Hướng dẫn học tập & việc làm Data Science(DS) và AI cho người không chuyên/người mới bắt đầu

Bạn sẽ học từng bước từ các khái niệm cơ bản về LLM (Mô hình ngôn ngữ lớn) cho đến cách tinh chỉnh mô hình Llama 2, LLM hiệu suất cao, trên tập dữ liệu bạn chọn.

AI Agent – tổng hợp công nghệ AI tiên tiến nhất! Qua việc hiện thực hóa các AI Agent đa dạng, cùng tìm hiểu cách tự tạo AI Agent bằng LangGraph.

Đây là khóa học tìm hiểu khái niệm và cách ứng dụng thư viện LangChain, đồng thời tự tạo ChatGPT của riêng mình bằng thư viện LangChain.

Từ những kiến ​​thức cơ bản về xử lý ngôn ngữ tự nhiên trong học sâu cho đến các mô hình mới nhất, Transformer và BERT, bạn sẽ tìm hiểu các nguyên tắc và phương pháp ứng dụng của xử lý ngôn ngữ tự nhiên trong học sâu (NLP) thông qua nhiều ví dụ khác nhau và thực hành triển khai mã.

Đây là bài giảng nơi bạn có thể tìm hiểu các lý thuyết cốt lõi về học sâu và cách triển khai mã học sâu bằng cách sử dụng TensorFlow 2.0 mới nhất.

Là khóa học giúp bạn tìm hiểu phương pháp tự động hóa công việc bằng MCP (Model Context Protocol) qua các trường hợp đa dạng (Playwright crawling, Figma design, Notion data organization, Excel data analysis).

Đây là bài giảng trong đó bạn tìm hiểu khái niệm về mô hình Gemini của Google và cách sử dụng API Gemini cũng như tạo các ứng dụng AI khác nhau bằng Streamlit.

Đây là bài giảng nơi bạn có thể học các kỹ năng triển khai luận án deep learning bằng cách triển khai luận án YOLO (Bạn chỉ nhìn một lần) từ đầu bằng cách sử dụng TensorFlow 2.0.

Học các kỹ thuật Context Engineering để tạo ra AI agent chất lượng cao thông qua thực hành.

Thông qua các đánh giá doanh nghiệp AI, chúng ta xem xét cách công nghệ AI thay đổi hiện tại và tương lai của mình qua các ví dụ đa dạng. Bằng cách xem xét các yếu tố cần thiết để tiến hành dự án AI, chúng ta chuẩn bị cho quá trình Chuyển đổi AI sắp tới.

Đây là khóa học giúp bạn nắm bắt vibe coding - hình ảnh tương lai của nhà phát triển - thông qua việc tự tạo máy chủ MCP của riêng mình với Cursor.

Khóa học hướng dẫn cách xây dựng hệ thống RAG (Retrieval-Augmented Generation) thực tiễn khi tạo chatbot tổng đài AI (AICC).

Trong quá trình thực hiện các dự án triển khai nhiều AI Agent khác nhau bằng LangGraph, tôi học được cách tạo ra một AI Agent thực tế bằng LangGraph.

Đây là bài giảng về cách tạo bot giao dịch chứng khoán tự động bằng cách sử dụng API xing của eBest Investment & Securities. Tạo bot giao dịch chứng khoán tự động của riêng bạn tự động giao dịch 365 ngày một năm.

Đây là khóa học giúp bạn tìm hiểu phương pháp cào dữ liệu trang web sử dụng ChatGPT. Hãy trải nghiệm trước tương lai thay đổi mà ChatGPT sẽ tạo ra.

Đây là khóa học giúp bạn học cách phân tích dữ liệu bằng ChatGPT và cách sử dụng Pandas. Hãy trải nghiệm trước tương lai thay đổi do ChatGPT mang lại.

Đây là khóa học giúp bạn tìm hiểu các phương pháp tự động hóa công việc đa dạng sử dụng ChatGPT (Excel, PPT, crawling, xử lý ảnh) và kiến thức cơ bản về Python để tự động hóa công việc. Hãy trải nghiệm trước tương lai thay đổi do ChatGPT tạo ra.

Khóa học này giúp bạn học cách triển khai các bài báo deep learning, bằng việc tự xây dựng từ đầu luận văn GPT-1 (Improving Language Understanding by Generative Pre-Training) dùng TensorFlow 2.0.

Đây là khóa học giúp bạn học cách tạo ra nhiều chiến lược đầu tư định lượng khác nhau bằng ChatGPT. Hãy thử tạo chiến lược đầu tư định lượng của riêng bạn bằng ChatGPT.

[Khám phá ý tưởng - thu thập dữ liệu - xác minh thông qua kiểm tra ngược] quy trình phát triển đồng xu tiền điện tử Bitcoin có thể tạo ra lợi nhuận tự động, nguyên tắc của chiến lược đầu tư AIS1 và AIS2 do người hướng dẫn phát triển, lựa chọn cổ phiếu, mua và bán RBI và Đây là khóa học mà bạn có thể tìm hiểu mã nguồn để kiểm tra lại và thực thi bot.

Tổng hợp khoảng 130 câu hỏi và đáp án phỏng vấn ML/AI Engineer được tích lũy qua khoảng 20 cuộc phỏng vấn

Đây là một buổi giảng đặc biệt giúp bạn đồng thời chuẩn bị cho chứng chỉ Microsoft AI-900, với tư cách là nội dung mới nhất phản ánh phạm vi thi tính đến tháng 5 năm 2025. Nội dung được cung cấp dưới dạng kết hợp lý thuyết và thực hành, bao gồm tổng quan về AI, kiến thức cơ bản về học máy, thị giác máy tính, xử lý ngôn ngữ tự nhiên, thông minh tài liệu, khai thác tri thức và AI tạo sinh.

Khóa học này dành cho học sinh không chuyên hoặc học sinh trung học lần đầu tiên học về khoa học dữ liệu và trí tuệ nhân tạo. Chúng tôi sẽ giúp bạn hiểu các khái niệm về trí tuệ nhân tạo và học máy, đồng thời cho bạn biết bạn cần nỗ lực gì để có được công việc 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 :)

Đây là khóa học giúp bạn thực hiện dự án Amenity Detection của nhóm Khoa học dữ liệu Airbnb (điển hình về ứng dụng TensorFlow) dưới dạng dự án nhân bản, tổng hợp kinh nghiệm lên blog GitHub và tạo danh mục đầu tư AI.

Khóa giải đề thi AWS Certified AI Practitioner là khóa học tổng hợp trọng tâm giúp bạn đạt được chứng chỉ. Đầu tiên, bạn sẽ nhanh chóng ôn tập các khái niệm cơ bản về AI/ML và AI tạo sinh, đồng thời tìm hiểu chức năng và trường hợp sử dụng của các dịch vụ AI chính của AWS (ví dụ: SageMaker, Rekognition, Polly, v.v.) thường xuất hiện trong đề thi. Dựa trên cơ sở này, bạn sẽ luyện tập cách xác định giải pháp AI phù hợp cho các tình huống vấn đề thực tế khác nhau, đồng thời cũng sẽ đề cập đến việc sử dụng AI model một cách có trách nhiệm và các nội dung liên quan đến bảo mật dữ liệu. Cuối cùng, bạn sẽ nắm vững các chiến lược giải đề theo từng dạng câu hỏi và chuẩn bị cho kỳ thi thông qua các bài thi thử thực tế. Thông qua khóa học này, bạn có thể chuẩn bị cho kỳ thi một cách hiệu quả trong thời gian ngắn.

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.

Bạn có muốn trở thành chuyên gia phân tích dữ liệu trong tương lai không? Hãy nắm bắt cơ hội đó ngay bây giờ! Đây là cơ hội đặc biệt để khám phá những khả năng vô hạn và tìm hiểu cách rút ra những hiểu biết sâu sắc thông qua công nghệ trí tuệ nhân tạo tiên tiến và dữ liệu lớn.

Đây là khóa học để học các phương pháp vi phân cơ bản cần thiết để bắt đầu với deep learning và tính năng Autograd của PyTorch.

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.

Đây là một bài giảng về máy học được viết giống như một câu chuyện bằng ngôn ngữ dễ hiểu, không có công thức phù hợp với trình độ mắt của sinh viên các môn nghệ thuật tự do!

Từ Multi Head Attention đến mô hình Original Transformer, BERT, mô hình dịch thuật MarianMT dựa trên Encoder-Decoder, cho đến Vision Transformer, bạn sẽ học hiểu sâu sắc về Transformer thông qua việc tự tay triển khai code.

ADsP Tóm tắt + Giải đề thi. Phản ánh kỳ thi lần thứ 46 tháng 8/2025! (Cập nhật thường xuyên!)

Bài giảng nhập môn AI phù hợp với người mới bắt đầu! Các khái niệm cốt lõi từ dữ liệu đến AI tạo sinh được tổng hợp dễ hiểu. Mục tiêu là hiểu biết thực tiễn ở mức có thể đặt câu hỏi và giải thích, không phải tạo AI.

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 ADsP All-In-One! Hoàn thành siêu nhanh! Tài liệu tham khảo: "Cheat Sheet ADsP cho mọi người" https://wikidocs.net/book/18829