bạn có cảm thấy lo lắng mỗi khi triển khai AI Agent không? Dựa trên kinh nghiệm làm việc tại các tập đoàn lớn trong nước và các công ty công nghệ lớn (Big Tech) nước ngoài, tôi sẽ hướng dẫn bạn cách đo lường và cải thiện chất lượng Agent một cách hệ thống bằng cách sử dụng LangSmith.

Đây là khóa học về các notebook trên GitHub và nội dung bổ sung của cuốn <Học LLM bằng cách tự xây dựng từ con số 0> (Gilbut, 2025). GitHub: https://github.com/rickiepark/llm-from-scratch/ <Học LLM bằng cách tự xây dựng từ con số 0> là bản dịch của cuốn sách bán chạy <Build a Large Langauge Model (from Scratch)> (Manning, 2024) do Sebastian Raschka viết. Cuốn sách hướng dẫn cách tìm hiểu nguyên lý hoạt động và phương pháp ứng dụng các mô hình ngôn ngữ lớn bằng cách bắt đầu từ con số 0 để tự xây dựng một mô hình hoàn chỉnh dựa trên mô hình GPT-2 do OpenAI tạo ra.

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 giải thích các khái niệm cơ bản về LLM và GPT một cách dễ hiểu để bất kỳ ai cũng có thể nắm bắt được. Học viên có thể trực tiếp sử dụng GPT API để tạo chatbot và chạy trên web bằng Streamlit. Thông qua trải nghiệm từ cơ bản đến thực hành, bạn có thể xây dựng nền tảng vững chắc cho những bước đầu tiên trong việc ứng dụng AI.

Khóa học này hướng dẫn thu thập, xử lý và phân tích trực tiếp dữ liệu lớn xã hội từ web, SNS... bằng Python (Python), một ngôn ngữ lập trình phù hợp cho việc phân tích dữ liệu lớn. Các bài thực hành lập trình Python được tiến hành theo hình thức “làm theo”, giúp các nhà nghiên cứu trong lĩnh vực nhân văn và khoa học xã hội chưa có kinh nghiệm lập trình cũng có thể dễ dàng học tập. Sau khi hoàn thành khóa học, bạn sẽ có thể học Python, thu thập dữ liệu và phân tích dữ liệu lớn.

Yêu cầu ChatGPT cung cấp kết quả mong muốn, đồng thời học cách kiểm tra căn cứ của tài liệu và kết quả. Đây là khóa học gồm 70 buổi, từng bước mở rộng từ thực hành với tài liệu, dữ liệu và viết lách đến OpenAI API, RAG, tác nhân, đánh giá và vận hành.

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.

Ngay cả khi chưa có kinh nghiệm lập trình, bạn vẫn có thể tự mình tạo ra các chương trình tự động hóa công việc thực tế với Cursor AI. Khóa học này là một khóa học thực hành, trong đó bạn sẽ sử dụng Python và Cursor AI để tự động thu thập bình luận tin tức (Crawling), lưu vào tệp CSV, sau đó phân tích dư luận và cảm xúc, từ đó hoàn thiện một dự án trọn vẹn. Đây không phải là khóa học chỉ đơn giản yêu cầu bạn nhập lại mã nguồn. Nội dung được xây dựng để bạn có thể trải nghiệm toàn bộ quy trình phát triển thực tế, từ cách đặt câu hỏi hiệu quả cho Cursor AI, thiết lập môi trường phát triển, viết chương trình tự động hóa cho đến xử lý lỗi. Trong quá trình học, bạn sẽ từng bước học từ cài đặt Python, thiết lập Cursor AI, những kiến thức cơ bản về tự động hóa công việc, thu thập bình luận tin tức, lưu dữ liệu CSV, phân tích cảm xúc cho đến cách sửa lỗi phát sinh trong các dự án thực tế. Ngay cả những người mới bắt đầu lập trình cũng có thể tự nhiên học được cách phát triển cùng AI, tự động hóa các công việc lặp đi lặp lại và nâng cao năng lực thực tiễn trong việc khai thác dữ liệu.

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.

Đây là khóa học giúp bạn tự xây dựng chương trình tự động giao dịch chứng khoán và tiền điện tử bằng cách tận dụng ChatGPT mà không cần kiến thức về lập trình. Bạn sẽ được thực hành toàn bộ quy trình từ thu thập dữ liệu, phát triển mô hình dự đoán, hệ thống gợi ý mã đầu tư cho đến giao dịch tự động thực tế, qua đó đồng thời tiếp thu kỹ năng phát triển ứng dụng AI và kiến thức đầu tư tài chính.

Khám phá cách các ứng dụng LLM đang thay đổi mô hình phát triển. Thông qua việc so sánh với các công nghệ hiện có, chúng ta sẽ hiểu tại sao LLM đang trở thành một công nghệ cốt lõi bền vững, đồng thời tìm hiểu về những năng lực thiết yếu và sự thay đổi trong tư duy mà một nhà phát triển cần có. Với những hiểu biết sâu sắc từ các giảng viên chuyên gia, bạn có thể nắm bắt được bản chất và định hướng tương lai của việc phát triển ứng dụng LLM.

Bạn nắm được kiến thức cơ bản nhưng cảm thấy bối rối khi áp dụng vào thực tế? Chúng tôi chắt lọc kinh nghiệm thực tiễn để giải thích rõ ràng những cấu trúc LLM phức tạp.

Bạn có thể nâng cao năng lực phát triển của mình thông qua việc khám phá sâu sắc các nguyên lý cơ bản của các mô hình ngôn ngữ lớn như ChatGPT hay Claude. Bạn có thể học hỏi được nhiều thông tin đa dạng và các kỹ thuật phát triển mà thông thường ít khi được tiếp cận.

Ngay cả những người thực sự chưa từng biết một chút gì về lập trình cũng có thể tạo ra phần mềm tự động hóa chỉ bằng vài cú nhấp chuột, thật đấy.