Kiến thức cơ bản về LLM (dành cho nhà hoạch định) và tìm hiểu về hoạch định dịch vụ dựa trên LLM

Đi từ kỹ thuật gợi ý (Prompt Engineering) và kỹ thuật ngữ cảnh (Context Engineering), giờ đây đã đến kỹ thuật khai thác (Harness Engineering). Bạn có thể giải quyết các nhiệm vụ dựa trên LLM vốn khó đạt được chỉ bằng Prompt và RAG thông qua Harness.

Thấu hiểu bản chất của thống kê cơ bản cần thiết cho việc phát triển và ứng dụng trí tuệ nhân tạo mà không cần đến một công thức hay một dòng mã nào.

Giúp các lập trình viên trẻ có thể sử dụng trí tuệ nhân tạo làm công cụ phát triển để thấu hiểu toàn bộ quy trình phát triển, từ lập kế hoạch đến viết mã, triển khai và kiểm chứng.

Cuốn sách bao quát rộng rãi từ lý thuyết kỹ thuật prompt đến các kỹ thuật thực hành, cũng như các trường hợp ứng dụng mới nhất và các vấn đề bảo mật, đạo đức, nhằm cung cấp sự hỗ trợ thực tiễn cho tất cả các nhà phát triển dịch vụ dựa trên LLM, nhà khoa học dữ liệu và nhà hoạch định AI.

Giúp rèn luyện 'tư duy cấu trúc' vấn đề.

Đề xuất phương án cải thiện hiệu suất RAG dựa trên lý thuyết Tải nhận thức (Cognitive Load). Để vượt qua những hạn chế của các kỹ thuật cải thiện hiệu suất RAG hiện có, chúng tôi tổng hợp các kỹ thuật đa dạng bằng cách áp dụng khung tư duy về tải nhận thức.

Bạn có thể học hỏi các khái niệm và phương pháp 'thiết kế dịch vụ' cần thiết khi lập kế hoạch cho các ứng dụng hoặc dịch vụ web được xây dựng dựa trên LLM, một loại trí tuệ nhân tạo tạo sinh (AI tạo sinh).

"Chỉ thay đổi một cái tên, nhưng mã nguồn đã trở nên khác biệt." Tôi đã tổng hợp từ nguyên lý đến các ví dụ thực tế về 'đặt tên dễ đọc' - yếu tố cốt lõi của một mã nguồn có tính khả đọc cao. Đặt tên dễ hiểu chính là điểm bắt đầu của sự hợp tác.

Đây là bài giảng giúp bạn có thể hiểu được ngay cả khi hoàn toàn không biết Lập trình an toàn (Secure Coding) là gì. Sau khi nắm vững các khái niệm lập trình an toàn cơ bản, bài giảng sẽ tập trung giải thích về bảo mật dịch vụ web. Đây là bài giảng từng được tổ chức dưới dạng chuyên đề đặc biệt do Đại học OO chủ trì. Với hơn 160 mã nguồn đi kèm chú thích phong phú, bài giảng giúp bạn nắm bắt chính xác các chủ đề và kỹ thuật cốt lõi có thể áp dụng ngay vào thực tế.

Bạn có thể nhanh chóng hiểu được các khái niệm cơ bản và cú pháp cơ bản của ngôn ngữ C.

Đưa ra các kỹ thuật lập trình sạch (clean coding) đa dạng.

Giới thiệu các mẫu prompt cơ bản cho lập trình và các mẫu prompt API nâng cao để tận dụng trí tuệ nhân tạo.

Giải thích chi tiết về các mô hình ngôn ngữ khác nhau được phát triển trong quá trình từ khi bắt đầu công nghệ xử lý ngôn ngữ tự nhiên cho đến các mô hình LLM mới nhất.

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.

Tìm hiểu các phương pháp thu thập và phân tích yêu cầu của người dùng để lập kế hoạch cho dịch vụ LLM.

Khám phá những hạn chế của LLM, các công nghệ mới nhất để khắc phục những hạn chế đó và triển vọng của các công nghệ trong tương lai.

Chúng ta hãy cùng tìm hiểu về các loại ứng dụng hoặc dịch vụ web có thể được xây dựng bằng cách sử dụng LLM.

Bạn có thể nâng cao năng lực phát triển của mình thông qua việc khám phá sâu sắc các nguyên lý cơ bản của các mô hình ngôn ngữ lớn như ChatGPT hay Claude. Bạn có thể học hỏi được nhiều thông tin đa dạng và các kỹ thuật phát triển mà thông thường ít khi được tiếp cận.

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.

Bạn đã nắm vững kiến thức cơ bản nhưng vẫn thấy lúng túng khi áp dụng vào thực tế? Với kinh nghiệm thực chiến, tôi sẽ giải đáp một cách rõ ràng các cấu trúc LLM phức tạp.

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.

Làm chủ toàn bộ vòng đời xây dựng các ứng dụng Generative AI hiện đại bằng cách sử dụng các Mô hình Ngôn ngữ Lớn (LLM), Tạo phản hồi tăng cường tra cứu (RAG) và các hệ thống Agentic AI. Học cách thiết kế các giải pháp AI cấp doanh nghiệp từ kỹ thuật gợi ý (prompt engineering) đến triển khai, kết hợp LLM với cơ sở dữ liệu vector và các nguồn tri thức bên ngoài cho các ứng dụng sẵn sàng vận hành thực tế.

Giờ đây thực sự là thời đại mà bất kỳ ai cũng có thể tạo ra dịch vụ của riêng mình chỉ trong vòng một ngày. Nếu như tại workshop Vibe Coding lần trước, mục tiêu là để mọi người trực tiếp trải nghiệm Vibe Coding là gì, tự tay hoàn thiện và triển khai phần Front-end (trang hiển thị) cho dịch vụ mà mình muốn tạo ra, Thì workshop lần này không chỉ dừng lại ở việc tạo ra một dịch vụ chỉ để nhìn, mà còn chú trọng vào phương pháp phát triển tập trung vào việc hình dung cụ thể người dùng thực tế và đặt câu hỏi "Ai sẽ sử dụng dịch vụ này và tại sao?". Thông qua workshop, những người tham gia sẽ vừa tạo ra dịch vụ của riêng mình, vừa học cách xác định rõ ràng đối tượng người dùng mục tiêu và vấn đề cần giải quyết một cách tự nhiên. Ngay cả khi bạn lần đầu biết đến Vibe Coding cũng không sao! Dù không biết lập trình, không am hiểu về phát triển phần mềm, bạn vẫn hoàn toàn có thể tham gia! Đừng chỉ dừng lại ở việc làm theo, hãy đến với workshop lần này để trải nghiệm cảm giác tự tay tạo ra một dịch vụ thực sự có thể sử dụng được!

Giờ đây là thời đại mà bất kỳ ai cũng có thể tạo ra dịch vụ mà không cần biết lập trình. Các thành viên của Selfish Club đã triển khai các dịch vụ phục vụ nhu cầu thực tế chỉ trong vòng 3 tuần bằng cách chọn lọc những tính năng thực sự cần thiết. Đây là những ví dụ điển hình về việc các thành viên không biết lập trình đã tự mình tạo ra dịch vụ để giải quyết vấn đề thông qua các câu lệnh (prompt) bằng ngôn ngữ tự nhiên. Vibe Coding không còn là một khái niệm xa lạ nữa! Chúng tôi sẽ chia sẻ tất cả các ví dụ thực tế về việc "lập trình có thể giải quyết được những vấn đề thực tế nào"!

Triển khai từng bước từ lý thuyết đến code cho PixArt dựa trên Transformer mới nhất và SANA thích ứng nhẹ. Dựa trên DDPM·DDIM·LDM·DiT đã đề cập trong phần I·II, hoàn thành theo hướng thực hành từ kết nối text encoder, sampler (DDIM/ODE), điều chỉnh v-prediction/CFG, đến fine-tuning phong cách dữ liệu quy mô nhỏ.

: "Hơn cả phân tích dữ liệu, hoàn thiện mô hình dự đoán với 5 dự án thực tế (Tổng cộng 45 bài giảng)" Bạn đã hoàn thành việc phân tích dữ liệu nhưng lại cảm thấy bế tắc khi bắt tay vào xây dựng mô hình? Vượt xa việc chỉ gọi các thư viện đơn thuần, khóa học này sẽ giúp bạn làm chủ hoàn toàn nguyên lý hoạt động của từng thuật toán và chiến lược kiểm chứng mô hình tối ưu, từ dự đoán sống sót trên tàu Titanic đến phân loại tin nhắn rác. Từ các mô hình tuyến tính đến các thuật toán Ensemble mới nhất và cả kiến thức cơ bản về xử lý ngôn ngữ tự nhiên (NLP), bạn sẽ chinh phục một cách hệ thống các dự án có sức mạnh lớn nhất trong thực tế công việc. Giờ đây, hãy bước vào thế giới mô hình hóa trí tuệ nhân tạo, nơi dự đoán tương lai dựa trên dữ liệu đã được phân tích.

Học các kỹ thuật cốt lõi của 'Prompt Engineering' để có được câu trả lời chính xác mong muốn từ AI. Từ những bước đầu tiên của người mới bắt đầu đến ứng dụng thực tế của chuyên gia, hãy tối đa hóa khả năng sử dụng AI của bạn!

Năm 2025, kỷ nguyên của Physical AI (AI vật lý) mà Jensen Huang đã trực tiếp đề cập đang đến, cùng với Perception AI, Generative AI và Agentic AI. Hãy cùng trực tiếp trải nghiệm Physical AI một cách nhanh chóng và đơn giản. Trải nghiệm Physical AI cùng với thư viện LeRobot của HuggingFace và robot thực tế.

<Mô hình Ngôn ngữ Lớn, chỉ những điều cốt lõi một cách nhanh chóng!>(Insight, 2025)를 바탕으로 LLM의 이론과 실전 예제를 다루는 강의입니다.

Khóa học này là một masterclass thực hành hoàn chỉnh phân tích sâu sự phát triển công nghệ cốt lõi của AI tạo sinh từ LDM(Latent Diffusion Model) đến DiT(Diffusion Transformer). Chúng ta sẽ trực tiếp phân tích nguyên lý học tập dựa trên không gian tiềm ẩn của LDM, cấu trúc của Stable Diffusion, và phương thức triển khai của Diffusion Transformer mới nhất thông qua các bài báo và code. Học viên sẽ trực tiếp triển khai các mô hình LDM, CFG(Classifier-Free Guidance), DiT dựa trên PyTorch, đồng thời học một cách có hệ thống các xu hướng mới nhất và sự tiến hóa cấu trúc của mô hình tạo sinh.

Hướng dẫn làm chủ ứng dụng AI dành cho lập trình viên Java! Khóa học này sẽ phá bỏ định kiến rằng AI chỉ dành riêng cho Python, giúp trang bị cho ứng dụng Java của bạn đôi mắt, đôi tai, giọng nói và cả khả năng lập trình của AI. Hãy trở thành Kiến trúc sư AI dựa trên OpenAI API. Bạn sẽ trực tiếp phát triển các chuyên gia AI đa dạng như nhà văn AI, thông dịch viên, họa sĩ, cộng sự lập trình, đồng thời xây dựng một trợ lý AI đa năng tích hợp các tính năng cốt lõi như: tóm tắt văn bản, phân tích cảm xúc, thuyết minh hình ảnh, tạo mã Java, chuyển đổi giọng nói/văn bản, tạo hình ảnh/phụ đề. Đây là cơ hội tuyệt vời để tối đa hóa khả năng cạnh tranh cho hệ thống Java sẵn có của bạn thông qua việc học cách thiết lập vai trò cho AI bằng System Message và kiểm duyệt nội dung độc hại.

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 này tập trung vào việc xây dựng nền tảng cơ bản về Notion API và học cách sử dụng Notion MCP để tự động hóa Notion thông qua việc tích hợp AI (Claude). Bạn sẽ học cách kiểm soát trực tiếp các block, trang và cơ sở dữ liệu theo tài liệu chính thức của API, và cuối cùng hoàn thành một dự án thực tế có thể tạo cơ sở dữ liệu chỉ bằng lệnh ngôn ngữ tự nhiên (prompt) và tự động thêm trang sau khi phân tích nội dung file văn bản.