CourseAI

Khóa học này tập trung vào việc thiết kế và triển khai các hệ thống máy tính bảo mật, khám phá các mô hình đe dọa và kỹ thuật bảo mật khác nhau. Người học sẽ tiếp cận với các chủ đề như bảo mật hệ điều hành, giao thức mạng và bảo mật phần cứng, đồng thời rút ra những hiểu biết từ các bài nghiên cứu gần đây.

Khóa học này cung cấp phần giới thiệu toàn diện về kỹ thuật hệ thống, tập trung vào cả phương pháp tiếp cận cổ điển và hiện đại. Người học sẽ khám phá các khái niệm chính như phân tích các bên liên quan, xác định yêu cầu, kiến trúc hệ thống và tối ưu hóa thiết kế, đồng thời áp dụng các nguyên tắc này vào các dự án thực tế.

Khóa học này khám phá vai trò nền tảng của cấu trúc dữ liệu trong khoa học máy tính, nhấn mạnh tầm quan trọng của chúng trong việc phát triển các thuật toán hiệu quả. Người học sẽ nghiên cứu các chủ đề nâng cao, bao gồm đồ thị động, phân cấp bộ nhớ và băm, đồng thời tiếp cận với các hướng nghiên cứu hiện nay trong lĩnh vực này.

Khóa học này bao gồm các kiến thức cơ bản về học sâu (deep learning), bao gồm cả lý thuyết và ứng dụng. Các chủ đề bao gồm kiến trúc mạng thần kinh (MLP, CNN, RNN, mạng đồ thị, transformer), hình học và tính bất biến trong học sâu, lan truyền ngược và vi phân tự động, lý thuyết học tập và khả năng tổng quát hóa trong không gian cao chiều, cùng các ứng dụng trong thị giác máy tính, xử lý ngôn ngữ tự nhiên và robot học.

Khóa học này khám phá sự phát triển của các phép chứng minh trong khoa học máy tính, tập trung vào chứng minh tương tác (interactive proofs), chứng minh tương tác đa người chứng minh (multi-prover interactive proofs) và chứng minh có thể kiểm tra xác suất (probabilistically checkable proofs). Người học sẽ khám phá cách tận dụng mật mã học để chuyển đổi các hệ thống chứng minh tiên tiến này thành các đối số phi tương tác có tính đúng đắn về mặt tính toán (SNARGs).

Khóa học này là phần giới thiệu về lý thuyết cố gắng giải thích cách trí tuệ được tạo nên từ tập hợp các quy trình đơn giản hơn. Nó xem xét các khía cạnh của tư duy như thị giác, ngôn ngữ, học tập, lập luận, trí nhớ, ý thức, lý tưởng, cảm xúc và nhân cách.

Khóa học này bao gồm những đóng góp của hóa sinh trong việc tìm hiểu cấu trúc và chức năng của các sinh vật, mô và tế bào. Người học sẽ khám phá hóa học của các phân tử sinh học, các quá trình enzym và các con đường chuyển hóa thiết yếu cho sự sống.

Khóa học này bao gồm các chủ đề chính trong toán học ứng dụng rời rạc, tập trung vào phép đếm, hàm sinh, xác suất và nhiều nội dung khác. Người học sẽ tiếp cận với cả các khái niệm toán học và kỹ năng giao tiếp hiệu quả thông qua các bài tập viết.

Khóa học này bao gồm toán học rời rạc sơ cấp dành cho khoa học và kỹ thuật, tập trung vào các công cụ toán học và kỹ thuật chứng minh hữu ích trong khoa học máy tính. Người học sẽ khám phá các chủ đề như ký hiệu logic, tập hợp, quan hệ, lý thuyết đồ thị, máy trạng thái và thuật toán.

Khóa học này đi sâu vào các khái niệm thiết yếu của giải tích ma trận, tập trung vào các ứng dụng của nó trong học máy và tối ưu hóa quy mô lớn. Người học sẽ khám phá các kỹ thuật để hiểu và tính toán đạo hàm của ma trận cũng như các phân rã ma trận, giúp nâng cao khả năng giải quyết các phép toán phức tạp trong tính toán hiện đại.

Khóa học này bao gồm toán học rời rạc cơ bản cho khoa học máy tính và kỹ thuật. Khóa học tập trung vào các định nghĩa toán học, chứng minh và các phương pháp có thể áp dụng, đồng thời nghiên cứu nhiều chủ đề khác nhau như ký hiệu logic, phương pháp chứng minh, tập hợp, quan hệ và lý thuyết đồ thị.

Khóa học này là phần giới thiệu về sinh học tính toán, nhấn mạnh vào các nguyên tắc cơ bản của phân tích cấu trúc và trình tự axit nucleic và protein; khóa học cũng bao gồm phần giới thiệu về phân tích các hệ thống sinh học phức tạp. Các chủ đề được đề cập trong khóa học bao gồm các nguyên tắc và phương pháp được sử dụng để so khớp trình tự, tìm kiếm mô-típ (motif), mô hình hóa cấu trúc, dự đoán cấu trúc và mô hình hóa mạng lưới, cũng như các lĩnh vực nghiên cứu mới nổi hiện nay.

Khóa học này cung cấp hướng dẫn thực hành về thiết kế và phân tích các trò chơi phi kỹ thuật số. Sinh viên sẽ được tiếp cận với các văn bản, công cụ, tài liệu tham khảo và bối cảnh lịch sử để phân tích và so sánh các thiết kế trò chơi thuộc nhiều thể loại khác nhau, bao gồm thể thao, trò chơi truyền hình (game show), trò chơi may rủi, bài tây, trò chơi dân gian/sân trường, trò chơi bàn cờ (board game) và trò chơi nhập vai.

Khóa học này giới thiệu các phương pháp tiếp cận định lượng để hiểu về các chức năng não bộ và nhận thức. Người học sẽ khám phá các mô tả toán học về tế bào thần kinh, phản ứng của chúng đối với các kích thích và các công cụ phân tích dữ liệu nền tảng trong khoa học thần kinh.

Khóa học này tập trung vào các khía cạnh thực tiễn của việc thiết kế và phân tích các trò chơi phi kỹ thuật số. Người học sẽ khám phá nhiều thể loại trò chơi khác nhau trong khi cộng tác theo nhóm để sáng tạo, phát triển và thử nghiệm các trò chơi gốc, từ đó hiểu sâu hơn về cơ chế và quy tắc trò chơi.

Khóa học này là phần giới thiệu về quy trình tạo ra các mô tả mang tính biểu tượng của môi trường từ một hình ảnh. Nội dung bao gồm vật lý của sự hình thành hình ảnh, phân tích hình ảnh, xử lý hình ảnh nhị phân và lọc, với các ứng dụng trong robot và tương tác máy thông minh.

Khóa học này khám phá thiết kế và chức năng của Bitcoin cùng các loại tiền điện tử khác, nhấn mạnh vào mật mã học, lý thuyết trò chơi và kiến trúc mạng. Người học sẽ tham gia vào các bài tập lập trình thực tế để hiểu sâu hơn về các hệ thống đang không ngừng phát triển này.

Khóa học này nhấn mạnh vào các mô hình tăng trưởng và phát triển năng động, khám phá các chủ đề như di cư, hiện đại hóa và thay đổi công nghệ. Người học sẽ nghiên cứu sự tương tác giữa lý thuyết kinh tế và các ứng dụng thực tế tại các quốc gia đang phát triển, tập trung vào phân phối thu nhập, thay đổi thể chế và sự vận hành của thị trường tài chính.

Khóa học này khám phá các nguyên lý cơ bản của trí tuệ nhân tạo, tập trung vào cả các khái niệm lý thuyết và ứng dụng thực tiễn. Người học sẽ được nghiên cứu về các thuật toán, kỹ thuật học máy và những tác động đạo đức của công nghệ AI.

Khóa học này khám phá các khái niệm và kỹ thuật toán học thiết yếu cho ngành tài chính, kết hợp giữa toán học lý thuyết và các ứng dụng thực tiễn. Người học sẽ nghiên cứu các chủ đề như đại số tuyến tính, xác suất, thống kê và các quá trình ngẫu nhiên, dưới sự hướng dẫn của các nhà toán học từ MIT và các chuyên gia trong ngành.

Khóa học này khám phá các nguyên lý cơ bản của trí tuệ nhân tạo, tập trung vào cả các khái niệm lý thuyết và ứng dụng thực tiễn. Người học sẽ được nghiên cứu về các thuật toán, kỹ thuật học máy và những tác động đạo đức của công nghệ AI.

Khóa học này cung cấp sự khám phá chuyên sâu về các chủ đề nâng cao trong trí tuệ nhân tạo, tập trung vào các thuật toán học máy và ứng dụng của chúng. Người học sẽ được nghiên cứu các khái niệm, kỹ thuật và công cụ then chốt để phát triển các giải pháp AI cho những vấn đề trong thế giới thực.

Dựa trên kinh nghiệm giảng dạy deep learning hơn 100 lần, đây là khóa học tổng hợp có hệ thống các lý thuyết cơ bản mà học viên gặp khó khăn nhiều nhất. Khóa học này giải thích từng bước kết nối giữa trực giác toán học, nguyên lý học của mô hình và triển khai code để ngay cả người không chuyên cũng có thể hiểu được, đồng thời đi sâu vào cấu trúc cơ bản và nguyên lý hoạt động của việc học mô hình AI, không chỉ đơn thuần là cách sử dụng thư viện. Đây là khóa nhập môn thực chiến được thiết kế để phát triển thành kỹ sư có năng lực hiểu nguyên lý AI thông qua việc tự triển khai các công nghệ cơ bản của deep learning như gradient descent, hàm lỗi, tối ưu hóa, perceptron, mạng neural nhiều lớp, backpropagation bằng công thức và code.

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 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.

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.

Đây là bài giảng nhập môn giúp hiểu về các khái niệm cốt lõi của Giao diện Não - Máy tính (BMI) dựa trên sóng não không xâm lấn và quy trình xử lý tín hiệu dựa trên Tưởng tượng vận động (Motor Imagery). Bài giảng sẽ giải thích một cách dễ hiểu toàn bộ quy trình từ nguyên lý cơ bản của tín hiệu EEG, thí nghiệm Tưởng tượng vận động, xử lý dữ liệu cho đến cách thức hoạt động của hệ thống BMI trong thực tế.

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.

Học tập các nguyên lý cốt lõi và triển khai thực tế của Classic RAG, Graph RAG và Agentic RAG. Thiết kế hệ thống định tuyến động (dynamic routing) giúp tối ưu hóa hiệu suất token và độ trễ, đồng thời xây dựng hệ thống bộ nhớ dài hạn kết hợp giữa suy luận mạng lưới quan hệ của GraphRAG và vòng lặp tự đánh giá của Agentic RAG. Đây là khóa học hoàn thiện năng lực thiết kế kiến trúc RAG cao cấp, có thể áp dụng ngay vào công việc thực tế.

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!

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.

Dành cho những bạn đã hoàn thành trình độ SwiftUI trung cấp, giờ là lúc để tích hợp AI vào ứng dụng của mình. Với Apple Intelligence và framework FoundationModels, bạn sẽ hoàn thiện các ứng dụng AI on-device hoạt động ngay trên thiết bị mà không cần kết nối internet.

"Hãy vứt những lý thuyết AI sáo rỗng và các ví dụ chatbot tràn lan trên YouTube vào thùng rác. Đây là 'Kinh thánh AI sản xuất tích hợp 7 nhóm ngành công nghiệp' duy nhất tại Hàn Quốc, thấu hiểu ngôn ngữ của ngành sản xuất và nhìn thấu bản chất của quy trình." Xin chào, tôi là Byte Detective - người chia sẻ kiến thức. Hiện nay, vô số doanh nghiệp và chuyên gia đang kêu gọi 'DX sản xuất (Chuyển đổi số)' và 'áp dụng AI'. Tuy nhiên, đa số các bài giảng trên thị trường chỉ dừng lại ở những lý thuyết viển vông của các nhà phát triển IT hoặc tư vấn viên, những người hoàn toàn không hiểu về thực tế khắc nghiệt tại hiện trường sản xuất. Khóa học này không phải là bài giảng chỉ để học lý thuyết. Bằng cách kết hợp hữu cơ kiến thức chuyên môn thực tế (Domain Knowledge) của 7 nhóm ngành sản xuất đại diện cho Hàn Quốc với các khung làm việc AI mới nhất, chúng tôi cung cấp 'Kiến trúc kịch bản DX sản xuất thực chiến' có thể áp dụng ngay vào công việc thực tế vào ngày mai.

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 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.

Bạn sẽ phát triển khả năng xác định vấn đề dựa trên dữ liệu và giải thích rõ ràng căn cứ đánh giá cũng như quy trình ra quyết định. Ngoài ra, thay vì chỉ tập trung vào hiệu suất của một mô hình đơn lẻ, bạn sẽ có được tư duy theo quan điểm pipeline - đánh giá tính hoàn thiện và độ tin cậy của toàn bộ quy trình làm việc machine learning. Đồng thời, bạn sẽ tăng cường khả năng giải quyết vấn đề bằng cách truy nguyên nguyên nhân khi xảy ra lỗi và đưa ra hướng cải thiện, đồng thời thông qua kinh nghiệm thực hiện dự án end-to-end, bạn sẽ nắm vững năng lực xây dựng ML pipeline thực tế có thể áp dụng ngay vào công việc.

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.

Hãy cùng học các kỹ thuật học máy bằng cách sử dụng Python, đồng thời nâng cao phương pháp trích xuất thông tin từ dữ liệu thực tế và khả năng phát triển mô hình dự đoán!

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.

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.