Hiểu các lý thuyết cốt lõi và cấu trúc của LLM – Nắm bắt nguyên lý hoạt động của ChatGPT·RAG·Agent trong một lần

Bạn có sử dụng ChatGPT, nhưng có phải bạn từng thấy khó giải thích tại sao lại cho ra câu trả lời như vậy không? “RAG, agent, fine-tuning… Tôi biết các thuật ngữ này nhưng khó có thể giải thích một cách chính xác” “Mỗi khi nghe các thuật ngữ liên quan đến LLM, tôi lại không biết phải nói gì” “Trong các cuộc họp về AI, việc giải thích khái niệm lúc nào cũng mơ hồ” Khóa học này được tạo ra dành cho chính những người như bạn. Đây là khóa học lý thuyết giúp bạn hiểu LLM không phải như một “công cụ” mà như một “cấu trúc”. Không phải là cách sử dụng ChatGPT hay Gemini, mà là xây dựng cho bạn nền tảng để có thể giải thích tại sao chúng lại hoạt động như vậy.

(4.4) 29 đánh giá

205 học viên

Độ khó Nhập môn

Thời gian 4 tháng

ChatGPT
ChatGPT
prompt engineering
prompt engineering
LLM
LLM
RAG
RAG
AI Agent
AI Agent
ChatGPT
ChatGPT
prompt engineering
prompt engineering
LLM
LLM
RAG
RAG
AI Agent
AI Agent

Đánh giá từ những học viên đầu tiên

4.4

5.0

HJ

100% đã tham gia

Đây là nội dung thực sự rất hữu ích để nắm bắt khái niệm tổng thể! Tôi có thể nhận tài liệu bài giảng như thế nào?

5.0

Goldie

63% đã tham gia

Rất tốt để nắm vững kiến thức cơ bản.

5.0

leckar1231

100% đã tham gia

Sẽ tốt hơn nếu chỉ cung cấp tài liệu bài giảng và giải đáp Q&A. Nội dung thực sự rất tốt để nắm bắt khái niệm tổng thể!

Bạn sẽ nhận được điều này sau khi học.

  • Tư duy có cấu trúc để hiểu quá trình LLM tạo ra câu trả lời

  • Tiêu chí để không nhầm lẫn các khái niệm cốt lõi như Prompt, RAG, Agent

  • Khả năng hiểu để theo kịp chính xác các cuộc thảo luận liên quan đến AI

  • Khả năng phán đoán thực tế có tính đến những hạn chế và tham số của LLM


Nắm vững nguyên lý hoạt động của LLM
Khóa học lý thuyết chắc chắn giúp bạn biến kiến thức thành của mình

Nắm vững chuyên sâu LLM, công nghệ cốt lõi dẫn dắt kỷ nguyên AI.


Bạn đang sử dụng ChatGPT hay Gemini nhưng từng thắc mắc về nguyên lý hoạt động của chúng?
Khóa học này sẽ lần lượt giải thích từ những khái niệm cơ bản về LLM,

Giúp bạn hiểu các công nghệ cốt lõi của Prompt, RAG và Agent một cách dễ dàng.

Nguyên lý hoạt động của LLM

Bài giảng lý thuyết giúp bạn biến kiến thức thành của mình

Mặc dù đang sử dụng ChatGPT và Gemini,

Bạn có từng thắc mắc tại sao lại đưa ra câu trả lời như vậy không?

Khóa học này bao quát từ cấu trúc cơ bản đến các khái niệm cốt lõi của LLM.

Giải thích theo hướng dễ hiểu, không có các công thức phức tạp.

Không chỉ Transformer và Self-Attention,

Prompt, RAG và Agentcuntegn

Bạn có thể hiểu một cách tự nhiên cách chúng hoạt động bên trong LLM.

Không phải là cách sử dụng công cụ, mà là,

Đây là khóa học giúp bạn xây dựng tiêu chí để đánh giá AI.


Khóa học này giúp bạn hiểu cấu trúc tư duy của LLM,

Để tận dụng các công nghệ mới nhất như Prompt, RAG, Agent,

Đây là khóa học tạo nền tảng.

Khóa học này khác biệt ở điểm nào?

Khóa học này không chỉ đơn thuần hướng dẫn cách sử dụng công cụ hay các mẹo vặt.

LLM񎢄 malembe?

  • Hiểu ngữ cảnh như thế nào và

  • Tại sao lại xảy ra hiện tượng ảo giác (Hallucination) và

  • Vì vậy, tại sao Prompt, RAG, Fine-tuning và Agent lại xuất hiện?

giải thích từng bước lý thuyết về những nội dung cốt lõi mà không cần công thức, tập trung vào cấu trúc.

Các khái niệm cốt lõi như Transformer, Self-Attention, token và embedding được trình bày để bạn có thể liên kết và hiểu chúng theo
một mạch trực quan, thay vì chỉ liệt kê các bài báo.


Đặc biệt khuyến nghị cho những người như sau

  • Bạn có sử dụng ChatGPT nhưng luôn cảm thấy bối rối về các khái niệm LLM

  • Khi nhắc đến RAG và Agent, các nhà hoạch định·PM không hiểu trong các cuộc họp

  • Những người làm việc thực tế đang cân nhắc chiến lược áp dụng hoặc sử dụng AI

  • Dành cho những người không phải là nhà phát triển nhưng muốn hiểu đúng về LLM

  • “Người học đang tìm kiếm một “khóa học nhập môn lý thuyết LLM””

Khóa học này không phải là một khóa học như thế này.

  • ❌ Khóa học giải thích các tính năng của ChatGPT

  • ❌ Khóa học tập trung vào cách sử dụng một công cụ AI cụ thể

  • ❌ Khóa học thực hành tập trung vào tự động hóa và nâng cao hiệu suất công việc

Khóa học này tập trung vào lý thuyết giúp bạn hiểu cấu trúc và nguyên lý hoạt động của LLM.

Khi học khóa học này,

Từ người chỉ đơn giản sử dụng AI
trở thành người có thể hiểu và thiết kế AI


Học tập tập trung vào cấu trúc để
hiểu các nguyên lý cốt lõi của LLM


Phần 1 - Tìm hiểu cơ bản về AI tạo sinh và LLM

Khám phá các nguyên lý cơ bản của AI tạo sinh và LLM. Tìm hiểu cách LLM học thống kê ý nghĩa và ngữ cảnh của ngôn ngữ thông qua lượng dữ liệu văn bản khổng lồ để tạo ra những câu văn tự nhiên.

Phần 2 - Phân tích xu hướng LLM và diễn biến ngành

Khám phá những xu hướng phát triển mới nhất của công nghệ LLM và phân tích định hướng chiến lược tương lai của LLM trong bối cảnh cạnh tranh AI toàn cầu. Điều này sẽ giúp bạn có cái nhìn tổng quan về hiện tại và tương lai của công nghệ LLM.

Phần 3 - Kiến thức cơ bản về nguyên lý hoạt động của LLM

Học về nguyên lý hoạt động cốt lõi của LLM. Tìm hiểu các khái niệm then chốt như token, embedding, không gian vector, cửa sổ ngữ cảnh, đồng thời tìm hiểu về các tham số chính để kiểm soát đầu ra.

Phần 4 - Kỹ thuật prompt engineering

Trình bày các khái niệm cơ bản và kỹ thuật nâng cao về kỹ thuật thiết kế prompt nhằm tối đa hóa hiệu suất của LLM. Làm quen với nhiều mẫu khác nhau như Zero-shot, Few-shot và Chain-of-Thought(CoT), qua đó rèn luyện khả năng viết prompt hiệu quả.

Phần 5 - Bổ sung những hạn chế của LLM thông qua RAG

Học về kiến trúc RAG (Retrieval-Augmented Generation) nhằm khắc phục những hạn chế của LLM như hiện tượng bịa đặt (Hallucination) và thiếu thông tin mới nhất. Tìm hiểu các yếu tố cốt lõi của RAG là embedding và cơ sở dữ liệu vector, đồng thời nắm bắt toàn bộ quy trình vận hành.

Phần 6 - Chiến lược nâng cao hiệu suất RAG

Học các chỉ số và phương pháp đánh giá độ chính xác của hệ thống RAG, đồng thời khám phá các kỹ thuật cải thiện hiệu suất có thể áp dụng trong thực tế. Qua đó, tìm hiểu các phương án nâng cao hiệu quả và độ tin cậy của hệ thống RAG.

Phần 7 - Chiến lược tinh chỉnh và tinh chỉnh nhẹ

Tìm hiểu các khái niệm cơ bản và chiến lược áp dụng của fine-tuning để điều chỉnh LLM cho các tác vụ hoặc lĩnh vực cụ thể. Ngoài ra, học cách tinh chỉnh mô hình hiệu quả thông qua các kỹ thuật tuning nhẹ như PEFT (Parameter-Efficient Fine-Tuning).

Phần 8 - Tìm hiểu và ứng dụng LLM Agent

Hiểu khái niệm và cấu trúc của Agent, đồng thời tìm hiểu các loại LLM Agent khác nhau. Thông qua các ví dụ cụ thể, học cách ứng dụng Agent vào công việc và dịch vụ thực tế.

Phần 9 - Lý thuyết mới nhất về MCP và A2A

So sánh và phân tích khái niệm, nguyên lý hoạt động, cấu trúc và phương thức ứng dụng của MCP (Multi-agent Cooperative Planning) và A2A (Agent-to-Agent), những lý thuyết mới nhất về hệ thống đa tác tử. Qua đó, hiểu được cách thiết kế các hệ thống tác tử tiên tiến.

Từ lý thuyết đến thực hành


Điểm 1. Hiểu nguyên lý cốt lõi của LLM mà không cần công thức

Bạn sử dụng ChatGPT nhưng tò mò về nguyên lý hoạt động của nó? Khóa học này giải thích rõ ràng cách LLM vận hành, tập trung vào cấu trúc mà không cần đến công thức. Bạn có thể nắm bắt nguyên nhân dẫn đến hiện tượng ảo giác, cũng như nguyên lý nền tảng giải thích tại sao prompt, RAG, tinh chỉnh (fine-tuning) và agent lại cần thiết.


Point 2. Bạn có thể dễ dàng hiểu nguyên lý của LLM.

Không chỉ đơn thuần là cách sử dụng công cụ, nội dung tập trung vào việc hiểu LLM hoạt động theo cấu trúc tư duy nào.

Qua đó, bạn sẽ có được nền tảng lý thuyết để hiểu và giải thích mà không nhầm lẫn các khái niệm xuất hiện trong các cuộc họp liên quan đến AI hoặc tài liệu lập kế hoạch. Ngoài ra, bằng cách hiểu những giới hạn mang tính cấu trúc của LLM như hiện tượng ảo giác, tính cập nhật và giới hạn ngữ cảnh,ેણ

Bạn có thể đánh giá được điều gì có thể kỳ vọng và điều gì không nên kỳ vọng.

Điểm 3. Khung lý thuyết để hiểu RAG, fine-tuning và Agent

Hiểu về mặt lý thuyết các thành phần cốt lõi và toàn bộ quy trình hoạt động của kiến trúc RAG, được ra đời nhằm khắc phục những hạn chế mang tính cấu trúc của LLM. Đồng thời, giải thích một cách có hệ thống về việc tinh chỉnh (fine-tuning) và các kỹ thuật tinh chỉnh nhẹ (PEFT, LoRA) được thiết kế để giải quyết vấn đề nào, cũng như khi nào chúng trở thành lựa chọn phù hợp. Với Agent, nội dung cũng không tập trung vào “cách xây dựng”, mà chủ yếu đề cập đến lý do cần có Agent, cấu trúc bên trong và điểm khác biệt so với tự động hóa đơn thuần.


Point 4. Hình thành góc nhìn để hiểu AI

Mục tiêu là vượt qua “giai đoạn chỉ đơn giản sử dụng AI” và hình thành góc nhìn để hiểu AI một cách có hệ thống.

Từ những khái niệm cốt lõi của LLM như token, embedding, cửa sổ ngữ cảnh cho đến các lý thuyết đa tác tử mới nhất như MCP, A2A, v.v.

Tập trung hệ thống hóa lý do tại sao cấu trúc này lại xuất hiện.


Tôi có sử dụng ChatGPT nhưng không hiểu tại sao nó lại hoạt động như vậy.
Khóa học này được tạo ra dành cho chính những người như bạn.


✔️ Người mới bắt đầu muốn hiểu từ những nguyên lý cơ bản của LLM

  • Những người muốn hiểu một cách có hệ thống lý do LLM tạo ra hiện tượng “ảo giác” (Hallucination)

  • Dành cho những ai muốn biết tại sao prompt, RAG, fine-tuning và agent lại cần thiết, cũng như cách chúng hoạt động.

  • Dành cho những ai muốn hiểu một cách căn bản về cách AI hoạt động, vượt xa việc chỉ học cách sử dụng công cụ.

✔️ Muốn giải thích chính xác các khái niệm LLM trong các cuộc họp hoặc tài liệu lập kế hoạch liên quan đến AI

  • Những người muốn giải thích rõ ràng các nguyên lý cốt lõi của LLM (token, embedding, cửa sổ ngữ cảnh)

  • Những ai muốn hiểu các xu hướng công nghệ LLM mới nhất như RAG, fine-tuning, agent...

  • Những người muốn tìm kiếm các phương án ứng dụng thực tế, có tính khả thi khi cân nhắc đến những hạn chế của LLM trong quá trình lập kế hoạch và xây dựng chiến lược cho dịch vụ AI

✔️ Lập trình viên chuyên nghiệp/nhà phân tích dữ liệu muốn áp dụng LLM hiệu quả vào công việc

  • Dành cho những ai muốn hiểu một cách có hệ thống quá trình suy luận và tạo câu trả lời của LLM để ứng dụng vào phát triển sản phẩm.

  • Bạn muốn xây dựng tiêu chí đánh giá để xác định phương pháp tiếp cận nào (prompt, RAG, fine-tuning, agent) phù hợp với việc giải quyết vấn đề.

  • Dành cho những ai muốn vượt qua các hạn chế của LLM (ảo giác, tính cập nhật, ngữ cảnh) và thiết kế chiến lược áp dụng vào các dịch vụ thực tế.


Đừng sử dụng AI như một 'hộp đen' nữa.
Hãy trở thành chuyên gia am hiểu nguyên lý hoạt động của LLM.

Lưu ý trước khi tham gia khóa học

  • Khóa học này
    tập trung vào việc tìm hiểu cấu trúc và nguyên lý hoạt động của LLM (mô hình ngôn ngữ lớn),
    đây là khóa học thiên về lý thuyết.

    • Phần thực hành là phương tiện hỗ trợ nhằm giúp hiểu rõ các khái niệm.

    • Không nhằm mục tiêu hướng dẫn sử dụng các công cụ AI cụ thể hay tự động hóa công việc thực tế.

Kiến thức nền tảng và lưu ý

  • Bạn nên có hiểu biết cơ bản về các khái niệm cốt lõi như LLM, Transformer, Self-Attention.

  • Việc quen thuộc với các thuật ngữ liên quan như token, cửa sổ ngữ cảnh và embedding sẽ giúp ích cho việc học.

  • Sự tò mò và tinh thần ham học hỏi về cách AI LLM hoạt động là điều quan trọng.



Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Nguyên lý cốt lõi của LLM, Transformer và Self-Attention

  • Tổng hợp các khái niệm thiết yếu như token, cửa sổ ngữ cảnh, embedding, v.v.

  • Các kỹ thuật cốt lõi trong kỹ thuật prompt (Zero-shot, Few-shot, CoT)

  • Cấu trúc tổng thể của RAG và các phương pháp cải thiện độ chính xác

  • Sự khác biệt giữa tinh chỉnh và RAG, cùng tiêu chí lựa chọn

  • Cấu trúc và các kịch bản ứng dụng thực tế của tác nhân AI

  • Xu hướng lý thuyết đa tác tử mới nhất như MCP, A2A, v.v.

Cần biết trước khi bắt đầu?

  • Những người sử dụng ChatGPT nhưng luôn cảm thấy khái niệm LLM khó hiểu

  • Planner/PM không hiểu khi cuộc họp đề cập đến RAG·agent

  • Những người làm việc thực tế đang cân nhắc chiến lược áp dụng hoặc sử dụng AI

  • Dành cho những người không phải là nhà phát triển nhưng muốn hiểu đúng về AI LLM

  • Người học đang tìm kiếm “bài giảng nhập môn lý thuyết cơ bản về LLM”

Xin chào
Đây là HappyAI

5,478

Học viên

327

Đánh giá

53

Trả lời

4.5

Xếp hạng

12

Các khóa học

Lee JinKyu | Lee JinKyu

Tiến sĩ kỹ thuật AI · Giáo sư kiêm nhiệm Khoa Phần mềm AI · CEO HappyAI

Xin chào.
Tôi là Lee JinKyu, người đang nghiên cứu, phát triển và giảng dạy về AI, tập trung vào xử lý ngôn ngữ tự nhiên (NLP) và mô hình ngôn ngữ lớn (LLM).です。 and I research, develop, and teach AI, focusing on natural language processing (NLP) and large language models (LLMs).

Đã nhận bằng Tiến sĩ Kỹ thuật chuyên ngành Trí tuệ nhân tạo và đã nghiên cứu tập trung vào xử lý ngôn ngữ tự nhiên cùng LLM. and have conducted research primarily in natural language processing and LLMs.

Hiện nay, tôi đang là giáo sư thỉnh giảng Khoa Phần mềm AI, giảng dạy các môn học liên quan đến AI như xử lý ngôn ngữ tự nhiên và thị giác máy tính, đồng thời điều hành doanh nghiệp chuyên về AI tạo sinh 해피AI.

Sau khi làm việc với tư cách là nhà nghiên cứu xử lý ngôn ngữ tự nhiên và phân tích dữ liệu lớn tại một viện nghiên cứu do chính phủ tài trợ, tôi đã trải qua vị trí nhà phát triển tại một doanh nghiệp chuyên về AI và hiện đang thực hiện các dự án, chương trình đào tạo về AI cho các doanh nghiệp và cơ quan công.

Tôi đã triển khai các khóa đào tạo và dự án liên quan đến AI tạo sinh, LLM, RAG, AI Agent và tinh chỉnh mô hình tại nhiều doanh nghiệp và tổ chức như Samsung SDS, KT, Hyundai Wia, Quỹ Kỹ thuật số Seoul.

Ngoài ra, tôi đã thực hiện các nghiên cứu về xử lý ngôn ngữ tự nhiên và khai phá văn bản trên nhiều loại dữ liệu phi cấu trúc như tài liệu, khảo sát, đánh giá, tin tức, chính sách và dữ liệu học thuật; đồng thời có kinh nghiệm trong các dự án nghiên cứu và phân tích thuộc nhiều lĩnh vực như y tế, chính sách, môi trường, luật, kinh tế và giáo dục.


Tiểu sử chính

  • Phó giáo sư kiêm nhiệm Khoa Phần mềm AI

    • Xử lý ngôn ngữ tự nhiên

    • Thị giác máy tính

    • AI tạo sinh

    • Khai phá dữ liệu

  • Tiến sĩ Kỹ thuật (Trí tuệ nhân tạo)

     

    • Nghiên cứu mô hình ngôn ngữ lớn (LLM) · Agent

  • Đại diện Happy AI

    • Nghiên cứu, phát triển và đào tạo về AI tạo sinh·LLM·RAG·AI Agent

  • Nhà nghiên cứu tại viện nghiên cứu do chính phủ tài trợ

    • Xử lý ngôn ngữ tự nhiên · Phân tích dữ liệu lớn

  • Lập trình viên tại công ty chuyên về AI và dữ liệu lớn

  • Chuyên gia viết bài về AI

    • Các bài viết về AI tạo sinh, LLM, RAG và các công nghệ AI


Lĩnh vực chuyên môn chính

  • AI tạo sinh và mô hình ngôn ngữ lớn (LLM)

  • RAG · LLM riêng tư

  • AI Agent · AI tác tử

  • Ứng dụng AI dựa trên LangChain·LangGraph

  • Tinh chỉnh LLM dựa trên LoRA·QLoRA

  • Xử lý ngôn ngữ tự nhiên (NLP) · khai phá văn bản

  • Phân tích dữ liệu và tự động hóa nghiệp vụ dựa trên AI


Đào tạo cho các doanh nghiệp và tổ chức tiêu biểu

  • Samsung SDS – Lập trình LLM dựa trên LangChain·RAG

  • KT – Phát triển ứng dụng LLM/sLLM

  • Quỹ Kỹ thuật số Seoul – Lý thuyết LLM và phát triển chatbot RAG

  • Hyundai Wia – đào tạo AI tạo sinh·AX

  • Đại học Khoa học và Công nghệ Seoul – Phân tích văn bản dựa trên Python

  • Đại học Kyonggi – Python ứng dụng ChatGPT

  • Đại học Dankook – Khóa đào tạo chuyên gia dữ liệu lớn


Các dự án AI chính yếu

  • Xây dựng hệ thống tìm kiếm tài liệu và chatbot RAG dựa trên Private LLM

  • Phát triển giải pháp LLM riêng tư trong môi trường mạng nội bộ in an internal network environment

  • Tinh chỉnh LLM và Instruction Tuning

  • Thiết kế quy trình công việc dựa trên AI Agent

  • Nghiên cứu và phân tích dựa trên xử lý ngôn ngữ tự nhiên và khai phá văn bản

  • Phân tích dữ liệu khảo sát, đánh giá, truyền thông, chính sách và học thuật bằng AI


Nghiên cứu và sách đã xuất bản

  • Thực hiện nghiên cứu học thuật trong và ngoài nước liên quan đến xử lý ngôn ngữ tự nhiên (NLP) và LLM

  • Nghiên cứu đo lường và giảm thiểu thiên lệch của LLM

  • Nhiều bài báo trong lĩnh vực NLP và khai phá văn bản

  • Kinh nghiệm nghiên cứu và phát triển bằng sáng chế, phần mềm liên quan đến AI

  • Tác phẩm 『Phân tích dữ liệu cổ phiếu cùng ChatGPT』


Điều tôi coi trọng nhất trong khóa học

Công nghệ AI thay đổi nhanh chóng, nhưng nếu hiểu được các nguyên lý cốt lõi, bạn có thể học các công nghệ mới nhanh hơn rất nhiều.

Trong bài giảng, thay vì chỉ đơn giản làm theo các chức năng hoặc mã lệnh,

“Đó là gì → Tại sao cần → Hoạt động như thế nào → Được ứng dụng thực tế ở đâu”

Tôi coi việc giải thích rõ ràng để có thể hiểu được là điều quan trọng nhất.

Thay vì giải thích các công nghệ AI phức tạp theo cách khó hiểu,
tôi sẽ truyền đạt sao cho ngay cả những người mới tiếp cận cũng có thể hiểu được toàn bộ cấu trúc và áp dụng vào công việc cũng như dự án thực tế.


Liên hệ về bài giảng và dự án

Email
leejinkyu0612@naver.com

Trang chủ
https://happyaidata.kr

YouTube
https://www.youtube.com/@HappyAI_0612

GitHub
https://github.com/leejin-kyu

Chuyên gia Prime trên Kmong

 

Lý lịch chi tiết
https://bit.ly/jinkyu-profile

Thêm

Chương trình giảng dạy

Tất cả

28 bài giảng ∙ (1giờ 31phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

29 đánh giá

4.4

29 đánh giá

  • leckar12311219님의 프로필 이미지
    leckar12311219

    Đánh giá 23

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Sẽ tốt hơn nếu chỉ cung cấp tài liệu bài giảng và giải đáp Q&A. Nội dung thực sự rất tốt để nắm bắt khái niệm tổng thể!

    • leejinkyu0612
      Giảng viên

      Cảm ơn bạn đã đánh giá tốt. Vui lòng liên hệ qua email leejinkyu0612@naver.com để tôi gửi tài liệu bài giảng cho bạn.

  • 20007013611님의 프로필 이미지
    20007013611

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Thật tuyệt khi được nghe phần giới thiệu về các khái niệm AI chính mới nhất.

    • ymkoo님의 프로필 이미지
      ymkoo

      Đánh giá 10

      Đánh giá trung bình 5.0

      5

      33% đã tham gia

      Rất dễ hiểu, và những lời giải thích rõ ràng giúp ích rất nhiều cho việc học tập.

      • goldie7님의 프로필 이미지
        goldie7

        Đánh giá 12

        Đánh giá trung bình 5.0

        5

        63% đã tham gia

        Rất tốt để nắm vững kiến thức cơ bản.

        • present29263701님의 프로필 이미지
          present29263701

          Đánh giá 2

          Đánh giá trung bình 5.0

          Đã chỉnh sửa

          5

          100% đã tham gia

          Đây là nội dung thực sự rất hữu ích để nắm bắt khái niệm tổng thể! Tôi có thể nhận tài liệu bài giảng như thế nào?

          Khóa học khác của HappyAI

          Hãy khám phá các khóa học khác của giảng viên!

          Khóa học tương tự

          Khám phá các khóa học khác trong cùng lĩnh vực!