Giới thiệu Series
Series AI & LLM: Từ Cơ bản đến Nâng cao là hành trình toàn diện từ những khái niệm nền tảng nhất của AI cho đến việc xây dựng và triển khai các ứng dụng LLM production-ready.
Bạn sẽ không chỉ học lý thuyết mà còn code thực hành mỗi khái niệm — từ viết Neural Network bằng NumPy, implement Attention Mechanism bằng PyTorch, fine-tune LLM trên GPU, xây dựng RAG pipeline, cho đến deploy model lên server thực tế.
Bạn sẽ học được gì?
Phần 1: Nền tảng AI & Deep Learning
- Bài 1: Tổng quan AI, ML, DL và LLM — bức tranh toàn cảnh
- Bài 2: Toán học cho AI: Linear Algebra, Calculus, Probability
- Bài 3: Neural Networks từ đầu: Perceptron, Backpropagation, Activation Functions
- Bài 4: Deep Learning: CNN, RNN, LSTM — tiền đề của Transformer
Phần 2: Kiến trúc Transformer
- Bài 5: Attention Mechanism: Self-attention và Multi-head Attention
- Bài 6: Kiến trúc Transformer: Encoder, Decoder, Positional Encoding
- Bài 7: BERT và Encoder-only Models: Masked Language Modeling
- Bài 8: GPT và Decoder-only Models: Autoregressive generation
- Bài 9: Tokenization: BPE, WordPiece, SentencePiece
Phần 3: Training & Fine-tuning LLMs
- Bài 10: Pre-training: CLM, MLM và Scaling Laws
- Bài 11: Supervised Fine-Tuning (SFT): Instruction Tuning
- Bài 12: PEFT: LoRA, QLoRA — fine-tune hiệu quả với ít tài nguyên
- Bài 13: RLHF và Alignment: DPO, PPO, Constitutional AI
Phần 4: Prompting & RAG
- Bài 14: Prompt Engineering: Zero-shot, Few-shot, System Prompts
- Bài 15: Advanced Prompting: Chain-of-Thought, Tree-of-Thought, ReAct
- Bài 16: RAG: Retrieval Augmented Generation từ A đến Z
- Bài 17: Vector Databases: Embeddings, Semantic Search, ChromaDB, Qdrant
Phần 5: Xây dựng AI Applications
- Bài 18: AI Agents: Tool Use, Function Calling, Agentic Workflows
- Bài 19: LLM APIs: OpenAI, Anthropic Claude, Google Gemini
Phần 6: Production & Nâng cao
- Bài 20: Deploying LLMs: Ollama, vLLM, TGI & Evaluation
- Bài 21: Chạy AI Local với Ollama trên Apple Silicon — Deep Dive
Yêu cầu đầu vào
- Python cơ bản (biết viết function, class, list comprehension)
- Toán cấp 3 (không cần chuyên sâu — bài 2 sẽ ôn lại những gì cần thiết)
- Máy tính với ít nhất 8GB RAM (GPU không bắt buộc cho các phần đầu)
Công cụ sử dụng
Python 3.11+ | Ngôn ngữ lập trình chính
NumPy / Pandas | Xử lý số học và dữ liệu
PyTorch | Deep Learning framework
Hugging Face | Transformers, Datasets, TRL
LangChain | LLM application framework
Ollama | Chạy LLM local
OpenAI API | GPT-4o, Embeddings
Anthropic API | Claude
ChromaDB / FAISS | Vector databases