Phân tích dữ liệu LLM - Từ trích xuất dữ liệu web đến hệ thống đề xuất

Đây là khóa học Python cơ bản dành cho người mới bắt đầu không chuyên. Giáo trình lý thuyết được cung cấp qua Wikidocs, và tài liệu thực hành được cung cấp qua Github.

Hệ thống RAG dựa trên đồ thị tri thức được triển khai bằng Neo4J: Công nghệ tìm kiếm thế hệ mới vượt qua tìm kiếm vector đơn thuần để tận dụng cả mối quan hệ dữ liệu Tối đa hóa hiệu suất RAG bằng sức mạnh của cơ sở dữ liệu đồ thị!

Khóa học này sẽ đề cập đến các khái niệm cơ bản và phương pháp triển khai hệ thống RAG (Retrieval-Augmented Generation) sử dụng LangChain. Người tham gia sẽ hiểu các nguyên lý cốt lõi của RAG, và thông qua LangChain, học cách thực hành xây dựng hệ thống cũng như đánh giá hiệu suất.

Đặc vụ AI thông minh RAG (Retrieval Augmented Generation) với LangGraph! Đây là hướng dẫn thực hành từ lý thuyết đến thực tiễn, dễ dàng cho người mới bắt đầu.

Học các khái niệm cơ bản và cách sử dụng 랭체인 (LangChain) thông qua 파이썬. Các bài thực hành sẽ được thực hiện chủ yếu trong môi trường 구글 코랩 (colab), và tài liệu sẽ được cung cấp qua 깃헙 (Github).

Hãy tự tay tạo ra chatbot AI của riêng bạn bằng cách sử dụng cú pháp cơ bản Python và các thư viện. Thực hiện từng bước 5 dự án bao gồm RAG dựa trên tài liệu PDF, và học quy trình triển khai thành dịch vụ web.

Tìm hiểu về Python và cách tự động thu thập dữ liệu chứng khoán từ các tiêu đề Naver News và Naver Finance bằng Python. Thư viện tôi chủ yếu sử dụng là BeautifulSoup.

Ngay cả những người không biết lập trình cũng có thể dễ dàng học cách thu thập và xử lý dữ liệu bằng cách sử dụng tính năng Power Query của Excel. Bạn sẽ học kỹ thuật cào dữ liệu (crawling) bằng Excel trong khi cùng thực hành dự án dưới đây.

Hãy tự tay tạo ra chatbot AI của riêng bạn bằng cách sử dụng cú pháp cơ bản Python và các thư viện. Thực hiện từng bước 5 dự án bao gồm RAG dựa trên tài liệu PDF, và học quy trình triển khai thành dịch vụ web.

Khóa học này bao gồm toàn bộ quy trình thiết kế và triển khai dịch vụ AI tạo sinh tập trung vào LangChain 1.0 và LangGraph thông qua các bài thực hành từng bước. Vượt xa việc chỉ gọi LLM đơn thuần, bạn sẽ trực tiếp xây dựng kiến trúc hệ thống AI có khả năng vận hành bao gồm kiến trúc dựa trên agent, quản lý trạng thái (State), bộ nhớ, streaming, middleware và Human-in-the-Loop. Thông qua thực hành với hệ thống RAG dựa trên dữ liệu tài liệu·PDF·web, SQL Agent (Chinook DB), Agent dựa trên tool calling, multi-agent theo mô hình Supervisor, và workflow dựa trên state machine sử dụng LangGraph Graph API, bạn sẽ xây dựng pipeline agent có thể tái sử dụng và áp dụng ngay vào thực tế công việc. Ngoài ra, thông qua structured output (dựa trên Pydantic), agent middleware (Summarization, HITL, Retry, bảo vệ PII), streaming theo token/bước, bạn sẽ hoàn thiện ứng dụng AI tạo sinh với độ ổn định·khả năng mở rộng·tính kiểm soát đáp ứng yêu cầu của dịch vụ thực tế. 👉 Dành cho những ai muốn hiểu chính xác cấu trúc nội bộ và luồng thực thi của LangChain/LangGraph 👉 Dành cho những ai muốn triển khai RAG·Agent theo cấu trúc dịch vụ thực tế chứ không chỉ là "demo" 👉 Đây là khóa học tối ưu cho những ai cần lộ trình thực tế bao quát từ agent dựa trên trạng thái, tự động hóa SQL·tài liệu, đến orchestration multi-agent.

Khóa học này nhằm vào những người đã học ngữ pháp cơ bản của Python và bạn sẽ học các kỹ năng chính được sử dụng trong phân tích dữ liệu văn bản. Tôi hy vọng những ai quan tâm đến phân tích văn bản sẽ có thêm ý tưởng từ bài giảng này và sử dụng đi sử dụng lại nhiều lần.

RAG(Retrieval-Augmented Generation) từ lý thuyết đến RAG đa phương thức và dựa trên agent mới nhất! Đây là khóa học thực hành được thiết kế để cả những người không chuyên cũng có thể hiểu được. Từ review paper đến triển khai code thực tế, được thiết kế để những người mới tiếp cúc với RAG cũng có thể dễ dàng theo kịp.

Những người đã học kiến ​​thức cơ bản về Python sẽ học cách sử dụng Python sau khi xem bài giảng này.

Đây là khóa học nhằm tiếp thu công nghệ thu thập dữ liệu web dựa trên Python, thu thập dữ liệu từ các trang web và cải thiện kỹ năng thu thập và phân tích dữ liệu tại nơi làm việc dựa trên công nghệ này.

Trong lớp này, bạn sẽ học các kỹ thuật truy xuất (thu thập dữ liệu) và xử lý dữ liệu từ nhiều trang web khác nhau bằng Python và áp dụng chúng trực tiếp vào các ví dụ khác nhau mà bạn có thể gặp trong thực tế. Thông qua đó, bạn sẽ tìm hiểu về các kỹ thuật tập trung vào giải quyết các vấn đề thực tế dựa trên sự hiểu biết về các nguyên tắc cơ bản về cách hoạt động của web, thay vì tự động hóa tác vụ một chiều bằng cách sao chép và dán mã nhất định. để sử dụng nó trên bất kỳ trang web nào trong tương lai Có thể có khả năng thu thập và xử lý dữ liệu. Ngoài ra, bạn sẽ học cách giải quyết các trường hợp ngoại lệ khác nhau xảy ra trong quá trình này bằng mã và cuối cùng, bạn sẽ có thể giải quyết và tự động hóa các vấn đề khác nhau xảy ra trong cuộc sống hàng ngày thông qua tư duy lập trình.

Tìm hiểu về đặc điểm của từng dịch vụ và phương pháp triển khai các bot Telegram, Slack, chatbot KakaoTalk, Discord bằng Python qua nhiều ví dụ.

Nó nhắm đến cả những người mới bắt đầu chưa có kinh nghiệm lập trình hoặc những người có một số kiến ​​thức lý thuyết về Python. Dựa trên các dự án thực tế, mục đích chính của khóa học là phát triển niềm yêu thích và hứng thú với Python. Tôi hy vọng bạn có thêm ý tưởng và có nhiều niềm vui hơn với Python thông qua khóa học này.

Xây dựng các kỹ năng lập trình R cơ bản và tìm hiểu các kỹ thuật thu thập thông tin cơ bản. Chúng tôi sẽ giải thích từng dòng mã khi bạn tự viết.

Chúng tôi sẽ tạo nhiều chức năng bằng Spring WebFlux. Thông qua khóa học này, bạn có thể nắm vững các khái niệm cần thiết và cách triển khai thực tế của WebFlux.

Chúng tôi sẽ dạy cho bạn mọi thứ, từ những điều cơ bản về HTML cho đến bí quyết thu thập dữ liệu của các chuyên gia. Chỉ video này thôi là đủ rồi.

Khám phá cách xây dựng thẩm phán trí tuệ nhân tạo bằng cách kết hợp các hệ thống suy luận, biểu đồ tri thức và nhiều framework agent như CrewAI, LangChain, AutoGen, những công cụ cho phép triển khai công nghệ đa tác nhân (multi-agent) dựa trên LLM.

Một chuyên gia đang làm việc sẽ nhanh chóng truyền đạt nội dung trọng tâm, từ kiến thức cơ bản cần cho LLM đến những mẹo thực chiến!

ChatGPT và các AI tương tự dựa trên công nghệ cốt lõi LLM và Agent. LLM là công nghệ đã tiến gần nhất đến AGI tại thời điểm hiện tại. Trong khóa học này, chúng ta sẽ tìm hiểu về công nghệ LLM và Agent từ góc nhìn của người dùng phổ thông.

Chỉ cần nhập ticker của công ty Mỹ, hệ thống sẽ tự động thu thập dữ liệu tài chính kế toán, phân tích đối thủ cạnh tranh, tin tức gần đây, thông tin giá cổ phiếu và thực hiện phân tích sâu bằng OpenAI GPT API để tạo ra báo cáo đầu tư chuyên nghiệp. Kết quả cuối cùng sẽ được tự động tải lên Notion. Bằng cách học các khái niệm và thuật ngữ cơ bản của tài chính kế toán, ngay cả kỹ sư cũng có thể ứng dụng vào việc benchmarking đối thủ, thuyết phục cấp trên, lập kế hoạch giải pháp mới. Xây dựng API server hiệu năng cao với Python và FastAPI, học lập trình bất đồng bộ, tích hợp AI, kỹ năng thực chiến fintech. Hỗ trợ người mới bắt đầu dễ dàng theo dõi và hoàn thiện hệ thống có thể áp dụng vào đầu tư và kinh doanh thực tế, giúp phát triển thành developer phù hợp với thời đại AI.

Nếu bạn muốn tạo ra dịch vụ AI riêng của mình mà không cần coding, khóa học này chính là giải pháp hoàn hảo. Sử dụng nền tảng nocode Dify, bạn có thể tạo ra ứng dụng AI chất lượng cao chỉ với ý tưởng. Thay vì lý thuyết phức tạp, khóa học được cấu trúc tập trung vào dự án thực tế, giúp cả người mới bắt đầu với AI và nhân viên văn phòng đều có thể phát triển năng lực thực tiễn.

Tìm hiểu cách dễ nhất để xử lý AI bằng Spring AI. Hãy cùng tìm hiểu Spring AI trong khi xây dựng chatbot RAG.