inflearn logo

Hiểu về lý thuyết cốt lõi và cấu trúc của LLM -Nguyên lý hoạt động của ChatGPT, RAG và Agent trong một lần-

Sử dụng ChatGPT, nhưng bạn có thấy khó khăn khi giải thích tại sao nó lại đưa ra câu trả lời như vậy không? “RAG, Agent, Fine-tuning… Biết thuật ngữ nhưng khó giải thích chính xác.” “Cứ nghe đến các thuật ngữ liên quan đến LLM là cứng họng.” “Trong các cuộc họp về AI, việc giải thích khái niệm luôn mơ hồ.” Khóa học này được tạo ra dành riêng cho những người như vậy. Đây là khóa học lý thuyết giúp bạn hiểu LLM không chỉ như một ‘công cụ’ mà là một ‘cấu trúc’. Khóa học không dạy cách sử dụng ChatGPT hay Gemini, mà giúp bạn xây dựng nền tảng để có thể giải thích tại sao chúng lại hoạt động như thế.

(4.2) 13 đánh giá

149 học viên

Độ khó Nhập môn

Thời gian Không giới hạn

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

Đánh giá từ những học viên đầu tiên

4.2

5.0

배추가될거야

100% đã tham gia

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

5.0

해삐

100% đã tham gia

Trước đây tôi hoàn toàn không biết gì về LLM, nhưng giờ thì tôi đã hiểu sơ qua LLM là gì rồi ạ hihi. Cảm ơn bạn nhé!

5.0

김문수

33% đã tham gia

Cảm ơn bạn vì bài giảng hay.

Bạn sẽ nhận được điều này sau khi học.

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

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

  • Khả năng thấu hiểu để có thể theo sát chính xác các cuộc thảo luận liên quan đến AI

  • Cảm giác phán đoán thực tế cân nhắc đến các tham số và hạn chế của LLM


Nguyên lý hoạt động của LLM
Bài giảng lý thuyết chắc chắn để biến kiến thức thành của bạn

Hiểu sâu về LLM, công nghệ cốt lõi dẫn dắt kỷ nguyên AI.


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

Giúp bạn hiểu rõ 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 nhưng

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

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

Giải thích tập trung vào sự thấu hiểu, không dùng các công thức phức tạp.

Không chỉ Transformer, Self-Attention mà còn cả

Prompt·RAG·Agent sẽ

Bạn có thể hiểu một cách tự nhiên về cách thức hoạt động bên trong của LLM thông qua sự kết nối các khái niệm.

Không phải là cách sử dụng công cụ, mà là

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


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

Để sử dụng các công nghệ mới nhất như Prompt, RAG, Agent, v.v.

Đây là bài giảng nhằm thiết lập nền tảng vững chắc.

Khóa học này có gì khác biệt?

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

LLM là

  • Làm thế nào để hiểu được ngữ cảnh và

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

  • Vì vậy, đó là lý do tại sao Prompt, RAG, Fine-tuning và Agent ra đời.

giải thích lý thuyết về các nội dung cốt lõi một cách từng bước, tập trung vào cấu trúc thay vì công thức.

Nội dung được cấu trúc để bạn có thể hiểu các khái niệm cốt lõi như Transformer, Self-Attention, Token, Embedding bằng cách kết nối chúng theo một mạch logic trực quan
thay vì chỉ liệt kê các bài báo khoa học.


Đặc biệt đề xuất cho những đối tượng sau

  • Dành cho những ai sử dụng ChatGPT nhưng luôn cảm thấy mơ hồ về khái niệm LLM

  • Các nhà hoạch định và PM không hiểu gì trong các cuộc họp khi nhắc đến RAG hay Agent

  • Nhân viên thực tế đang trăn trở về chiến lược áp dụng hoặc tận dụng AI

  • Những người không phải là nhà phát triển nhưng muốn hiểu rõ về LLM

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

Đây không phải là kiểu bài giảng như thế này

  • ❌ Bài giảng giải thích tính năng ChatGPT

  • ❌ Bài giảng tập trung vào cách sử dụng các công cụ AI cụ thể

  • ❌ Bài giảng thực hành tập trung vào tự động hóa và hiệu suất công việc

Khóa học này là khóa học tập trung vào lý thuyết để hiểu cấu trúc và nguyên lý hoạt động của LLM.

Sau khi học khóa học này

Từ một người chỉ đơn thuần sử dụng AI
trở thành người có thể thấu hiểu và thiết kế AI


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


Phần 1 - Hiểu biết cơ bản về AI tạo sinh và LLM

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

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

Tìm hiểu các xu hướng phát triển mới nhất của công nghệ LLM và phân tích hướng chiến lược tương lai của LLM trong bối cảnh cạnh tranh AI toàn cầu. Điều này sẽ giúp cung cấp một cái nhìn tổng quan về hiện tại và tương lai của công nghệ LLM.

Phần 3 - Nguyên lý hoạt động cơ bản của LLM

Tìm hiểu về nguyên lý hoạt động cơ bản của LLM. Hiểu các khái niệm cốt lõi như token, embedding, không gian vector, cửa sổ ngữ cảnh (context window) và tìm hiểu về các tham số điều khiển đầu ra chính.

Phần 4 - Kỹ thuật Prompt Engineering

Nội dung này bao gồm các khái niệm cơ bản và kỹ thuật nâng cao của kỹ thuật đặt câu lệnh (Prompt Engineering) để tối đa hóa hiệu suất của LLM. Người học sẽ được rèn luyện khả năng viết câu lệnh hiệu quả thông qua việc làm quen với nhiều mẫu khác nhau như Zero-shot, Few-shot và Chain-of-Thought (CoT).

Phần 5 - Khắc phục hạn chế của LLM thông qua RAG

Tìm hiểu về kiến trúc RAG (Retrieval-Augmented Generation) nhằm khắc phục các hạn chế của LLM như hiện tượng ảo giác (Hallucination) và thiếu cập nhật thông tin mới nhất. Hiểu rõ các yếu tố cốt lõi của RAG là Embedding và cơ sở dữ liệu vector (Vector Database), đồng thời nắm bắt toàn bộ quy trình vận hành của hệ thống.

Phần 6 - Chiến lược cải thiện hiệu suất RAG

Học các chỉ số và phương pháp luận để 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. Thông qua đó, tìm kiếm các giải pháp nhằm nâng cao tính hiệu quả và độ tin cậy của hệ thống RAG.

Phần 7 - Chiến lược tinh chỉnh (Fine-tuning) và tinh chỉnh nhẹ (Lightweight Tuning)

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

Phần 8 - Hiểu và ứng dụng LLM Agent

Hiểu khái niệm và cấu trúc của Agent, đồng thời tìm hiểu các loại LLM Agent đa dạng. Học hỏi cách ứng dụng Agent vào công việc và dịch vụ thực tế thông qua các ví dụ cụ thể.

Phần 9 - Các lý thuyết mới nhất về MCP và A2A

Phân tích và so sánh các khái niệm, nguyên lý hoạt động, cấu trúc cũng như phương án ứng dụng của MCP (Multi-agent Cooperative Planning) và A2A (Agent-to-Agent) - những lý thuyết hệ thống đa tác nhân (multi-agent) mới nhất. Thông qua đó, thấu hiểu cách thiết kế hệ thống tác nhân tiên tiến.

Từ lý thuyết đến thực tiễn


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

Bạn đang sử dụng ChatGPT nhưng tò mò về nguyên lý hoạt động của nó? Khóa học này giải thích rõ ràng cách thức hoạt động của LLM tập trung vào cấu trúc mà không cần đến các công thức toán học. Bạn có thể nắm bắt được các nguyên lý cơ bản từ lý do xảy ra hiện tượng ảo giác cho đến tại sao cần có Prompt, RAG, Fine-tuning và Agent.


Point 2. Có thể dễ dàng hiểu được nguyên lý của LLM.

Không chỉ đơn thuần là cách sử dụng công cụ, nội dung tập trung vào việc thấu hiểu cấu trúc tư duy vận hành của LLM.

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

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

Điểm 3. Khung lý thuyết để hiểu về 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, vốn ra đời để khắc phục những hạn chế cấu trúc của LLM. Đồng thời, giải thích một cách có hệ thống về việc các kỹ thuật Fine-tuning và tinh chỉnh nhẹ (PEFT, LoRA) được thiết kế để giải quyết vấn đề gì và khi nào chúng là lựa chọn phù hợp. Đối với Agent, nội dung cũng sẽ không tập trung vào "cách tạo ra" mà xoay quanh lý do tại sao cần Agent, cấu trúc bên trong và sự khác biệt của nó so với tự động hóa thông thường.


Điểm 4. Xây dựng góc nhìn hiểu về AI

Mục đích là thoát khỏi ‘giai đoạn chỉ đơn thuần là sử dụng AI’ để xây dựng một góc nhìn hiểu về AI một cách có cấu trúc.

Từ các khái niệm cốt lõi của LLM như Token, Embedding, Context Window, cho đến các lý thuyết Multi-agent mới nhất như MCP, A2A.

Chúng tôi sẽ tổng hợp tập trung vào lý do tại sao cấu trúc này lại xuất hiện.


Tôi đang sử dụng ChatGPT, nhưng tôi không biết tại sao nó lại hoạt động như vậy.
Khóa học này được tạo ra dành cho chính những người như vậy.


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

  • Những ai muốn hiểu về mặt cấu trúc lý do tại sao LLM lại gây ra hiện tượng ảo giác (Hallucination)

  • Những ai muốn biết tại sao Prompt, RAG, Fine-tuning, Agent lại cần thiết và chúng hoạt động như thế nào.

  • Những người muốn hiểu thấu đáo nguyên lý vận hành của AI thay vì chỉ dừng lại ở cách sử dụng công cụ đơn thuần.

✔️ Những nhà hoạch định/người thực thi muốn giải thích chính xác các khái niệm LLM trong các cuộc họp hoặc tài liệu lập kế hoạch liên quan đến AI

  • Những ai muốn giải thích rõ ràng các nguyên lý cốt lõi của LLM (token, embedding, context window)

  • Những ai muốn thấu hiểu các xu hướng công nghệ LLM mới nhất như RAG, Fine-tuning, Agent, v.v.

  • Những người muốn tìm kiếm phương án sử dụng thực tế khi lập kế hoạch và xây dựng chiến lược dịch vụ AI bằng cách cân nhắc đến những hạn chế của LLM.

✔️ Nhà phát triển/Chuyên viên phân tích dữ liệu đang làm việc muốn áp dụng LLM hiệu quả vào công việc

  • Những người muốn hiểu cấu trúc quá trình suy luận và tạo câu trả lời của LLM để ứng dụng vào việc phát triển.

  • Những ai muốn thiết lập tiêu chí đánh giá để quyết định phương pháp tiếp cận nào (Prompt, RAG, Fine-tuning, Agent) là phù hợp nhất để giải quyết vấn đề.

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


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

Lưu ý trước khi học

  • Khóa học này là một
    khóa học tập trung vào lý thuyết nhằm giúp bạn hiểu rõ cấu trúc và nguyên lý hoạt động của
    LLM (Mô hình ngôn ngữ lớn).

    • Thực hành là phương tiện bổ trợ nhằm giúp hiểu rõ các khái niệm.

    • Khóa học không nhằm mục đích hướng dẫn cách sử dụng các công cụ AI cụ thể hay tự động hóa công việc thực tế.

Kiến thức tiên quyết và lưu ý

  • Sẽ rất tốt nếu bạn có hiểu biết cơ bản về các khái niệm cốt lõi như LLM, Transformer và Self-Attention.

  • Việc làm quen với các thuật ngữ liên quan như token, cửa sổ ngữ cảnh (context window), embedding sẽ giúp ích cho việc học tập.

  • Sự tò mò và ý chí học hỏi về cách thức hoạt động của AI LLM là rất 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, Context Window, Embedding, v.v.

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

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

  • Sự khác biệt giữa Fine-tuning và RAG cùng tiêu chí lựa chọn

  • Cấu trúc của AI Agent và kịch bản ứng dụng thực tế

  • Xu hướng lý thuyết đa tác nhân (multi-agent) mới nhất như MCP, A2A, v.v.

Cần biết trước khi bắt đầu?

  • Những người sử dụng ChatGPT nhưng vẫn luôn cảm thấy mơ hồ về khái niệm LLM

  • Những nhà hoạch định và PM không hiểu gì trong các cuộc họp khi nhắc đến câu chuyện về RAG và Agent.

  • Nhân viên chuyên trách đang cân nhắc chiến lược áp dụng hoặc tận dụng AI

  • Những người không phải là nhà phát triển nhưng muốn hiểu rõ về AI LLM

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

Xin chào
Đây là HappyAI

4,726

Học viên

256

Đánh giá

51

Trả lời

4.6

Xếp hạng

11

Các khóa học

Lee JinKyu | Lee JinKyu

Chuyên gia phân tích AI·LLM·Big Data / Đại diện HappyAI

👉Bạn có thể kiểm tra hồ sơ chi tiết tại liên kết bên dưới.
https://bit.ly/jinkyu-profile

Xin chào.
Tôi là Lee JinKyu (Tiến sĩ Kỹ thuật, Trí tuệ nhân tạo), Đại diện của Happy AI, người đã không ngừng làm việc với AI và phân tích dữ liệu lớn trong nghiên cứu, phát triển, đào tạo và các dự án thực tế.

Dựa trên xử lý ngôn ngữ tự nhiên (NLP) và khai thác văn bản (text mining),
tôi đã và đang phân tích nhiều loại dữ liệu phi cấu trúc đa dạng như
khảo sát, văn bản, đánh giá, báo chí, chính sách, dữ liệu học thuật, v.v.
Gần đây, tôi đang truyền tải phương pháp ứng dụng AI tập trung vào thực tiễn phù hợp với tổ chức và môi trường làm việc
bằng cách tận dụng AI tạo sinh và mô hình ngôn ngữ lớn (LLM).

Đã hợp tác với nhiều cơ quan công quyền, doanh nghiệp và tổ chức giáo dục như Samsung Electronics, Đại học Quốc gia Seoul, Sở Giáo dục, Viện Nghiên cứu Gyeonggi, Cục Lâm nghiệp,
Tổng cục Quản lý Công viên Quốc gia, Thành phố Seoul, v.v.,
và đã thực hiện tổng cộng hơn 200 dự án nghiên cứu và phân tích trong nhiều lĩnh vực đa dạng như y tế, thương mại, sinh thái, luật pháp, kinh tế và văn hóa.

 


🎒 Yêu cầu diễn thuyết và thuê ngoài (outsourcing)

Chuyên gia Kmong Prime (Top 2%)


📘 Tiểu sử (Tóm tắt)

  • 07/2024 ~ Hiện tại
    Doanh nghiệp chuyên về AI tạo sinh và Phân tích dữ liệu lớn Giám đốc HappyAI, a company specializing in Generative AI and Big Data analysis

  • Tiến sĩ Kỹ thuật (Trí tuệ nhân tạo)
    Trường Cao học Trí tuệ nhân tạo, Đại học Dongguk

     

    Chuyên ngành chi tiết: Mô hình ngôn ngữ lớn (LLM)

     

    (2022.03 ~ 2026.02)

     

  • 2023 ~ 2025
    Nhà bình luận AI của Public News
    (Các vấn đề về định kiến AI tạo sinh, RAG, ứng dụng LLM)

  • 2021 ~ 2023
    Nhà phát triển tại Stella Vision, công ty chuyên về AI và Big Data

  • 2018 ~ 2021
    Nghiên cứu viên Xử lý ngôn ngữ tự nhiên · Phân tích dữ liệu lớn tại Viện nghiên cứu do Chính phủ đầu tư


🔹 Lĩnh vực chuyên môn (Tập trung vào Giảng dạy · Dự án)

  • Sử dụng AI tạo sinh và LLM

    • LLM cá nhân (Private LLM), RAG, Agent

    • Cơ bản về Fine-tuning LoRA·QLoRA

  • Phân tích dữ liệu lớn dựa trên AI

    • Dữ liệu khảo sát · đánh giá · báo chí · chính sách · học thuật

  • Xử lý ngôn ngữ tự nhiên (NLP) · Khai phá văn bản (Text Mining)

    • Phân tích chủ đề, phân tích cảm xúc, mạng lưới từ khóa

  • Tự động hóa công việc bằng AI cho công cộng và doanh nghiệp

    • Tóm tắt · Phân loại · Phân tích văn bản

       


🎒 Khóa học & Hoạt động (Chọn lọc)

2025

  • Phát triển ứng dụng LLM/sLLM
    (Dựa trên Fine-tuning·RAG·Agent) – KT

2024

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

  • Lý thuyết LLM và Thực hành phát triển Chatbot RAG – Quỹ Kỹ thuật số Seoul (Seoul Digital Foundation)

  • Nhập môn phân tích dữ liệu lớn dựa trên ChatGPT – LetUin Edu

  • Cơ bản về trí tuệ nhân tạo·Kỹ thuật prompt – Viện Phát triển Nghề nghiệp Hàn Quốc

  • LDA·Phân tích cảm xúc với ChatGPT – Inflearn

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

  • Tạo chatbot LLM sử dụng LangChain – Inflearn

2023

  • Cơ bản về Python sử dụng ChatGPT – Đại học Kyonggi

  • Bài giảng đặc biệt về khóa học chuyên gia Big Data – Đại học Dankook

  • Cơ bản về phân tích dữ liệu lớn – LetUin Edu


💻 Dự án (Tóm tắt)

  • Xây dựng chatbot RAG dựa trên Private LLM (Tổng công ty Điện lực Hàn Quốc)

  • Phân tích dữ liệu lớn về phục hồi rừng dựa trên LLM (Viện Khoa học Lâm nghiệp Quốc gia)

  • Giải pháp Text Mining Private LLM dành riêng cho mạng nội bộ (Cơ quan Chính phủ)

  • Phát triển mô hình LLM dựa trên Instruction Tuning và RLHF

  • Phân tích dữ liệu chăm sóc sức khỏe, luật pháp, chính sách và giáo dục

  • Phân tích AI dữ liệu khảo sát, đánh giá và báo chí

→ Đã thực hiện hơn 200 dự án bao gồm các cơ quan công quyền, doanh nghiệp và viện nghiên cứu, including public institutions, corporations, and research institutes


📖 Ấn phẩm (Chọn lọc)

  • Cải thiện phân loại định kiến về kiến thức thông thường bằng cách giảm thiểu ảnh hưởng của các thuật ngữ nhân khẩu học (2024)

  • Improving Generation of Sentiment Commonsense by Bias Mitigation
    – Hội nghị quốc tế về Dữ liệu lớn và Tính toán thông minh (2023)

  • Phân tích nhận thức về công nghệ LLM dựa trên dữ liệu lớn từ các bài báo chí (2024)

  • Nhiều nghiên cứu khai phá văn bản (text mining) dựa trên NLP
    (Lĩnh vực Lâm nghiệp · Môi trường · Xã hội · Chăm sóc sức khỏe)


🔹 Khác

  • Phân tích và trực quan hóa dữ liệu dựa trên Python

  • Phân tích dữ liệu sử dụng LLM

  • Nâng cao năng suất công việc bằng cách sử dụng ChatGPT, LangChain và Agent

Thêm

Chương trình giảng dạy

Tất cả

27 bài giảng ∙ (1giờ 31phút)

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

13 đánh giá

4.2

13 đánh giá

  • jhjun809님의 프로필 이미지
    jhjun809

    Đánh giá 2

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Trước đây tôi hoàn toàn không biết gì về LLM, nhưng giờ thì tôi đã hiểu sơ qua LLM là gì rồi ạ hihi. Cảm ơn bạn nhé!

    • 155809234님의 프로필 이미지
      155809234

      Đánh giá 3

      Đánh giá trung bình 5.0

      5

      33% đã tham gia

      • 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.

        • bhsbhs2351964님의 프로필 이미지
          bhsbhs2351964

          Đánh giá 8

          Đánh giá trung bình 5.0

          5

          33% đã tham gia

          • smilecat0128194님의 프로필 이미지
            smilecat0128194

            Đánh giá 1

            Đánh giá trung bình 4.0

            4

            33% đã tham gia

            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!

            506.131 ₫