[Phụ đề tiếng Hàn] Chinh phục hoàn toàn Claude & Gemini 3.1: Từ prompt đến tạo video

Khóa học này là một chương trình thực hành hướng dẫn cách sử dụng Claude không chỉ như một chatbot trả lời câu hỏi đơn thuần mà còn như một đối tác cộng tác cùng thực hiện công việc thực tế. Khóa học gồm tổng cộng 2 phần với 18 bài học. Trước tiên, khóa học trình bày những nguyên lý cơ bản như cách AI tạo sinh hiểu và tạo ra ngôn ngữ, phân tích ngữ nghĩa và tính đa nghĩa, mô hình ngôn ngữ thống kê, từ đó xây dựng nền tảng để sử dụng Claude một cách hiệu quả. Dựa trên sự hiểu biết này, bạn sẽ có thể thiết kế prompt tinh vi và chính xác hơn. Sau đó, khóa học lần lượt tự động hóa những công việc thường gặp hằng ngày trong thực tế. Nội dung bao quát toàn bộ các công việc liên quan đến tài liệu và dữ liệu, từ tự động sắp xếp email, trích xuất các hạng mục cần thực hiện từ biên bản cuộc họp, xử lý dữ liệu Excel, soạn thảo báo cáo và đề xuất, trích xuất thông tin từ hóa đơn và biên lai, cho đến tự động hóa bản tóm tắt hằng ngày. Ở phần sau, khóa học tiến thêm một bước nữa với các bài thực hành như tự động tạo slide PPT, kết nối với các dịch vụ bên ngoài, thiết lập quy trình tự động dựa trên lịch trình, sử dụng plugin Skills, phân tích song song đối thủ cạnh tranh, soạn thảo SOP và quy định nội bộ, tự động hóa trình duyệt Chrome, cũng như xây dựng ứng dụng thực tế bằng lập trình vibe. Không dừng lại ở việc hỏi và trả lời đơn thuần, bạn sẽ hình thành năng lực thực tiễn để làm việc cùng Claude trong toàn bộ quy trình, từ phân tích yêu cầu đến lập tài liệu, tự động hóa và phát triển.

Khóa học này gồm 37 bài, kéo dài khoảng 14 giờ, bao quát toàn bộ về Codex, tác nhân lập trình AI của OpenAI, từ đầu đến cuối. Các công cụ lập trình AI giờ đây đã trở nên phổ biến. Tuy nhiên, hầu hết người dùng chỉ dừng lại ở việc chấp nhận nội dung tự động hoàn thành hoặc đặt câu hỏi trong khung trò chuyện. Những công cụ dạng tác nhân như Codex có thể làm được nhiều hơn thế. Chúng có thể đọc toàn bộ dự án, chỉnh sửa nhiều tệp cùng lúc, chạy các bài kiểm thử và tự phát hiện lỗi. Vấn đề là chúng cũng cần được kiểm soát tương xứng. Nếu không biết nên cho phép điều gì, ngăn chặn điều gì và dạy các quy tắc của dự án như thế nào, bạn sẽ phải mất công xử lý lại phần mã do công cụ tạo ra. Khóa học này tập trung vào các phương pháp kiểm soát đó. Ở phần nhập môn, bạn sẽ học cách cài đặt và thực hiện cuộc trò chuyện đầu tiên, chỉnh sửa tệp và quản lý phiên làm việc, sử dụng các lệnh gạch chéo, đồng thời xây dựng nền tảng về cách viết prompt. Bạn sẽ thực hành để nắm vững ba nguyên tắc: yêu cầu rõ ràng, phân tách công việc và kiểm chứng. Phần trung cấp mới là nội dung trọng tâm. Bạn sẽ thiết lập cách hoạt động bằng config .toml, dạy các quy tắc của dự án thông qua AGENTS .md và quản lý bộ nhớ bằng Memories. Bạn cũng sẽ trực tiếp thiết kế ranh giới an toàn bằng cách kết hợp sandbox với 4 loại chính sách phê duyệt. Tiếp đó, khóa học sẽ đề cập đến việc tách luồng và thực hiện công việc song song, chế độ lập kế hoạch, kết nối máy chủ MCP, cũng như xây dựng skill tùy chỉnh dựa trên SKILL .md. Cuối khóa học, sau khi tìm hiểu về tìm kiếm trên web, tự động hóa Git, tích hợp với VS Code·Cursor và thực hành FastAPI, bạn sẽ khám phá cả giao thức nội bộ của Codex mang tên mô hình hàng đợi SQ/EQ. Khi hiểu cách công cụ hoạt động, cách ứng phó khi xảy ra vấn đề cũng sẽ thay đổi. Toàn bộ khóa học được triển khai xuyên suốt qua quá trình xây dựng một dịch vụ duy nhất mang tên TaskFlow. Thay vì học từng tính năng một cách riêng lẻ, bạn sẽ lần lượt trải nghiệm trong một dự án thực tế xem khi nào và cần sử dụng tính năng nào.

Khóa học này là chương trình thực hành gồm 16 buổi, kéo dài khoảng 9 giờ 30 phút, giúp các nhà phát triển đã nắm được kiến thức cơ bản về Streamlit xây dựng những ứng dụng web ở mức có thể triển khai thực tế. Streamlit là công cụ cho phép hiển thị giao diện chỉ với vài dòng mã. Vì vậy, việc nhập môn khá dễ dàng, nhưng khi bắt tay vào sử dụng trong thực tế, bạn sẽ gặp phải những trở ngại khác. Làm thế nào để tích hợp đăng nhập, lưu mật khẩu ở đâu và như thế nào, chia sẻ biến ra sao khi có nhiều trang, hay ngăn việc toàn bộ màn hình chạy lại mỗi khi gửi biểu mẫu? Khóa học này sẽ lần lượt giải quyết từng trở ngại đó. Ở phần đầu, bạn sẽ ôn lại dataframe và trực quan hóa biểu đồ, các widget chọn ngày và tải tệp, cùng Session State để xây dựng một mini dashboard. Tiếp đó, bạn sẽ bắt đầu dự án đầu tiên: ứng dụng phân tích NLP. Sau khi thiết lập môi trường ảo Anaconda và cài đặt spaCy·neattext·wordcloud·deep_translator, bạn sẽ hoàn thiện một ứng dụng tích hợp thống kê văn bản, phân tích từ loại, trực quan hóa word cloud, dịch đa ngôn ngữ và phân tích cảm xúc tiếng Hàn. Khóa học cũng hướng dẫn các công việc nâng cao độ hoàn thiện như cấu trúc giao diện bằng st . columns và st . expander, đồng thời thêm nhận diện thương hiệu vào thanh bên. Phần sau tập trung vào các tính năng ở cấp độ dịch vụ. Bạn sẽ quản lý dữ liệu thành viên bằng SQLite, tìm hiểu rủi ro của việc lưu trữ mật khẩu ở dạng văn bản thuần túy, sau đó xử lý mật khẩu an toàn bằng thuật toán băm SHA-256. Nội dung tiếp tục với tùy chỉnh giao diện, cấu trúc đa trang và URL slug, truyền biến giữa các trang, tính năng đọc thông minh có thể xử lý cả txt·PDF·docx, cũng như cách kiểm soát việc tải lại trang bằng st . form và callback. Ba buổi cuối cùng đi sâu vào lớp Python. Bạn sẽ tìm hiểu nguyên lý hoạt động bên trong, tính đóng gói, tính kế thừa và các phương thức đặc biệt, qua đó xây dựng nền tảng để viết mã theo cấu trúc rõ ràng. Sau khi hoàn thành khóa học, bạn sẽ có thể nâng tầm các ứng dụng được xây dựng bằng Streamlit từ "dùng để thực hành" thành "những ứng dụng có thể sử dụng thực tế".

Đây là khóa học hoàn thiện những kiến thức nền tảng về Docker trong 7 bài, tổng thời lượng 3 giờ 55 phút. Không chỉ dừng ở việc giải thích khái niệm, khóa học còn hướng dẫn bạn trực tiếp viết và build 5 Dockerfile, cuối cùng đóng gói máy chủ FastAPI và cơ sở dữ liệu MySQL thành một ứng dụng duy nhất, có thể chạy chỉ bằng một dòng docker compose up. Bài 1 và bài 2 bắt đầu từ việc cài đặt Docker Desktop và kiểm tra môi trường WSL2. Khi pull image ubuntu từ Docker Hub, bạn sẽ xác nhận rằng một image được cấu thành từ nhiều layer, đồng thời học cách quản lý image cục bộ bằng images và rmi. Tiếp đó, bạn sẽ tìm hiểu vòng đời của container với run, ps, stop và rm, rồi dùng exec để truy cập vào bên trong container đang chạy. Bạn cũng sẽ mở trang web của container httpd trên trình duyệt bằng cách ánh xạ cổng (-p), đồng thời khởi chạy container MySQL với volume (-v) và biến môi trường (-e) để hiểu tại sao dữ liệu vẫn tồn tại ngay cả sau khi xóa container. Bài 3 đến bài 5 là phần tự xây dựng image. Bạn sẽ lần lượt tìm hiểu FROM, WORKDIR, COPY, ENV, RUN, CMD và EXPOSE, đồng thời nắm được sự khác biệt: RUN hoạt động tại thời điểm build, còn CMD hoạt động tại thời điểm chạy. Bốn loại đối tượng sẽ lần lượt được đóng gói thành image: một script Python chạy một lần rồi kết thúc, một máy chủ FastAPI chạy liên tục, một tệp thực thi được biên dịch bằng PyInstaller và một binary có sẵn như jq. Đặc biệt, trong ví dụ biên dịch, khóa học sử dụng multi-stage build để loại bỏ các công cụ build và chỉ giữ lại sản phẩm cuối cùng. Bài 6 và bài 7 tập trung vào việc kết nối các container. Trước tiên, bạn sẽ tái hiện lỗi "Internal Server Error" xảy ra khi khởi chạy hai container mà không thiết lập mạng. Sau đó, bạn sẽ tạo mạng bằng docker network create để các container có thể tìm thấy nhau chỉ bằng tên container. Bạn cũng sẽ kiểm tra IP được cấp phát bằng network inspect, đồng thời trực tiếp xác nhận trong container rằng DNS tích hợp của Docker (127.0.0.11) hoạt động thông qua ping và /etc/resolv . conf. Ở bài 7 cuối cùng, tất cả các tùy chọn docker run đã học sẽ được chuyển vào một tệp compose.yaml, để có thể khởi chạy hoặc dừng toàn bộ ứng dụng bằng up và down. Các dự án gồm 5 loại tài liệu như Dockerfile, app . py và compose.yaml được sử dụng trong phần thực hành đều được cung cấp, nên bạn có thể bắt đầu theo học ngay mà không cần gõ lại. Môi trường thực hành được tiến hành trên Windows + PowerShell; các câu lệnh cũng giống hệt trên macOS và Linux.

Khóa học này gồm 47 bài, kéo dài khoảng 39 giờ, hướng dẫn xây dựng deep learning từ đầu với PyTorch. Có rất nhiều khóa học deep learning, nhưng phần lớn được chia thành hai kiểu. Một là chỉ lướt qua cách sử dụng thư viện, khiến người học không hiểu tại sao mã nguồn lại được viết như vậy; hai là bắt đầu ngay từ các công thức, khiến người học bỏ cuộc giữa chừng. Khóa học này chọn một trình tự khác. Trước tiên, bạn sẽ tạo ra kết quả, sau đó đào sâu để tìm hiểu bên trong đã xảy ra những gì. Khóa học bắt đầu với các mô hình được huấn luyện trước. Bạn sẽ chạy thử bài toán phân loại ảnh, thực hành inpainting bằng Stable Diffusion và thậm chí tạo chú thích cho ảnh bằng BLIP. Vì có thể tạo ra sản phẩm ngay từ buổi đầu tiên, bạn sẽ có thêm động lực để học phần lý thuyết về sau. Tiếp theo là nội dung cốt lõi của khóa học. Tensor được tìm hiểu trong suốt bảy bài học. Không chỉ có indexing và broadcasting, khóa học còn đi sâu vào cấu trúc bộ nhớ như storage và stride, quản lý tính liên tục của bộ nhớ, phép tính trên GPU cũng như việc chuyển đổi qua lại với NumPy. Rất hiếm có khóa học tiếng Hàn nào đi sâu về tensor đến mức này. Khi hiểu được phần này, bạn sẽ đọc mọi đoạn mã về sau theo một cách hoàn toàn khác. Sau đó, khóa học đề cập đến việc tiền xử lý để chuyển dữ liệu thực tế thành tensor. Bạn sẽ lần lượt tìm hiểu các loại dữ liệu khác nhau, từ các kênh màu của ảnh, dữ liệu dạng bảng và one-hot encoding, đến chuỗi thời gian và embedding văn bản. Tiếp theo, khóa học chuyển sang nguyên lý huấn luyện: trước hết tự triển khai hàm mất mát và gradient descent bằng vi phân số, rồi kiểm tra cách Autograd tự động hóa những việc đó. Chỉ những ai từng tự mình xây dựng mới thực sự hiểu được sự tiện lợi của auto differentiation. Nửa sau của khóa học tập trung vào cấu trúc mạng nơ-ron. Bạn sẽ xây dựng mạng nơ-ron sâu bằng nn.Module và thực hiện phân loại CIFAR-10, từ đó đối mặt với giới hạn của mạng nơ-ron fully connected và tự nhiên đi đến lý do CNN là cần thiết. Cuối cùng, khóa học chuyển sang sinh văn bản, lần lượt tìm hiểu từ mô hình bigram, embedding, mô hình sinh dựa trên MLP cho đến nguyên lý Query·Key·Value của Attention. Nếu bạn biết sử dụng Python và muốn hiểu deep learning một cách bài bản, sau khi hoàn thành khóa học này, thứ còn lại không chỉ là những đoạn mã ví dụ, mà là khả năng nhìn ra cấu trúc của bất kỳ mô hình nào.

Khóa học này gồm 41 bài, kéo dài khoảng 22 giờ, hướng dẫn thiết kế và triển khai API backend bằng FastAPI. FastAPI là một framework dễ bắt đầu. Chỉ cần lướt qua tài liệu và viết vài dòng là API đã có thể chạy. Vấn đề nằm ở những bước tiếp theo. Nếu không biết request đi qua những đâu để đến được tham số của hàm, dependency được dọn dẹp khi nào, hay exception được bắt ở điểm nào, bạn sẽ nhanh chóng bế tắc khi ứng dụng trở nên phức tạp hơn. Khóa học này dành thời gian để lần theo cơ chế hoạt động bên trong đó. Khóa học bắt đầu với môi trường phát triển. Bạn sẽ tìm hiểu cả hai phương pháp conda và venv, đồng thời gửi request bằng VS Code REST Client và Swagger UI để làm quen với cấu trúc của HTTP request và response. Tiếp theo, khóa học phân biệt path parameter và query parameter, đồng thời giải thích lý do xảy ra lỗi 422 trong mối liên hệ với việc kiểm tra kiểu dữ liệu. Pydantic là phần được đào sâu nhất trong khóa học này. Sau khi tìm hiểu từ các kiểu vô hướng đến date, UUID, Decimal, Enum và Literal, khóa học chuyển sang BaseModel. Bạn sẽ thiết lập điều kiện bằng Field(), kiểm tra một hoặc nhiều field bằng @field_validator, đồng thời tìm hiểu sự khác biệt trong hoạt động giữa before và after của @model_validator. Vì khóa học dựa trên Pydantic v2, bạn có thể áp dụng trực tiếp cú pháp mới nhất vào công việc thực tế. Phần giữa khóa học tập trung vào việc cấu trúc hóa và dependency injection. Bạn sẽ lần lượt tìm hiểu cách chia tách file bằng APIRouter, cách sử dụng hàm và lớp làm dependency, Sub-dependency và dependency ở cấp decorator. Riêng yield được dành bốn bài để tìm hiểu. Khóa học đi sâu vào nguyên lý hoạt động của generator, quá trình truyền exception ngược lên call stack bằng raise, cũng như cách đưa exception vào vị trí yield bằng throw(). Khi hiểu được việc dọn dẹp tài nguyên diễn ra như thế nào trong dependency có chứa yield, bạn sẽ nắm rõ hơn cách quản lý DB session. Phần sau tập trung vào authentication và database. Khóa học tổng hợp các khái niệm về OAuth 2.0 và bốn Grant Type, sau đó triển khai việc phát hành và xác thực JWT, logic thực thi bên trong OAuth2PasswordBearer, cũng như kiểm soát quyền bằng Security() và scopes. Tiếp theo, bạn sẽ trực tiếp thiết lập client cho Google, Kakao và Naver, rồi tích hợp đăng nhập mạng xã hội theo phương thức Authorization Code Grant. Cuối cùng, khóa học tìm hiểu SQLAlchemy ORM, từ cấu trúc URL của create_engine, vai trò của Dialect và DBAPI, đến transaction, session, model và việc tạo table. Đây là khóa học phù hợp với những ai muốn biết không chỉ "đoạn code hoạt động" mà còn muốn hiểu "tại sao nó lại hoạt động như vậy".

Khi nhìn lại một ngày làm việc, có những công việc lặp đi lặp lại theo một trình tự nhất định. Tìm tài liệu, viết báo cáo, tham gia cuộc họp và ghi chép, tạo bảng tính Excel và bản trình chiếu PowerPoint, rồi tổng hợp kết quả thành tài liệu để chia sẻ. Năm việc này về cơ bản chính là xương sống của công việc văn phòng. Khóa học này lần lượt giới thiệu năm công cụ AI, mỗi công cụ tương ứng với một trong năm giai đoạn trên. Perplexity dùng cho việc nghiên cứu tài liệu và tổng hợp thông tin, Claude dùng cho việc soạn thảo và xây dựng bản nháp, Naver Clova Note dùng để tự động hóa biên bản cuộc họp, Microsoft Copilot hỗ trợ các công việc văn phòng, còn Google Gemini dùng để kết nối với các dịch vụ của Google. Đây không phải là khóa học chỉ liệt kê các công cụ, mà là khóa học giúp bạn xác định nên đưa công cụ nào vào vị trí nào trong quy trình công việc. Mỗi công cụ đều được học theo cùng một quy trình gồm 3 bước. Ở bài 1, chúng ta tìm hiểu công cụ đó ra đời trong bối cảnh nào, làm tốt và chưa tốt điều gì, ranh giới giữa phiên bản miễn phí và trả phí nằm ở đâu, sau đó tham quan trang web chính thức. Ở bài 2, chúng ta tìm hiểu cách sử dụng cơ bản bằng cách lần lượt xem qua các menu và cài đặt. Ở bài 3, chúng ta thực hành với những tình huống công việc thực tế. Chẳng hạn như tạo biểu mẫu báo cáo kinh doanh và báo cáo công tác, tìm hiểu các nhà hàng ngon ở Jongno, Seoul rồi sắp xếp thông tin thành tài liệu thuyết trình quảng bá, xây dựng bản nháp PPT báo cáo kinh doanh để giới thiệu sản phẩm với đối tác, ghi âm cuộc họp báo cáo doanh thu rồi chuyển thành biên bản, tạo hình ảnh logo phục vụ marketing, soạn tờ trình và sổ kế toán bằng Google Docs. Đặc biệt, khóa học dành nhiều thời gian để cho thấy kết quả thay đổi đến mức nào tùy vào cách đặt câu hỏi. Chúng tôi sẽ trực tiếp minh họa rằng ngay cả với cùng một yêu cầu, kết quả tạo ra cũng hoàn toàn khác nhau khi viết trong hai dòng so với mười dòng, đồng thời bổ sung những từ khóa chỉ dẫn cụ thể như tạo bảng, tạo biểu đồ, định dạng danh sách hay tải tệp xuống. Bạn cần chuẩn bị một máy tính có kết nối Internet và trình duyệt web. Bạn cần đăng ký từng dịch vụ trong số 5 dịch vụ, và khóa học được tiến hành dựa trên phạm vi sử dụng miễn phí. Tuy nhiên, mỗi công cụ đều có những hạn chế khác nhau. Microsoft Copilot phát huy đầy đủ giá trị khi được tích hợp với các chương trình Office, vì vậy nếu môi trường làm việc của bạn sử dụng Microsoft Office thì mức độ hữu ích sẽ tăng lên đáng kể. Ngoài ra, phần thực hành ghi âm theo thời gian thực của Clova Note ổn định hơn trên ứng dụng di động so với micro trên máy tính. Những điểm này sẽ được hướng dẫn cụ thể tại từng phần tương ứng. Ngay cả khi bạn chưa từng sử dụng công cụ AI nào cũng không sao. Sau khi hoàn thành khóa học, bạn sẽ có thể tự quyết định "Với công việc này thì nên mở công cụ nào?" và tự xây dựng câu hỏi để nhận được kết quả mong muốn.

Khóa học này gồm 26 bài, kéo dài khoảng 13 giờ thực hành, dành cho những người lần đầu mở Figma và muốn học từ nền tảng thiết kế UI đến các tính năng tự động hóa AI mới nhất. Figma giờ đây đã trở thành công cụ cơ bản trong thiết kế UI, nhưng với quá nhiều tính năng, bạn có thể cảm thấy không biết nên bắt đầu từ đâu. Đặc biệt, nếu không nắm vững khái niệm Auto Layout và Component ngay từ đầu, bạn sẽ liên tục phải tìm cách làm vòng và cuối cùng vẫn chỉ dừng ở việc di chuyển từng hình một. Khóa học này sẽ lần lượt xây dựng các khái niệm đó thông qua những ví dụ cụ thể. Phần đầu tập trung vào giao diện, công cụ vector và phong cách đồ họa. Khi học cách xử lý hình dạng, đường path, cũng như đăng ký màu sắc và kiểu văn bản thành một hệ thống, tốc độ làm việc của bạn sẽ thay đổi rõ rệt. Tiếp đó, khóa học sẽ giải thích nguyên lý tự động sắp xếp các thành phần bằng Auto Layout. Phần giữa tập trung vào Component và Variants. Bạn sẽ thực hành tạo một nút bấm, quản lý nút theo từng trạng thái và xây dựng cấu trúc có thể tái sử dụng trên nhiều màn hình. Trong các bài về bố cục đáp ứng, bạn sẽ học cách thiết kế UI không bị vỡ khi kích thước màn hình thay đổi, đồng thời mở rộng sang bố cục trên thiết bị di động. Sáu bài cuối là điểm khác biệt của khóa học này. Bạn sẽ học cách đưa các trang web hiện có vào Figma bằng plugin 'html . to . design', biến thiết kế thành trang web thực tế với Figma Site, và nhập prompt vào Figma Make để tạo cả mã nguồn. Các tính năng AI mới nhất của Figma cũng sẽ được giới thiệu. Ngay cả khi không học chuyên ngành thiết kế hay chưa từng sử dụng công cụ đồ họa, bạn vẫn có thể theo kịp khóa học. Sau khi hoàn thành, bạn sẽ có thể tự thiết kế UI cho web và thiết bị di động, đồng thời rút ngắn thời gian làm việc nhờ các tính năng AI.

Khóa học này là khóa nhập môn về vibe coding, sử dụng nền tảng phát triển tác nhân AI Antigravity 2.0 do Google ra mắt, cho phép phát triển chương trình chỉ bằng cách đặt câu hỏi mà không cần kiến thức về lập trình. Khóa học tận dụng tối đa các mô hình AI miễn phí để người học có thể theo học mà không phải thanh toán, gồm tổng cộng 3 phần và 19 bài học. Ở phần 1, bạn sẽ tìm hiểu Antigravity là gì. Khóa học sẽ giải thích sự khác biệt giữa môi trường IDE và CLI trong lập trình vibe bằng AI, vị trí của Antigravity giữa nhiều loại công cụ phát triển AI khác nhau, cũng như lý do nó được ví như “xe tự lái”. Sau khi hoàn tất cài đặt và khởi chạy màn hình đầu tiên, bạn sẽ sẵn sàng bắt đầu phát triển. Phần 2 tập trung hướng dẫn cách sử dụng Antigravity. Bạn sẽ học cách đặt câu hỏi, kiểm tra và chỉnh sửa kết quả khi tạo sản phẩm đầu tiên; những điểm cần lưu ý khi sử dụng Undo và Redo; cách sử dụng menu dự án; cũng như cách loại bỏ các yêu cầu phê duyệt xuất hiện mỗi lần. Khóa học còn bao gồm các bí quyết thực tế để xử lý khi gặp giới hạn sử dụng mô hình miễn phí, giúp bạn có thể tự giải quyết những vấn đề thường khiến quá trình thực hành bị gián đoạn. Ở phần 3, bạn sẽ triển khai tính năng liên kết dữ liệu khảo sát (Survey) bằng cách sử dụng AI bên ngoài. Bạn sẽ học cách đặt câu hỏi để nhận được kết quả mong muốn, kiểm tra sản phẩm đã hoàn thiện, sau đó trực tiếp hoàn tất việc liên kết dữ liệu qua hai lần thực hành trước khi kết thúc khóa học.