Home
Courses

Lập trình Trí tuệ nhân tạo với Python

Khóa học “Lập trình Trí tuệ Nhân tạo với Python – Xây dựng ứng dụng LLM” là một chương trình đào tạo trực tuyến, giúp học viên nắm bắt và ứng dụng các mô hình ngôn ngữ lớn (LLM) như GPT, Claude, LLaMA... vào thực tế. Thay vì nghiên cứu mô hình từ đầu, khóa học tập trung vào việc khai thác sức mạnh của LLM thông qua API, thư viện LangChain, và công cụ triển khai hiện đại. Khóa học dành cho sinh viên công nghệ thông tin, kỹ sư phần mềm, nhà phát triển sản phẩm, hoặc bất kỳ ai muốn xây dựng các tính năng thông minh như chatbot, hệ thống hỏi đáp, hoặc xử lý tài liệu tự động mà không cần đào tạo mô hình từ đầu. Nội dung học bao gồm: lý thuyết nền tảng về LLM, in-context learning, instruction tuning, RAG, agent-based system, xử lý ảnh với mô hình đa phương thức, cùng quy trình triển khai sản phẩm thực tế với Python. Hoàn tất khóa học, học viên có thể tự tin xây dựng các ứng dụng AI đầu cuối sử dụng LLM, sở hữu các sản phẩm mẫu để đưa vào CV hoặc ứng dụng vào các dự án doanh nghiệp, startup, nghiên cứu.

MỤC TIÊU HỌC TẬP

Sau khi hoàn thành khóa học, học viên sẽ có thể:

Hiểu được khái niệm và cơ chế hoạt động của các mô hình ngôn ngữ lớn (LLM) như GPT, Claude, LLaMA, và cách thức tương tác thông qua API.
Nắm vững các kỹ thuật prompt engineering (zero-shot, few-shot, instruction tuning) và áp dụng hiệu quả trong nhiều ngữ cảnh ứng dụng.
Xây dựng các ứng dụng NLP thông minh như chatbot, trợ lý ảo, hoặc hệ thống phân loại văn bản sử dụng LLM mà không cần huấn luyện mô hình từ đầu.
Tích hợp LLM với dữ liệu riêng (PDF, tài liệu nội bộ) bằng kỹ thuật Retrieval-Augmented Generation (RAG).
Xây dựng các hệ thống agent đa bước (multi-step reasoning) sử dụng LangChain để giải quyết các tác vụ phức tạp.
Áp dụng các mô hình đa phương thức (multimodal) để trích xuất và phân tích thông tin từ hình ảnh, đặc biệt là hoá đơn, biên nhận hoặc tài liệu có cấu trúc.

SẢN PHẨM SẼ LÀM ĐƯỢC

Sau khi hoàn thành khóa học, học viên sẽ có khả năng tự xây dựng các sản phẩm ứng dụng trí tuệ nhân tạo dựa trên LLM như:

Chatbot thông minh: Giao tiếp tự nhiên với người dùng, có khả năng ghi nhớ thông tin cuộc trò chuyện (memory) và tùy chỉnh hành vi bằng prompt.
Hệ thống hỏi đáp nội bộ: Trích xuất câu trả lời từ tài liệu nội bộ (PDF, Markdown...) bằng kỹ thuật RAG, hỗ trợ tra cứu kiến thức trong doanh nghiệp.
Trợ lý AI chuyên biệt: Agent đa bước thực hiện chuỗi hành động để giải quyết tác vụ như lên lịch, tổng hợp thông tin, gọi API bên ngoài...
Ứng dụng xử lý hóa đơn/biên nhận: Trích xuất dữ liệu từ ảnh hóa đơn bằng mô hình đa phương thức, chuyển đổi sang định dạng có cấu trúc (JSON).
Công cụ phân tích văn bản nâng cao: Phân loại email, tóm tắt văn bản, trích xuất thực thể có tên, hoặc soạn thảo nội dung tự động bằng prompt.

Course Content

Module 1: Giới thiệu về Large Language Model (LLM) và kỹ thuật Promting

Bài 1: Giới thiệu về LLM và môi trường phát triển

Giới thiệu về Large Language Models (LLM) và sự phát triển của AI tạo sinh
Các khái niệm cốt lõi và Quy trình làm việc với LLM
Quiz 1
Hướng dẫn: Gọi OpenAI API bằng Python
Hướng dẫn: Gọi Google Gemini API với Python
Hướng dẫn: Gọi LLM API trên nền tảng Groq

Bài 2: Tối ưu hóa với Kỹ thuật Prompting

In-Context Learning: Hướng Dẫn Mô Hình Bằng Ví Dụ Thực Tế
Chain-of-Thought Prompting: Dẫn Dắt Mô Hình "Suy Nghĩ" Từng Bước
Quiz 2
Demo: Khám Phá Sức Mạnh Của Kỹ Thuật Prompting Với Gemini
Lab tự làm: Đánh Giá Hiệu Quả Kỹ Thuật Prompting

Module 2: Xây dựng ứng dụng cơ bản với LLM

Bài 3: Làm quen với thư viện LangChain

Giới Thiệu Về LangChain
Kết nối LangChain với LLM và Làm quen với Chains
Quiz 3
Lab Hướng Dẫn: Tạo Ứng Dụng Sinh Văn Bản Quảng Cáo với LangChain
Lab tự làm: Ứng Dụng Tóm Tắt Văn Bản với LangChain

Bài 4: Sinh văn bản (Text Generation) nâng cao

Các tham số quan trọng trong quá trình sinh văn bản
Các Chiến Lược Giải Mã (Decoding Strategies) trong Sinh Văn Bản
Quiz 4
Demo: Minh họa Ảnh hưởng của Tham số Sinh Văn bản
Lab Tự Làm: Phát Triển Công Cụ Hỗ Trợ Viết Nội Dung Chuyên Ngành Đơn Giản

Bài 5: Xây dựng Chatbot và Quản lý hội thoại

Khái niệm Role-play và Cách quản lý Memory trong hội thoại
Giới thiệu các loại Memory trong LangChain
Quiz 5
Lab hướng dẫn: Xây dựng Chatbot với Template System/User và Memory cơ bản trong LangChain
Lab Tự Làm: Xây Dựng Chatbot Hỗ Trợ Khách Hàng (CSKH) Đơn Giản)

Module 3: Nâng cao ứng dụng LLM với RAG và Agent

Bài 6: Hệ thống Hỏi đáp với Retrieval-Augmented Generation (RAG)

Tổng quan về Retrieval-Augmented Generation (RAG)
Các Thành phần cốt lõi của Hệ thống Retrieval-Augmented Generation (RAG)
Đánh giá, Thách thức và Xu hướng Phát triển của Retrieval-Augmented Generation (RAG)
Quiz 6
Lab Thực Hành: Xây Dựng Hệ thống RAG Cơ Bản với LangChain
Lab Tự Làm: Xây Dựng Hệ Thống Hỏi Đáp Nội Bộ Doanh Nghiệp (RAG từ PDF)

Bài 7: Làm quen với LLM Agent

Bài 8: Quy trình làm việc đa bước (Multi-Agent Systems)

Module 4: Ứng dụng LLM Đa phương thức (Multimodal)

Bài 9: Làm quen với mô hình LLM đa phương thức (Multimodal)

Tổng quan về AI Đa phương thức & VLM
Quiz 9
Lab Hướng Dẫn: Trích xuất Thông tin Hóa đơn bằng GPT-4o Vision API
Lab Hướng Dẫn: Trích xuất Thông tin Hóa đơn bằng OCR + LLM
Lab Tự Làm: Xây Dựng Ứng Dụng Trích xuất Thông tin từ CV

Not enrolled