Thời đại AI chỉ đơn giản trả lời đã kết thúc. Giờ đây là thời đại của các LLM Agent có khả năng tự phán đoán và hành động. Khóa học này dành cho người mới bắt đầu, giúp bạn học bằng cách trực tiếp triển khai các nguyên lý và cấu trúc cốt lõi của agent chỉ trong 90 phút thực hành. Giảm thiểu lý thuyết phức tạp, khóa học tập trung vào thực hành qua mã nguồn, giúp bạn trực tiếp trải nghiệm “AI phán đoán và sử dụng công cụ như thế nào”. Hãy cùng bắt đầu bước đầu tiên trong tự động hóa AI, vượt ra ngoài kỹ thuật prompt engineering.

Một chuyên gia đang làm việc sẽ nhanh chóng truyền đạt nội dung trọng tâm, từ kiến thức cơ bản cần cho LLM đến những mẹo thực chiến!

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.

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

Khám phá những hạn chế của LLM, các công nghệ mới nhất để khắc phục những hạn chế đó và triển vọng của các công nghệ trong tương lai.

Thiết kế và triển khai hệ thống AI Agent có khả năng thực hiện nhiệm vụ tự chủ thay vì chỉ là chatbot đơn thuần. Hoàn thiện năng lực kỹ thuật Agent cấp độ doanh nghiệp thông qua thực hành toàn bộ quy trình, từ kiến trúc dựa trên vòng lặp Sense-Think-Act, cấu trúc vòng lặp LangGraph, đánh giá định lượng dựa trên RAGAS·LangSmith cho đến các rào chắn vận hành (guardrails).

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.

Bạn muốn triển khai RAG nhưng cảm thấy bối rối về cấu trúc kết nối từ embedding đến lưu trữ và tìm kiếm vector? Dựa trên kinh nghiệm phát triển dịch vụ thực tế, khóa học này sẽ giải thích các khái niệm cốt lõi của pgvector và mã nguồn dịch vụ. Bạn có thể trực tiếp gọi API để nhanh chóng hiểu toàn bộ quy trình hoạt động của tìm kiếm vector RAG.

Việc sử dụng AI đã trở nên dễ dàng hơn, nhưng các model card hay bài báo khoa học vẫn rất khó đọc dù chỉ vài dòng. Bởi dù tra cứu thì có thể biết nghĩa của từng từ, nhưng lại không thấy được những từ đó liên kết với nhau như thế nào. Khóa học này sắp xếp hơn 160 thuật ngữ thường xuất hiện trong tài liệu AI theo thứ tự dễ hiểu nhất, để sau mỗi bài, bạn có thể đọc chính xác một câu trong tài liệu thực tế.

Đây là khóa học về các notebook trên GitHub và nội dung bổ sung của cuốn <Học LLM bằng cách tự xây dựng từ con số 0> (Gilbut, 2025). GitHub: https://github.com/rickiepark/llm-from-scratch/ <Học LLM bằng cách tự xây dựng từ con số 0> là bản dịch của cuốn sách bán chạy <Build a Large Langauge Model (from Scratch)> (Manning, 2024) do Sebastian Raschka viết. Cuốn sách hướng dẫn cách tìm hiểu nguyên lý hoạt động và phương pháp ứng dụng các mô hình ngôn ngữ lớn bằng cách bắt đầu từ con số 0 để tự xây dựng một mô hình hoàn chỉnh dựa trên mô hình GPT-2 do OpenAI tạo ra.

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.

Chỉ cần một dòng lệnh là xong. Hermes - AI Agent có khả năng ghi nhớ, tự động hóa và tự mình phát triển. Ngay cả khi không phải là nhà phát triển, từ hôm nay bạn vẫn có thể trở thành "người giao việc" cho AI. SMARTFORK sẽ đồng hành cùng bạn từ khâu cài đặt cho đến ứng dụng vào thực tế.

Nắm vững toàn bộ vòng đời xây dựng các ứng dụng Generative AI hiện đại bằng cách sử dụng Mô hình Ngôn ngữ Lớn, Retrieval-Augmented Generation và các hệ thống AI tác tử. Học cách thiết kế các giải pháp AI cấp doanh nghiệp từ kỹ thuật viết prompt đến triển khai, kết hợp LLM với cơ sở dữ liệu vector và các nguồn kiến thức bên ngoài để tạo ra những ứng dụng sẵn sàng cho môi trường production.

Đây là khóa học dựa trên <Mô hình ngôn ngữ lớn, nhanh chóng nắm bắt những điểm cốt lõi!> (Insight, 2025), trình bày về lý thuyết và các ví dụ thực tiễn của LLM.

Nếu bạn muốn tạo ra dịch vụ AI riêng của mình mà không cần coding, khóa học này chính là giải pháp hoàn hảo. Sử dụng nền tảng nocode Dify, bạn có thể tạo ra ứng dụng AI chất lượng cao chỉ với ý tưởng. Thay vì lý thuyết phức tạp, khóa học được cấu trúc tập trung vào dự án thực tế, giúp cả người mới bắt đầu với AI và nhân viên văn phòng đều có thể phát triển năng lực thực tiễn.

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

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.

Vượt xa một system prompt đơn giản, bạn sẽ triển khai chatbot nhân vật AI biết ghi nhớ người dùng và thay đổi mối quan hệ bằng cách tận dụng thiết kế persona và Structured Outputs. Trong buổi thực hành 30 phút, bạn sẽ hoàn thiện cách gọi API OpenAI một cách an toàn dựa trên dự án khởi đầu được cung cấp, xử lý cảm xúc, mức độ tin cậy và ký ức ở dạng có thể kiểm chứng bằng JSON Schema và Zod, đồng thời sử dụng tác nhân lập trình AI trong phạm vi các điều kiện ràng buộc.

Khám phá cách các ứng dụng LLM đang thay đổi mô hình phát triển. Thông qua việc so sánh với các công nghệ hiện có, chúng ta sẽ hiểu tại sao LLM đang trở thành một công nghệ cốt lõi bền vững, đồng thời tìm hiểu về những năng lực thiết yếu và sự thay đổi trong tư duy mà một nhà phát triển cần có. Với những hiểu biết sâu sắc từ các giảng viên chuyên gia, bạn có thể nắm bắt được bản chất và định hướng tương lai của việc phát triển ứng dụng LLM.

Bạn sẽ được học toàn bộ quy trình tự vận hành mô hình Gemma 4 mới nhất trực tiếp trên MacBook của mình mà không phải lo lắng về chi phí API trả phí. Bạn sẽ nắm vững các kỹ thuật tối ưu hóa hiệu suất tận dụng Metal API của Apple Silicon, cách thiết lập tham số tối ưu theo dung lượng VRAM, và trang bị năng lực xây dựng cơ sở hạ tầng AI cục bộ cấp độ sản xuất dựa trên FastAPI.