강의

멘토링

커뮤니티

NEW
AI Technology

/

Natural Language Processing

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

Bạn đang dùng ChatGPT, nhưng có khó để giải thích tại sao lại có câu trả lời như vậy không? "RAG, agent, fine-tuning... biết thuật ngữ nhưng khó giải thích chính xác" "Nghe các thuật ngữ liên quan đến LLM là không biết nói gì" "Trong các cuộc họp về AI, việc giải thích khái niệm luôn mơ hồ" Khóa học này được tạo ra chính xác cho những người như vậy. Đây là khóa học lý thuyết để hiểu LLM không phải như một 'công cụ' mà như một 'cấu trúc'. Không phải cách sử dụng ChatGPT hay Gemini, mà tạo ra tiêu chuẩn để có thể giải thích tại sao nó hoạt động như vậy.

(4.8) 4 đánh giá

78 học viên

Độ khó Nhập môn

Thời gian Không giới hạn

  • HappyAI
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

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 có thể theo sát chính xác các cuộc thảo luận liên quan đến AI

  • Khả năng đánh giá thực tế có xem xét đến giới hạn và tham số của LLM


Nguyên lý hoạt động của LLM
Khóa học lý thuyết vững chắc để biến nó thành của riêng bạn

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


Bạn đang sử dụng ChatGPT hay Gemini nhưng tò mò về nguyên lý hoạt động?
Khóa học này giải thích từng bước từ các khái niệm cơ bản của LLM,

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

Nguyên lý hoạt động của LLM

Khóa học lý thuyết biến thành của riêng bạn

Bạn đang sử dụng ChatGPT và Gemini nhưng

Bạn có bao giờ tò mò tại sao lại có câu trả lời như vậy không?

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

Giải thích tập trung vào sự hiểu biết, không có công thức phức tạp.

Transformer, Self-Attention tất nhiên

Prompt·RAG·Agent

giúp bạn hiểu một cách tự nhiên cách thức hoạt động bên trong LLM.

Không phải cách sử dụng công cụ,

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


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

Prompt, RAG, Agent và các công nghệ mới nhất để xây dựng

nền tảng cần thiết.

Khóa học này khác gì?

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

LLM Explanation: "LLM" is an acronym (Large Language Model) and should be preserved as-is according to the rules, as it functions similarly to code/technical terms that remain unchanged across languages.

  • hiểu ngữ cảnh như thế nào và

  • Tại sao xảy ra ảo giác (Hallucination) và

  • Vì vậy Prompt, RAG, Fine-tuning, Agent đã xuất hiện như thế nào

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

Các khái niệm cốt lõi như Transformer, Self-Attention, token, embedding
được cấu trúc để hiểu theo luồng trực quan thay vì liệt kê các bài báo.


Đặc biệt khuyến nghị cho những ai

  • Người sử dụng ChatGPT nhưng luôn bối rối với khái niệm LLM

  • Các planner và PM không hiểu được trong cuộc họp khi nhắc đến RAG·Agent

  • Người làm việc thực tế đang cân nhắc chiến lược triển khai hoặc ứng dụng AI

  • Người không phải là lập trình viên nhưng muốn hiểu đúng về LLM

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

Khóa học này KHÔNG phải là những loại khóa học sau

  • ❌ Bài giảng hướng dẫn tính năng ChatGPT

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

  • ❌ Khóa học 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 này

Từ người chỉ sử dụng AI
đến người hiểu và có thể thiết kế AI


Học tập tập trung vào cấu trúc
để hiểu 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 sinh tạo và LLM. Hiểu cách LLM học thống kê ý nghĩa và ngữ cảnh của ngôn ngữ thông qua dữ liệu văn bản khổng lồ để tạo ra các câu tự nhiên.

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

Khảo sát 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 nhìn nhận hiện tại và tương lai của công nghệ LLM.

Section 3 - Nguyên lý hoạt động cơ bản của LLM

Học về nguyên lý hoạt động cơ bản của LLM. Hiểu các khái niệm cốt lõi như token, embedding, không gian vector, context window và tìm hiểu về các tham số kiểm soát đầu ra chính.

Section 4 - Kỹ thuật Prompt Engineering

Bao gồm các khái niệm cơ bản và kỹ thuật nâng cao về prompt engineering để tối đa hóa hiệu suất của LLM. Học các mẫu đa dạng như Zero-shot, Few-shot, Chain-of-Thought(CoT) để phát triển khả năng viết prompt hiệu quả.

Section 5 - Bổ sung hạn chế của LLM thông qua RAG

Học về kiến trúc RAG (Retrieval-Augmented Generation) để khắc phục các hạn chế của LLM như ảo giác (Hallucination) và thiếu thông tin cập nhật. Hiểu về embedding và vector database - những yếu tố cốt lõi của RAG, đồng thời nắm bắt toàn bộ luồng hoạt động.

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 thực tế. Thông qua đó, tìm kiếm phương án nâng cao hiệu quả và độ tin cậy của hệ thống RAG.

Section 7 - Chiến lược Fine-tuning và Tuning nhẹ

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

Section 8 - Hiểu và Ứng dụng LLM Agent

Tìm hiểu khái niệm và cấu trúc của Agent, đồng thời khảo sát các loại LLM Agent khác nhau. Học hỏi thông qua các trường hợp cụ thể về cách ứng dụng Agent vào công việc và dịch vụ thực tế.

Phần 9 - Lý thuyết mới nhất về MCP và A2A

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

Từ lý thuyết đến thực chiến


Point 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? Khóa học này giải thích rõ ràng cách thức hoạt động của LLM tập trung vào cấu trúc mà không cần công thức toán học. Bạn có thể nắm bắt nguyên lý cơ bản từ lý do của hiện tượng ảo giác đến tại sao cần prompt, RAG, fine-tuning và agent.


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

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

Qua đó, bạn sẽ có được tiêu chuẩn 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 giới hạn cấu trúc của LLM như ảo giác, tính cập nhật và giới hạn ngữ cảnh,

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

Point 3. Khung lý thuyết để hiểu RAG·Fine-tuning·Agent

Hiểu về các thành phần cốt lõi và toàn bộ quy trình hoạt động của kiến trúc RAG - được ra đời để bổ sung cho những hạn chế cấu trúc vốn có của LLM - từ góc độ lý thuyết. Đồng thời giải thích một cách có cấu trúc về việc fine-tuning và các kỹ thuật tuning nhẹ (PEFT, LoRA) được thiết kế để giải quyết vấn đề gì, và khi nào chúng trở thành lựa chọn phù hợp. Agent cũng được đề cập không phải theo hướng "làm thế nào để tạo ra", mà tập trung vào lý do cần thiết phải có Agent, cấu trúc bên trong của nó, và sự khác biệt với tự động hóa đơn thuần.


Điểm 4. Xây dựng góc nhìn để hiểu AI

Mục đích là thoát khỏi 'giai đoạn chỉ sử dụng AI' và xây dựng quan điểm hiểu AI một cách có cấu trúc.

Từ các khái niệm cốt lõi của LLM như token, embedding, context window, đến các lý thuyết multi-agent mới nhất như MCP, A2A

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


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


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

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

  • Những người muốn hiểu tại sao cần Prompt, RAG, Fine-tuning, Agent và chúng hoạt động như thế nào

  • Những người muốn hiểu căn bản về cách hoạt động của AI, vượt xa việc chỉ sử dụng công cụ

✔️ Người hoạch định/nhân viên thực thi muốn giải thích chính xác các khái niệm LLM trong các cuộc họp hoặc tài liệu kế hoạch liên quan đến AI

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

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

  • Những người muốn tìm kiếm phương án ứng dụng thực tế có xem xét đến giới hạn của LLM khi lập kế hoạch và chiến lược dịch vụ AI

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

  • Những ai muốn hiểu có cấu trúc về quá trình suy luận và tạo câu trả lời của LLM để ứng dụng vào phát triển

  • Những người muốn thiết lập tiêu chí đánh giá phương pháp tiếp cận nào (prompt, RAG, fine-tuning, agent) phù hợp để giải quyết vấn đề

  • Những người muốn thiết kế chiến lược khắc phục các hạn chế của LLM (ảo giác, tính cập nhật, ngữ cảnh) và áp dụng vào dịch vụ thực tế


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

Lưu ý trước khi học

  • Khóa học này
    tập trung vào việc hiểu cấu trúc và nguyên lý hoạt động của LLM (Mô hình Ngôn ngữ Lớn),
    là mộtkhóa học tập trung vào lý thuyết.

    • Thực hành là phương tiện hỗ trợ để giúp hiểu các khái niệm.

    • Không hướng đến việc sử dụng các công cụ AI cụ thể hay tự động hóa công việc thực tế.

Kiến thức tiên quyết và lưu ý

  • 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, 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 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 cần thiết như token, context window, embedding

  • Các kỹ thuật cốt lõi của 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 và tiêu chí lựa chọn

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

  • Xu hướng lý thuyết đa tác nhân mới nhất như MCP, A2A

Cần biết trước khi bắt đầu?

  • Người dùng ChatGPT nhưng luôn thấy khái niệm LLM khó hiểu

  • Người hoạch định·PM không hiểu được trong cuộc họp khi nhắc đến chuyện RAG·Agent

  • Người làm việc thực tế đang băn khoăn về chiến lược đưa AI vào sử dụng hoặc ứng dụng AI

  • Người không phải là lập trình viên nhưng muốn hiểu đúng về AI LLM

  • Người học đang tìm kiếm "khóa học nhập môn lý thuyết cơ bản về LLM"

Xin chào
Đây là

4,489

Học viên

225

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 Happy AI

👉Bạn có thể kiểm tra lý lịch 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, giáo dục và các dự án thực tế.

Dựa trên xử lý ngôn ngữ tự nhiên (NLP) và khai phá văn bản (text mining),
tôi đã phân tích nhiều loại dữ liệu phi cấu trúc đa dạng như
khảo sát, văn bản, đánh giá, truyền thông, chính sách, dữ liệu học thuật, v.v.
Gần đây, tôi đang truyền đạt 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).

Tôi 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 khác nhau 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
    Giám đốc HappyAI, doanh nghiệp chuyên về phân tích Big Data và AI tạo sinh

  • 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)

    (Tháng 03/2022 ~ Tháng 02/2026)

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

  • 2021 ~ 2023
    Nhà phát triển tại Stellavision, công ty chuyên về AI và Big Data, an AI and Big Data company

  • 2018 ~ 2021
    Nghiên cứu viên về Xử lý ngôn ngữ tự nhiên và Phân tích dữ liệu lớn tại Viện nghiên cứu do Chính phủ tài trợ


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

  • AI tạo thế và ứng dụng LLM

    • LLM riêng tư (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 và 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 khối công và doanh nghiệp

    • Tóm tắt, phân loại và phân tích tài liệu

      Xử lý ngôn ngữ tự nhiên (NLP) và khai phá văn bản (Text Mining) đối với dữ liệu đánh giá, báo chí, chính sách và học thuật. Phân tích chủ đề (Topic Analysis), phân tích cảm xúc, mạng lưới từ khóa. Tự động hóa công việc bằng AI cho chính phủ và doanh nghiệp: Tóm tắt, phân loại và 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

  • Xây dựng 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 dữ liệu lớn – 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 bản (Chọn lọc)

  • Improving Commonsense Bias Classification by Mitigating the Influence of Demographic Terms (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 dữ liệu 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

Chương trình giảng dạy

Tất cả

27 bài giảng ∙ (1giờ 31phút)

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

4 đánh giá

4.8

4 đánh giá

  • lgm00120636618님의 프로필 이미지
    lgm00120636618

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    • kimcs4215님의 프로필 이미지
      kimcs4215

      Đánh giá 1

      Đánh giá trung bình 4.0

      4

      100% đã tham gia

      Nội dung hay nhưng tiếc là không được cung cấp tài liệu bài giảng.

      • leejinkyu0612
        Giảng viên

        Xin chào, xin lỗi vì đã phản hồi muộn. Bạn vui lòng gửi email đến địa chỉ leejinkyu0612@naver.com giúp tôi nhé? Tôi sẽ gửi tài liệu bài giảng cho bạn.

    • sungjoon님의 프로필 이미지
      sungjoon

      Đánh giá 1

      Đánh giá trung bình 5.0

      5

      33% đã tham gia

      • sinkei94564416님의 프로필 이미지
        sinkei94564416

        Đánh giá 5

        Đánh giá trung bình 4.8

        5

        33% đã tham gia

        Ưu đãi có thời hạn, kết thúc sau 6 ngày ngày

        7 ₫

        64%

        499.630 ₫

        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!