Giới thiệu về học máy và học sâu bằng Python

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.

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.

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.

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!

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).

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 đang cảm thấy bế tắc trong việc áp dụng vào thực tế và chuẩn bị phỏng vấn đúng không? Bằng cách đúc kết những kinh nghiệm thực tiễn của mình, tôi sẽ giúp bạn nắm vững kiến thức từ CNN đến DETR một cách chắc chắn thông qua việc tập trung vào mã nguồn (code).

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.

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.

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 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 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.

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.

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.

Tìm hiểu cách sử dụng deep learning bằng python và Keras.

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!

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.

Hãy chắc chắn bắt đầu với những điều cơ bản về học máy và học sâu! Phân loại/hồi quy/phân cụm/tạo và sử dụng mạng thần kinh nhân tạo trong Python

1. Học lập trình Python để đạt chứng chỉ AI, AICE Associate 2. Học lập trình Python theo từng bước từ cơ bản đến ứng dụng 3. Bài giảng của Giáo sư Kim Joong-heon từ Đại học Korea, một chuyên gia trong lĩnh vực AI

Khi học học máy, ta được dạy cách nâng cao độ chính xác. Nhưng đến lúc đưa mô hình lên chip thực tế, lại nảy sinh những câu hỏi mà chẳng ai chỉ bảo. Mô hình này thực hiện bao nhiêu phép nhân? Nó cần lưu trữ những gì và dung lượng bao nhiêu? Thông số kỹ thuật của con chip mục tiêu hiện tại có thể đáp ứng nổi những yêu cầu đó chăng? Giáo trình học máy thì bàn về độ chính xác, còn giáo trình bán dẫn lại nói về mạch điện, nhưng tài liệu kết nối hai lĩnh vực này lại vô cùng khan hiếm. Tôi đã nhiều lần đối mặt với khoảng trống này khi triển khai CPU RISC-V và NPU trên FPGA. Đó là tình cảnh mô hình có độ chính xác cao nhất lại chẳng thể nào nhét vừa vào board mạch. Khóa học này sẽ hướng dẫn bạn tự tay xây dựng sáu thuật toán bằng Python, đồng thời đo lường số phép nhân, phép so sánh, dung lượng bộ nhớ và độ chính xác ở mỗi thuật toán. Sau đó, quy đổi các giá trị này sang tài nguyên thực tế trên board FPGA. Bởi lẽ, nói "bao nhiêu phép nhân" thì khó mà hình dung được quy mô, nhưng nếu nói "chiếm bao nhiêu phần trăm tài nguyên board" thì ta dễ dàng đánh giá được. Trải qua 9 bài Lab và gom sáu mô hình vào chung một bảng, ta sẽ thấy một bức tranh hoàn toàn khác với dự đoán. Đã dành tới 9 bài chỉ để đếm số phép nhân, nhưng thứ thực sự gây trở ngại lại không phải là phép nhân. Tiếp theo, ta sẽ chuyển đổi số thực thành số nguyên, quản lý độ rộng bit, và xây dựng cả bộ tiêu chí để đánh giá mạch. Bạn không cần phải có board FPGA. Khóa học chỉ sử dụng Python, còn board mạch chỉ đóng vai trò làm hệ quy chiếu để quy đổi các giá trị đo lường.

Ngành công nghiệp điện tử và bán dẫn là lĩnh vực đặc biệt quan trọng trong việc quản lý và đổi mới dựa trên dữ liệu do quy trình siêu chính xác và chuỗi cung ứng phức tạp. Khóa học này đề cập đến các chiến lược thực tiễn có thể áp dụng ngay trong sản xuất điện tử và bán dẫn như phát hiện lỗi, tối ưu hóa quy trình, bảo trì dự đoán, quản lý chuỗi cung ứng bằng cách sử dụng công nghệ AI. Cùng với các trường hợp thực tế của các công ty toàn cầu, khóa học cũng đưa ra phương pháp triển khai AI chi phí thấp và hiệu quả cao mà các doanh nghiệp vừa và nhỏ có thể áp dụng một cách thực tế. Thông qua đó, học viên sẽ có thể hiểu và áp dụng chiến lược sản xuất dựa trên AI không chỉ để nâng cao năng suất và giảm chi phí mà còn để trang bị khả năng cạnh tranh trong tương lai.

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.

Thông qua bài giảng này, sinh viên sẽ không chỉ học các lý thuyết khác nhau về học tăng cường và trực tiếp triển khai chúng mà còn có thể tạo ra môi trường học tăng cường để kiểm tra thuật toán học tăng cường được triển khai bằng tác nhân học máy Unity.

Bạn có muốn tự động hóa các công việc lặp đi lặp lại cùng với AI mà không cần các công cụ trả phí không? Tôi sẽ chia sẻ cho bạn những bí quyết thực tế mà tôi đã tự tay xây dựng bằng n8n và Llama. Đây không đơn thuần là một bài giảng chỉ học về "cách kết nối các node". Chúng ta sẽ cùng nhau trực tiếp triển khai các quy trình công việc thực tế như: tự động sắp xếp Google Sheets, thu thập phụ đề YouTube, kiểm tra tính xác thực (fact-check) bằng AI, quản lý lịch trình, từ đó tạo ra các workflow có thể ứng dụng được ngay vào công việc.

Xây dựng hệ thống Full-stack không cần lập trình: Tự mình hoàn thiện toàn bộ pipeline từ thu thập dữ liệu, phân tích AI·ML đến bảng điều khiển web chỉ bằng các câu lệnh tiếng Hàn (Vibe Coding). Sở hữu pipeline tự động hóa 100%: Sở hữu công cụ phân tích chứng khoán độc lập, nhận kết quả sàng lọc S&P 500 và ý kiến đầu tư qua Telegram vào mỗi sáng. Tiếp thu khung đầu tư dựa trên dữ liệu thực tế: Biến năng lực phân tích dữ liệu và quản trị rủi ro cấp độ tổ chức thành của riêng bạn dựa trên mã nguồn đang vận hành thực tế.

Khóa học này là một khóa nhập môn được thiết kế để người học lần đầu tiếp xúc với công nghệ AI cũng có thể dễ dàng hiểu và thực hành theo. Thông qua các bài giảng, bạn sẽ nắm vững các khái niệm cơ bản và cách sử dụng nền tảng AI, đồng thời tiến hành thực hành tạo ra hình ảnh trực tiếp bằng cách sử dụng các công cụ AI đa dạng. Sau khi hoàn thành khóa học này, bạn sẽ trở nên gần gũi hơn với AI và có thể trang bị năng lực tạo hình ảnh AI để hiện thực hóa các ý tưởng sáng tạo một cách trực quan.

Nắm bắt các khái niệm cơ bản và xu hướng mới nhất của big data, thông qua hiểu biết kỹ thuật về các phương pháp phân tích big data để trích xuất các mẫu dữ liệu và đề xuất cách thức ứng dụng vào kinh doanh. Thông qua big data có thể tạo ra các mô hình kinh doanh mới và phát triển khả năng thông thái về môi trường kinh doanh trong tương lai.

Ngành sản xuất ô tô và linh kiện là lĩnh vực mà sự đổi mới là điều thiết yếu trong bối cảnh cạnh tranh toàn cầu khốc liệt và chuỗi cung ứng phức tạp. Khóa học này tập trung vào cách áp dụng công nghệ AI vào thực tế, giải thích thông qua các trường hợp thực tế như nâng cao hiệu quả sản xuất, tự động hóa kiểm tra chất lượng, bảo trì dự báo thiết bị, tối ưu hóa chuỗi cung ứng. Từ hiểu biết cơ bản cần thiết để triển khai AI, đến chiến lược và quản lý rủi ro cần xem xét khi áp dụng thực tế, khóa học được xây dựng theo từng bước để cung cấp kiến thức và hiểu biết sâu sắc mà nhân viên thực thi và quản lý có thể áp dụng ngay lập tức.

Nếu bạn yêu cầu AI "hãy tạo mô hình bằng dữ liệu này", vài dòng đầu tiên trông có vẻ hợp lý, nhưng chỉ cần phức tạp hơn một chút, nó sẽ sử dụng sai cột, làm rò rỉ dữ liệu (leakage), và dù điểm số tăng lên nhưng mô hình thực tế lại tệ đi. Khóa học này không dạy bạn cách viết prompt tốt hơn. Thay vào đó, nó tập trung vào cách trực tiếp thiết kế một vòng lặp (harness) để Agent có thể hiểu dữ liệu, lập kế hoạch, viết mã, tự xác nhận kết quả và quay lại nếu sai sót. Sau khi thực hành thủ công một vòng lặp năm mảnh của DS-STAR, chúng ta sẽ lần lượt lắp ráp các thành phần: Data Profile Card, Hook, Skill Hierarchy, Independent Verifier và Ablation.

Bạn muốn học AI nhưng lần nào cũng bị khựng lại trước các công thức đại số tuyến tính? Thay vì bắt bạn học thuộc lòng các công thức, khóa học này sẽ giúp bạn tận mắt chứng kiến các vectơ và ma trận thực sự chuyển động như thế nào trong không gian. Sau khi hoàn thành khóa học, bạn có thể tự mình đọc hiểu toán học đằng sau mạng thần kinh, PCA và SVD.

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 :)

"Hãy vứt những lý thuyết AI sáo rỗng và các ví dụ chatbot tràn lan trên YouTube vào thùng rác. Đây là 'Kinh thánh AI sản xuất tích hợp 7 nhóm ngành công nghiệp' duy nhất tại Hàn Quốc, thấu hiểu ngôn ngữ của ngành sản xuất và nhìn thấu bản chất của quy trình." Xin chào, tôi là Byte Detective - người chia sẻ kiến thức. Hiện nay, vô số doanh nghiệp và chuyên gia đang kêu gọi 'DX sản xuất (Chuyển đổi số)' và 'áp dụng AI'. Tuy nhiên, đa số các bài giảng trên thị trường chỉ dừng lại ở những lý thuyết viển vông của các nhà phát triển IT hoặc tư vấn viên, những người hoàn toàn không hiểu về thực tế khắc nghiệt tại hiện trường sản xuất. Khóa học này không phải là bài giảng chỉ để học lý thuyết. Bằng cách kết hợp hữu cơ kiến thức chuyên môn thực tế (Domain Knowledge) của 7 nhóm ngành sản xuất đại diện cho Hàn Quốc với các khung làm việc AI mới nhất, chúng tôi cung cấp 'Kiến trúc kịch bản DX sản xuất thực chiến' có thể áp dụng ngay vào công việc thực tế vào ngày mai.

Khóa học này nhằm mục đích hướng dẫn cách sử dụng Gemini API SDK mới nhất (@google/genai) trong môi trường Node.js và TypeScript. Bạn sẽ học cách sử dụng công nghệ đa phương thức (multimodal) để xử lý đồng thời văn bản, hình ảnh và video. Chúng ta sẽ thực hành toàn bộ quy trình từ cấp phát API key, thiết lập dự án cho đến việc gọi mô hình.

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.