PyTorch Computer Vision thực chiến: Hướng dẫn hoàn chỉnh từ CNN đến DETR mới nhất

Vượt xa khỏi một chatbot chỉ đơn thuần tạo câu trả lời, bạn sẽ trực tiếp triển khai các AI Agent tự hành có khả năng tự phán đoán, gọi công cụ và thực hiện các tác vụ nhiều bước. Khóa học bao gồm các bài thực hành từng bước từ Tool Calling, Handoff, Guardrail, Session và Tracing của OpenAI Agents SDK, đến việc kết nối các công cụ và cơ sở dữ liệu bên ngoài bằng MCP, cũng như Planning, Subagents, Filesystem và Memory của LangChain và Deep Agents. Mục tiêu cuối cùng là trang bị cho bạn khả năng thiết kế và triển khai các AI Agent liên kết công cụ có thể áp dụng vào công việc thực tế.

Nếu chỉ biết LangChain thì đó là một chatbot, nhưng nếu biết LangGraph và mô hình Multi-Agent thì đó sẽ trở thành một dịch vụ. Giảng viên AI thực chiến sẽ truyền đạt bí quyết xây dựng quy trình làm việc (workflow) của AI Agent có khả năng vận hành thực tế từ đầu đến cuối — không chỉ dừng lại ở việc gọi prompt đơn thuần mà còn biết sử dụng công cụ, duy trì bộ nhớ và có sự kiểm duyệt của con người — thông qua 17 notebook thực hành và 4 mô hình đa tác nhân (Subagents · Handoffs · Router · Skills).

Những thành tựu đáng kinh ngạc gần đây trong lĩnh vực trí tuệ nhân tạo đều đang được công bố trong lĩnh vực học tăng cường. Cuốn sách này bao quát từ cấp độ cơ bản đến nâng cao về công nghệ học tăng cường - thứ đang tạo ra những đổi mới thực sự trong công nghệ trí tuệ nhân tạo như robot, công nghệ tự lái và máy móc giống con người - dưới góc nhìn dễ hiểu dành cho người mới bắt đầu.

Học cách trực tiếp xây dựng các mô hình học sâu thông qua PyTorch, một công cụ trực quan và mang phong cách Python (Pythonic). Nội dung đã cập nhật phiên bản PyTorch mới nhất.

Bạn là người mới làm quen với việc viết mã hoặc muốn nâng kỹ năng viết mã của mình lên một tầm cao mới? Khóa học này sẽ hướng dẫn bạn về Python, một ngôn ngữ mạnh mẽ và linh hoạt, được thiết kế cho người học ở mọi cấp độ. "Theo dõi" Khóa học này được dạy theo cách có cấu trúc, cho phép bạn học bằng cách thực sự viết và thực thi mã. Trong khóa học này, bạn sẽ tìm hiểu lý do tại sao Python là ngôn ngữ lập trình phổ biến nhất. Việc tiếp thu ngôn ngữ Python, ngôn ngữ cho thấy khả năng vô tận trong nhiều lĩnh vực khác nhau từ trí tuệ nhân tạo đến phát triển web, sẽ là cơ hội để phát huy tiềm năng của một cá nhân một cách đáng kể.

Bạn đã nắm vững lý thuyết nhưng vẫn còn bối rối khi áp dụng vào dữ liệu thực tế? Với những bí quyết từ kinh nghiệm làm việc thực tiễn, tôi sẽ truyền đạt cho bạn các kỹ thuật thực chiến để trực tiếp giải quyết các giao dịch bất thường phức tạp bằng mã code.

Bạn có thể có được cái nhìn tổng quan về machine learning và deep learning nói chung, cách sử dụng các công cụ cơ bản và kiến ​​thức ngôn ngữ Python cần thiết cho việc học trong một khoảng thời gian ngắn.

Việc sử dụng ChatGPT và việc thực sự phát triển một dịch vụ AI tạo sinh là hoàn toàn khác nhau. Đó là bởi vì bạn cần phải thành thạo từ việc gọi API đến quản lý trạng thái hội thoại, đầu ra có cấu trúc, gọi hàm (function calling), RAG dựa trên tài liệu, liên kết MCP và triển khai AI Agent. Trong khóa học này, dựa trên kinh nghiệm giảng dạy phân tích dữ liệu và AI lâu năm, tôi sẽ giải thích các khái niệm phức tạp tập trung vào thực hành bằng Python. Chúng ta sẽ học từng bước từ nguyên lý của AI tạo sinh đến OpenAI Responses API và các tính năng đa phương thức (multimodal), RAG dựa trên File Search, liên kết công cụ bên ngoài và Agents SDK để hoàn thành một ứng dụng AI hoạt động thực tế.

Bạn đang cảm thấy bế tắc trong việc triển khai một Agent vượt xa khỏi giới hạn của một chatbot thông thường? Với những kinh nghiệm thực tế từ những lần thử sai của bản thân cùng bí quyết dựa trên tài liệu chính thức, tôi sẽ hướng dẫn bạn cách xây dựng Agent cấp độ trung cấp có thể áp dụng ngay vào công việc thực tế.

Chỉ với những bài hướng dẫn đơn giản thì rất khó để áp dụng vào thực tế. Bằng tất cả bí quyết trong nghề của mình, tôi sẽ truyền đạt một cách chắc chắn cho bạn phương pháp quản lý trạng thái phức tạp và cách thiết kế Multi-agent.

Bạn đã nắm vững kiến thức cơ bản nhưng vẫn thấy mông lung khi áp dụng vào thực tế phải không? Với bí quyết chuyên môn của mình, tôi sẽ giúp bạn hoàn thiện thiết kế RAG và Agent phức tạp.

Khóa học này bao gồm từ các khái niệm cơ bản của hệ thống gợi ý đến các nguyên lý ứng dụng Deep Learning. Hãy cùng học hỏi các thuật toán gợi ý đa dạng như lọc cộng tác (Collaborative Filtering), lọc dựa trên nội dung (Content-based Filtering), hệ thống gợi ý lai (Hybrid Recommender System) và nâng cao năng lực thực tiễn để phát triển dịch vụ gợi ý!

Thời gian trôi liên tục và dữ liệu tiếp tục tích lũy. Trong thế giới năng động này, dữ liệu chuỗi thời gian đóng vai trò quan trọng trong mọi khía cạnh của cuộc sống chúng ta. Từ sự biến động trên thị trường tài chính đến những dấu hiệu khó nhận thấy của biến đổi khí hậu, dữ liệu chuỗi thời gian đều có tất cả. Bây giờ hãy tìm hiểu cách diễn giải và sử dụng dữ liệu mạnh mẽ này bằng sức mạnh của Python và học sâu!

Tìm đường trong biển dữ liệu và khám phá tương lai của trí tuệ nhân tạo. Khóa học này khám phá hai dòng chảy công nghệ khổng lồ là Big Data và Trí tuệ nhân tạo (AI), đồng thời xem xét cách chúng đang mang lại sự đổi mới cho cuộc sống và công việc của chúng ta.

Hiểu nguyên lý hoạt động của các mô hình AI tạo sinh sử dụng Deep Learning và nắm vững cách sử dụng thông qua thực hành.

Đầu tư thực chiến không chỉ dừng lại ở những kiến thức cơ bản, hãy tự mình xây dựng mô hình lợi nhuận bằng bí quyết học máy (machine learning) của chuyên gia định lượng (quant) 10 năm kinh nghiệm.

Bạn đã nắm vững kiến thức cơ bản nhưng vẫn thấy lúng túng khi áp dụng vào thực tế? Với kinh nghiệm thực chiến, tôi sẽ giải đáp một cách rõ ràng các cấu trúc LLM phức tạp.

Bạn có muốn thực hiện bước đầu tiên vào thế giới dữ liệu không? Học máy học và học sâu, các công nghệ AI cốt lõi, với Python. Bài giảng này hướng dẫn bạn từng bước, từ những điều cơ bản về học máy và học sâu đến các ứng dụng thực tế. Học máy truyền thống và học sâu đều dựa trên nhiều nguyên tắc và hệ thống kỹ thuật giống nhau. Do đó, trong bài giảng này, thay vì tách cả hai thành các chủ đề riêng biệt, chúng tôi đã tổ chức chúng thành một khóa học được kết nối để những người mới bắt đầu có thể nâng cao hiểu biết về học máy nói chung.

Mọi nhà phát triển web đều biết đến JavaScript, giờ hãy khám phá thế giới máy học với ngôn ngữ mạnh mẽ này! Trong khóa học này, bạn sẽ tìm hiểu cách xây dựng và triển khai các mô hình máy học bằng Tensorflow.js, một thư viện máy học mạnh mẽ cùng với JavaScript. Chúng tôi cung cấp hướng dẫn từng bước về tất cả các công nghệ cần thiết để phát triển các ứng dụng học máy dựa trên web. Thông qua khóa học này, người học sẽ hiểu một cách có hệ thống các nguyên tắc cốt lõi của học máy. Ngoài ra, bạn sẽ học cách phát triển mô hình học sâu bằng JavaScript và API Tensorflow.js, cách sử dụng phương pháp học chuyển giao dựa trên mô hình được đào tạo trước và cách tất cả kiến ​​​​thức này có thể được áp dụng một cách tương tác trong môi trường trình duyệt.

Để trực tiếp thiết kế các loại chip bán dẫn AI như NPU, bộ tăng tốc Transformer hay mini LLM, bạn cần phải hiểu rõ lý thuyết về lý do tại sao các phép toán bên trong lại diễn ra. Khóa học này được nén thành ba phần, chắt lọc những tinh túy lý thuyết thiết yếu nhất cho việc thiết kế phần cứng, từ một nơ-ron đơn lẻ cho đến CNN, Transformer và LLM. Thay vì học thuộc lòng các công thức, giáo sư đương nhiệm với 30 năm kinh nghiệm trong ngành bán dẫn sẽ kết nối lý thuyết phần mềm và triển khai phần cứng thành một thông qua trực giác về việc "tại sao nó lại như vậy".

Từ lý thuyết cốt lõi về Deep Learning và CNN đến các phương pháp triển khai mô hình CNN đa dạng, cùng với bí quyết phát triển Deep Learning thực tế thông qua các bài toán thực tế, Nếu bạn muốn trở thành chuyên gia về công nghệ Deep Learning CNN, hãy tham gia khóa học này :)

Đây là khóa học được thiết kế mới dựa trên kinh nghiệm thất bại khi gi강사 lần đầu học deep learning, giúp bạn từng bước nắm vững toán học cần thiết để hiểu deep learning, lý thuyết, triển khai dựa trên PyTorch, transfer learning, cho đến transformer - trái tim của GPT.

Đưa mạng thần kinh lên FPGA — cụm từ này nghe có vẻ quen thuộc, nhưng số người thực sự làm được điều đó lại rất hiếm. Nếu bạn muốn đi trước một bước trong các đồ án tốt nghiệp (Capstone), các cuộc thi hay tác phẩm tốt nghiệp, bạn cần phải vượt xa việc chỉ huấn luyện mô hình; bạn phải có khả năng tự mình tạo ra và chứng minh cách các phép toán đó vận hành bên trong một con chip thực thụ. Khóa học này sẽ giúp bạn lấp đầy khoảng cách đó — khoảng cách giữa lý thuyết và phần cứng thực tế. Bạn sẽ tự tay hoàn thiện từ đầu đến cuối một bộ tăng tốc mạng thần kinh (NPU) nhận dạng chữ số MNIST, từ việc đọc thông số kỹ thuật đến xây dựng mô hình Golden Model bằng Python, thiết kế Verilog RTL và kiểm chứng trên FPGA. Từ lớp Conv được tạo bởi Line Buffer và MAC song song, qua ReLU, MaxPool, Flatten cho đến lớp Fully Connected và Argmax — bạn sẽ tích hợp chín khối chức năng vào một con chip duy nhất và tự mình chứng minh rằng "kết quả từ Python và đầu ra phần cứng không khác nhau dù chỉ một bit (Bit-True)". Khóa học cũng bao gồm cách vượt qua những khoảnh khắc gây ức chế khi mô phỏng chạy bình thường nhưng kết quả lại khác biệt một cách tinh vi. Tôi sẽ chỉ ra từng bí quyết thực tế mà các giáo trình học sâu thông thường không đề cập đến, chẳng hạn như lượng tử hóa số nguyên, chuyển đổi thứ tự trục mảng, hay ngăn chặn tràn bộ tích lũy. Tôi đã đúc kết những kinh nghiệm xương máu từ quá trình thiết kế CPU RISC-V và kiểm chứng Bit-True trên FPGA trong thời gian dài vào khóa học này, để các bạn không phải lặp lại những sai lầm đó. Sau khi kết thúc khóa học, bạn sẽ nắm trong tay một dự án phần cứng hoàn chỉnh mà bạn có thể tự tin nói rằng mình đã "tự tay thiết kế và chứng minh".

Từ lý thuyết cốt lõi về Deep Learning và CNN đến các phương pháp triển khai mô hình CNN đa dạng, bí quyết phát triển Deep Learning thực tế thông qua các bài toán thực tế, Nếu bạn muốn trở thành chuyên gia về công nghệ CNN Deep Learning dựa trên Pytorch, hãy tham gia khóa học này :)

Một mô hình tạo hình ảnh nóng bỏng! Hãy hiểu bằng cách thực hiện nó từ những điều cơ bản! Hãy cùng nhau triển khai AUTO ENCODER/VAE/GAN/DIFFUSION nhé!

Khi bạn tải hình ảnh lên, Opencv sẽ xử lý hình ảnh đó để tạo một ứng dụng web phát hiện khuôn mặt.

Công nghệ OCR thực sự dùng trong thực tế, nếu muốn học đúng cách thì chỉ cần một khóa học này là đủ! Đạt mục tiêu chính xác trên 98% ngay cả với tài liệu phi cấu trúc và bố cục phức tạp, dựa trên các mô hình SOTA mới nhất cùng kinh nghiệm thực chiến, chúng tôi sẽ cùng bạn xây dựng dự án OCR cấp doanh nghiệp.

Nhiều người đã học về FPGA và Verilog nhưng lại gặp khó khăn ở câu hỏi "Vậy làm thế nào để trực tiếp tạo ra một bộ tăng tốc AI?". Khóa học này sẽ giải đáp thắc mắc đó. Chỉ với một tấm FPGA phổ thông và các công cụ miễn phí, bạn sẽ bắt đầu từ việc tự tay thiết kế kernel 3×3, trực tiếp huấn luyện CNN, lượng tử hóa các trọng số đã học sang INT8 để đưa vào phần cứng, và cuối cùng là kiểm chứng xem nó có khớp hoàn toàn (Bit-True) với mô hình Python đến từng bit hay không. Với 30 năm kinh nghiệm trong ngành bán dẫn và tư cách là giáo sư đương nhiệm, tôi chỉ dạy những nội dung đã được kiểm chứng trên FPGA thực tế dưới dạng các 'mạch điện hoạt động được'. Thay vì lý thuyết suông, bạn sẽ có được trải nghiệm tự tay thiết kế và chứng minh, từ đó trang bị năng lực thực chiến đáp ứng yêu cầu trong lĩnh vực thiết kế Fabless và chip bán dẫn AI.

Đây là khóa học dự án máy học toàn diện, nơi bạn học nhiều dự án hồi quy và phân loại máy học hữu ích khác nhau cùng với lý thuyết sử dụng Python và TensorFlow 2 dựa trên dữ liệu lớn của Boston Marathon.

Khóa học này bắt đầu từ câu hỏi “Nếu tôi ở trên tàu Titanic, liệu tôi có thể sống sót không?”, từ đó phát triển một mô hình AI dự đoán xác suất sống sót dựa trên dữ liệu thực tế và hoàn thiện một dự án full-stack để cung cấp dịch vụ đó trên web. Bạn sẽ được thực hành toàn bộ quy trình phát triển AI và web, từ xây dựng mô hình Deep Learning bằng PyTorch, thiết lập máy chủ backend với FastAPI, cho đến triển khai giao diện người dùng bằng Next.js.

AI Rõ ràng trí tuệ nhân tạo và di động đang là xu hướng. Nhưng làm thế nào để bạn học máy học và học sâu và sử dụng chúng trên thiết bị di động? Bây giờ, hãy cùng tìm hiểu các dự án Thị giác máy tính di động hữu ích được sử dụng trong cuộc sống hàng ngày.

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

Bạn sẽ được tìm hiểu tường tận về Transformer thông qua việc trực tiếp triển khai bằng mã nguồn từ Multi Head Attention, mô hình Transformer nguyên bản, BERT, mô hình dịch thuật MarianMT dựa trên Encoder-Decoder cho đến Vision Transformer.