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

Đây là bài giảng nơi bạn có thể học các kỹ năng triển khai luận văn deep learning bằng cách triển khai luận án U-Net từ đầu bằng cách sử dụng TensorFlow 2.0.

Dành cho cả người không chuyên: Dự án thực hành Vibe Coding cùng AI

Thông qua nhiều hoạt động khác nhau, Git & Đây là khóa học nơi bạn có thể học cách sử dụng GitHub từng bước từ nội dung cơ bản đến nâng cao. Hiểu các nguyên tắc thông qua các ví dụ trực quan và sử dụng Git & Tìm hiểu cách sử dụng GitHub.

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.

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

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.

Học cách sử dụng các LLM cục bộ đa dạng (Qwen, Gemma) và tìm hiểu các kỹ thuật khác nhau để đánh giá (Evaluation) và cải thiện hiệu suất của hệ thống LLM một cách hiệu quả.

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.

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.

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

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.

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.

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

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.

Khóa học nhập môn trí tuệ nhân tạo dành cho người mới bắt đầu! Nội dung tóm tắt dễ hiểu các khái niệm cốt lõi từ dữ liệu đến AI tạo sinh. Mục tiêu của khóa học là giúp bạn hiểu rõ về thực tế để có thể đặt câu hỏi và giải thích về AI, thay vì trực tiếp tạo ra nó.

Đây là buổi giảng đại chúng dành cho công chúng, giúp họ thoát khỏi nỗi sợ hãi mơ hồ về trí tuệ nhân tạo. Thông qua các ví dụ cụ thể, chúng ta sẽ tìm hiểu ý nghĩa thực sự của việc AI học hỏi. Đồng thời, chúng ta cũng sẽ khám phá cấu trúc não của AI trông như thế nào và cách nó tư duy, qua những ví dụ cụ thể.

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.

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.

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

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 khóa học giúp bạn thực hiện dự án clone "Amenity Detection" của đội ngũ khoa học dữ liệu Airbnb - một ví dụ điển hình về việc ứng dụng TensorFlow, sau đó hệ thống lại quá trình thực hiện lên blog GitHub để tạo dựng portfolio AI.

"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 giải đề thi AWS Certified AI Practitioner là khóa học tóm tắt trọng tâm để giúp bạn thi đỗ chứng chỉ. Trước tiên, chúng ta sẽ nhanh chóng ôn tập các khái niệm cơ bản về AI/ML và AI tạo sinh, đồng thời tìm hiểu về tính năng cũng như các trường hợp sử dụng của các dịch vụ AI chính của AWS thường xuất hiện trong kỳ thi (ví dụ: SageMaker, Rekognition, Polly, v.v.). Dựa trên nền tảng đó, bạn sẽ được thực hành cách xác định giải pháp AI nào phù hợp cho các tình huống thực tế khác nhau, đồng thời tìm hiểu về việc sử dụng mô hình AI có trách nhiệm và các nội dung liên quan đến bảo mật dữ liệu. Cuối cùng, bạn sẽ được làm quen với chiến lược giải đề theo từng dạng câu hỏi và chuẩn bị cho kỳ thi thông qua các bài thi thử thực tế. Khóa học này sẽ giúp bạn chuẩn bị cho kỳ thi một cách hiệu quả trong thời gian ngắn.

- Tôi là Research Engineer/AI PM đang điều hành một startup AI năm thứ 4. - Video này là bài giảng dành cho những người muốn bắt đầu học trí tuệ nhân tạo vào "hiện tại", "năm 2026". - Khi nhìn các bạn sinh viên, tôi thấy có rất nhiều bạn không biết phải bắt đầu học trí tuệ nhân tạo như thế nào. - Tôi hy vọng sau khi nghe bài giảng này, các bạn có thể bắt đầu học trí tuệ nhân tạo. - Xin lưu ý, bài giảng này không phải là "Ứng dụng AI vào công việc" hay "Bắt đầu kiếm tiền bằng GPT". - Đây là video về cách bắt đầu khi sinh viên, học viên cao học, hoặc các lập trình viên muốn học trí tuệ nhân tạo.

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 dành cho người mới bắt đầu trở thành kỹ sư AI được thiết kế để trải nghiệm ngắn gọn toàn bộ quy trình từ xử lý dữ liệu, phát triển mô hình, đến Cloud, MLOps và các cân nhắc về đạo đức. Khóa học không chỉ dừng lại ở việc tạo ra mô hình mà còn tập trung vào việc hiểu quy trình kết nối với dịch vụ thực tế để rèn luyện kỹ năng chuyên môn. Các bài thực hành và ví dụ đi kèm sẽ giúp ngay cả những người lần đầu học về AI cũng có thể dễ dàng theo kịp.

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 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.