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

Đây là khóa học dành cho những ai đã học cú pháp Verilog nhưng vẫn còn lúng túng với câu hỏi "Vậy thì nên tạo ra cái gì?". Chỉ với một bo mạch FPGA, bạn sẽ trực tiếp thiết kế bốn loại phần cứng: đồng hồ kỹ thuật số, cảm biến khoảng cách siêu âm, màn hình OLED và cả hình ảnh camera thời gian thực. Độ khó sẽ tăng dần từ đầu ra đến đầu vào·điều khiển, hiển thị và hình ảnh, giúp bạn nắm vững thiết kế kỹ thuật số thông qua việc tạo ra các sản phẩm thực tế có thể nhìn thấy được. Một giáo sư đương nhiệm với 30 năm kinh nghiệm trong ngành bán dẫn sẽ trực tiếp giảng dạy những nội dung đã được kiểm chứng trên FPGA thực tế.

Nhiều người đã học về FPGA và Verilog nhưng lại gặp khó khăn ở câu hỏi "Vậy làm thế nào để trực tiếp tạo ra một bộ tăng tốc AI?". Khóa học này sẽ giải đáp thắc mắc đó. Chỉ với một tấm FPGA phổ thông và các công cụ miễn phí, bạn sẽ bắt đầu từ việc tự tay thiết kế kernel 3×3, trực tiếp huấn luyện CNN, lượng tử hóa các trọng số đã học sang INT8 để đưa vào phần cứng, và cuối cùng là kiểm chứng xem nó có khớp hoàn toàn (Bit-True) với mô hình Python đến từng bit hay không. Với 30 năm kinh nghiệm trong ngành bán dẫn và tư cách là giáo sư đương nhiệm, tôi chỉ dạy những nội dung đã được kiểm chứng trên FPGA thực tế dưới dạng các 'mạch điện hoạt động được'. Thay vì lý thuyết suông, bạn sẽ có được trải nghiệm tự tay thiết kế và chứng minh, từ đó trang bị năng lực thực chiến đáp ứng yêu cầu trong lĩnh vực thiết kế Fabless và chip bán dẫn AI.

Khi quyết định chế tạo CPU, thông thường người ta sẽ tìm sơ đồ mạch điện trước. Thế nhưng, ngay khi mở bản vẽ ra, một câu hỏi không lời giải đáp sẽ xuất hiện: Tại sao khối này lại phải nằm ở đây? Tại sao cổng đọc thanh ghi lại có hai cái? Mọi câu trả lời đều nằm ở tập lệnh. Khi biết tập lệnh yêu cầu điều gì, chúng ta sẽ xác định được cần những mạch điện nào. Quy trình ngược lại là không thể. Đã có rất nhiều bài giảng về RISC-V. Tuy nhiên, hầu hết chỉ hiển thị các giá trị trên slide rồi nói rằng "nó hoạt động như thế này" và lướt qua. Học viên không có cách nào để xác nhận xem giá trị đó có đúng hay không. Khóa học này cung cấp cho bạn một trình mô phỏng thực thi lệnh bằng Python. Khi bạn gõ `run ADD`, mã máy sẽ được lắp ráp ngay tại chỗ, 32 bit sẽ được trải rộng theo từng trường, và cách các thanh ghi thay đổi sẽ hiển thị trên màn hình. Mọi con số trong giáo trình đều là kết quả thực thi của công cụ này, và chúng sẽ được tái hiện y hệt trên màn hình của bạn. Các trình gỡ lỗi thương mại yêu cầu giấy phép, còn các trình mô phỏng thì việc cài đặt là một rào cản. Với công cụ này, bạn chỉ cần có Python. Không cần bo mạch, không cần giấy phép, cũng không cần cài đặt phức tạp. Đây là quá trình bạn sẽ trực tiếp thực thi không sót một lệnh nào trong số 40 lệnh RV32I, để từ đó tự mình tìm ra mạch điện cần phải làm những gì.

Đưa mạng thần kinh lên FPGA — cụm từ này nghe có vẻ quen thuộc, nhưng số người thực sự làm được điều đó lại rất hiếm. Nếu bạn muốn đi trước một bước trong các đồ án tốt nghiệp (Capstone), các cuộc thi hay tác phẩm tốt nghiệp, bạn cần phải vượt xa việc chỉ huấn luyện mô hình; bạn phải có khả năng tự mình tạo ra và chứng minh cách các phép toán đó vận hành bên trong một con chip thực thụ. Khóa học này sẽ giúp bạn lấp đầy khoảng cách đó — khoảng cách giữa lý thuyết và phần cứng thực tế. Bạn sẽ tự tay hoàn thiện từ đầu đến cuối một bộ tăng tốc mạng thần kinh (NPU) nhận dạng chữ số MNIST, từ việc đọc thông số kỹ thuật đến xây dựng mô hình Golden Model bằng Python, thiết kế Verilog RTL và kiểm chứng trên FPGA. Từ lớp Conv được tạo bởi Line Buffer và MAC song song, qua ReLU, MaxPool, Flatten cho đến lớp Fully Connected và Argmax — bạn sẽ tích hợp chín khối chức năng vào một con chip duy nhất và tự mình chứng minh rằng "kết quả từ Python và đầu ra phần cứng không khác nhau dù chỉ một bit (Bit-True)". Khóa học cũng bao gồm cách vượt qua những khoảnh khắc gây ức chế khi mô phỏng chạy bình thường nhưng kết quả lại khác biệt một cách tinh vi. Tôi sẽ chỉ ra từng bí quyết thực tế mà các giáo trình học sâu thông thường không đề cập đến, chẳng hạn như lượng tử hóa số nguyên, chuyển đổi thứ tự trục mảng, hay ngăn chặn tràn bộ tích lũy. Tôi đã đúc kết những kinh nghiệm xương máu từ quá trình thiết kế CPU RISC-V và kiểm chứng Bit-True trên FPGA trong thời gian dài vào khóa học này, để các bạn không phải lặp lại những sai lầm đó. Sau khi kết thúc khóa học, bạn sẽ nắm trong tay một dự án phần cứng hoàn chỉnh mà bạn có thể tự tin nói rằng mình đã "tự tay thiết kế và chứng minh".

Để trực tiếp thiết kế các loại chip bán dẫn AI như NPU, bộ tăng tốc Transformer hay mini LLM, bạn cần phải hiểu rõ lý thuyết về lý do tại sao các phép toán bên trong lại diễn ra. Khóa học này được nén thành ba phần, chắt lọc những tinh túy lý thuyết thiết yếu nhất cho việc thiết kế phần cứng, từ một nơ-ron đơn lẻ cho đến CNN, Transformer và LLM. Thay vì học thuộc lòng các công thức, giáo sư đương nhiệm với 30 năm kinh nghiệm trong ngành bán dẫn sẽ kết nối lý thuyết phần mềm và triển khai phần cứng thành một thông qua trực giác về việc "tại sao nó lại như vậy".

Khi học học máy, ta được dạy cách nâng cao độ chính xác. Nhưng đến lúc đưa mô hình lên chip thực tế, lại nảy sinh những câu hỏi mà chẳng ai chỉ bảo. Mô hình này thực hiện bao nhiêu phép nhân? Nó cần lưu trữ những gì và dung lượng bao nhiêu? Thông số kỹ thuật của con chip mục tiêu hiện tại có thể đáp ứng nổi những yêu cầu đó chăng? Giáo trình học máy thì bàn về độ chính xác, còn giáo trình bán dẫn lại nói về mạch điện, nhưng tài liệu kết nối hai lĩnh vực này lại vô cùng khan hiếm. Tôi đã nhiều lần đối mặt với khoảng trống này khi triển khai CPU RISC-V và NPU trên FPGA. Đó là tình cảnh mô hình có độ chính xác cao nhất lại chẳng thể nào nhét vừa vào board mạch. Khóa học này sẽ hướng dẫn bạn tự tay xây dựng sáu thuật toán bằng Python, đồng thời đo lường số phép nhân, phép so sánh, dung lượng bộ nhớ và độ chính xác ở mỗi thuật toán. Sau đó, quy đổi các giá trị này sang tài nguyên thực tế trên board FPGA. Bởi lẽ, nói "bao nhiêu phép nhân" thì khó mà hình dung được quy mô, nhưng nếu nói "chiếm bao nhiêu phần trăm tài nguyên board" thì ta dễ dàng đánh giá được. Trải qua 9 bài Lab và gom sáu mô hình vào chung một bảng, ta sẽ thấy một bức tranh hoàn toàn khác với dự đoán. Đã dành tới 9 bài chỉ để đếm số phép nhân, nhưng thứ thực sự gây trở ngại lại không phải là phép nhân. Tiếp theo, ta sẽ chuyển đổi số thực thành số nguyên, quản lý độ rộng bit, và xây dựng cả bộ tiêu chí để đánh giá mạch. Bạn không cần phải có board FPGA. Khóa học chỉ sử dụng Python, còn board mạch chỉ đóng vai trò làm hệ quy chiếu để quy đổi các giá trị đo lường.

Số 0 và 1, HIGH và LOW, cổng logic và flip-flop mà chúng ta nói đến đều được sinh ra từ sự kiện vật lý khi tín hiệu analog vượt qua ngưỡng. Vậy thì, thế giới trước logic — việc hiểu được chuyển động do dòng điện và điện áp tạo ra có phải chính là khởi đầu thực sự của thiết kế mạch không? Khóa học này sẽ cùng bạn bước những bước đầu tiên đó.

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.

AI Tech DNA Series: Nguyên lý cốt lõi cơ bản của máy tính dưới góc nhìn AI là bài giảng nhập môn được thiết kế để giúp bạn hiểu các khái niệm cơ bản về máy tính cần thiết trong kỷ nguyên AI một cách dễ dàng nhất. Bằng cách giải thích các nguyên lý cơ bản như CPU, bộ nhớ, thiết bị lưu trữ, mạng và cấu trúc dữ liệu thông qua các ví dụ so sánh thực tế và kết nối với góc nhìn AI, khóa học này sẽ xây dựng nền tảng vững chắc để bạn tiến xa hơn trong các lĩnh vực như Python, AI, bảo mật và điện toán đám mây.

Khi quyết định chế tạo CPU, thông thường người ta sẽ tìm sơ đồ mạch điện trước. Thế nhưng, ngay khi mở bản vẽ ra, một câu hỏi không lời giải đáp sẽ xuất hiện: Tại sao khối này lại phải nằm ở đây? Tại sao cổng đọc thanh ghi lại có hai cái? Mọi câu trả lời đều nằm ở tập lệnh. Khi biết tập lệnh yêu cầu điều gì, chúng ta sẽ xác định được cần những mạch điện nào. Quy trình ngược lại là không thể. Đã có rất nhiều bài giảng về RISC-V. Tuy nhiên, hầu hết chỉ hiển thị các giá trị trên slide rồi nói rằng "nó hoạt động như thế này" và lướt qua. Học viên không có cách nào để xác nhận xem giá trị đó có đúng hay không. Khóa học này cung cấp cho bạn một trình mô phỏng thực thi lệnh bằng Python. Khi bạn gõ `run ADD`, mã máy sẽ được lắp ráp ngay tại chỗ, 32 bit sẽ được trải rộng theo từng trường, và cách các thanh ghi thay đổi sẽ hiển thị trên màn hình. Mọi con số trong giáo trình đều là kết quả thực thi của công cụ này, và chúng sẽ được tái hiện y hệt trên màn hình của bạn. Các trình gỡ lỗi thương mại yêu cầu giấy phép, còn các trình mô phỏng thì việc cài đặt là một rào cản. Với công cụ này, bạn chỉ cần có Python. Không cần bo mạch, không cần giấy phép, cũng không cần cài đặt phức tạp. Đây là quá trình bạn sẽ trực tiếp thực thi không sót một lệnh nào trong số 40 lệnh RV32I, để từ đó tự mình tìm ra mạch điện cần phải làm những gì.

Bài giảng này giải thích các nguyên tắc của kiến ​​trúc máy tính, kiến ​​thức cơ bản về lập trình, dành cho những người không chuyên ngành. Mục tiêu của bài giảng là làm quen với các nguyên tắc hoạt động của chương trình.

Học tập một cách hệ thống về nguyên lý phối hợp giữa CPU, bộ nhớ, đĩa cứng và cách hệ điều hành điều phối tài nguyên. Tiếp thu kiến thức cơ bản thực tiễn để có thể đọc bảng thông số kỹ thuật của máy chủ và phán đoán điểm nghẽn hiệu suất, đồng thời tạo nền tảng cho việc học về đám mây và mạng.

Bạn có thể tìm hiểu về cấu trúc cơ bản, nguyên lý hoạt động, phương pháp thiết kế và hệ điều hành của phần cứng máy tính và xây dựng kiến ​​thức cần thiết để tạo ra các chương trình tốt.

LLM và Agent là những công nghệ nền tảng của các AI như ChatGPT. Hiện tại, LLM là công nghệ tiến gần nhất đến AGI (Trí tuệ nhân tạo tổng quát). Trong bài giảng này, chúng ta sẽ tìm hiểu về công nghệ LLM và Agent dưới góc nhìn của một người bình thường.

Chẳng cần biết code vẫn OK, hoàn thiện dịch vụ đầu tiên của riêng bạn cùng Google Stitch Quy trình phát triển AI tất cả trong một, kết nối liền mạch từ lên ý tưởng đến triển khai

Chúng tôi sẽ giúp bạn hiểu những cốt lõi về cấu trúc và nguyên lý hoạt động của máy tính mà một nhà phát triển phần mềm cần biết thông qua các hình minh họa dễ hiểu.

"Mã nguồn Deep Learning thì chạy được, nhưng tại sao các công thức trong bài báo khoa học lại xa lạ đến thế?" Khi học về AI, sẽ có lúc bạn vấp phải bức tường của những công thức toán học. Nếu truy ngược lại nguồn gốc của bức tường đó, cuối cùng bạn sẽ nhận ra rằng mình chưa xây dựng vững chắc ngôn ngữ toán học cơ bản nhất. Khóa học này bắt đầu bằng ngôn ngữ của tập hợp, đi qua phương trình, hàm số, dãy số, lũy thừa - logarit cho đến hàm số lượng giác, chắt lọc những khái niệm cốt lõi qua 18 bài giảng. Chúng tôi không bắt bạn học thuộc lòng công thức. Mặc dù có điểm qua ngắn gọn các mối liên kết với ngữ cảnh AI, nhưng mục đích chính của khóa học này chỉ có một — đó là tạo ra một nền tảng vững chắc để bạn không bị lung lay khi học Đại số tuyến tính, Giải tích và Xác suất thống kê sau này. Đây là phần 1 của series Suminjeongeum, trong khóa học này, chúng tôi sẽ giúp bạn xây dựng ngôn ngữ chung để có thể hấp thụ tốt ba phần còn lại.

Khóa học này dành cho những ai đang sử dụng AI nhưng vẫn còn bối rối không biết nên tin tưởng đến mức độ nào. Nội dung sẽ tập trung vào cách sử dụng AI trong công việc một cách vừa phải nhưng thực sự mang lại hiệu quả. Khóa học không yêu cầu kiến thức lập trình chuyên sâu hay các công cụ phức tạp, mà tập trung vào việc giúp bất kỳ ai cũng có thể ứng dụng AI vào quy trình làm việc của riêng mình. Thay vì dạy cách viết câu lệnh (prompt) phức tạp, khóa học tập trung vào **thời điểm nào nên dùng AI và khi nào thì không nên**, cùng với **tư duy kiểm chứng và tinh chỉnh** thay vì tin tưởng mù quáng vào kết quả của AI. Thông qua khóa học này, bạn sẽ nắm vững các tiêu chí để sử dụng AI không phải như một công cụ tự động hóa thay thế hoàn toàn con người, mà như một **đối tác thực tế** giúp sắp xếp suy nghĩ và hỗ trợ công việc.

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.

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.

Mỗi khi viết báo cáo, bạn có cảm thấy bế tắc không? Lãng phí thời gian vì không biết phải viết gì, phải sửa đi sửa lại nhiều lần vì logic không mạch lạc, và cuối cùng chỉ kịp hoàn thành sát nút trước thời hạn. Đây là thực trạng lặp đi lặp lại của rất nhiều nhân viên văn phòng và sinh viên. Bạn đã thử sử dụng ChatGPT, nhưng nó chỉ dừng lại ở mức viết hộ câu chữ, tạo ra những "văn bản nghe có vẻ ổn" chứ không phải là một "báo cáo tạo ra kết quả". Khóa học này hoàn toàn khác biệt. Chúng tôi sẽ hướng dẫn bạn cách sử dụng ChatGPT không chỉ như một công cụ làm thay, mà như một đối tác chiến lược giúp khuếch đại khả năng lập kế hoạch của bạn. ✔ Cách cấu trúc hóa việc định nghĩa vấn đề một cách rõ ràng ✔ Cách áp dụng framework để thiết kế luồng logic ✔ Cách tăng cường sức thuyết phục dựa trên dữ liệu ✔ Chiến lược nâng cấp thành báo cáo tập trung vào kết quả Trong suốt khóa học, bạn sẽ thực sự hoàn thành một bản báo cáo công việc của riêng mình. Đây không chỉ là lý thuyết suông mà là trải nghiệm thực chiến dẫn đến kết quả ngay lập tức. Ngoài ra, bằng cách tận dụng các tính năng mới nhất như Canvas và phân tích tệp tải lên, chúng tôi giúp bạn trang bị năng lực AI (AI Literacy) để không bị tụt hậu trong môi trường AI tạo sinh đang phát triển nhanh chóng. Sau khi tham gia khóa học này: Thời gian viết báo cáo sẽ giảm xuống, Logic trở nên chặt chẽ hơn, Và kết quả sẽ rõ rệt hơn. Hãy trải nghiệm khoảnh khắc khi báo cáo không còn là gánh nặng, mà trở thành vũ khí chứng minh năng lực của chính bạn.

Hoàn thiện khái niệm về bộ điều khiển cấp cao - cấp thấp, cảm biến và truyền thông siêu tốc trong robot thông qua ví dụ về Unitree Go2

Trong dòng chảy công việc hàng ngày và những tác vụ lặp đi lặp lại không ngừng, chắc hẳn bạn đã từng tự hỏi "Liệu có cách nào để làm công việc này thông minh và hiệu quả hơn không?" Bạn có từng cảm thấy bế tắc khi lãng phí thời gian soạn thảo báo cáo, liên tục không tìm ra insight mới trong các cuộc họp ý tưởng, và khó theo kịp tốc độ của đối thủ cạnh tranh không? Ngay lúc này, công cụ mạnh mẽ nhất để giải quyết những băn khoăn đó đã xuất hiện. Đó chính là AI tạo sinh (Generative AI). Đây không chỉ đơn thuần là một công nghệ thịnh hành. Đây là cuộc cách mạng năng suất cơ bản nhất của thời đại chúng ta, và những ai nắm bắt và ứng dụng sự thay đổi này trước tiên sẽ trở thành người chiến thắng trong tương lai kinh doanh. Khóa học này sẽ hướng dẫn bạn cách áp dụng ngay lập tức AI tạo sinh - trợ lý tài năng nhất trên bàn làm việc của bạn - vào công việc thực tế. Hãy tạm gác lại những lý thuyết phức tạp. Chúng ta tập trung vào **"Vậy với công nghệ này, ngay mai tôi có thể làm gì?"** 💡 Chúng tôi sẽ giúp bạn lấy lại thời gian và sức sáng tạo. Mục tiêu cốt lõi của chúng tôi là **'tự động hóa công việc'** và **'tối đa hóa sáng tạo'** của bạn. Rút ngắn 90% thời gian viết báo cáo: Học cách giao cho AI việc soạn thảo báo cáo, kế hoạch, bản thảo email - những thứ chiếm mất thời gian quý báu của bạn mỗi tuần. Chỉ cần nhập dữ liệu cốt lõi và hướng đi, AI sẽ ngay lập tức hoàn thành tài liệu chuyên nghiệp. Giờ đây bạn có thể tập trung vào việc trở thành nhà lãnh đạo có tư duy chiến lược, thay vì chỉ là người viết tài liệu. Ý tưởng vượt trội hơn đối thủ: Bạn cần chiến dịch marketing mới, thiết kế sản phẩm đột phá, ý tưởng nội dung thu hút khách hàng? Thực hành cách coi AI như đối tác để tạo ra hàng chục phương án sáng tạo trong tích tắc và dự đoán phản ứng thị trường. Quyết định sáng suốt dựa trên dữ liệu: Đừng lạc lối trong vô vàn tài liệu. AI sẽ tóm tắt nhanh chóng dữ liệu khổng lồ và cung cấp insight cốt lõi, giúp bạn đưa ra phán đoán chiến lược dựa trên dữ liệu chứ không phải trực giác. 🛠️ 'Prompt' là ngôn ngữ mới. Sử dụng AI tạo sinh hiệu quả có nghĩa là thành thạo **'kỹ thuật prompt'**. Giống như chỉ đạo một nhân viên tài năng, kỹ thuật ra lệnh rõ ràng và cụ thể cho AI sẽ quyết định thành bại. Trong khóa học này, chúng tôi sẽ truyền đạt công thức cốt lõi về **"cách đặt câu hỏi để có được kết quả mong muốn"**. Bạn sẽ trực tiếp viết prompt tùy chỉnh tối ưu cho công việc của mình - marketer, developer, planner - và cảm nhận sự khác biệt rõ rệt trong kết quả. Kiến thức này sẽ trở thành năng lực cốt lõi không thể lay chuyển trong tương lai, dù có công cụ AI mới nào xuất hiện. 🏆 Thông qua khóa học, bạn sẽ trở thành 'doanh nhân tương lai'. AI tạo sinh không còn là 'lựa chọn' mà là 'điều bắt buộc'. Nếu từ chối công nghệ này, đối thủ của bạn sẽ làm việc nhanh gấp 10 lần mỗi ngày. Nhưng nếu nắm bắt cơ hội này, bạn có thể tối đa hóa năng suất, dẫn dắt đổi mới sáng tạo, và trở thành 'nhân tài tương lai' với thành tích kinh doanh vượt trội. AI tạo sinh, đừng sợ hãi. Điều quan trọng là biết cách sử dụng hiệu quả. Hãy bắt đầu hành trình cách mạng công việc của bạn thông qua khóa học này. Đây sẽ là quyết định duy nhất để khai phá tiềm năng kinh doanh của bạn. Đăng ký ngay bây giờ và trải nghiệm phương thức làm việc mới: làm ít hơn nhưng đạt được nhiều hơn.

Bạn đã bao giờ gặp khó khăn do chưa hiểu rõ về công nghệ hạ tầng CNTT (máy chủ, mạng, lưu trữ,…) chưa? Bạn có muốn hiểu cơ sở hạ tầng CNTT của mình được cấu trúc như thế nào và những công nghệ nào được áp dụng không? Đây là bài giảng duy nhất ở Hàn Quốc giải thích về các công nghệ khác nhau tạo nên cơ sở hạ tầng CNTT!

Khóa học giúp bạn hiểu các khái niệm cốt lõi về cấu trúc máy tính, đồng thời luyện tập cách giải thích bằng lời trong các buổi phỏng vấn.

Tác giả của cuốn sách "Cấu trúc và nguyên lý của nhân Linux học qua debugging" giải thích một cách bài bản về các khái niệm cốt lõi của tiến trình trong nhân Linux mới nhất (v6.1), vốn được sử dụng nhiều nhất trong phần mềm hệ thống.