(Dành cho người lập kế hoạch) Hiểu về cơ bản của LLM và lập kế hoạch dịch vụ dựa trên LLM

Hiện đã là thời đại phát triển dựa trên AI. Do cần có cách tận dụng AI hiệu quả hơn để tạo ra mã và tài liệu chất lượng và chính xác hơn, chúng tôi đề xuất các phương pháp phù hợp.

Đây là một khóa học giúp bạn hiểu được Secure Coding (mã hóa bảo mật) là gì ngay cả khi bạn hoàn toàn không có kiến thức về nó. Sau khi nắm vững các khái niệm cơ bản về mã hóa bảo mật, khóa học sẽ giải thích tập trung vào bảo mật dịch vụ web. Đây là bài giảng đặc biệt được tổ chức bởi Đại học OO. Với hơn 160 mã nguồn được trình bày kèm theo chú thích phong phú, khóa học giúp bạn nắm bắt chính xác các chủ đề và kỹ thuật cốt lõi có thể áp dụng ngay trong thực tế.

Giải thích các nguyên lý cơ bản của mô hình ngôn ngữ lớn như ChatGPT, tập trung vào lý thuyết.

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

Giúp các lập trình viên junior có thể hiểu toàn bộ quy trình phát triển từ lập kế hoạch, viết code, triển khai đến kiểm thử bằng cách sử dụng trí tuệ nhân tạo như một công cụ phát triển, từ đó trang bị năng lực Full-Spectrum cần thiết để tồn tại và phát triển trong thời đại AI.

Khóa học này là một quá trình học tập có hệ thống về kỹ thuật prompt engineering - công nghệ cốt lõi để sử dụng hiệu quả các mô hình ngôn ngữ lớn (LLM) hoặc trí tuệ nhân tạo sinh tạo. Từ lý thuyết cơ bản đến kỹ thuật thực chiến, cùng với các ứng dụng mới nhất và các vấn đề về bảo mật·đạo đức được đề cập một cách toàn diện, khóa học mang lại sự hỗ trợ thực tế cho tất cả các nhà phát triển dịch vụ dựa trên LLM, nhà khoa học dữ liệu và người lập kế hoạch AI.

Khái niệm “Problematization” (문제화) còn được dịch là đặt vấn đề (문제 제기), xây dựng vấn đề (문제짜기). Nó cũng có thể được dịch là thiết lập vấn đề (문제 설정) hoặc định nghĩa vấn đề (문제 정의). Đây là một khái niệm bao gồm quá trình đặt câu hỏi từ một góc nhìn mới về các sự thật đã biết như yêu cầu hoặc kiến thức thông thường, xác định vấn đề và xây dựng cách giải quyết vấn đề đó. Problematization nên là điểm khởi đầu của mọi quá trình phát triển nhưng vẫn là một chủ đề chưa được thảo luận đầy đủ trong lĩnh vực phát triển. Việc thực hiện một dự án hay phát triển một chương trình thực chất cũng là việc lập kế hoạch để giải quyết vấn đề. Nghĩa là, nó có liên quan đến problematization. Để giải quyết vấn đề, trước tiên vấn đề phải được xác định rõ ràng. Tuy nhiên, hầu hết các vấn đề được đưa ra dưới dạng các yêu cầu mơ hồ. Do đó, cần có khả năng biến các yêu cầu mơ hồ thành vấn đề rõ ràng để giảm thiểu 'lãng phí phát triển' không cần thiết, giúp hợp tác trôi chảy hơn và nắm bắt đúng nhu cầu thực sự của người dùng. Khóa học này giúp rèn luyện 'tư duy cấu trúc vấn đề' thông qua các trường hợp thực tế và công cụ.

Khi xây dựng hệ thống RAG (Retrieval-Augmented Generation: Tạo sinh tăng cường truy xuất) dựa trên AI tạo sinh hoặc LLM mà không đạt được hiệu suất mong muốn và không có giải pháp thích hợp, thì phải làm sao? Khóa học này sẽ trình bày các phương pháp cải thiện hiệu suất RAG dựa trên lý thuyết Cognitive Load (Tải trọng nhận thức). Thông qua khóa học này, bạn có thể hiểu được giới hạn của cửa sổ ngữ cảnh LLM và cách quản lý Cognitive Load một cách hiệu quả trong hệ thống RAG. Đây là một khóa học lý thuyết cấp độ thực tiễn, bao gồm các chủ đề như kích thước và thiết kế cấu trúc Chunk, kỹ thuật tạo Chunk chất lượng cao, tối ưu hóa động, đánh giá hiệu suất và các kỹ thuật thực chiến.

"Chỉ đổi một cái tên thôi, mã đã khác rồi." Đã tổng hợp từ nguyên lý đến ví dụ về 'đặt tên dễ hiểu' – cốt lõi của mã dễ đọc. Tên dễ đọc là khởi đầu của sự hợp tác.

Nhanh chóng hiểu các khái niệm và cú pháp cơ bản của C.

👨‍🍳 Nấu mã như nấu ăn, sạch sẽ và ngon miệng! 『클린 코딩』 là lớp học nấu mã của lập trình viên giống đầu bếp, nơi học 클린 코딩 vui vẻ qua ví von ẩm thực. 🍽️

Giải thích chi tiết về các mô hình ngôn ngữ đa dạng được phát triển trong quá trình từ khởi đầu của công nghệ xử lý ngôn ngữ tự nhiên cho đến các mô hình LLM hiện đại nhất.

Kết hợp CrewAI (giúp triển khai công nghệ đa tác nhân LLM), đồ thị tri thức và hệ thống suy luận để tạo thẩm phán AI.

Tìm hiểu cách thu thập và phân tích các yêu cầu của người dùng để thiết kế dịch vụ LLM.

Xem xét những hạn chế của LLM, cách khắc phục và các chủ đề nghiên cứu mới nhất.

Tìm hiểu về các ứng dụng hoặc dịch vụ web có thể được xây dựng bằng cách sử dụng LLM.

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.

Giải thích chi tiết về các mô hình ngôn ngữ đa dạng được phát triển trong quá trình từ khởi đầu của công nghệ xử lý ngôn ngữ tự nhiên cho đến các mô hình LLM hiện đại nhất.

Giờ đây là thời đại mà ai cũng có thể tạo ra dịch vụ mà không cần biết lập trình. Các thành viên của Selfish Club đã triển khai dịch vụ cho mục đích sử dụng thực tế chỉ với những tính năng cần thiết trong vòng 3 tuần. Đây là những trường hợp các thành viên không biết lập trình đã tự tạo ra dịch vụ để giải quyết vấn đề chỉ bằng prompt ngôn ngữ tự nhiên. Vibe coding không còn là khái niệm xa lạ nữa! Chúng tôi sẽ chia sẻ với mọi người những trường hợp thực tế về 'việc lập trình có thể giải quyết được những vấn đề gì trong thực tế'!

"LoRA 기반 경량 파인튜닝으로 나만의 맞춤형 LLM을 만들어보는 첫걸음!" Đây là khóa học thực hành nhập môn được thiết kế để ngay cả những người mới tiếp xúc với LLM lần đầu cũng có thể dễ dàng theo kịp. Giảm thiểu lý thuyết phức tạp, hướng dẫn từng bước toàn bộ quy trình từ tải mô hình → áp dụng dữ liệu → huấn luyện → so sánh kết quả. Trong thời gian ngắn, bạn sẽ trực tiếp trải nghiệm quy trình của các kỹ thuật fine-tuning nhẹ mới nhất như LoRA·QLoRA, và có thể nắm bắt được cảm giác "À, fine-tuning LLM hoạt động như thế này". Hãy trực tiếp cảm nhận thành tựu tạo ra LLM chuyên biệt cho lĩnh vực của riêng bạn, ngay cả khi không có nhiều tài nguyên!

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.

Giờ đây thực sự là thời đại mà bất kỳ ai cũng có thể tạo ra dịch vụ của riêng mình chỉ trong một ngày. Nếu như workshop Vibe Coding trước đây có mục tiêu giúp mọi người trực tiếp trải nghiệm Vibe Coding là gì, hoàn thành và triển khai frontend (trang hiển thị) của dịch vụ mà mình muốn tạo ra Thì workshop lần này không chỉ dừng lại ở việc tạo ra dịch vụ có thể nhìn thấy, mà còn tập trung vào phương pháp phát triển quan trọng là tưởng tượng cụ thể người dùng thực tế và tập trung vào 'ai sẽ sử dụng dịch vụ này, tại sao'. Thông qua workshop, các thành viên sẽ tạo ra dịch vụ của riêng mình và tự nhiên học cách xác định rõ ràng người dùng mục tiêu và vấn đề cần giải quyết. Người mới biết đến Vibe Coding cũng không sao! Không biết coding, không biết phát triển cũng đủ rồi! Hãy đến trải nghiệm tại workshop lần này việc tạo ra dịch vụ thực sự có thể sử dụng được, không chỉ đơn thuần là làm theo!

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.

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.

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!

Khóa học toàn diện này dạy bạn cách xây dựng bất kỳ ứng dụng full-stack nào bằng các công cụ AI như Cursor AI, Claude Code, v0, ChatGPT và Replit. Học các kiến thức cơ bản về lập trình, phát triển front-end và back-end, tích hợp cơ sở dữ liệu, gỡ lỗi và triển khai. Hoàn hảo cho người mới bắt đầu và bất kỳ ai muốn tận dụng AI để xây dựng các ứng dụng web và mobile thực tế một cách nhanh chóng và hiệu quả.

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'.

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

Chinh phục tất cả về AI thay đổi thế giới chỉ trong 4 bài giảng! Bài 1. Bản chất thật sự của Trí tuệ nhân tạo AI không phải là phép thuật. Đó là bộ não kỹ thuật số được tạo ra bằng cách phân tích 'trí tuệ' của con người như một công thức! Chúng ta sẽ khám phá từng ngóc ngách của cấu trúc cốt lõi của AI tưởng chừng thông minh này. Bài 2. Thuật toán, phương pháp tư duy sáng tạo (?) của AI AI suy nghĩ sẽ tìm ra giải pháp như thế nào? Hãy trực tiếp tìm hiểu chiến lược của AI khi chơi cờ vây, tìm đường và dự đoán kết quả tìm kiếm của bạn. Bài 3. Phần cứng AI, động cơ biến trí tưởng tượng thành hiện thực! Con chip trong điện thoại thông minh của bạn chính là trái tim của AI. Chúng ta sẽ mổ xẻ tất cả, từ CPU, GPU, TPU cho đến những cái tên không thể biết được khác. Bài 4. Cuộc đối đầu lớn giữa Machine Learning và Deep Learning! Việc AI 'học' rốt cuộc có nghĩa là gì? Từ AI dựa trên quy tắc cổ điển, cho đến ChatGPT đang "hot" gần đây! Chúng ta sẽ theo dõi sự tiến hóa của việc học.

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.