inflearn logo
inflearn logo

Mô hình ngôn ngữ quy mô lớn, chỉ những điều cốt lõi một cách nhanh chóng!

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

(4.7) 10 đánh giá

127 học viên

Độ khó Nhập môn

Thời gian Không giới hạn

Artificial Neural Network
Artificial Neural Network
PyTorch
PyTorch
LLM
LLM
Fine-Tuning
Fine-Tuning
RNN
RNN
Artificial Neural Network
Artificial Neural Network
PyTorch
PyTorch
LLM
LLM
Fine-Tuning
Fine-Tuning
RNN
RNN

Đánh giá từ những học viên đầu tiên

Đánh giá từ những học viên đầu tiên

4.7

5.0

메구밍

100% đã tham gia

Tôi lo lắng khi xem vì chưa chuẩn bị kiến thức toán, nhưng thật tốt khi chỉ tóm tắt những điểm chính!

5.0

Park Ju Yeong

38% đã tham gia

Tôi đã hiểu được tự động vi phân mà trước đây chỉ biết một cách trừu tượng!

5.0

HuaZ

38% đã tham gia

Điều này giúp ích rất nhiều cho việc hiểu

Bạn sẽ nhận được điều này sau khi học.

  • Lịch sử và lý thuyết của mô hình ngôn ngữ

  • BoW, word embedding và các công nghệ ban đầu của mô hình ngôn ngữ

  • Cấu trúc của mạng nơ-ron hồi quy (RNN) và huấn luyện mô hình ngôn ngữ sử dụng RNN

  • Các cấu trúc cốt lõi tạo nên Transformer (Self Attention, Multi-layer Perceptron, Rotary Position Embedding, Key-Value Caching)

  • Tinh chỉnh mô hình ngôn ngữ quy mô lớn và các chiến lược lấy mẫu token đa dạng

  • Các phương pháp tinh chỉnh hiệu quả về tham số LoRA, kỹ thuật prompt engineering

Giới thiệu sách

Bớt đi những lý thuyết phức tạp, chỉ tập trung vào những điều cốt lõi thực sự cần thiết!

Hướng dẫn ngắn gọn nhất để học mô hình hóa ngôn ngữ

Cuốn sách này là tác phẩm tiếp theo của cuốn sách bán chạy nhất "머신러닝, 핵심만 빠르게!" của Andri Burkov, bao quát từ những kiến thức cơ bản về mô hình hóa ngôn ngữ đến các mô hình ngôn ngữ lớn (LLM) hiện đại một cách ngắn gọn nhưng toàn diện. Thông qua cuốn sách này, độc giả có thể học tập một cách có hệ thống từ nền tảng toán học của machine learning và mạng neural hiện đại, mô hình ngôn ngữ dựa trên count và RNN được triển khai bằng Python, transformer được tạo trực tiếp bằng PyTorch, cho đến thực hành LLM (instruction fine-tuning, prompt engineering).

Cuốn sách này được cấu trúc theo hình thức thực hành dựa trên mã Python có thể thực thi và môi trường Google Colab, giúp bất kỳ ai cũng có thể theo dõi từng bước và mở rộng hiểu biết. Từ việc mô hình ngôn ngữ khởi đầu từ thống kê n-gram đơn giản đến việc phát triển thành công nghệ cốt lõi của AI ngày nay, cuốn sách giải thích từ phương pháp dựa trên đếm cho đến kiến trúc transformer mới nhất, đồng thời đề cập cả nguyên lý và cài đặt. Mỗi chương phát triển dần dần dựa trên nội dung trước đó, và được cấu trúc sao cho ngay cả những khái niệm phức tạp cũng có thể dễ dàng hiểu được thông qua giải thích rõ ràng, hình ảnh và thực hành.

Đánh giá và Khuyến nghị

"Cuốn sách này giúp làm rõ những khái niệm khó hiểu về cách thức hoạt động thực tế của machine learning. Đây là một cuốn sách quý giá như viên ngọc, trình bày machine learning một cách minh bạch."
- Vint Cerf (Người tiên phong Internet và người đoạt giải Turing)

"Đây là một điểm khởi đầu tuyệt vời cho những ai mới bước chân vào lĩnh vực mô hình hóa ngôn ngữ và muốn tiến tới những công nghệ tiên tiến nhất."
- Tomáš Mikolov (nhà phát triển word2vec và FastText)

"Andrej vẽ nên hành trình từ những kiến thức cơ bản về đại số tuyến tính đến việc triển khai transformer qua hơn 100 nét vẽ tuyệt vời."
- Florian Douetteau (Đồng sáng lập và CEO của Dataiku)

"Đây là một trong những hướng dẫn toàn diện nhất nhưng cũng súc tích nhất để hiểu sâu về nguyên lý hoạt động bên trong của LLM."
- Jerry Liu (Đồng sáng lập kiêm CEO của LlamaIndex)

"Andri có tài năng gần như siêu nhiên trong việc chia nhỏ các khái niệm AI khổng lồ thành từng miếng vừa ăn, khiến độc giả cảm thấy 'Bây giờ tôi hiểu rồi!'"
- Jorge Torres (CEO của MindsDB)

Mua sách

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • <Mô hình Ngôn ngữ Lớn, Chỉ những điều cốt lõi một cách nhanh chóng!> Dành cho những ai muốn học cùng với cuốn sách này

  • Những người muốn xây dựng nền tảng lý thuyết sau khi học sách nhập môn LLM thiên về thực hành

  • Những người muốn học chính xác cấu trúc cốt lõi của LLM dựa trên Transformer

  • Những người muốn học cách huấn luyện và tinh chỉnh các mô hình ngôn ngữ lớn bằng PyTorch

Cần biết trước khi bắt đầu?

  • Python

Xin chào
Đây là haesunpark

22,612

Học viên

385

Đánh giá

131

Trả lời

4.9

Xếp hạng

10

Các khóa học

Mặc dù tốt nghiệp chuyên ngành Kỹ thuật cơ khí, nhưng sau khi ra trường tôi luôn làm công việc đọc và viết mã nguồn. Tôi là Google AI/Cloud GDE và Microsoft AI MVP. Tôi đang vận hành blog TensorFlow (tensorflow.blog), đồng thời viết và dịch các cuốn sách về học máy và học sâu, khám phá ranh giới thú vị giữa phần mềm và khoa học.

 

tensorflow blog-5.jpg.webp

 

Đã biên soạn các cuốn sách 『Deep Learning tự học qua thực hành』 (Hanbit Media, 2025), 『Tự học Machine Learning + Deep Learning (Bản sửa đổi)』 (Hanbit Media, 2025), 『Tự học phân tích dữ liệu với Python』 (Hanbit Media, 2023), 『Kỹ thuật trò chuyện với ChatGPT』 (Hanbit Media, 2023), và 『Do it! Nhập môn Deep Learning』 (Easys Publishing, 2019).

 

Ông đã dịch hàng chục cuốn sách sang tiếng Hàn, bao gồm các tác phẩm như: 『Mô hình ngôn ngữ lớn, Nắm bắt nhanh cốt lõi!』(Insight, 2025), 『Machine Learning, Nắm bắt nhanh cốt lõi!』(Insight, 2025), 『Học LLM thông qua việc xây dựng từ đầu』(Gilbut, 2025), 『Hands-on LLM』(Hanbit Media, 2025), 『Machine Learning Q & AI』(Gilbut, 2025), 『Toán học dành cho nhà phát triển』(Hanbit Media, 2024), 『Giải quyết vấn đề ML trong thực tế với Python』(Hanbit Media, 2024), 『Giáo trình Machine Learning: Phiên bản PyTorch』(Gilbut, 2023), 『Bài giảng ChatGPT của Stephen Wolfram』(Hanbit Media, 2023), 『Hands-on Machine Learning Ấn bản thứ 3』(Hanbit Media, 2023), 『Học Deep Learning tạo sinh thông qua thực hành Ấn bản thứ 2』(Hanbit Media, 2023), 『Python đánh thức tư duy lập trình』(Hanbit Media, 2023), 『Xử lý ngôn ngữ tự nhiên với Transformers』(Hanbit Media, 2022), 『Học Deep Learning từ người sáng lập Keras Ấn bản thứ 2』(Gilbut, 2022), 『Machine Learning & Deep Learning dành cho nhà phát triển』(Hanbit Media, 2022), 『Gradient Boosting với XGBoost và Scikit-learn』(Hanbit Media, 2022), 『Học Deep Learning từ đội ngũ Google Brain với TensorFlow.js』(Gilbut, 2022), và 『(Ấn bản sửa đổi thứ 2) Machine Learning với thư viện Python』(Hanbit Media, 2022).

Thêm

Chương trình giảng dạy

Tất cả

28 bài giảng ∙ (7giờ 55phút)

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

10 đánh giá

4.7

10 đánh giá

  • galaxia999님의 프로필 이미지
    galaxia999

    Đánh giá 11

    Đánh giá trung bình 5.0

    5

    38% đã tham gia

    Giờ mới biết được điều này. Cảm ơn bạn vì khóa học bổ ích.

    • haesunpark
      Giảng viên

      Rất vui khi biết rằng điều đó đã giúp ích cho bạn. Cảm ơn bạn! 😊

  • j0shua님의 프로필 이미지
    j0shua

    Đánh giá 2

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Tôi lo lắng khi xem vì chưa chuẩn bị kiến thức toán, nhưng thật tốt khi chỉ tóm tắt những điểm chính!

    • haesunpark
      Giảng viên

      Rất vui vì bạn thích. Cảm ơn bạn! :)

  • doohee님의 프로필 이미지
    doohee

    Đánh giá 6

    Đánh giá trung bình 4.7

    4

    38% đã tham gia

    • haesunpark
      Giảng viên

      Cảm ơn bạn!

  • forthefire8032님의 프로필 이미지
    forthefire8032

    Đánh giá 2

    Đánh giá trung bình 5.0

    5

    38% đã tham gia

    Điều này giúp ích rất nhiều cho việc hiểu

    • haesunpark
      Giảng viên

      Cảm ơn bạn! Hãy mong đợi các bài giảng sắp tới nhé! :)

  • redinblue6136님의 프로필 이미지
    redinblue6136

    Đánh giá 4

    Đánh giá trung bình 5.0

    5

    38% đã tham gia

    Tôi đã hiểu được tự động vi phân mà trước đây chỉ biết một cách trừu tượng!

    • haesunpark
      Giảng viên

      Cảm ơn bạn!

Khóa học khác của haesunpark

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

915.832 ₫