inflearn logo

Nhập môn bán dẫn AI gói gọn trong một tệp Excel mà không cần công cụ EDA

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.

11 học viên đang tham gia khóa học này

Độ khó Nhập môn

Thời gian Không giới hạn

AI
AI
Excel
Excel
Computer Architecture
Computer Architecture
GPU
GPU
Machine Learning(ML)
Machine Learning(ML)
AI
AI
Excel
Excel
Computer Architecture
Computer Architecture
GPU
GPU
Machine Learning(ML)
Machine Learning(ML)

Bạn sẽ nhận được điều này sau khi học.

  • Khả năng giải thích ý nghĩa của thuật ngữ "nghẽn cổ chai" (bottleneck) và "băng thông" (bandwidth) trong các bài báo về bán dẫn AI.

  • Khả năng giải thích sự khác biệt giữa CPU, GPU và NPU dựa trên các lý do về cấu trúc.

  • Khả năng trả lời trôi chảy, không bị vấp khi gặp câu hỏi "Hãy giải thích sự khác biệt giữa GPU và NPU" trong buổi phỏng vấn.

  • Hiểu sự khác biệt giữa DRAM và SRAM thông qua thực hành

  • 9 loại file Excel thực hành bán dẫn AI

  • Khả năng trực tiếp tính toán và tìm ra điểm mà hiệu suất dừng lại ngay cả khi tăng thêm bộ toán tử.

  • Khả năng giải thích lý do tại sao SRAM nhanh gấp 40 lần nhưng vẫn không được dùng làm bộ nhớ chính (RAM)

■ Không cần trình mô phỏng bán dẫn, chỉ với Excel

Những nỗ lực để thấu hiểu về bán dẫn trí tuệ nhân tạo thường dừng lại trước các rào cản gia nhập. Bạn phải học ngôn ngữ mô tả phần cứng, cài đặt các công cụ EDA, xin cấp phép bản quyền và học cách giải mã các dạng sóng. Chỉ riêng quá trình này đã tiêu tốn hàng tháng trời, và bạn sẽ phải dành phần lớn thời gian để học cách sử dụng công cụ trước khi kịp nắm bắt được cảm giác về toàn bộ cấu trúc.

Khóa học này đưa ra một lộ trình khác. Chúng tôi thiết kế mô hình tính toán hoạt động của bán dẫn ngay trên bảng tính, cho phép học viên trực tiếp điều chỉnh các giá trị đầu vào và quan sát sự thay đổi của kết quả.

Chỉ cần mở tệp Excel và thay đổi các con số trong ô màu vàng là được.

■ Lý do Excel có thể thay thế các công cụ EDA

Bản chất của mô phỏng bán dẫn là kiểm tra xem kết quả thay đổi như thế nào khi các điều kiện thay đổi. Các tệp thực hành của bài giảng này thực hiện chức năng đó ngay trên bảng tính.

· 설치가 필요 없습니다

Chỉ cần Excel hoặc các chương trình bảng tính tương thích là đủ.

Không cần môi trường phát triển, giấy phép hay quy trình thiết lập riêng biệt nào cả.

· Mọi quá trình tính toán đều được hiển thị rõ ràng

Công cụ EDA xuất kết quả dưới dạng dạng sóng. Các quá trình trung gian đều bị ẩn đi.

Trong bảng tính, tất cả các giá trị trung gian đều được hiển thị nguyên vẹn trong các ô.

Bạn có thể trực tiếp kiểm tra xem giá trị đó được tạo ra từ công thức nào.

· Tức thì phản hồi

Nếu bạn thay đổi giá trị trong ô nhập liệu, các bảng và biểu đồ liên quan sẽ được cập nhật ngay tại chỗ.

Không cần biên dịch, cũng không cần chờ thực thi.

· 수강 이후에도 남습니다

Sau khi bài giảng kết thúc, bạn vẫn có thể tiếp tục sử dụng các tệp tin này.

Bạn có thể tự mình tiếp tục thử nghiệm bằng cách đưa vào các điều kiện mới.

■ Không phải là biểu đồ tĩnh

Tài liệu thực hành của bài giảng này không phải là bảng biểu chỉ hiển thị các kết quả đã được tính toán sẵn. Quá trình thực thi của bán dẫn được triển khai bằng các công thức toán học, và khi đầu vào thay đổi, toàn bộ kết quả sẽ được tính toán lại theo chuỗi.

· CPU triển khai quá trình thực thi lệnh thành 27 bước và

Theo dõi từng dòng để biết giá trị nào được đọc và tích lũy ở mỗi bước.

· Điểm mà tỷ lệ vận hành bộ toán tử của GPU chạm đến giới hạn băng thông

Tính toán bằng công thức và xác nhận thông qua biểu đồ.

· Năm giai đoạn phục hồi điện tích mỗi khi DRAM đọc dữ liệu

So sánh với SRAM qua từng bước một.

· Systolic array에서 계산이 활성화되는 위치가

Theo dõi quá trình di chuyển theo đường chéo theo thời gian dựa trên đơn vị ô (cell).

· Trong khi mảng bộ tính toán 13×10 của NPU xử lý 52 tile

tính toán số lần truy cập bộ nhớ phát sinh theo từng bước.

Những tài liệu học tập dưới dạng này rất khó tìm thấy trên thị trường. Chúng tôi thực hiện nhằm lấp đầy khoảng trống giữa các sách nhập môn vốn chỉ dừng lại ở sơ đồ khái niệm và ví dụ so sánh, với các sách chuyên ngành đòi hỏi kiến thức về ngôn ngữ kỹ thuật phần cứng.

■ Tám chủ đề được kết nối thành một vấn đề duy nhất

Bài giảng này không phải là sự liệt kê các chủ đề độc lập. Nó được thiết kế theo cấu trúc bắt đầu từ một câu hỏi và đi sâu dần vào các câu hỏi tiếp theo.

Trí tuệ nhân tạo tính toán cái gì

Nếu thực hiện phép tính đó bằng bộ xử lý đa năng thì sẽ phát sinh những gánh nặng nào?

Cấu trúc song song giảm bớt gánh nặng đó như thế nào và đâu là giới hạn của nó?

Nếu bộ nhớ là hạn chế, chẳng phải chỉ cần dùng bộ nhớ nhanh hơn là được sao?

Lý do tại sao không thể áp dụng toàn diện bộ nhớ tốc độ cao là gì?

Việc tái sử dụng dữ liệu sẽ thay đổi điều gì?

Nếu hiện thực hóa điều này bằng mạch điện thì sẽ phát sinh những lợi điểm và chi phí (đánh đổi) nào?

Câu hỏi còn lại ở cuối mỗi chương sẽ trở thành điểm khởi đầu cho chương tiếp theo. Cuối cùng, bạn sẽ đạt đến quan điểm thiết kế hệ thống, nơi xem xét tổng hòa các yếu tố hiệu suất, điện năng, diện tích, giá thành và sự di chuyển của dữ liệu.

■ Cách thức học tập

Mỗi chương đều bao gồm quá trình thay đổi các giá trị đầu vào. Trình tự được khuyến nghị như sau:

Trước tiên hãy dự đoán kết quả và

sau khi thay đổi giá trị

quan sát kết quả thực tế và

hãy thử giải thích lý do đó

Việc nhập giá trị bản thân nó không phải là mục đích. Mục đích là nắm bắt mối quan hệ nhân quả xem đầu vào nào ảnh hưởng đến kết quả nào. Khi dự đoán và thực tế khác nhau, sự hiểu biết sẽ trở nên sâu sắc hơn trong quá trình tìm kiếm lý do tại sao.

■ Tài liệu cung cấp

Cung cấp tất cả 9 loại tệp Excel được sử dụng trong bài giảng.

01_Line_Classifier.xlsx Quá trình phán đoán của bộ phân loại tuyến tính

02_MNIST_Learning.xlsx Nguyên lý học trọng số

03_Training_and_Inference.xlsx So sánh khối lượng tính toán giữa huấn luyện và suy luận

04_CPU_Operation.xlsx Thực thi lệnh và đường ống (pipeline)

05_CPU_GPU_Comparison.xlsx Cấu trúc song song và nút thắt cổ chai bộ nhớ

06_DRAM_SRAM.xlsx Nguyên lý hình thành phân cấp bộ nhớ

07_Systolic_Array.xlsx Tái sử dụng dữ liệu và lịch trình thực thi

08_NPU.xlsx Đặc điểm cấu trúc của bộ tăng tốc chuyên dụng

Mỗi tệp bao gồm các trang: hướng dẫn, nội dung chính, điều kiện, bảng biểu và tổng kết. Các ô nhập liệu được phân biệt bằng màu vàng, và các khu vực khác đã được thiết lập bảo vệ. Bạn có thể tự do thử nghiệm mà không lo làm hỏng các công thức.

■ Đối tượng học tập

· Những người thường xuyên tiếp cận với các tài liệu liên quan đến bán dẫn trí tuệ nhân tạo nhưng

Những người muốn hệ thống hóa lại nền tảng kỹ thuật một cách bài bản

· Đang chuẩn bị xin việc trong ngành bán dẫn và

Những người muốn hệ thống lại khái niệm về cấu trúc máy tính và bộ tăng tốc

· Với tư cách là người không chuyên, có thể đánh giá được các xu hướng công nghệ

Những người muốn trang bị kiến thức cơ bản

· Trước khi học ngôn ngữ mô tả phần cứng

Những người muốn nắm bắt cấu trúc tổng thể trước tiên

· Những người cần giải thích về chip bán dẫn trí tuệ nhân tạo tại các cơ sở giáo dục

■ Kiến thức tiên quyết

Chỉ cần bạn có khả năng nhập số vào bảng tính là đủ. Không yêu cầu kinh nghiệm lập trình, kiến thức chuyên ngành bán dẫn hay môi trường phát triển riêng biệt.

■ Phạm vi của mô hình bài giảng

Mô hình tính toán được sử dụng trong bài giảng này đã được đơn giản hóa cho mục đích giáo dục và không nhằm dự đoán các chỉ số hiệu suất của sản phẩm thực tế.

Trong mỗi màn hình thực hành đều có ghi rõ các điều kiện tiên quyết của mô hình tương ứng, và những phần có sự khác biệt so với thiết kế thực tế sẽ được giải thích riêng trong bài giảng. Mục tiêu không phải là ghi nhớ bản thân các con số, mà là để hiểu lý do cấu trúc dẫn đến việc đưa ra các con số đó.

■ Cấu trúc bài giảng

Tổng cộng 9 phần · 9 bài giảng · Tổng cộng 3 giờ 34 phút

Miễn phí công khai Phần 1 và Phần 2

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Sinh viên đang chuẩn bị xin việc trong ngành bán dẫn, muốn nắm vững cấu trúc tổng thể trước khi học Verilog và các công cụ EDA.

  • Nhà phát triển AI muốn hiểu mối quan hệ giữa hiệu suất mô hình và phần cứng thông qua các con số

  • Sinh viên chuyên ngành Kỹ thuật điện tử muốn xác nhận các khái niệm đã học trong kiến trúc máy tính bằng những con số thực tế.

  • Giáo viên cần tài liệu thực hành để giải thích về chip bán dẫn AI

  • Nhà hoạch định trong ngành bán dẫn muốn tự mình đánh giá các cuộc họp kỹ thuật và tài liệu.

Cần biết trước khi bắt đầu?

  • Chỉ cần có thể nhập số vào bảng tính là đủ rồi.

  • Không yêu cầu kinh nghiệm lập trình hay kiến thức chuyên ngành về bán dẫn.

  • Bạn không cần phải tự mình viết công thức. Bạn chỉ cần thay đổi các giá trị trong các ô trống của Excel là được.

Xin chào
Đây là EdgeChipLab

Xác minh sự nghiệp

"Trong thời đại AI, cách ứng phó chắc chắn nhất là tự mình chế tạo chất bán dẫn AI."

Quá trình này không phải là các bài giảng đại học thông thường lấy lý thuyết làm trọng tâm, cũng không phải chương trình đào tạo được chuẩn hóa của các khoa liên kết doanh nghiệp chỉ dừng ở việc đáp ứng những yêu cầu đặc thù về thông số. Ngoài ra, chương trình cũng không chỉ dừng lại ở kinh nghiệm sử dụng công cụ EDA hay khai thác thư viện như các hội thảo thực tiễn rời rạc hiện nay.

Đây là khóa học thực chiến độc đáo do một giáo sư kỹ thuật đang trực tiếp giảng dạy, với 30 năm kinh nghiệm, từng khởi đầu sự nghiệp là nhà nghiên cứu bán dẫn hệ thống tại Bộ phận DS của Samsung Electronics, đoạt Giải Bạc Giải thưởng Kỹ thuật Samsung trong lĩnh vực tự động hóa thiết kế (Giải thưởng Chủ tịch Tập đoàn), đồng thời từng giữ chức Giám đốc tại các pháp nhân ở Anh và Đức cũng như Trưởng nhóm Tiếp thị và Kinh doanh System LSI, được chính ông thiết kế và kiểm chứng trên FPGA.

Ngoài ra, tác giả còn cung cấp các công cụ thực hành miễn phí trên nền tảng web do chính mình phát triển: EdgeAssembler và EdgeVerilog. Với EdgeAssembler, bạn có thể chuyển đổi RISC-V Assembly thành Machine Code và Instruction Encoding để kiểm tra; với EdgeVerilog, bạn có thể thiết kế và mô phỏng RTL. (Sử dụng miễn phí: https://www.semiconductorschool.co.kr → nhấp nút 'LAUNCH' )


[ Điểm khác biệt cốt lõi dành cho kỹ sư đang làm việc và kỹ sư tương lai ]

Năng lực thiết kế kiến trúc— không chỉ kết nối IP có sẵn hay chỉnh sửa mã, mà trực tiếp thiết kế bằng RTL Pipeline năm giai đoạn RV32I (IF·ID·EX·MEM·WB), bao gồm Forwarding để xử lý Data Hazard, Stall khi Load-Use và xử lý Branch. Việc hiểu và trực tiếp làm việc với Pipeline 5 giai đoạn tạo nên khác biệt lớn về năng lực thiết kế.

Từ thuật toán đến RTL — triển khai CNN MNIST từ mô hình Python, qua bước lượng tử hóa, thành RTL cho NPU, rồi xác nhận rằng với cùng một đầu vào, kết quả Python và phần cứng khớp nhau chính xác từng bit. Điều cốt lõi là kết quả của Python và Verilog phải giống nhau 100%, đồng thời tạo ra kết quả hoạt động thực tế trên FPGA.

Tích hợp CPU + NPU + RTOS trên một FPGA duy nhất — Đưa vào một thiết bị cấu hình trong đó CPU do chính bạn thiết kế vận hành NPU cũng do chính bạn thiết kế, còn FreeRTOS do EdgeChipLab trực tiếp triển khai chạy trên đó. Học viên có thể sử dụng toàn bộ tài nguyên RTL và Code được công khai này để tạo ra con chip bán dẫn của riêng mình.

Cung cấp môi trường thiết kế và mô phỏng RTL miễn phí — Với EdgeVerilog v1.0 do chúng tôi tự phát triển, bạn có thể viết Verilog RTL, mô phỏng và phân tích dạng sóng trên PC và điện thoại thông minh mà không cần đăng ký tài khoản hay cài đặt phần mềm. Cung cấp miễn phí môi trường mô phỏng thực tế dựa trên Icarus Verilog cùng 52 ví dụ thiết kế, giúp bất kỳ ai cũng có thể dễ dàng bắt đầu thực hành thiết kế bán dẫn.

Thuật toán AI → Thiết kế RTL → Triển khai FPGA → Xác minh Bit-True → SoC AI

Không chỉ dành cho sinh viên đại học và sau đại học, khóa học còn mang đến hướng dẫn thực hành tốt nhất, không gì có thể thay thế, dành cho những người đang đi làm muốn vươn lên trở thành nhà thiết kế AI bán dẫn/SoC thế hệ mới.

 

Từ lý thuyết đến triển khai phần cứng AI thực tế

Chỉ với những kiến thức rời rạc, manh mún, rất khó đạt được năng lực thiết kế bán dẫn AI ở cấp độ hệ thống.

Học viên không chỉ dừng lại ở việc sử dụng các IP black-box hoàn chỉnh. Mục tiêu là từng bước trang bị năng lực thiết kế hệ thống, có thể tự thiết kế AI NPU và CPU RISC-V pipeline 5 giai đoạn, tích hợp bộ nhớ và thiết bị ngoại vi, port RTOS lên đó, và cuối cùng xây dựng SoC AI của riêng mình.

Bắt đầu từ nền tảng về transistor và mạch kỹ thuật số, khóa học kết nối các kiến thức này qua FPGA, CPU, NPU, cho đến phần cứng tăng tốc Transformer và LLM.

 

Kiểm chứng kết quả nghiên cứu trên phần cứng FPGA thực tế.

Đây không phải là một khóa học chỉ để xem bằng mắt. Không dừng lại ở lý thuyết hay mô phỏng đơn thuần, bạn sẽ cho mạch bán dẫn AI do chính mình thiết kế hoạt động trên FPGA thực tế và thực hiện kiểm chứng Bit-True, trong đó kết quả của mô hình Python và RTL khớp nhau đến từng bit.

Kết nối các kết quả nghiên cứu, bao gồm 4 bài báo được đăng trên KCI của giảng viên về AI bán dẫn, FPGA và RISC-V, với nội dung đào tạo, từ đó đưa các công nghệ đã được kiểm chứng trong nghiên cứu vào thiết kế thực tế và triển khai trên FPGA. Chúng tôi công khai mã nguồn cần thiết cho phần thực hành, bao gồm CPU RISC-V do chính chúng tôi phát triển, mã Python dùng để huấn luyện hình ảnh và Verilog RTL.

Được xây dựng xoay quanh bo mạch FPGA Arty S7-25 phổ thông và công cụ thiết kế Vivado miễn phí, khóa học giúp người học có thể tự mình tái hiện toàn bộ quy trình từ thiết kế, triển khai đến kiểm chứng. Ngoài ra, khóa học cũng có thể sử dụng trên các bo mạch FPGA của Digilent, bao gồm cả Zybo Z7. Bạn chỉ cần điều chỉnh ánh xạ chân XDC (bo mạch) và các tham số chia tần số xung nhịp (RTL) cho phù hợp với bo mạch. Đối với khóa học 'NPU MNIST được xây dựng bằng FPGA', chỉ cần điều chỉnh ánh xạ chân XDC; còn các khóa học sử dụng OLED và Camera thì cần điều chỉnh các tham số chia tần số xung nhịp (RTL).

→ Các tham số chia tần số trong bài thực hành của khóa học được thiết lập dựa trên xung nhịp đầu vào 100 MHz của Arty S7. Vì các bo mạch khác có xung nhịp đầu vào khác nhau (ví dụ: Zybo Z7 là 125 MHz), bạn cần tính lại giá trị chia tần số để đạt được cùng tần số mục tiêu. Nếu bỏ qua bước này, màn hình hoặc hình ảnh có thể không hiển thị bình thường, nên bạn hãy kiểm tra kỹ vì rất dễ nhầm lẫn với lỗi mã.


Môi trường thực hành RISC-V·Verilog miễn phí — EdgeAssembler · EdgeVerilog

Giờ đây, bạn có thể bắt đầu thực hành thiết kế bán dẫn ngay trên trình duyệt web mà không cần cài đặt phần mềm.

EdgeAssembler và EdgeVerilog do giảng viên trực tiếp phát triển là các công cụ thực hành miễn phí dành cho giáo dục. Với EdgeAssembler, bạn có thể xem quá trình chuyển đổi RISC-V Assembly thành Machine Code; với EdgeVerilog, bạn có thể thiết kế và mô phỏng RTL xử lý các lệnh đó. Bạn có thể sử dụng ngay trên trình duyệt web mà không cần cài đặt phần mềm EDA riêng.

Các tính năng chính của EdgeAssembler

  • Assembly → Machine Code: Chuyển mã RISC-V Assembly sang Machine Code (HEX)

  • Hiển thị mã hóa lệnh: Khi chọn dòng Machine Code, hiển thị trực quan Binary 32-bit và các trường opcode·rd·funct3·rs1·rs2·imm.

  • Tái lắp ráp Immediate: Gom lại các bit Immediate rải rác như B-type và J-type, đồng thời hiển thị cả Offset lẫn Target Address.

  • Đối tượng TinyRV32I: Kiểm tra theo phạm vi lệnh mà CPU trong giáo trình hỗ trợ

  • Công cụ kiểm tra mã hóa: Không chạy phần cứng; xác nhận hoạt động thực tế bằng mô phỏng RTL của EdgeVerilog.

    1.png.webp


    2.png.webp


Các tính năng chính của EdgeVerilog

  • Mô phỏng RTL thực tế: Biên dịch và mô phỏng dựa trên Icarus Verilog 12 mã nguồn mở

  • Trình xem dạng sóng: Quan sát sự thay đổi của tín hiệu, phóng to/thu nhỏ, hiển thị HEX/DEC/BIN, căn con trỏ vào thời điểm tín hiệu thay đổi, chuyển đến thay đổi trước đó/tiếp theo, mở rộng các bit Bus

  • Thư viện ví dụ: Cung cấp 52 ví dụ thiết kế mạch số như Counter, FSM, CPU, v.v.

  • Quản lý dự án: Viết RTL và Testbench, tự động lưu và xuất/nhập ZIP

  • Hỗ trợ di động: Có thể chỉnh sửa RTL, chạy mô phỏng và phân tích dạng sóng ngay trên điện thoại thông minh.

  • Cung cấp miễn phí: Tự do sử dụng cho mục đích giáo dục và phi thương mại.

sim.png.webp


sim2.png.webp


Khi sử dụng kết hợp hai công cụ, người học có thể tự mình kiểm tra mọi thứ, từ nhập môn Verilog-HDL đến thiết kế FSM, AXI4, CPU RISC-V, cũng như từ Instruction Encoding đến xác minh RTL.

Chạy miễn phí: https://www.semiconductorschool.co.kr
Nhấp vào nút 'LAUNCH' trên trang web để chạy ngay mà không cần cài đặt riêng.

EdgeAssembler là công cụ kiểm tra Instruction Encoding, còn EdgeVerilog là công cụ giáo dục dùng để xác minh chức năng RTL. FPGA Synthesis, Implementation và xác minh Timing được thực hiện trong Vivado.


Lộ trình full-stack liền mạch: từ nền tảng đến bộ tăng tốc mini LLM

Mỗi bài giảng đều là một hành trình hoàn thiện một hệ thống lớn, chứ không phải những mảnh ghép rời rạc, độc lập.

  • Step 1: Lý thuyết AI và nền tảng xử lý ảnh (bao gồm Machine Learning)

  • Step 2: Thiết kế và kiểm chứng bộ tăng tốc AI (NPU) (bao gồm Machine Learning)

  • Step 3: Thiết kế CPU RISC-V pipeline 5 giai đoạn và tích hợp hệ thống

  • Step 4: Triển khai SoC AI nâng cao và mở rộng thành nền tảng tăng tốc mini LLM (nội dung được cập nhật liên tục)

     

 

Chỉ số kiểm chứng khách quan

Tất cả sản phẩm thiết kế của khóa học này đều đã trải qua quá trình kiểm định nghiêm ngặt theo tiêu chuẩn toàn cầu và từ giới học thuật.

  • Kiểm chứng kiến trúc RISC-V pipeline 5 giai đoạn: CPU RISC-V tự phát triển đã vượt qua bài kiểm tra tuân thủ chính thức (ACT) của tổ chức quốc tế và công khai mã nguồn (GitHub)

  • Uy tín học thuật: 4 bài báo khoa học do một mình tác giả viết (đăng trên tạp chí học thuật danh tiếng IJIBC, xếp hạng A của KCI)

  • Được công nhận trên toàn cầu: Đã xuất bản 4 cuốn sách kỹ thuật trên Amazon toàn cầu (đạt vị trí số 1 về doanh số bán chạy nhất)


    Sách đã xuất bản: Roger Kim: sách, tiểu sử, cập nhật mới nhất

  • Hoàn tất xác minh hoạt động thực tế: Các IP cốt lõi như CPU RV32I, NPU, hệ thống thị giác, GPS, Transformer, SoC AURA-Edge đã hoạt động hoàn hảo trong môi trường Arty S7

     

Hãy thử thách bản thân. Khi kết thúc quá trình trực tiếp nạp mã lên bo mạch và kiểm tra kết quả này, bạn sẽ trở thành một kỹ sư phần cứng với góc nhìn hoàn toàn khác trước.

Thêm

Chương trình giảng dạy

Tất cả

9 bài giảng ∙ (3giờ 33phút)

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

Khóa học khác của EdgeChipLab

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Giảm 25% cho thành viên mới

1.484.355 ₫

25%

1.979.145 ₫