Bạn đã bao giờ đánh mất mạch chính khi học deep learning vì tên mô hình và các công thức xuất hiện cùng lúc chưa? Khóa học này không giải thích deep learning như một tập hợp những công thức khó, mà như lịch sử giải quyết vấn đề, bắt đầu từ một nơ-ron nhân tạo đơn lẻ và phát triển đến ChatGPT. Tôi đã giảng dạy hàng trăm tiết học về deep learning cho các học viên có chuyên ngành và kinh nghiệm khác nhau tại LG전자 DX School. Trong quá trình đó, tôi nhận ra một khó khăn phổ biến: “Khi nghe giải thích thì tôi hiểu, nhưng mỗi khi xuất hiện công thức hay mô hình mới, tôi lại thấy mơ hồ.” Vì vậy, thay vì bắt đầu bằng cấu trúc hay cách tính của mô hình, tôi cải thiện bài giảng theo hướng giải thích trước rằng vấn đề ban đầu là gì, các phương pháp trước đây thất bại vì sao, và người ta đã thay đổi điều gì để giải quyết vấn đề đó. Trong khóa học này, chúng ta sẽ lần theo một hình ảnh duy nhất là “vẽ đường thẳng” để kết nối từ perceptron đến CNN, RNN, Attention, Transformer và các mô hình ngôn ngữ lớn. Thay vì trực tiếp tính toán các công thức, bạn sẽ hiểu mỗi công thức đang giải quyết vấn đề gì, từ đó có thể tự phân tích một AI mới bằng câu hỏi sau: “Để giải quyết vấn đề nào, mô hình này đã thay đổi điều gì, và đã để lại những phán đoán nào cho con người?” Sau cùng, đây là khóa học giúp bạn không mù quáng tin tưởng hay sợ hãi AI, mà rèn luyện khả năng phân biệt việc nào nên giao cho mô hình, việc nào con người cần kiểm tra và chịu trách nhiệm.