강의

멘토링

로드맵

AI Development

/

AI Agent Development

Tạo LLM tùy chỉnh : Từ khái niệm cơ bản về RAG đến thực hành đa phương thức·Agent cho người mới bắt đầu

RAG(Retrieval-Augmented Generation) từ lý thuyết đến RAG đa phương thức và dựa trên agent mới nhất! Đây là khóa học thực hành được thiết kế để cả những người không chuyên cũng có thể hiểu được. Từ review paper đến triển khai code thực tế, được thiết kế để những người mới tiếp cúc với RAG cũng có thể dễ dàng theo kịp.

(4.9) 7 đánh giá

94 học viên

  • HappyAI
rag시스템구축
llm
멀티모달
ai논문
Agent
Python
vector-database
LLM
LangChain
RAG

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

  • Hiểu về lý thuyết cấu trúc RAG mới nhất và các bài báo nghiên cứu

  • Thực hành RAG dựa trên LangChain (QA PDF, tóm tắt, gợi ý, cập nhật DB, v.v.)

  • Phương pháp áp dụng các kiến trúc RAG đa dạng (naive, dạng agent, multimodal, v.v.)

  • Kỹ thuật áp dụng RAG trong thực tế và chiến lược tối ưu hóa

  • Phương pháp triển khai Agent và RAG dựa trên hình ảnh

Khóa học thực hành RAG mà ai cũng có thể hiểu – Từ cơ bản đến đa phương thức, Agent

Mặc dù các LLM như ChatGPT đang nhận được nhiều sự chú ý, nhưng công nghệ thực sự tạo ra thông tin chúng ta mong muốn như một câu trả lời chính xác chính là RAG (Retrieval-Augmented Generation).

Khóa học này là chương trình giảng dạy RAG tập trung vào thực hành dành cho người mới bắt đầu, từ lý thuyết RAG đến triển khai thực tế, chiến lược tối ưu hóa, và thậm chí tự tay xây dựng các hệ thống QA dựa trên RAG đa phương thức và Agent - xu hướng mới nhất. Được giải thích từ cơ bản một cách từng bước để ngay cả những người không chuyên cũng có thể hiểu được, và được cấu trúc chủ yếu xung quanh các ví dụ có thể áp dụng trong môi trường phát triển thực tế.

Chúng tôi sẽ giúp bạn hiểu sâu sắc từ lý thuyết dựa trên các bài báo khoa học đến việc trực tiếp triển khai các hệ thống RAG hiện đại dựa trên đa phương thức và Agent.

Đặc điểm của khóa học này

📌 Sự kết hợp hoàn hảo giữa lý thuyết + thực hành

Tóm tắt và giải thích các bài báo quan trọng mới nhất về RAG một cách dễ hiểu và nhanh chóng.

Bao gồm các mô hình Embedding, chỉ số đánh giá, chiến lược tối ưu hóa, v.v.


📌 Cấu trúc tập trung vào các ví dụ có thể áp dụng ngay vào thực tế

Hệ thống QA dựa trên PDF, RAG thời gian thực, tích hợp cơ sở dữ liệu vector, tìm kiếm hình ảnh, v.v.

Giải quyết các vấn đề đa dạng có thể gặp phải trong thực tế bằng RAG.

Không phải là demo đơn giản, mà được cấu trúc bằng kiến trúc và mã có thể mở rộng.


📌 Bao trùm từ văn bản đến đa phương thức

Thực hành RAG đa phương thức dựa trên hình ảnh+văn bản bao gồm

Triển khai thực tế sử dụng GPT-4o và Private LLM như Blip2, Llava

Hệ thống tìm kiếm đa phương thức, tóm tắt, đánh giá cũng được đề cập cùng nhau.

📌 Giải thích dễ hiểu và chú thích code mà người mới bắt đầu cũng có thể theo kịp

Cung cấp chú thích mã, giải thích trực quan, hướng dẫn thực hành từng bước

Những người mới tiếp xúc với LLM lần đầu cũng có thể từng bước theo dõi được

Tôi khuyến nghị cho những người như thế này

Sau khi hoàn thành khóa học

  • Hiểu được cấu trúc của RAG và có thể triển khai trực tiếp trong thực tế.

  • Bạn có thể biến những khái niệm trong luận văn thành của riêng mình.

  • Có thể xây dựng hệ thống QA, tóm tắt và đánh giá dựa trên dữ liệu đa phương thức.

  • Có thể thiết kế code và cấu trúc có thể áp dụng ngay vào thực tế công việc.

  • Tôi có thể tạo portfolio RAG riêng để ứng dụng vào việc tuyển dụng/nghiên cứu/lập kế hoạch dịch vụ.


Những người muốn áp dụng LLM vào dịch vụ hoặc hệ thống thực tế

Đây là khóa học dành cho những ai muốn vượt qua việc triển khai demo đơn giản để tự tay xây dựng các tính năng thực tế dựa trên LLM như tìm kiếm, tóm tắt, hỏi đáp.

Những người không chuyên hoặc lập trình viên mới bắt đầu có thể đọc được các bài báo khoa học nhưng lại bối rối khi triển khai

Dành cho những ai đã quen thuộc với lý thuyết nhưng gặp khó khăn trong thực hành, tôi đã chuyển đổi nội dung bài báo thành code và bổ sung thêm các giải thích.

Nhà hoạch định dịch vụ tò mò về tìm kiếm vector, tìm kiếm dựa trên độ tương đồng

Những ai tò mò về nguyên lý của 'Gợi ý nội dung tương tự', 'Tìm kiếm dựa trên tài liệu' có thể học hỏi nguyên lý và trực tiếp trải nghiệm kết quả thực hành.

Công nghệ AI đa phương thức·RAG

Những người muốn áp dụng vào thực tế

Phù hợp với các nhà nghiên cứu và kỹ sư muốn tiếp cận qua code các công nghệ ứng dụng RAG mới nhất xử lý không chỉ văn bản mà còn cả hình ảnh và âm thanh.

Nhân viên thực tế muốn xây dựng hệ thống QA dựa trên LLM với dữ liệu nội bộ công ty

Cung cấp hướng dẫn triển khai thực tế cho những ai muốn tự tay xây dựng hệ thống hỏi đáp tùy chỉnh dựa trên sổ tay nội bộ, tài liệu chính sách, báo cáo công việc và các tài liệu tương tự.

Người mới bắt đầu backend cảm thấy bối rối khi triển khai tính năng AI

Tôi cung cấp các ví dụ thực tế cho những ai có thể tạo API và kết nối DB nhưng không có cảm giác về cách tích hợp tính năng AI vào cấu trúc nào trong thực tế.

Chúng ta sẽ học những nội dung như thế này.

Thiết kế hệ thống RAG hướng thực tiễn

Hệ thống QA thời gian thực tích hợp SQL·Vector DB, cách áp dụng chỉ số đánh giá, mẹo thiết kế cấu trúc, v.v.

Chúng tôi đề cập đến các ví dụ thực tế có thể áp dụng ngay vào dịch vụ thực tế.

Thực hành triển khai RAG từng bước

Thực hành từng bước triển khai RAG sử dụng tài liệu web hoặc PDF.

Từ nhúng tài liệu → tìm kiếm vector → tạo phản hồi, chúng ta sẽ trực tiếp triển khai toàn bộ pipeline.

Cấu trúc của RAG và lý thuyết cốt lõi dựa trên nghiên cứu

RAG tóm tắt dễ hiểu về khái niệm, cấu trúc hoạt động và bối cảnh xuất hiện. Cùng nhau xem xét các bài báo chính liên quan đến RAG để xây dựng nền tảng lý thuyết vững chắc.

Thực hành RAG đa phương thức

Triển khai tìm kiếm hình ảnh và QA với nhiều mô hình khác nhau như GPT-4o, BLIP2, Llava, Clova Studio.

Học cách xử lý đa phương thức kết hợp văn bản + hình ảnh.

Agent · Ứng dụng RAG nâng cao dựa trên mô hình chủ đề

Chúng tôi sẽ tiến hành cùng nhau các chiến lược và thực hành nhằm nâng cao độ chính xác phản hồi một cách tinh vi, bao gồm phân loại ý nghĩa câu hỏi sử dụng Agent và phân loại chủ đề tài liệu sử dụng LDA.


Cách sử dụng các LLM đa dạng và công cụ mã nguồn mở

LangChain, OpenAI API, Hugging Face, Docling, v.v.

Học cách sử dụng các framework và thư viện được sử dụng rộng rãi trong phát triển RAG thông qua các ví dụ thực tế.

Người tạo ra khóa học này

Xin chào, tôi là CEO Lee Jin Kyu của HappyAI, công ty chuyên về AI tạo sinh và phân tích dữ liệu lớn.

Tôi đã chuyên ngành về LLM và xử lý ngôn ngữ tự nhiên tại trường đại học AI, và sau đó đã thực hiện hơn 200 dự án AI·RAG cùng với Samsung Electronics, Đại học Seoul, Tập đoàn Điện lực Hàn Quốc, Viện Khoa học Lâm nghiệp Quốc gia và nhiều tổ chức khác.
Đặc biệt, tôi có kinh nghiệm đa dạng trong các lĩnh vực thực tế như xây dựng hệ thống RAG dựa trên Private LLM, RAG đa phương thức, hệ thống gợi ý dựa trên RAG.

  • Kinh nghiệm chính

    • 2024.07~ Giám đốc điều hành HappyAI (Công ty chuyên về LLM·RAG)

    • 2023~ Nhà báo chuyên mục AI của PublicNews (RAG/Thiên kiến AI)

    • 2024 Hoàn thành chương trình Tiến sĩ AI (chuyên ngành LLM·xử lý ngôn ngữ tự nhiên)

    • 2018~2021 Nghiên cứu viên/Nhà phát triển tại viện nghiên cứu được chính phủ tài trợ và công ty AI


  • Các khóa học và đào tạo chính

    • KT: Quá trình phát triển Agent LLM dựa trên LLM (2025)

    • Samsung SDS, Quỹ Kỹ thuật số Seoul: Khóa học thực hành LangChain & RAG (2024)


    • Ngoài ra còn có nhiều khóa học về RAG chatbot, phân tích dữ liệu lớn


Những điều cần lưu ý trước khi học

Môi trường thực hành

  • Tất cả mã thực hành được cung cấp dựa trên Google Colab


  • Tài liệu tham khảo và ghi chú đã được tổng hợp sẽ được hướng dẫn thông qua liên kết

Tài liệu học tập

  • Tôi sẽ cung cấp qua liên kết Notion!

Kiến thức tiên quyết và lưu ý

  • Cú pháp cơ bản Python


  • Kiến thức cơ bản về AI và LLM (sẽ tốt nếu bạn biết lý thuyết cơ bản về LLM.)

  • Có thể học chỉ với trình duyệt Chrome và tài khoản Google


Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Người không chuyên ngành muốn thử dự án dựa trên RAG

  • Những người đang chuẩn bị dịch vụ hoặc nghiên cứu dựa trên LLM

  • Những ai muốn học công nghệ RAG mới nhất

  • Những người muốn phát triển dịch vụ LLM lần đầu tiên

Cần biết trước khi bắt đầu?

  • Cú pháp cơ bản của Python

  • Các khái niệm cơ bản về xử lý ngôn ngữ tự nhiên (Tokenization, Embedding, v.v.)

  • Hiểu biết cơ bản về LLM

Xin chào
Đây là

3,831

Học viên

151

Đánh giá

50

Trả lời

4.7

Xếp hạng

9

Các khóa học

안녕하세요 AI와 빅데이터 분석에 진심인 해피AI 이진규입니다.

[강사약력]

이진규 (Lee JinKyu)

해피AI (Happy AI CEO)

생성 AI 및 빅데이터 분석 분야의 최신 트렌드, 인사이트, 기술 활용 방법을 깊이 있게 전달합니다.

 

🎒  강연 및 외주 문의

[email] leejinkyu0612@naver.com

[Blog] 📺https://blog.naver.com/leejinkyu0612

[YouTube] 📺 https://www.youtube.com/@HappyAI_0612

[github] https://github.com/leejin-kyu/

[Homepage] https://happyaidata.kr

[H.P] 010-9973-2113

[kakao] jinkyu0612

 

📘 크몽 Prime 전문가(상위 2%)📺https://kmong.com/gig/345782

 삼성전자, 서울대, 교육청, 경기연구원, 산림청, 국립공원관리공단, 서울시 등 다수의 정부기관 및 교육기관 프로젝트 진행

의료,커머스,생태,법학,경제,예체능 등 다양한 도메인의 연구경험(총 연구 프로젝트 200회 이상 진행)

 

📘 Bio

- 2024.07~ 생성 AI 및 빅데이터 분석 전문기업 해피AI 대표

- 2023~ 퍼블릭 뉴스 AI 칼럼니스트(AI편향 및 RAG챗봇 전문)

- 2022. AI대학원 박사과정 수료(자연어처리 및 LLM 전공)

- 2021~2023 AI/빅데이터 전문 기업 스텔라비전 개발자

- 2018~2021 정부출연연구기관 자연어처리/빅데이터 분석 연구원 (인문사회과학 데이터 연구)

 

🎒Courses & Activities

 

2025

LLM/sLLM 애플리케이션 개발 강의-파인튜닝, RAG, Agent 기반 . KT(2025)

 

2024

Langchain 및 RAG 등 LLM 프로그래밍.삼성SDS(2024)

ChatGPT 기반 빅데이터 분석 입문. 렛유인에듀 (2024)

인공지능 기초 및 데이터 분석 기초 강의. 한국직업개발원 (2024)

LLM 실무자를 위한 LLM이론 및 Langchain 기반 RAG챗봇 개발 강의. 서울디지털 재단 (2024)

쉽게 따라하는 LDA & 감성분석 빅데이터분석법 with ChatGPT. 인프런 (2024)

파이썬을 활용한 텍스트 분석 강의. 서울과학기술대학교 (2024)

랭체인(LangChain)을 활용한 LLM 챗봇 만들기(feat.ChatGPT). 인프런 (2024)

 

2023

ChatGPT를 활용한 파이썬 기초 강의. 경기대학교 (2023)

빅데이터 전문가 과정 특강. 단국대학교 (2023)

빅데이터 분석 기초 강의. 렛유인에듀 (2023)

 

 

💻 Projects

LLM 기반 산림 복원 빅데이터 분석(국립산림과학원)

Private LLM 기반 RAG 챗봇 모델 구축 (한국전력공사)

AI 기반 빅데이터 분석 기법을 적용한 설문 데이터 분석 (A정부기관)

내부망 전용 PrivateLLM을 활용한 텍스트마이닝 솔루션 개발 (D 정부기관)

빅데이터 분석을 통한 한우시장 트렌드 분석 (이화브리오)

Instruction Tuning 및 강화학습(RLHF)을 통한 LLM 모델 개발 (서울디지털재단)

AI 언어모델 기반 헬스케어 서비스의 사용자 리뷰 텍스트 분석 (삼성전자)

자연어 처리 기술 기반 텍스트마이닝을 활용한 연구동향 분석 (한국대기환경학회)

AI 모델 kopatBERT 기반 특허 논문 QA 모델 개발 (한국기술마켓)

딥러닝 기반 토픽모델링을 활용한 법학 설문 빅데이터 분석 (서울대학교)

AI 모델 Word2Vec과 감성분석을 적용한 설문 문항 빅데이터 분석 (경기연구원)

AI 모델 RNN 기반 리뷰 인사이트 추출 및 분석 프로그램 개발 (서클플랫폼)

빅데이터를 활용한 2022년 국립공원 탐방 키워드 분석 (국립공원관리공단)

이외에도 다수의 공공기관, 기업체와 개인적 의뢰 등 총 200건 이상 프로젝트 진행

 

📖 Publication

 [주요 논문 ]

Improving Commonsense Bias Classification by Mitigating the Influence of Demographic Terms.2024.

Improving Generation of Sentiment Commonsense by Bias Mitigation" International Conference on Big Data and Smart Computing.2023.

언론기사 빅데이터 분석을 통한 대규모 언어모델에 대한 기술 인식 분석: ChatGPT 등장 전후를 중심으로, 2024

자연어 처리(NLP)기반 텍스트마이닝을 활용한 소나무에 대한 국내외 연구동향(2001∼2020)분석 | 농업생명과학연구 | 2022

숲길에 대한 10 년간의 언론 인식분석-텍스트 마이닝 분석을 중심으로 | 산림경제연구 | 2021

이외에도 타 분야에서 다수의 학술논문, 학술발표, 연구보고서 등의 성과 창출

Others

Python을 활용한 데이터분석 및 시각화

LLM을 활용한 데이터분석

ChatGPT와 LangChain,Agent을 활용한 업무 생산성 향상

Chương trình giảng dạy

Tất cả

19 bài giảng ∙ (1giờ 51phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

7 đánh giá

4.9

7 đánh giá

  • 독스킵님의 프로필 이미지
    독스킵

    Đánh giá 8

    Đánh giá trung bình 4.9

    Đã chỉnh sửa

    5

    100% đã tham gia

    LLM을 어떤 형식으로든 쌩기초수준으로 한번이라도 구현해본 사람이 한단계 더 나아가서 멀티모달 기능의 작동 원리나 구현 방식을 막연하게 느낄 때 해당 강의가 유용하다. 이 강의는 다양한 멀티모달 기능을 빠르게 실습해 볼 수 있도록 구성되어 있어, 학습자가 가지고 있던 막연함을 해소시켜준다.

    • Justin Park님의 프로필 이미지
      Justin Park

      Đánh giá 9

      Đánh giá trung bình 5.0

      5

      100% đã tham gia

      RAG에 관심있는 분이라면 강추합니다. 강의가 간결해서 완강하기 좋아요. ^_^ 저는 이 강사님의 강의 2번째 완강이네요. 3번째도 궈궈?

      • Yj Shon님의 프로필 이미지
        Yj Shon

        Đánh giá 9

        Đánh giá trung bình 4.7

        5

        100% đã tham gia

        다른 RAG 강의를 들어서 기본 개념은 아는 상황에서 수강을 했습니다. api 사용해서 기본 질의 응답 모델을 만드는 것 정도만 알았는데 답변 성능을 높이기 위한 방법과 코드를 확인하는 강의라 개인적으로는 효율성 향상을 고려하는데 도움이 되었습니다. 오픈 톡방에서 답변 주셔서 도움이 많이 되었습니다. 감사합니다. :)

        • stj1205님의 프로필 이미지
          stj1205

          Đánh giá 2

          Đánh giá trung bình 5.0

          5

          61% đã tham gia

          • 김현중님의 프로필 이미지
            김현중

            Đánh giá 1

            Đánh giá trung bình 5.0

            5

            39% đã tham gia

            716.292 ₫

            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!