Giới thiệu Series
Fine-tuning LLM: Nghệ thuật Tinh chỉnh AI là khóa học giúp bạn hiểu sâu và thực hành fine-tuning — kỹ thuật tinh chỉnh mô hình ngôn ngữ lớn cho domain, task, hoặc brand voice riêng của bạn.
🎯 Câu hỏi cốt lõi mà khóa học này trả lời:
- Khi nào cần fine-tune? Khi nào dùng RAG? Khi nào kết hợp cả hai?
- Fine-tune tốn bao nhiêu tiền? ROI thế nào?
- Làm sao đánh giá fine-tuned model một cách khoa học?
- Triển khai production ra sao cho hiệu quả?
Bạn sẽ học được gì?
Phần 1: Tổng quan & Chiến lược
- Bài 1: Fine-tuning là gì? Decision framework: Prompt Engineering → RAG → Fine-tuning
- Bài 2: Fine-tuning vs RAG — cuộc tranh luận lớn nhất, decision checklist thực tế
- Bài 3: Chi phí fine-tuning — bảng giá chi tiết, ROI calculator, budget planning
Phần 2: Chuẩn bị Dữ liệu
- Bài 4: Thu thập & thiết kế dataset: JSONL format, synthetic data, quality vs quantity
- Bài 5: Data cleaning & augmentation: pipeline làm sạch, tokenization, split strategies
Phần 3: Fine-tuning trên Google Gemini / Vertex AI
- Bài 6: Vertex AI setup: project, IAM, billing, pricing breakdown
- Bài 7: Fine-tune Gemini Flash step-by-step: upload data → train → deploy → test
- Bài 8: Advanced: distillation, hyperparameter optimization, multi-task tuning
Phần 4: Fine-tuning trên OpenAI & Open-source
- Bài 9: Fine-tune OpenAI GPT-4o-mini: API workflow, so sánh với Gemini
- Bài 10: LoRA & QLoRA: fine-tune open-source models trên Google Colab miễn phí
Phần 5: Đánh giá Model — Phương pháp & Metrics
- Bài 11: Metrics: Perplexity, BLEU, ROUGE, BERTScore — khi nào dùng gì
- Bài 12: LLM-as-a-Judge & Human Evaluation — đánh giá đa chiều
- Bài 13: Evaluation Pipeline: golden test sets, CI/CD, A/B testing, red teaming
Phần 6: Production & Best Practices
- Bài 14: Deployment: Vertex AI endpoints, vLLM, multi-adapter serving
- Bài 15: Common pitfalls: catastrophic forgetting, overfitting, troubleshooting
- Bài 16: Capstone: fine-tune end-to-end cho use case thực tế
Điểm đặc biệt của khóa học
| Chủ đề | Nội dung |
|---|---|
| 🔥 Google Gemini Focus | 3 bài riêng cho Vertex AI — platform mạnh nhất 2025–2026 |
| 💰 Chi phí thực tế | Bảng giá, ROI calculator, cost optimization — không lý thuyết suông |
| 📊 Đánh giá khoa học | 3 bài về evaluation — BLEU, ROUGE, LLM-as-Judge, Human Eval |
| 🤔 Fine-tune vs RAG | Decision framework đầy đủ, case studies, hybrid approach |
| 🔧 Multi-platform | Google Gemini + OpenAI + LoRA/QLoRA open-source |
| 🚀 Production-ready | Deploy, monitoring, A/B testing, drift detection |
Yêu cầu đầu vào
- Python trung cấp (async/await, file I/O, JSON handling)
- Hiểu cơ bản về LLM (đã biết prompt engineering, API calls)
- Tài khoản Google Cloud (free trial $300 credit đủ cho cả khóa)
- Tài khoản OpenAI (cho bài 9)
- Google Colab (cho bài 10 — miễn phí)
Công cụ sử dụng
Python 3.11+ | Ngôn ngữ chính
Google Cloud / Vertex AI | Fine-tune Gemini models
OpenAI API | Fine-tune GPT-4o-mini
Hugging Face | Transformers, PEFT, datasets
Unsloth / Axolotl | Optimized LoRA training
Weights & Biases | Experiment tracking
Google Colab | Free GPU cho hands-on
BERTScore / ROUGE | Evaluation metrics
LangSmith | LLM-as-a-Judge pipeline
So sánh 3 series AI
| AI & LLM Series | Build AI Agents | Fine-tuning LLM | |
|---|---|---|---|
| Focus | Lý thuyết LLM | Xây Agent | Tinh chỉnh Model |
| Đối tượng | Người mới | Biết LLM cơ bản | Biết LLM cơ bản |
| Đầu ra | Hiểu LLM | Portfolio Agents | Custom AI Models |
| Công nghệ | PyTorch, Transformers | LangGraph, CrewAI | Vertex AI, LoRA |
| Độ khó | ⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ |