
Tài liệu và giáo trình học AI miễn phí theo lộ trình
AIDev TeamTham vấn chuyên môn: Nguyễn Việt Chung
Đăng 12 phút đọc
Mục lục · 17
Giáo trình AI miễn phí tốt nhất hiện nay là sách mở do chính tác giả và các trường đại học phát hành, trong đó có hai bộ tiếng Việt. Bài xếp 14 tài liệu theo 5 chặng của lộ trình AI Engineer, ghi rõ bản nào tải được PDF, dày bao nhiêu trang, giấy phép ra sao, và link nào đã hỏng.
Giáo trình AI miễn phí đáng đọc nhất là sách mở do tác giả và các trường đại học tự phát hành, như Dive into Deep Learning, Mathematics for Machine Learning hay Speech and Language Processing. Bằng tiếng Việt có "Machine Learning cơ bản" của Vũ Hữu Tiệp, vẫn tải được bản PDF. Học theo thứ tự thì mỗi chặng chỉ cần một cuốn chính và một tài liệu tra cứu.
Tối 08/11/2026, mình mở lại 19 đường link của các tài liệu trong bài từ một máy AIDev Cloud ở Hà Nội, rồi thử tải 7 file PDF về để đếm số trang, được 6 file. 17 link mở đúng trang. Một link đã hỏng hẳn. Một link khác vẫn mở được, nhưng tên miền đã đổi chủ và giờ là trang cờ bạc. Ở phần sau, mình chỉ rõ link nào gặp chuyện gì.
Mấy điều cần nắm trước:
Bài xếp tài liệu theo 5 chặng: Python, dữ liệu, machine learning, deep learning, ứng dụng LLM (mô hình ngôn ngữ lớn). Phần toán đứng riêng vì chặng 3 và 4 đều cần.
Cả 6 file PDF mình tải được đều do tác giả hoặc nhà xuất bản phát hành miễn phí. Cuốn mỏng nhất 315 trang, dày nhất 1.151 trang.
Bản tiếng Việt của Dive into Deep Learning có repo trên GitHub ngừng cập nhật từ 07/2022. Tên miền cũ của bản này hiện là trang cờ bạc, đừng mở.
Bài này chỉ nói về giáo trình để đọc. Các khóa học có video và bài tập thì mình đã gom ở bài tự học AI có được không và bài khóa học AI miễn phí.
Giáo trình AI nào nên đọc ở từng chặng?
Bảng dưới là danh sách ngắn. Cột "Dạng" cho biết tài liệu đọc trên web hay tải được PDF, cột cuối là tình trạng link lúc mình mở tối 08/11/2026.
Chặng | Giáo trình | Dạng | Tiếng | Link ngày 08/11 |
|---|---|---|---|---|
2. Dữ liệu | Python for Data Analysis, bản 3 | web | Anh | mở được |
2. Dữ liệu | Python Data Science Handbook | web | Anh | mở được |
2. Dữ liệu | Think Stats, bản 3 | web, Colab | Anh | mở được |
Toán | Mathematics for Machine Learning | PDF 417 trang | Anh | mở được |
3. ML | Machine Learning cơ bản | PDF 422 trang | Việt | mở được |
3. ML | An Introduction to Statistical Learning (Python) | Anh | trang sách mở được, máy chủ PDF từ chối kết nối | |
3. ML | scikit-learn User Guide 1.9.1 | web | Anh | mở được |
4. DL | Dive into Deep Learning | web, PDF 1.151 trang | Anh | mở được |
4. DL | Understanding Deep Learning | PDF 541 trang | Anh | mở được |
4. DL | Deep Learning (Goodfellow và cộng sự) | chỉ web | Anh | mở được |
4. DL | PyTorch Tutorials 2.15 | web | Anh | mở được |
5. LLM | Speech and Language Processing, bản 3 | web, PDF | Anh | mở được |
5. LLM | Foundations of Large Language Models | PDF 315 trang | Anh | mở được |
5. LLM | Tài liệu prompt engineering của Claude | web | Anh | mở được |
Chặng 1 (Python) mình không lặp lại ở đây. Bài giáo trình Python cho người mới đã so 6 tài liệu, trong đó Think Python bản 3 và Automate the Boring Stuff là hai cuốn nên bắt đầu.

Chặng dữ liệu nên đọc giáo trình nào?
Sau Python, bạn cần làm việc được với bảng dữ liệu và hiểu thống kê đủ để không đọc sai số. Ba cuốn ở chặng này đều đọc miễn phí trên web:
Python for Data Analysis bản 3, do Wes McKinney, tác giả pandas, viết. Trang sách ghi đây là bản "Open Access" dạng HTML, viết cho pandas 2.0.0 và Python 3.10. Đây là tài liệu gốc về pandas. Có điều pandas đã lên bản 3, nên vài ví dụ trong sách có thể in cảnh báo hoặc kết quả khác.
Python Data Science Handbook của Jake VanderPlas đi nhanh qua NumPy, pandas, Matplotlib và scikit-learn trong một cuốn. Phần chữ theo giấy phép CC BY-NC-ND, code theo MIT.
Think Stats bản 3 dạy thống kê bằng code Python. Mỗi chương có nút mở thẳng trên Google Colab, nên không cần cài gì.
Nếu bạn chưa từng dùng pandas, đọc bài pandas là gì trước rồi mới mở cuốn của McKinney sẽ đỡ ngợp hơn.
Giáo trình toán cho AI: cần đọc tới đâu?
Mathematics for Machine Learning (Deisenroth, Faisal, Ong, Cambridge University Press 2020) là cuốn toán mình hay gợi ý nhất. Trang sách cam kết giữ bản PDF miễn phí. File mình tải về dày 417 trang, 17,6 MB.
Nửa đầu sách là đại số tuyến tính, giải tích vector, xác suất và tối ưu. Nửa sau dùng chính phần toán đó để giải bốn bài toán ML: hồi quy tuyến tính, giảm chiều bằng PCA, mô hình hỗn hợp Gauss và SVM. Bạn không cần đọc hết trước khi học ML. Đọc chương nào khi gặp chỗ không hiểu ở chặng 3 là đủ.
Giáo trình machine learning: có bản tiếng Việt không?
Có, và đó là cuốn nên đọc đầu tiên nếu bạn ngại tiếng Anh. Machine Learning cơ bản của Vũ Hữu Tiệp có file PDF ngay trong repo GitHub. Mình tải bản đen trắng book_ML.pdf: 422 trang, 24,0 MB. Repo có 1.911 sao, lần cập nhật gần nhất ngày 20/09/2026. File LICENSE của repo là CC BY-SA 4.0, còn phần giới thiệu của repo xin người dùng ghi nguồn và hỏi tác giả trước khi sao chép hay in sách. Blog gốc machinelearningcoban.com vẫn mở được, nhưng bài mới nhất trên trang chủ là từ năm 2018.
Hai tài liệu tiếng Anh đi kèm:
An Introduction to Statistical Learning, bản Python (ISLP, 2023), là giáo trình nhập môn viết cho người chưa giỏi toán. Tối 08/11, trang sách mở bình thường, nhưng máy chủ chứa file PDF từ chối kết nối ở cả ba lần mình thử. Nếu bạn gặp lỗi tương tự, thử lại vào lúc khác.
scikit-learn User Guide bản 1.9.1 là tài liệu tra cứu khi viết code. Mục "Common pitfalls" về rò rỉ dữ liệu (data leakage) đáng đọc trước khi train model đầu tiên.
Bài machine learning là gì có một model đầu tiên chạy bằng scikit-learn, bạn nên đọc bài đó trước để thấy một model chạy ra sao, rồi mới mở hai cuốn trên.
Giáo trình deep learning nào còn cập nhật?
Dive into Deep Learning (D2L) là cuốn mình gợi ý cho người học bằng code. Trang chủ ghi sách được 500 trường đại học ở 70 nước dùng, code viết cho PyTorch, JAX, TensorFlow và MXNet. Bản web hiện là 1.0.3. File PDF bản PyTorch mình tải về dày 1.151 trang, 44,7 MB, nên đọc trên web sẽ tiện hơn.
Understanding Deep Learning của Simon Prince đi theo hướng hình vẽ và giải thích, ít code hơn. Bản PDF mới nhất là v5.0.3, phát hành trên GitHub ngày 09/02/2026, dày 541 trang. Sách theo giấy phép CC BY-NC-ND 4.0.
Hai tài liệu còn lại dùng để tra:
Deep Learning của Goodfellow, Bengio, Courville (MIT Press 2016) vẫn đọc miễn phí trên web. Mục hỏi đáp của sách ghi rõ không có bản PDF, vì hợp đồng với nhà xuất bản không cho phép. Sách nặng lý thuyết và dừng trước thời Transformer (kiến trúc mạng đứng sau các LLM hiện nay).
PyTorch Tutorials (trang ghi PyTorch 2.15.0) có mục "Learn the Basics" đi trọn một vòng: dữ liệu, model, train, lưu model.
Bản tiếng Việt của Dive into Deep Learning còn dùng được không?
Nội dung thì còn, nhưng phải lấy đúng chỗ. Trang chủ d2l.ai vẫn trỏ bản tiếng Việt về tên miền d2l.aivivn.com, và tên miền này giờ là trang cờ bạc trực tuyến bằng tiếng Indonesia:

Bản dịch "Đắm mình vào Học Sâu" vẫn còn trong repo d2l-ai/d2l-vi, giấy phép CC BY-SA 4.0 cho phần chữ. Lần cập nhật cuối của repo là 07/2022, nên bản dịch không theo kịp các lần sửa sau đó của sách gốc. Bạn có thể đọc phần lý thuyết bằng tiếng Việt, rồi chạy code theo bản tiếng Anh trên d2l.ai.
Một cuốn tiếng Việt khác hay được nhắc là "Deep Learning cơ bản" của Nguyễn Thanh Tuấn. Trang chủ nttuan8.com vẫn có link tới trang tải sách, nhưng trang đó trả lỗi 404 ở cả hai lần mình thử. Mình không tìm thấy bản phát hành chính thức nào khác nên không đưa cuốn này vào bảng.
Giáo trình LLM và AI agent đọc ở đâu?
Chặng 5 thay đổi nhanh nhất, nên mình ưu tiên tài liệu còn được tác giả cập nhật trong năm nay:
Speech and Language Processing của Jurafsky và Martin (Stanford), bản 3 vẫn ở dạng bản thảo, lần phát hành mới nhất là ngày 19/08/2026. Tập I có một chương về Transformer và pretraining, một chương về post-training. Tập II có chương truy hồi thông tin và RAG, tức cách cho LLM tra tài liệu riêng trước khi trả lời. Toàn bộ sách gộp trong một file PDF 646 trang, 26,5 MB.
Foundations of Large Language Models của Tong Xiao và Jingbo Zhu, bản v4 trên arXiv ngày 08/10/2026, giấy phép CC BY 4.0. File PDF 315 trang, 2,3 MB, là cuốn gọn nhất trong bài. Sách có sáu chương chính: pretraining, generative model, prompting, alignment, inference và reasoning.
Tài liệu prompt engineering của Claude do Anthropic viết, là hướng dẫn thực hành khi bắt đầu gọi API một LLM.
Phần làm agent và deploy hiện vẫn học tốt hơn qua khóa có bài tập, như Hugging Face LLM Course đã nêu trong bài tự học AI, vì giáo trình thường chậm hơn thư viện vài phiên bản.
Giáo trình AI PDF nào tải được, dày bao nhiêu?
Mình tải từng file từ đúng địa chỉ do tác giả hoặc nhà xuất bản công bố, rồi đếm số trang bằng pdfinfo. Được 6 trong 7 file:

Giáo trình | Số trang | Dung lượng | Giấy phép, theo trang sách |
|---|---|---|---|
Dive into Deep Learning (PyTorch) | 1.151 | 44,7 MB | CC BY-SA 4.0, theo repo d2l-en |
Speech and Language Processing (19/08/2026) | 646 | 26,5 MB | không ghi giấy phép, trang sách mời dùng trong lớp học |
Understanding Deep Learning v5.0.3 | 541 | 22,3 MB | CC BY-NC-ND 4.0 |
Machine Learning cơ bản | 422 | 24,0 MB | CC BY-SA 4.0 |
Mathematics for Machine Learning | 417 | 17,6 MB | bản quyền tác giả, cam kết giữ PDF miễn phí |
Foundations of Large Language Models v4 | 315 | 2,3 MB | CC BY 4.0 |

Vài điều mình gặp khi tải:
Tốc độ tải tùy máy chủ của từng sách. File D2L 44,7 MB tải xong trong chưa tới 1 giây, còn file Mathematics for Machine Learning 17,6 MB mất 188 giây. Hai file Speech and Language Processing và Understanding Deep Learning chạy quá 5 phút vẫn chưa xong, mình phải tải tiếp lần hai mới đủ.
Giấy phép khác nhau nhiều. Phần lớn cho đọc và chia sẻ miễn phí, nhưng CC BY-NC-ND không cho dùng vào việc thương mại hay sửa rồi phát lại. Muốn in để dạy hay dịch lại, bạn đọc kỹ giấy phép của từng cuốn.
Chỉ tải từ trang của tác giả hoặc nhà xuất bản. Trang chia sẻ PDF lậu hay trang "tải giáo trình AI" thường chèn quảng cáo, và như vụ d2l.aivivn.com ở trên, tên miền cũ có thể đổi chủ bất cứ lúc nào.
Khi nào không nên học AI bằng giáo trình?
Đừng bắt đầu bằng giáo trình nếu bạn chưa từng viết code. Một cuốn 400 đến 1.000 trang không có ai sửa bài, và người mới rất dễ đọc mà không làm. Khi đó, hãy đi qua một khóa Python có bài tập trước, rồi mới mở sách.
Giáo trình cũng không thay được dự án. Trong 108 tin tuyển dụng AI Engineer mà AIDev đã đọc, hai kỹ năng được nhắc nhiều nhất là Python và LLM (gồm cả RAG và agent). Đọc xong một cuốn mà chưa có sản phẩm nào thì bạn vẫn chưa có gì để đưa vào hồ sơ.
Giáo trình hợp nhất ở vai trò tài liệu thứ hai: học theo một lộ trình có bài tập, gặp chỗ không hiểu thì mở đúng chương trong sách để đọc sâu.
Câu hỏi thường gặp
Giáo trình AI cơ bản nào cho người mới bắt đầu?
Nếu đọc được tiếng Anh, bạn có thể bắt đầu bằng Python for Data Analysis cho phần dữ liệu, rồi tới Dive into Deep Learning. Nếu muốn đọc tiếng Việt, "Machine Learning cơ bản" là cuốn tiếng Việt có bản PDF chính thức mới cập nhật nhất mà mình tìm được. Cả ba đều cần biết Python trước.
Có giáo trình AI tiếng Việt miễn phí không?
Có hai bộ còn đọc được: "Machine Learning cơ bản" (PDF trên GitHub, repo cập nhật 09/2026) và bản dịch "Đắm mình vào Học Sâu" trong repo d2l-ai/d2l-vi (ngừng cập nhật từ 07/2022). Đừng mở tên miền d2l.aivivn.com, vì tên miền này đã thành trang cờ bạc.
Tải giáo trình AI PDF có hợp pháp không?
Với 6 file trong bài thì có, vì chính tác giả hoặc nhà xuất bản phát hành miễn phí. Nhưng miễn phí để đọc chưa chắc là được in bán hay sửa rồi đăng lại, nên hãy xem giấy phép ghi trong bảng. Riêng sách Deep Learning của Goodfellow không có bản PDF chính thức, nên mọi file PDF của sách này trên mạng đều không do tác giả phát hành.
Học AI cần đọc giáo trình toán trước không?
Không cần đọc hết trước. Bạn có thể học chặng dữ liệu và machine learning trước, gặp chỗ nào vướng thì mở chương tương ứng trong Mathematics for Machine Learning: đại số tuyến tính cho model tuyến tính, xác suất cho đánh giá model, đạo hàm cho deep learning.
Đọc tiếp
Lộ trình AI Engineer: 5 chặng học, mỗi chặng mất bao lâu.
Tự học AI có được không: các khóa miễn phí có video và bài tập cho từng chặng.
Giáo trình Python cho người mới: chặng 1 trước khi mở các cuốn trên.
Nếu bạn muốn một giáo trình Python bằng tiếng Việt cho chặng 1, AIDev có ebook Python từ số 0: 6 chương, chương cuối làm một app quản lý chi tiêu chạy thật. Còn khi muốn học đủ 5 chặng theo một thứ tự có sẵn, có project được chấm, bạn xem lộ trình AI Engineer từ số 0 của AIDev.
Link và file PDF kiểm tối 08/11/2026 (20:32 đến 20:55) từ máy AIDev Cloud CPU Starter ở Hà Nội (Ubuntu 24.04, curl 8.5.0, pdfinfo của poppler-utils). Số trang đọc bằng pdfinfo, dung lượng là kích thước file tải về.
Chuyên mục
Học AITham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.


