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

Name: Tạo LLM tùy chỉnh : Từ khái niệm cơ bản về RAG đến thực hành đa phương thức·Agent cho người mới bắt đầu
Price: 22000 KRW
Rating: 4.9 (15 reviews)

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) 15 đánh giá

171 học viên

Độ khó Nhập môn

Thời gian Không giới hạn

HappyAI

Python

vector-database

LLM

LangChain

RAG

Python

vector-database

LLM

LangChain

RAG

Đánh giá từ những học viên đầu tiên

4.9

5.0

독스킵

100% đã tham gia

Người đã từng triển khai LLM ở mức độ cơ bản nhất dù chỉ một lần, khi muốn tiến thêm một bước để hiểu cách thức hoạt động hoặc phương pháp triển khai của tính năng multimodal một cách mơ hồ thì khóa học này sẽ rất hữu ích. Khóa học này được cấu trúc để có thể thực hành nhanh chóng các tính năng multimodal đa dạng, giúp người học giải tỏa được sự mơ hồ mà họ đang có.

5.0

Justin Park

100% đã tham gia

Nếu bạn quan tâm đến RAG thì tôi rất khuyến khích. Bài giảng ngắn gọn nên rất dễ hoàn thành. ^_^ Đây là lần thứ 2 tôi hoàn thành khóa học của giảng viên này rồi. Lần thứ 3 cũng ok không?

5.0

Yj Shon

100% đã tham gia

Tôi đã tham gia khóa học này trong tình huống đã biết các khái niệm cơ bản từ việc học các khóa học RAG khác. Tôi chỉ biết mức độ tạo mô hình hỏi đáp cơ bản bằng cách sử dụng api, nhưng đây là khóa học xác nhận các phương pháp và mã để nâng cao hiệu suất trả lời nên cá nhân tôi thấy hữu ích trong việc cân nhắc cải thiện hiệu quả. Cảm ơn vì đã trả lời trong phòng chat mở, rất hữu ích. :)

Bạn sẽ nhận được điều này sau khi học.

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

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.

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

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

4,489

Học viên

225

Đánh giá

Trả lời

4.6

Xếp hạng

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)

📧 Email : leejinkyu0612@naver.com
🌐 Trang chủ : https://happyaidata.kr
📝 Blog : https://blog.naver.com/leejinkyu0612
📺 YouTube : https://www.youtube.com/@HappyAI_0612
💻 GitHub : https://github.com/leejin-kyu
📞 Điện thoại : 010-9973-2113
💬 KakaoTalk : jinkyu0612

※ 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

19 bài giảng ∙ (1giờ 51phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. Tóm tắt lý thuyết RAG

5 bài giảng ∙ (27phút)

Phần 2. RAG Thực hành cơ bản

6 bài giảng ∙ (38phút)

6. [Thực hành] Triển khai cơ bản RAG: Ví dụ tài liệu web từng bước
09:31
7. Phương pháp đánh giá hiệu suất RAG – Giải thích các chỉ số đánh giá cổ điển và dựa trên LLM
06:33
8. [Thực hành] Tạo hệ thống PDF QA
05:50
9. [Thực hành] Xây dựng hệ thống tóm tắt PDF
05:13
10. SQL và Vector DB để xây dựng hệ thống RAG tùy chỉnh
04:10
11. [Thực hành] Tạo RAG thời gian thực phản ánh trực tiếp vào DB
06:56

Phần 3. Thực hành RAG trình độ trung cấp

8 bài giảng ∙ (45phút)

12. Thực hành LLM đa phương thức: GPT-4o · BLIP · LLaVA · Clova Studio
05:53
13. Triển khai tìm kiếm hình ảnh dựa trên LLM đa phương thức - Tìm kiếm hình ảnh dựa trên GPT-4o
04:06
14. Triển khai tìm kiếm hình ảnh dựa trên LLM đa phương thức - Dựa trên Blip2
03:38
15. Triển khai tìm kiếm hình ảnh dựa trên LLM đa phương thức - Dựa trên Llava
02:20
16. Cách sử dụng Docling
04:52
17. Thực hành xây dựng RAG đa phương thức
06:46
18. (RAG dựa trên Agent) Thực hành xây dựng hệ thống QA tài liệu dựa trên phân loại ý nghĩa câu hỏi
10:21
19. (Phân tích dữ liệu lớn dựa trên RAG) Xây dựng hệ thống RAG sử dụng mô hình chủ đề LDA
07:57

Ngày đăng:

Cập nhật lần cuối:

Đánh giá

Tất cả

15 đánh giá

4.9

15 đánh giá

chlchlrnsrns4426
Đánh giá 8
∙
Đánh giá trung bình 4.9
Đã chỉnh sửa
5
100% đã tham gia
Người đã từng triển khai LLM ở mức độ cơ bản nhất dù chỉ một lần, khi muốn tiến thêm một bước để hiểu cách thức hoạt động hoặc phương pháp triển khai của tính năng multimodal một cách mơ hồ thì khóa học này sẽ rất hữu ích. Khóa học này được cấu trúc để có thể thực hành nhanh chóng các tính năng multimodal đa dạng, giúp người học giải tỏa được sự mơ hồ mà họ đang có.
justinlabry
Đánh giá 10
∙
Đánh giá trung bình 5.0
5
100% đã tham gia
Nếu bạn quan tâm đến RAG thì tôi rất khuyến khích. Bài giảng ngắn gọn nên rất dễ hoàn thành. ^_^ Đây là lần thứ 2 tôi hoàn thành khóa học của giảng viên này rồi. Lần thứ 3 cũng ok không?
snz
Đánh giá 9
∙
Đánh giá trung bình 4.7
5
100% đã tham gia
Tôi đã tham gia khóa học này trong tình huống đã biết các khái niệm cơ bản từ việc học các khóa học RAG khác. Tôi chỉ biết mức độ tạo mô hình hỏi đáp cơ bản bằng cách sử dụng api, nhưng đây là khóa học xác nhận các phương pháp và mã để nâng cao hiệu suất trả lời nên cá nhân tôi thấy hữu ích trong việc cân nhắc cải thiện hiệu quả. Cảm ơn vì đã trả lời trong phòng chat mở, rất hữu ích. :)
stj12059049
Đánh giá 2
∙
Đánh giá trung bình 5.0
5
61% đã tham gia
guswnd0431009
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
39% đã tham gia

470.240 ₫

Khóa học khác của HappyAI

Hãy khám phá các khóa học khác của giảng viên!

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

HappyAI

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.

Beginner

ChatGPT, prompt engineering, LLM

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

HappyAI

Từ cơ bản LLM đến RAG·LangChain mới nhất: Làm chủ khóa học cơ bản LLM chỉ trong 5 giờ!

HappyAI

Đây là khóa học giúp bạn thành thạo lý thuyết cơ bản về LLM và các công nghệ cốt lõi của LangChain cùng RAG. Bạn có thể dễ dàng học từ kiến thức nền tảng về LLM đến các công nghệ AI mới nhất được sử dụng trong thực tế!

Basic

Chatbot, LLM, LangChain

Từ cơ bản LLM đến RAG·LangChain mới nhất: Làm chủ khóa học cơ bản LLM chỉ trong 5 giờ!

HappyAI

[Miễn phí]Khai thác văn bản cơ bản: Phân tích đánh giá ứng dụng với Python(hoàn thành trong 40 phút)

HappyAI

Khóa học này giúp bạn học lý thuyết cơ bản và thực hành phân tích khai thác văn bản với Python. Nó giải thích các kỹ thuật phân tích dữ liệu khai thác văn bản cơ bản cần thiết cho công việc thực tế hoặc luận văn.

Basic

Text Mining, Big Data, NLP

[Miễn phí]Khai thác văn bản cơ bản: Phân tích đánh giá ứng dụng với Python(hoàn thành trong 40 phút)

HappyAI

[Thực chiến]TEXTOM Thực chiến bài giảng: Phân tích văn bản/khai thác văn bản để viết luận văn dữ liệu lớn

HappyAI

Thay vì tập trung giải thích lý thuyết cơ bản về TEXTOM, chúng tôi giúp bạn trang bị năng lực khai thác văn bản và phân tích dữ liệu lớn thông qua các bài thực hành ví dụ thực tế.

Beginner

Big Data, Text Mining, TEXTOM

[Thực chiến]TEXTOM Thực chiến bài giảng: Phân tích văn bản/khai thác văn bản để viết luận văn dữ liệu lớn

HappyAI

Phương pháp phân tích Big Data/Text Mining (LDA, BERTtopic, phân tích cảm xúc, CONCOR với ChatGPT)

HappyAI

Đây là khóa học học các kỹ thuật phân tích Text Mining, Big Data, tần suất từ, trực quan hóa Word Cloud, hình thái từ, Topic Modeling bằng Python và ChatGPT, cùng với cách ứng dụng kỹ thuật phân tích dữ liệu Text Mining, cách sử dụng cơ bản trong luận văn nghiên cứu khi viết.

Basic

Big Data, Text Mining

Phương pháp phân tích Big Data/Text Mining (LDA, BERTtopic, phân tích cảm xúc, CONCOR với ChatGPT)

HappyAI

Tạo LLM tùy chỉnh lần đầu tiên – Nhập môn Fine-tuning LoRA & QLoRA

HappyAI

"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!

Beginner

Deep Learning(DL), NLP, AI

Tạo LLM tùy chỉnh lần đầu tiên – Nhập môn Fine-tuning LoRA & QLoRA

HappyAI

90 phút hoàn thành: Từ nhập môn đến thực chiến LLM Agent – Học AI Agent qua thực hành

HappyAI

Thời đại AI chỉ đơn thuần trả lời đã kết thúc. Giờ đây là thời đại của LLM Agent tự phán đoán và hành động. Khóa học này là khóa nhập môn giúp bạn học và trực tiếp xây dựng nguyên lý cốt lõi cũng như cấu trúc của agent chỉ trong 90 phút thực hành. Giảm thiểu tối đa lý thuyết phức tạp, với luồng thực hành tập trung vào code, bạn có thể trực tiếp trải nghiệm "AI phán đoán và sử dụng công cụ như thế nào". Vượt qua prompt engineering, hãy cùng bắt đầu bước đầu tiên của tự động hóa AI.

Basic

multi-agent, LLM, LangChain

90 phút hoàn thành: Từ nhập môn đến thực chiến LLM Agent – Học AI Agent qua thực hành

HappyAI

Nhà nghiên cứu AI hướng dẫn ngữ pháp cơ bản Python sử dụng ChatGPT

HappyAI

Đây là khóa học hữu ích cho những ai muốn học cách sử dụng ChatGPT và đồng thời học ngữ pháp cơ bản của Python. Đây là khóa học hữu ích cho những ai muốn học và củng cố ngữ pháp cơ bản của Python.

Beginner

ChatGPT, Python, prompt engineering

Nhà nghiên cứu AI hướng dẫn ngữ pháp cơ bản Python sử dụng ChatGPT

HappyAI

(Miễn phí) Nhập môn phân tích dữ liệu giá cổ phiếu bằng Python(Tài chính/Quant)

HappyAI

Đây là khóa học dành cho người mới bắt đầu phân tích dữ liệu giá cổ phiếu. Hãy thử bắt đầu phân tích dữ liệu giá cổ phiếu bằng cách sử dụng Python!

Beginner

Quant, Investment, Python

(Miễn phí) Nhập môn phân tích dữ liệu giá cổ phiếu bằng Python(Tài chính/Quant)

HappyAI

[Miễn phí] Bài giảng cơ bản TEXTOM 24 phiên bản mới: Phân tích nhận thức SNS để viết luận văn phân tích cơ bản dữ liệu lớn

HappyAI

Đây là buổi học miễn phí được thiết kế để giúp những người lần đầu tiếp cận 텍스톰 (TEXTOM) dễ dàng trang bị kỹ năng khai phá văn bản và phân tích dữ liệu lớn, thông qua các bài thực hành ví dụ thay vì chỉ tập trung giải thích lý thuyết nguyên tắc.

Beginner

Big Data, NLP, Text Mining

[Miễn phí] Bài giảng cơ bản TEXTOM 24 phiên bản mới: Phân tích nhận thức SNS để viết luận văn phân tích cơ bản dữ liệu lớn

HappyAI

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Từ Deep Learning đến AI Agent, MCP: Hoàn thành việc triển khai AI tạo sinh trong một lần

dualjkorea

Khóa học này là một quá trình tổng hợp toàn bộ kiến thức cần thiết để ứng dụng AI tạo sinh trong thực tế, từ nguyên lý cơ bản của LLM (Mô hình Ngôn ngữ Lớn), RAG (Retrieval-Augmented Generation), đến các công nghệ mới nhất như AI Agent và MCP (Modular Command Protocol). Khóa học được thiết kế để bạn có thể học một cách tự nhiên theo dòng chảy công nghệ, hiểu được cách AI tạo sinh hiểu thông tin, tìm kiếm, đưa ra phán đoán và mở rộng thành AI Agent có khả năng hành động.

Basic

Deep Learning(DL), AI Agent, LangChain

Từ Deep Learning đến AI Agent, MCP: Hoàn thành việc triển khai AI tạo sinh trong một lần

dualjkorea

Xây dựng dịch vụ AI sinh tạo sử dụng LangChain phiên bản 1.0

YoungJea Oh

Khóa học này bao gồm toàn bộ quy trình thiết kế và triển khai dịch vụ AI tạo sinh tập trung vào LangChain 1.0 và LangGraph thông qua các bài thực hành từng bước. Vượt xa việc chỉ gọi LLM đơn thuần, bạn sẽ trực tiếp xây dựng kiến trúc hệ thống AI có khả năng vận hành bao gồm kiến trúc dựa trên agent, quản lý trạng thái (State), bộ nhớ, streaming, middleware và Human-in-the-Loop. Thông qua thực hành với hệ thống RAG dựa trên dữ liệu tài liệu·PDF·web, SQL Agent (Chinook DB), Agent dựa trên tool calling, multi-agent theo mô hình Supervisor, và workflow dựa trên state machine sử dụng LangGraph Graph API, bạn sẽ xây dựng pipeline agent có thể tái sử dụng và áp dụng ngay vào thực tế công việc. Ngoài ra, thông qua structured output (dựa trên Pydantic), agent middleware (Summarization, HITL, Retry, bảo vệ PII), streaming theo token/bước, bạn sẽ hoàn thiện ứng dụng AI tạo sinh với độ ổn định·khả năng mở rộng·tính kiểm soát đáp ứng yêu cầu của dịch vụ thực tế. 👉 Dành cho những ai muốn hiểu chính xác cấu trúc nội bộ và luồng thực thi của LangChain/LangGraph 👉 Dành cho những ai muốn triển khai RAG·Agent theo cấu trúc dịch vụ thực tế chứ không chỉ là "demo" 👉 Đây là khóa học tối ưu cho những ai cần lộ trình thực tế bao quát từ agent dựa trên trạng thái, tự động hóa SQL·tài liệu, đến orchestration multi-agent.

Basic

ChatGPT, prompt engineering, LangChain

Xây dựng dịch vụ AI sinh tạo sử dụng LangChain phiên bản 1.0

YoungJea Oh

Cơ bản về LLM và GPT học trong 1 giờ

Essential

Khóa học này giải thích các khái niệm cơ bản về LLM và GPT một cách dễ hiểu để bất kỳ ai cũng có thể nắm bắt được. Học viên có thể trực tiếp sử dụng GPT API để tạo chatbot và chạy trên web bằng Streamlit. Thông qua trải nghiệm từ cơ bản đến thực hành, bạn có thể xây dựng nền tảng vững chắc cho những bước đầu tiên trong việc ứng dụng AI.

Basic

Python, AI, ChatGPT

Cơ bản về LLM và GPT học trong 1 giờ

Essential

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

HappyAI

Beginner

ChatGPT, prompt engineering, LLM

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

HappyAI

Hiểu về cơ bản và nguyên lý hoạt động của AI tạo sinh

YoungJea Oh

Hiểu nguyên lý hoạt động của mô hình AI tạo sinh ứng dụng deep learning và thực hành thành thạo cách ứng dụng.

Intermediate

Generative AI, transformer, multimodal

Hiểu về cơ bản và nguyên lý hoạt động của AI tạo sinh

YoungJea Oh

Học tăng cường tất cả trong một: từ cơ bản, thuật toán mới nhất, đến ứng dụng thực tế

multicoreit

AI tự phán đoán và thích nghi, giờ đây bạn có thể tự mình tạo ra. Thay vì lý thuyết phức tạp, hãy học trọng tâm học tăng cường qua giải thích trực quan và mã code, rồi phát triển thành 'nhà phát triển thực chiến' qua các dự án tài chính, công nghiệp.

Intermediate

Python, Artificial Neural Network, Reinforcement Learning(RL)

Học tăng cường tất cả trong một: từ cơ bản, thuật toán mới nhất, đến ứng dụng thực tế

multicoreit

Hiểu các nguyên lý cơ bản của Mô hình Ngôn ngữ Lớn (LLM)

arigaram

Giải thích các nguyên lý cơ bản của mô hình ngôn ngữ lớn như ChatGPT theo hướng lý thuyết.

Intermediate

NLP, gpt, AI

Hiểu các nguyên lý cơ bản của Mô hình Ngôn ngữ Lớn (LLM)

arigaram

Nếu tôi đã lên tàu Titanic thì sao?! Tạo dịch vụ web AI dự đoán xác suất sống sót bằng PyTorch & Next.js

dakgangjung123

Khóa học này xuất phát từ câu hỏi "Nếu tôi có mặt trên tàu Titanic thì liệu có thể sống sót không?", phát triển mô hình AI dự đoán xác suất sống sót dựa trên dữ liệu thực tế, và hoàn thành dự án fullstack triển khai dịch vụ này lên web. Bạn sẽ thực hành toàn bộ quy trình từ AI đến phát triển web, bao gồm mô hình hóa deep learning với PyTorch, xây dựng backend server với FastAPI, và triển khai giao diện người dùng với Next.js.

Intermediate

Python, Deep Learning(DL), PyTorch

Nếu tôi đã lên tàu Titanic thì sao?! Tạo dịch vụ web AI dự đoán xác suất sống sót bằng PyTorch & Next.js

dakgangjung123

Tạo OCR thực sự hiệu quả trong thực tế như thế này.

nexthumans

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.

Basic

Python, AI, openai

Tạo OCR thực sự hiệu quả trong thực tế như thế này.

nexthumans

Bí mật của giao dịch thuật toán, cách AI dự đoán giá cổ phiếu

cheatkeylab

Phân tích hơn 40 loại chỉ số kinh tế và dữ liệu giá cổ phiếu bằng AI, dự đoán S&P 500, QQQ ETF lẫn cổ phiếu riêng lẻ, hãy tự tạo một mô hình phân tích giá cổ phiếu mạnh mẽ!

Basic

Deep Learning(DL), Python, transformer

Bí mật của giao dịch thuật toán, cách AI dự đoán giá cổ phiếu

cheatkeylab

LDM đến DiT, chinh phục hoàn toàn Diffusion thông qua việc triển khai II

Sotaaz

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.

Basic

Python, Deep Learning(DL), Stable Diffusion

LDM đến DiT, chinh phục hoàn toàn Diffusion thông qua việc triển khai II

Sotaaz

Kỷ nguyên đại hải tặc AI đã mở ra.

sorryhyun96

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

Beginner

Deep Learning(DL), LLM

Kỷ nguyên đại hải tặc AI đã mở ra.

sorryhyun96

Chỉ đúng 1 giờ! Tạo 'Cố vấn AI của riêng tôi' cài đặt ngay trên máy tính (Antigravity Vibe Coding)

codebridge

Không biết code cũng chẳng sao. Hoàn thành ngay trên trình duyệt mà không cần cài đặt với công cụ mới nhất của Google (IDX)! Ngừng học cú pháp lập trình ngay thôi! Đây là khóa học thực chiến siêu tốc giúp bạn xây dựng chatbot RAG hiểu rõ tài liệu nội bộ thông qua việc trò chuyện với AI (Vibe Coding) trong môi trường Google IDX và triển khai trực tiếp lên web.

Beginner

Python, AI, LLM

Chỉ đúng 1 giờ! Tạo 'Cố vấn AI của riêng tôi' cài đặt ngay trên máy tính (Antigravity Vibe Coding)

codebridge

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

haesunpark

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

Beginner

Artificial Neural Network, PyTorch, LLM

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

haesunpark

DDPM đến DDIM, Chinh phục hoàn toàn Diffusion thông qua việc triển khai I

Sotaaz

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'.

Basic

Python, Deep Learning(DL), AI

DDPM đến DDIM, Chinh phục hoàn toàn Diffusion thông qua việc triển khai I

Sotaaz

ChatGPT và Python để tạo nhân viên AI cho YouTube

SungYong Lee

GPT API được sử dụng để tạo chương trình, tạo hình ảnh và tạo video!

Basic

ChatGPT, gpt, Python

ChatGPT và Python để tạo nhân viên AI cho YouTube

SungYong Lee

Triển khai thực tế Spring WebFlux + LLM

John H

Chúng tôi sẽ tạo nhiều chức năng bằng Spring WebFlux. Thông qua khóa học này, bạn có thể nắm vững các khái niệm cần thiết và cách triển khai thực tế của WebFlux.

Basic

Java, Spring, webflux

Triển khai thực tế Spring WebFlux + LLM

John H

[Inflearn Award Bestseller] Cách trở thành chuyên gia tự động hóa AI không cần code, Hướng dẫn hoàn hảo về n8n

nambaksa

Dạo này bạn vẫn còn tự tay code à? Giờ đây là thời đại ngại cả việc code bằng Vibe! Hãy trở thành chuyên gia tự động hóa AI với n8n mà không cần code. Hướng dẫn thiết kế workflow tự động hóa áp dụng ngay vào thực tế Chiến lược tự động hóa tập trung vào thực chiến để tối đa hóa hiệu quả công việc. Xây dựng workflow trực quan với n8n và trải nghiệm sự đổi mới trong công việc

Beginner

n8n, AI, RAG

[Inflearn Award Bestseller] Cách trở thành chuyên gia tự động hóa AI không cần code, Hướng dẫn hoàn hảo về n8n

nambaksa

[Thực chiến AIoT] Chuẩn bị hoàn hảo cho Makerthon Gương thông minh: Từ LLM, CV đến thiết kế phần cứng

kodekorea

Giải quyết ngay điểm nghẽn khiến 80% thất bại tại Makerthon. Hoàn thành trong 4 tuần: Raspberry Pi · Computer Vision · LLM · Thiết kế 3D! Đạt thứ hạng cao tại Makerthon với PoC gương thông minh có thể trình diễn!

Basic

Python, Raspberry Pi, Arduino

[Thực chiến AIoT] Chuẩn bị hoàn hảo cho Makerthon Gương thông minh: Từ LLM, CV đến thiết kế phần cứng

kodekorea

Tạo thẩm phán trí tuệ nhân tạo với CrewAI và LLM.

arigaram

Khám phá cách xây dựng thẩm phán trí tuệ nhân tạo bằng cách kết hợp các hệ thống suy luận, biểu đồ tri thức và nhiều framework agent như CrewAI, LangChain, AutoGen, những công cụ cho phép triển khai công nghệ đa tác nhân (multi-agent) dựa trên LLM.

Intermediate

AI, LLM, AI Agent

Tạo thẩm phán trí tuệ nhân tạo với CrewAI và LLM.

arigaram

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

Đánh giá từ những học viên đầu tiên

4.9

Bạn sẽ nhận được điều này sau khi học.

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

Đặc điểm của khóa học này

Tôi khuyến nghị cho những người như thế này

Sau khi hoàn thành khóa học

Chúng ta sẽ học những nội dung như thế này.

Người tạo ra khóa học này

Những điều cần lưu ý trước khi học

Môi trường thực hành

Tài liệu học tập

Kiến thức tiên quyết và lưu ý

Khuyến nghị cho
những người này

Xin chào
Đây là

Lee JinKyu | Lee JinKyu

🎒 Yêu cầu diễn thuyết và thuê ngoài (outsourcing)

📘 Tiểu sử (Tóm tắt)

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

🎒 Khóa học & Hoạt động (Chọn lọc)

2025

2024

2023

💻 Dự án (Tóm tắt)

📖 Ấn bản (Chọn lọc)

🔹 Khác

Chương trình giảng dạy

Đánh giá

Khóa học khác của HappyAI

Khóa học tương tự

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

Đánh giá từ những học viên đầu tiên

4.9

Bạn sẽ nhận được điều này sau khi học.

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

Đặc điểm của khóa học này

Tôi khuyến nghị cho những người như thế này

Sau khi hoàn thành khóa học

Chúng ta sẽ học những nội dung như thế này.

Người tạo ra khóa học này

Những điều cần lưu ý trước khi học

Môi trường thực hành

Tài liệu học tập

Kiến thức tiên quyết và lưu ý

Khuyến nghị cho những người này

Xin chàoĐây là .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

Lee JinKyu | Lee JinKyu

🎒 Yêu cầu diễn thuyết và thuê ngoài (outsourcing)

📘 Tiểu sử (Tóm tắt)

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

🎒 Khóa học & Hoạt động (Chọn lọc)

2025

2024

2023

💻 Dự án (Tóm tắt)

📖 Ấn bản (Chọn lọc)

🔹 Khác

Chương trình giảng dạy

Đánh giá

Khóa học khác của HappyAI

Khóa học tương tự

Khuyến nghị cho
những người này

Xin chào
Đây là