Đổi mới sản xuất và Dữ liệu lớn AI dành cho CEO và các nhà lãnh đạo

Tìm đường trong biển dữ liệu và khám phá tương lai của trí tuệ nhân tạo. Khóa học này khám phá hai dòng chảy công nghệ khổng lồ là Big Data và Trí tuệ nhân tạo (AI), đồng thời xem xét cách chúng đang mang lại sự đổi mới cho cuộc sống và công việc của chúng ta.

Đây là khóa học hữu ích dành cho những ai muốn hệ thống lại kiến thức Deep Learning một cách chuyên sâu và nắm bắt bức tranh toàn cảnh thông qua việc tập trung vào lý thuyết và bối cảnh thay vì thực hành. Bạn có thể dễ dàng thấu hiểu nền tảng toán học và thống kê vốn là gốc rễ của Deep Learning, đồng thời chúng tôi sẽ giải thích một cách trực quan các nguyên lý của những mô hình Deep Learning hiện đại tiêu biểu như AutoEncoder, GAN, Transformer, AlphaGo dưới góc nhìn của một nhà phát triển.

Học tập một cách hệ thống các khái niệm cốt lõi và nguyên lý hoạt động của Học máy mô phỏng (Imitation Learning) và công nghệ VLA (Vision-Language-Action), vốn là nền tảng của Physical AI. Thông qua việc phân tích các ví dụ thực tế, hiểu rõ cơ chế tương tác của Physical AI với thế giới thực.

Chẳng cần biết code vẫn OK, hoàn thiện dịch vụ đầu tiên của riêng bạn cùng Google Stitch Quy trình phát triển AI tất cả trong một, kết nối liền mạch từ lên ý tưởng đến triển khai

Nhiều người sử dụng ChatGPT và thường xuyên đọc tin tức về hệ thống gợi ý, xe tự hành, nhưng khi được hỏi “tại sao chúng lại hoạt động như vậy” thì lại không biết giải thích thế nào. Chỉ học theo các khóa lập trình thì có thể chạy được mã, nhưng nguyên lý vẫn còn bỏ ngỏ; chỉ học các khóa toán thì thấy được công thức, nhưng lại không thể kết nối với AI. Các khóa học nước ngoài gây áp lực vì tiếng Anh, còn các khóa nhập môn trong nước lại dễ thiên về thực hành. Trong quá trình trực tiếp xây dựng mô hình tại các cuộc thi AI và vận hành “AI của mọi người”, tôi đã gặp hàng nghìn học viên và liên tục chứng kiến cùng một vấn đề. Điểm khiến họ bế tắc không phải là cách sử dụng công cụ, mà là khoảnh khắc các khái niệm hàm số, vi phân, vector và lan truyền ngược bị tách rời khỏi nhau. Khóa học này sẽ nối liền những khoảng cách đó. Từ nền tảng toán học đến mạng nơ-ron và softmax, khóa học giải thích trong một mạch thống nhất: hàm số định nghĩa đầu vào và đầu ra như thế nào, vi phân xác định hướng học ra sao, và lan truyền ngược truyền lỗi như thế nào. Đây không phải là lớp học yêu cầu ghi nhớ công thức hay chỉ gõ lại mã theo hướng dẫn, mà giúp bạn hiểu “tại sao” thông qua công thức và những hình minh họa trực quan. Đối với những ai muốn thực sự hiểu AI, đây sẽ là bước khởi đầu vững chắc để tiến tới học sâu hơn về deep learning.

Nếu không có thời gian học hết khóa học trọn gói dài 32 giờ thì sao? Chúng tôi đã cô đọng 4 môn thi viết của kỳ thi Kỹ sư Phân tích Dữ liệu lớn vào khoảng 4 giờ. Thông qua các câu hỏi biến thể từ đề thi trước đây, bạn có thể kết nối ngay kiến thức với nội dung thực tế thường xuất hiện trong đề thi. Ngoài ra, chúng tôi còn cung cấp tài liệu bài giảng 150p và ghi chú ôn tập cuối cùng 13p để xem tại phòng thi.

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!

Hướng dẫn làm chủ ứng dụng AI dành cho lập trình viên Java! Khóa học này sẽ phá bỏ định kiến rằng AI chỉ dành riêng cho Python, giúp trang bị cho ứng dụng Java của bạn đôi mắt, đôi tai, giọng nói và cả khả năng lập trình của AI. Hãy trở thành Kiến trúc sư AI dựa trên OpenAI API. Bạn sẽ trực tiếp phát triển các chuyên gia AI đa dạng như nhà văn AI, thông dịch viên, họa sĩ, cộng sự lập trình, đồng thời xây dựng một trợ lý AI đa năng tích hợp các tính năng cốt lõi như: tóm tắt văn bản, phân tích cảm xúc, thuyết minh hình ảnh, tạo mã Java, chuyển đổi giọng nói/văn bản, tạo hình ảnh/phụ đề. Đây là cơ hội tuyệt vời để tối đa hóa khả năng cạnh tranh cho hệ thống Java sẵn có của bạn thông qua việc học cách thiết lập vai trò cho AI bằng System Message và kiểm duyệt nội dung độc hại.

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'.

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.

Trong thời đại AI, nhà phát triển không nên chỉ là những “coder” đơn thuần mà phải trở thành “người tích hợp”. Khóa học này hướng dẫn cách kết hợp Unreal Engine với các công cụ AI mới nhất như ChatGPT và Claude trong quy trình phát triển C++ thực tế. Thông qua các ví dụ thực tiễn do YAL, giảng viên được Unreal chứng nhận, trực tiếp thiết kế, bạn sẽ xây dựng môi trường phát triển nơi AI có thể tạo, phân tích và hỗ trợ mã nguồn, đồng thời hoàn thiện quy trình làm việc C++ thế hệ mới kết hợp AI và Unreal.

Bạn đã từng bỏ cuộc khi học Verilog và các công cụ EDA? Một giáo sư khoa bán dẫn, người trực tiếp thiết kế NPU, sẽ hướng dẫn bạn cách hiểu từ CPU đến NPU thông qua việc tính toán với 9 tệp Excel.

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.

Chỉ cần nói là AI sẽ trực tiếp thực hiện! Từ tệp tin, báo cáo cho đến email. Khóa học thực hành Claude Cowork giúp tự động hóa hoàn toàn mà không cần lập trình!

Hãy tìm hiểu về việc phân tích các vị trí nghề nghiệp liên quan đến Data Science (DS) và Artificial Intelligence (AI), cũng như lộ trình học tập và tuyển dụng để xây dựng sự nghiệp trong các lĩnh vực liên quan.

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 :)

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.

Học các nguyên lý cốt lõi và cách triển khai thực tế của Classic RAG, Graph RAG và Agentic RAG. Thiết kế hệ thống định tuyến động nhằm tối ưu hóa hiệu quả sử dụng token và độ trễ, đồng thời xây dựng hệ thống bộ nhớ dài hạn kết hợp khả năng suy luận mạng lưới quan hệ của GraphRAG với vòng lặp tự đánh giá của Agentic RAG. Đây là lộ trình hoàn thiện năng lực thiết kế kiến trúc RAG nâng cao, có thể áp dụng ngay vào thực tiễn.

Hoàn tất phân tích khách hàng với Excel và Orange, Từ bán chéo đến thử nghiệm A/B và quản lý rủi ro rời bỏ, tất cả trong một lần.