(Dành cho người lập kế hoạch) Kiến thức cơ bản về LLM và hiểu về lập kế hoạch dịch vụ dựa trên LLM

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

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.

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 sử dụng trí tuệ nhân tạo làm công cụ phát triển để thấu hiểu toàn bộ quy trình từ lập kế hoạch, viết mã đến triển khai và kiểm chứng, từ đó trang bị năng lực toàn diện (Full-Spectrum) cần thiết trong kỷ nguyên AI để sinh tồn và phát triển.

Khóa học này là một quá trình học tập có hệ thống về kỹ thuật prompt engineering - kỹ năng 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, khóa học bao quát rộng rãi và mang lại sự hỗ trợ thiết thực cho tất cả các nhà phát triển dịch vụ dựa trên LLM, nhà khoa học dữ liệu và người hoạch định AI.

Vấn đề hóa (Problematization) là một thuật ngữ còn được dịch là đặt vấn đề hoặc lập khung vấn đề. Nó cũng có thể được hiểu là thiết lập vấn đề hoặc định nghĩa vấn đề. Đây là một khái niệm bao gồm quá trình đặt câu hỏi dưới góc nhìn mới đối với những sự thật đã biết như yêu cầu khách hàng hay kiến thức thông thường, định nghĩa lại vấn đề và xây dựng phương pháp để giải quyết vấn đề đó. Vấn đề hóa phải là điểm khởi đầu của mọi quá trình phát triển, nhưng đây là một chủ đề vẫn chưa được thảo luận đầy đủ trong lĩnh vực phát triển. Việc thực hiện dự án hay phát triển chương trình thực chất là việc lập kế hoạch để giải quyết vấn đề. Nói cách khác, nó có liên quan mật thiết đến việc vấn đề hóa. Để giải quyết một vấn đề, trước tiên vấn đề đó phải được định nghĩa rõ ràng. Tuy nhiên, hầu hết các vấn đề thường được đưa ra dưới dạng những yêu cầu mơ hồ. Do đó, chỉ khi có năng lực chuyển đổi những yêu cầu mơ hồ thành những vấn đề rõ ràng, chúng ta mới có thể giảm thiểu "lãng phí phát triển" không cần thiết, giúp việc hợp tác trở nên suôn sẻ và nắm bắt đúng nhu cầu thực sự của người dùng. Khóa học này sẽ giúp bạn rèn luyện "tư duy cấu trúc" vấn đề thông qua các công cụ và ví dụ thực tế.

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.

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).

"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. 🍽️

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 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.

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 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.

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.

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!

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!

Đây là khóa học giúp bạn thành thạo lý thuyết cơ bản về LLM và các công nghệ cốt lõi của LangChain cùng RAG. Bạn có thể dễ dàng học từ kiến thức nền tảng về LLM đến các công nghệ AI mới nhất được sử dụng trong thực tế!

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"!

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.

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 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.

: "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.

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.

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.

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

"Bước đầu tiên để tạo LLM tùy chỉnh của riêng bạn với Fine-tuning nhẹ dựa trên LoRA!" Đây là khóa học thực hành nhập môn được thiết kế để những người mới tiếp xúc với LLM cũng có thể dễ dàng theo dõi. 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 hiện đại như LoRA·QLoRA, và có thể nắm bắt được cảm giác "À, fine-tuning LLM hoạt động như thế này". Hãy tự mình cảm nhận thành tựu tạo ra LLM chuyên biệt cho lĩnh vực của bạn, ngay cả khi không có nhiều tài nguyên!

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.