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 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 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 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 xem xét các lựa chọn và hạn chế liên quan đến nguồn cung và việc sử dụng năng lượng của các hộ gia đình, doanh nghiệp và chính phủ thông qua một số khuôn khổ nhằm mô tả và giải thích hành vi ở các cấp độ tổng hợp khác nhau. Các ví dụ bao gồm phạm vi quốc gia, quy mô, bối cảnh và các phương pháp tiếp cận phân tích đa dạng.

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 khám phá cách công nghệ tài chính, hay FinTech, đang thay đổi ngành dịch vụ tài chính thông qua các công nghệ đổi mới sáng tạo. Người học sẽ nghiên cứu các xu hướng chính như AI, blockchain và API mở, từ đó có được cái nhìn sâu sắc về bối cảnh thị trường đang phát triển và môi trường pháp lý.

Khóa học này được xây dựng dựa trên các nền tảng lập trình Python, nhấn mạnh vào tư duy máy tính và các nguyên tắc khoa học dữ liệu. Người học sẽ khám phá cách tính toán có thể giải quyết hiệu quả các vấn đề thực tế, giúp họ có khả năng viết các chương trình chức năng cho nhiều ứng dụng khác nhau.

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 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 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 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 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 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 trang bị cho người học những kiến thức và kỹ năng thiết yếu để giảng dạy khoa học và kỹ thuật ở cấp đại học. Các học viên sẽ khám phá những phương pháp giảng dạy đổi mới, tham gia vào việc học tập chủ động, và phát triển các phương pháp giảng dạy của riêng mình thông qua nghiên cứu và thuyết trình.

Khóa học này cung cấp kiến thức nhập môn về hải dương học hóa học, tập trung vào thành phần và động lực học của nước biển cũng như các chu trình hóa sinh định hình môi trường đại dương. Người học sẽ được khám phá các khái niệm chính như mô hình bể chứa, chu trình dinh dưỡng và tác động của các hoạt động con người đối với hóa học đại dương.

Khóa học này khám phá sự tích hợp của thiết kế kiến trúc trong cảnh quan tự nhiên, tập trung vào mối quan hệ giữa môi trường xây dựng và bối cảnh sinh thái của chúng. Người học sẽ phát triển các kỹ năng phân tích cảnh quan và khí hậu để đưa ra các quyết định thiết kế thông qua các bản vẽ và mô hình.

Khóa học này tập trung vào việc phát triển các hệ thống thông tin đổi mới sáng tạo được thiết kế riêng cho các bối cảnh nghèo tài nguyên, nhằm nâng cao kết quả sức khỏe và củng cố cơ sở hạ tầng tổ chức. Người học sẽ khám phá sự giao thoa giữa y tế công cộng, công nghệ và các hệ sinh thái hợp tác để giải quyết những thách thức y tế tại các quốc gia đang phát triển.

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 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.

Khóa học này đi sâu vào các khái niệm nền tảng của trí tuệ nhân tạo, khám phá các nguyên lý, ứng dụng và các khía cạnh đạo đức của nó. Người học sẽ được nghiên cứu các thuật toán then chốt, các kỹ thuật học máy và những tác động xã hội 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.

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 :)

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.

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.

Kiểm toán AI, bạn có đang cảm thấy mông lung không biết nên bắt đầu hiểu từ đâu? AI giờ đây không còn chỉ là một xu hướng công nghệ đơn thuần mà đang nhanh chóng lan rộng sang các lĩnh vực ra quyết định của doanh nghiệp, tự động hóa công việc, phản hồi khách hàng, tuyển dụng, bảo mật và quản trị rủi ro. Tuy nhiên, so với tốc độ triển khai AI, vẫn chưa có nhiều người hiểu một cách hệ thống về việc: "Liệu AI có đang được kiểm soát đúng cách?", "Có thể tin tưởng vào các quyết định của AI không?", hay "Những rủi ro nào có thể phát sinh trong quá trình vận hành dữ liệu và mô hình?". Đặc biệt, những người làm trong lĩnh vực kiểm toán IT, bảo mật, kiểm soát nội bộ và quản lý dự án thường có những trăn trở như: Kiểm toán AI khác với kiểm toán IT truyền thống như thế nào? Đối với mô hình AI, chỉ cần xem mã nguồn là đủ hay phải xem xét cả dữ liệu và quá trình học máy? Quản trị AI, rủi ro, định kiến, khả năng giải thích, MLOps và ứng phó sự cố kết nối với nhau như thế nào? Để hiểu các khái niệm trong các chương trình chứng chỉ liên quan đến kiểm toán AI như AAIA dưới góc độ thực tế, nên bắt đầu từ đâu? Khóa học này được tạo ra chính là để giải quyết những sự mông lung đó. Tôi đã có khoảng 20 năm kinh nghiệm trong các lĩnh vực lập kế hoạch dịch vụ IT, phát triển, PM, vận hành nền tảng cộng tác, xây dựng groupware, lập kế hoạch dịch vụ chatbot, bảo mật và kiểm toán. Tôi đã trực tiếp trải nghiệm tại hiện trường về cách một hệ thống được lập kế hoạch, phát triển và vận hành trong một tổ chức thực tế, cũng như cách các yếu tố lỗi, thay đổi, bảo mật và yêu cầu của người dùng kết nối với nhau. Ngoài ra, thông qua quá trình học tập CISA và AAIA, tôi đã hệ thống hóa được các góc nhìn về kiểm toán IT và kiểm toán AI. Trong khóa học này, thay vì đi sâu vào công nghệ AI phức tạp dưới góc độ toán học hay phát triển, tôi sẽ tập trung giải thích các khái niệm cốt lõi mà kiểm toán viên và nhân viên IT thực tế bắt buộc phải hiểu. Chúng ta sẽ xem xét hệ thống AI bằng cách chia nhỏ thành các luồng: dữ liệu, mô hình, vận hành, bảo mật, quản trị, rủi ro và quy trình kiểm toán, từ đó tổng hợp lại những điểm kiểm soát và xác nhận cần thiết ở mỗi giai đoạn. Thông qua khóa học này, học viên sẽ hiểu rằng kiểm toán AI không đơn thuần là "việc đánh giá AI", mà là việc kiểm tra hệ thống quản trị, rủi ro và kiểm soát để đảm bảo AI được sử dụng một cách an toàn và có trách nhiệm trong tổ chức. Khóa học này phù hợp với những người mới bắt đầu với kiểm toán AI, những người đang làm kiểm toán IT hoặc bảo mật muốn mở rộng sang lĩnh vực AI, những người muốn hệ thống hóa quản trị và rủi ro AI dưới góc độ thực tế, và những người muốn nắm bắt khái niệm tổng thể trước khi bắt đầu học các chứng chỉ liên quan đến kiểm toán AI như AAIA. Sau khi kết thúc khóa học, bạn sẽ có thể tự mình trả lời các câu hỏi sau: Hệ thống AI bao gồm những thành phần nào? Kiểm toán viên AI cần xác nhận điều gì trong các giai đoạn dữ liệu, mô hình và vận hành? Tại sao quản trị AI và AI có trách nhiệm lại quan trọng? Rủi ro AI, định kiến, khả năng giải thích, quyền riêng tư và bảo mật kết nối với nhau như thế nào? Báo cáo kiểm toán AI cần chứa đựng những góc nhìn và căn cứ nào? Trong thời đại AI thay đổi nhanh chóng, năng lực quản lý và kiểm tra để công nghệ trở nên đáng tin cậy cũng quan trọng không kém việc sử dụng thành thạo công nghệ đó. Khóa học này là lộ trình nhập môn dành cho những ai muốn hiểu bức tranh toàn cảnh về kiểm toán AI một cách bài bản từ đầu. Hãy cùng nhau xây dựng tiêu chuẩn đầu tiên để nhìn nhận IT và AI dưới góc độ kiểm toán.

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.

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.

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.

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.

Ngành công nghiệp bán dẫn là một lĩnh vực sản xuất tiêu biểu, nơi các thiết bị sản xuất, hệ thống điều khiển, đối tác và dữ liệu được kết nối chặt chẽ với nhau. Chính vì vậy, ngay cả một sự cố bảo mật nhỏ hay lỗi hệ thống cũng có thể dẫn đến việc ngừng sản xuất, vấn đề về chất lượng, chậm trễ giao hàng và rò rỉ công nghệ. Khóa học này giải thích các mối đe dọa bảo mật OT có thể xảy ra tại các cơ sở sản xuất bán dẫn một cách dễ hiểu, ngay cả đối với những người mới bắt đầu. Thay vì những giải thích kỹ thuật phức tạp, khóa học tập trung vào những vấn đề bảo mật nào có thể phát sinh trong thực tế, tại sao ngành bán dẫn lại trở thành mục tiêu tấn công và các sự cố bảo mật ảnh hưởng đến doanh nghiệp như thế nào. Ngoài ra, chúng ta cũng sẽ cùng tìm hiểu các mối đe dọa bảo mật đang thay đổi ra sao khi môi trường sản xuất trở nên thông minh hơn nhờ sự lan tỏa của AI và nhà máy thông minh (Smart Factory).

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 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.

Trong kỷ nguyên AI và Big Data, bạn đã và đang khai thác dữ liệu của tổ chức mình một cách hiệu quả chưa? Khóa học này sẽ giúp bạn phát triển các năng lực thiết yếu để đọc và giải thích dữ liệu, từ nền tảng tư duy thống kê đến các nguyên lý cốt lõi của Machine Learning và Deep Learning. Hãy trở thành một nhà lãnh đạo thực thụ, có khả năng phát hiện các quy luật trong sự biến động và đưa ra các quyết định dựa trên dữ liệu.

Khóa học này là quá trình học tập toàn bộ quy trình 'Xây dựng dữ liệu huấn luyện AI' cần thiết để thực hiện thành công các dự án mô hình hóa AI. Người học không chỉ dừng lại ở kiến thức lý thuyết mà sẽ trải nghiệm từng bước quy trình xây dựng dữ liệu được yêu cầu trong thực tế công việc. Cụ thể, khóa học được cấu trúc để có thể phát triển năng lực thực tế có thể áp dụng ngay trong công việc thông qua việc thực hành tập trung vào toàn bộ quy trình từ lập kế hoạch → thu thập → lưu trữ → làm sạch → gán nhãn → kết hợp và chuyển đổi thông tin giả danh của dữ liệu huấn luyện AI. Ngoài ra, người học sẽ học tập một cách có hệ thống các năng lực quản lý dữ liệu quan trọng nhất trong dự án AI như quản lý chất lượng dữ liệu và vấn đề bảo mật, xử lý phi nhận dạng thông tin cá nhân, tối ưu hóa tập dữ liệu. Thông qua điều này, người học có thể phát triển thành chuyên gia dữ liệu có thể chủ động lập kế hoạch và thực hiện dự án AI, chứ không chỉ là người thu thập dữ liệu đơn thuần. 👉 Thông qua khóa học này, người học sẽ hiểu được phương pháp xây dựng dữ liệu huấn luyện chất lượng cao quyết định hiệu suất mô hình AI và có được năng lực thực tế để áp dụng hiệu quả vào môi trường thực tế.

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.

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!

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.