Mô hình ngôn ngữ lớn cho mọi người LLM (Mô hình ngôn ngữ lớn) Phần 1 - Dùng thử Tinh chỉnh Llama 2

Đây là bài giảng nơi bạn có thể học các kỹ năng triển khai luận án deep learning bằng cách triển khai luận án YOLO (Bạn chỉ nhìn một lần) từ đầu bằng cách sử dụng TensorFlow 2.0.

Học các kỹ thuật Context Engineering để tạo ra AI agent chất lượng cao thông qua thực hành.

Khóa học hướng dẫn cách xây dựng hệ thống RAG (Retrieval-Augmented Generation) thực tiễn khi tạo chatbot tổng đài AI (AICC).

Dành cho cả người không chuyên: Dự án thực hành Vibe Coding cùng AI

Trong bài giảng này, bạn sẽ tìm hiểu cách thực hiện phát hiện đối tượng bằng mô hình deep learning hiệu suất cao mới nhất bằng API phát hiện đối tượng TensorFlow thông qua thực hành Colab đơn giản và tìm hiểu các nguyên tắc của các mô hình phát hiện đối tượng deep learning mới nhất.

Đây là bài giảng trong đó bạn tìm hiểu khái niệm về mô hình Gemini của Google và cách sử dụng API Gemini cũng như tạo các ứng dụng AI khác nhau bằng Streamlit.

Thông qua các đánh giá doanh nghiệp AI, chúng ta xem xét cách công nghệ AI thay đổi hiện tại và tương lai của mình qua các ví dụ đa dạng. Bằng cách xem xét các yếu tố cần thiết để tiến hành dự án AI, chúng ta chuẩn bị cho quá trình Chuyển đổi AI sắp tới.

Thông qua nhiều hoạt động khác nhau, Git & Đây là khóa học nơi bạn có thể học cách sử dụng GitHub từng bước từ nội dung cơ bản đến nâng cao. Hiểu các nguyên tắc thông qua các ví dụ trực quan và sử dụng Git & Tìm hiểu cách sử dụng GitHub.

AI Agent – tổng hợp công nghệ AI tiên tiến nhất! Qua việc hiện thực hóa các AI Agent đa dạng, cùng tìm hiểu cách tự tạo AI Agent bằng LangGraph.

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.

Đây là khóa học giúp bạn nắm bắt vibe coding - hình ảnh tương lai của nhà phát triển - thông qua việc tự tạo máy chủ MCP của riêng mình với Cursor.

Trong quá trình thực hiện các dự án triển khai nhiều AI Agent khác nhau bằng LangGraph, tôi học được cách tạo ra một AI Agent thực tế bằng LangGraph.

Đây là bài giảng về cách tạo bot giao dịch chứng khoán tự động bằng cách sử dụng API xing của eBest Investment & Securities. Tạo bot giao dịch chứng khoán tự động của riêng bạn tự động giao dịch 365 ngày một năm.

Đây là khóa học tìm hiểu khái niệm và cách ứng dụng thư viện LangChain, đồng thời tự tạo ChatGPT của riêng mình bằng thư viện LangChain.

Đây là khóa học giúp bạn tìm hiểu phương pháp cào dữ liệu trang web sử dụng ChatGPT. Hãy trải nghiệm trước tương lai thay đổi mà ChatGPT sẽ tạo ra.

Đây là khóa học giúp bạn học cách phân tích dữ liệu bằng ChatGPT và cách sử dụng Pandas. Hãy trải nghiệm trước tương lai thay đổi do ChatGPT mang lại.

Đây là khóa học giúp bạn tìm hiểu các phương pháp tự động hóa công việc đa dạng sử dụng ChatGPT (Excel, PPT, crawling, xử lý ảnh) và kiến thức cơ bản về Python để tự động hóa công việc. Hãy trải nghiệm trước tương lai thay đổi do ChatGPT tạo ra.

Khóa học này giúp bạn học cách triển khai các bài báo deep learning, bằng việc tự xây dựng từ đầu luận văn GPT-1 (Improving Language Understanding by Generative Pre-Training) dùng TensorFlow 2.0.

Đây là khóa học giúp bạn học cách tạo ra nhiều chiến lược đầu tư định lượng khác nhau bằng ChatGPT. Hãy thử tạo chiến lược đầu tư định lượng của riêng bạn bằng ChatGPT.

[Khám phá ý tưởng - thu thập dữ liệu - xác minh thông qua kiểm tra ngược] quy trình phát triển đồng xu tiền điện tử Bitcoin có thể tạo ra lợi nhuận tự động, nguyên tắc của chiến lược đầu tư AIS1 và AIS2 do người hướng dẫn phát triển, lựa chọn cổ phiếu, mua và bán RBI và Đây là khóa học mà bạn có thể tìm hiểu mã nguồn để kiểm tra lại và thực thi bot.

Giải thích lý do tại sao cần LLM, bối cảnh kỹ thuật và các khái niệm cơ bản dành cho người phụ trách lập kế hoạch LLM và lập kế hoạch ứng dụng LLM.

Đây là bài giảng trong đó bạn tìm hiểu khái niệm về mô hình Gemini của Google và cách sử dụng API Gemini cũng như tạo các ứng dụng AI khác nhau bằng Streamlit.

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.

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

Triển khai từng bước từ lý thuyết đến code cho PixArt dựa trên Transformer mới nhất và SANA thích ứng nhẹ. Dựa trên DDPM·DDIM·LDM·DiT đã đề cập trong phần I·II, hoàn thành theo hướng thực hành từ kết nối text encoder, sampler (DDIM/ODE), điều chỉnh v-prediction/CFG, đến fine-tuning phong cách dữ liệu quy mô nhỏ.

Mấy lời giới thiệu này có quan trọng không? Dùng ngay mô hình deepseek R1 đi.

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!

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"!

Đây là bài giảng truyền đạt những kiến thức thiết yếu cần thiết để hiểu về cấu trúc và nguyên lý hoạt động của các mạng thần kinh nhân tạo khác nhau và tạo ra một mô hình tốt.

"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 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'.

Làm chủ toàn bộ vòng đời xây dựng các ứng dụng Generative AI hiện đại bằng cách sử dụng các Mô hình Ngôn ngữ Lớn (LLM), Tạo phản hồi tăng cường tra cứu (RAG) và các hệ thống Agentic AI. Học cách thiết kế các giải pháp AI cấp doanh nghiệp từ kỹ thuật gợi ý (prompt engineering) đến triển khai, kết hợp LLM với cơ sở dữ liệu vector và các nguồn tri thức bên ngoài cho các ứng dụng sẵn sàng vận hành thực tế.

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.