(Dành cho người lập kế hoạch) Kiến thức cơ bản về LLM và hiểu về lập kế hoạch 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.

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.

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.

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.

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.

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

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.

Học cách sử dụng các LLM cục bộ đa dạng (Qwen, Gemma) và tìm hiểu các kỹ thuật khác nhau để đánh giá (Evaluation) và cải thiện hiệu suất của hệ thống LLM một cách hiệu quả.

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.

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!

Sẽ thế nào nếu AI có thể trực tiếp mở trình duyệt và viết mã shell script để giải quyết các sự cố máy chủ? Thông qua những bí quyết tự động hóa thực tế được triển khai bằng OpenClaw trên cả Windows và Linux, chúng tôi sẽ hướng dẫn bạn con đường ngắn nhất để hoàn thiện môi trường phát triển từ xa mạnh mẽ của riêng mình mà không cần các thiết lập phức tạp.

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.

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.

"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 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.

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'.

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!

<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 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.