Deep Learning & GenAIDeep Learning & GenAI
Khóa 4/5 · Lộ trình AI Engineer từ số 0
Nâng caoDeep Learning & GenAI
Từ neural network đầu tiên viết bằng PyTorch đến một ứng dụng AI có link công khai và một portfolio GitHub đủ để nộp hồ sơ.
- 62 bài · ~22,5 giờ video
- Project 4: app AI có link công khai, nộp GitHub
- Train neural network PyTorch trên GPU server qua SSH
Ai nên học Khóa 4, và học xong làm được gì
Cần pandas, sklearn và trực giác về gradient descent. Deep learning, GenAI và deploy khóa sẽ dạy.
Dành cho ai
Vừa học xong Khóa 3
Model churn đã có, giờ cần đưa vào dùng thật.
Người làm data muốn gọi LLM
Muốn gọi LLM trong code, thay vì chỉ chat.
Người cần một portfolio nộp được
App chạy online, repo có README và CV nháp.
Yêu cầu đầu vào
Hoàn thành Khóa 1–3 hoặc vững pandas, sklearn và gradient descent.
Bài kiểm tra đầu vào 15 câu chỉ ra phần bạn còn hổng để ôn.
Không cần GPU riêng: Colab GPU miễn phí, AIDev Cloud thuê theo giờ.
Gọi API LLM cần thẻ quốc tế, dưới 2 USD, hoặc dùng model miễn phí.
Bạn sẽ làm được gì
Train neural network bằng PyTorch trên dữ liệu bảng, ảnh và văn bản.
Train model trên GPU server qua SSH như môi trường doanh nghiệp.
Dùng model Hugging Face, gọi API LLM và xây chatbot RAG.
Deploy app công khai và dựng portfolio GitHub bốn project.
Kỹ năng bạn sẽ có sau khóa
Kỹ năng nào cũng có bài tập trong 6 chương của khóa.
- PyTorch
- Tensors & autograd
- GPU server qua SSH
- CNN & transfer learning
- NLP tiếng Việt
- Embedding & attention
- Hugging Face
- Prompt engineering
- API LLM
- RAG
- Streamlit & Gradio
- FastAPI & Docker
- Git & portfolio
6 chương, 62 bài, hai khối: mô hình rồi sản phẩm
Bốn chương đầu là deep learning và GenAI, hai chương cuối đưa sản phẩm lên web và GitHub.
- PyTorch16 bài · 5h18'
- Computer Vision8 bài · 3h
- NLP & Transformer8 bài · 3h
- LLM & GenAI8 bài · 3h
- Deploy sản phẩm9 bài · 3h
- Git & Portfolio7 bài · 2h
18Neural Networks & PyTorch
16 bài · 5h18'
- Bài 18.1: Từ linear regression đến neuron và MLP21 phút
- Bài 18.2: Vì sao deep learning bùng nổ & khi nào dùng DL21 phút · thực hành: tính tay 1 neuron trên giấy với 3 input — phá hộp đen ngay bài đầu
- Bài 18.3: Gradient descent, learning rate & mini-batch22 phút
- Bài 18.4: Backpropagation & Adam bằng trực giác22 phút · thực hành: chơi với TensorFlow Playground (trên trình duyệt) — thấy mạng học trước khi viết code
- Bài 18.5: PyTorch & tensor: NumPy array có GPU22 phút
- Bài 18.6: Autograd: gradient descent trong 10 dòng22 phút · thực hành: fit parabol bằng gradient descent viết tay với autograd
- Bài 18.7: nn.Module: dựng MLP cho bài toán churn16 phút
- Bài 18.8: Dataset, DataLoader & training loop 5 bước16 phút
- Bài 18.9: Validation, loss curve & so với XGBoost16 phút · thực hành: đổi kiến trúc (số lớp, số neuron), quan sát loss curve thay đổi
- Bài 18.10: Chống overfit: dropout, early stopping, weight decay23 phút
- Bài 18.11: Batch norm & checklist chẩn đoán train hỏng23 phút · thực hành: cứu một model đang overfit nặng bằng 3 kỹ thuật vừa học
- Bài 18.12: GPU trên Colab: .to(device) & đo tốc độ23 phút
- Bài 18.13: Lưu, tải model & quản lý thí nghiệm23 phút · thực hành: train MLP hoàn chỉnh trên Colab GPU, lưu và tải lại model
- Bài 18.14: Bản đồ dịch vụ GPU & vì sao train trên server16 phút
- Bài 18.15: SSH vào AIDev Cloud: terminal, nvidia-smi, venv16 phút
- Bài 18.16: tmux, VS Code Remote-SSH & bài toán chi phí16 phút · thực hành: SSH vào AIDev Cloud (học viên combo/cohort/mentor dùng credit tặng kèm; học viên khóa lẻ thuê theo giờ), train lại model bài 18.7–18.9 bằng script + tmux
19Computer Vision cơ bản
8 bài · 3h
- Bài 19.1: Ảnh là tensor & vì sao MLP bó tay với ảnh22 phút
- Bài 19.2: Convolution, pooling & kiến trúc CNN22 phút · thực hành: áp filter thủ công lên ảnh bằng NumPy — thấy cạnh hiện ra
- Bài 19.3: Dựng CNN phân loại FashionMNIST23 phút
- Bài 19.4: Confusion matrix & data augmentation cho ảnh23 phút · thực hành: thêm augmentation + 1 lớp conv, đo cải thiện
- Bài 19.5: Transfer learning: freeze backbone, thay lớp cuối23 phút
- Bài 19.6: Fine-tune ResNet18 & chiến lược freeze/unfreeze23 phút · thực hành: fine-tune trên bộ ảnh nhỏ tự chọn (mèo/chó/thỏ…)
- Bài 19.7: Mini-project món ăn Việt: đề bài22 phút
- Bài 19.8: Mini-project món ăn Việt: chữa bài22 phút
20NLP & Transformers
8 bài · 3h
- Bài 20.1: Tokenize & tách từ tiếng Việt22 phút
- Bài 20.2: Tiền xử lý & EDA review Shopee/Tiki22 phút · thực hành: tiền xử lý (preprocessing) 1.000 review sản phẩm tiếng Việt
- Bài 20.3: Word embedding: từ gần nghĩa, vector gần nhau22 phút
- Bài 20.4: Sentence embeddings & tìm kiếm ngữ nghĩa22 phút · thực hành: xây tìm kiếm ngữ nghĩa mini trên 500 câu hỏi thường gặp
- Bài 20.5: Attention & self-attention bằng trực giác23 phút
- Bài 20.6: Kiến trúc Transformer: BERT, GPT & pretrain23 phút · thực hành: khám phá attention map bằng công cụ trực quan (BertViz)
- Bài 20.7: Hugging Face & pipeline() với PhoBERT23 phút
- Bài 20.8: Fine-tune phân loại cảm xúc với Trainer23 phút
21LLM & Ứng dụng GenAI
8 bài · 3h
- Bài 21.1: LLM hoạt động thế nào & bức tranh model 202623 phút
- Bài 21.2: Prompt engineering có hệ thống23 phút · thực hành: xây bộ 5 prompt template cho công việc DA hàng ngày, test A/B 2 phiên bản
- Bài 21.3: Gọi API LLM bằng Python: token, chi phí, key22 phút
- Bài 21.4: LLM trong pipeline dữ liệu: structured output22 phút · thực hành: dùng LLM phân loại chủ đề 200 review tiếng Việt thành DataFrame (< 0,5 USD)
- Bài 21.5: Kiến trúc RAG & vì sao chưa cần fine-tune23 phút
- Bài 21.6: Code RAG tối giản ~80 dòng23 phút · thực hành: RAG trên tài liệu tự chọn của học viên
- Bài 21.7: Function calling & agent tối giản trên SQLite22 phút
- Bài 21.8: Hệ sinh thái GenAI, nghề AI Engineer & đạo đức22 phút
22Đưa sản phẩm ra đời thật
9 bài · 3h
- Bài 22.1: Streamlit: từ notebook đến web app16 phút
- Bài 22.2: App dự đoán churn với Streamlit16 phút
- Bài 22.3: Dashboard EDA đa trang với Streamlit16 phút · thực hành: dựng app cho Project 2 hoặc 3 của chính mình
- Bài 22.4: Gradio: app kéo-thả ảnh món ăn Việt20 phút
- Bài 22.5: Gradio ChatInterface cho chatbot RAG20 phút · thực hành: đóng gói Project 4 thành app Gradio
- Bài 22.6: FastAPI: endpoint /predict serve model23 phút
- Bài 22.7: Pydantic validate input & kiến trúc API + UI23 phút · thực hành: bọc model churn thành API + gọi thử từ notebook
- Bài 22.8: Deploy miễn phí: Streamlit Cloud & HF Spaces23 phút
- Bài 22.9: Deploy trên AIDev Cloud & Docker nhập môn23 phút
23Git, GitHub & Portfolio
7 bài · 2h
- Bài 23.1: Ôn Git tối thiểu & đọc git status15 phút
- Bài 23.2: .gitignore, commit tử tế & quay về bản cũ15 phút
- Bài 23.3: Branch & Git trong VS Code14 phút · thực hành: đưa Project 4 vào Git đúng chuẩn từ đầu
- Bài 23.4: Push lên GitHub & README bán được dự án19 phút
- Bài 23.5: GitHub profile & gắn link app đã deploy19 phút · thực hành: hoàn thiện README cho cả 4 project theo template
- Bài 23.6: CV fresher Data/AI & LinkedIn19 phút
- Bài 23.7: Phỏng vấn, take-home & bản đồ học tiếp19 phút
Tổng: 62 bài (gồm 6 bài Project 4) · ~22,5 giờ
Một ứng dụng AI nhỏ, chọn một trong hai hướng
Sáu bài hướng dẫn từ đề bài đến lúc nộp. Bạn tự làm trước, rồi xem video để so lại bài mình.
Project 4: Ứng dụng AI nhỏ chạy thật
Chọn một trong hai hướng: chatbot RAG tiếng Việt trên tài liệu tự chọn, hoặc app phân loại ảnh từ model món ăn Việt ở chương 19. Chấm theo rubric 25 điểm. Bạn nộp bản chạy local, chương 22 đưa nó lên link công khai.
Chọn hướng & thiết kế
Đọc rubric, xem hai bài mẫu, chọn hướng và chốt MVP trước khi code.
Đi theo bài mẫu
Hai bài mẫu RAG và phân loại ảnh, tách model, logic và giao diện.
Hoàn thiện & nộp bài
Tự chấm theo rubric, soát lỗi hay gặp, nộp kèm video demo hai phút.
Nộp project là điều kiện nhận chứng nhận Khóa 4, và là một trong năm project cần hoàn thành để mở capstone (gói Combo, Cohort, Mentor). Sau chương 22–23 nó có link công khai và repo README, nhà tuyển dụng mở là xem được.
Học xong khóa này, bạn có gì trong tay
Những gì bạn mang sang khóa học tiếp theo.
Bạn có trong tay
App AI có link công khai, deploy bằng Streamlit hoặc FastAPI.
Portfolio GitHub bốn project và một bản CV nháp.
Thói quen làm việc trên GPU server qua SSH.
Chatbot RAG hỏi đáp trên bộ tài liệu riêng.
Khóa tiếp theo
Xây ứng dụng AI với LLM và AI Agent
Chương 24–31 · 86 bài · ~28,1 giờ video
Lối ra nghề gần nhất: Kỹ sư ứng dụng AI, hết Khóa 5 và capstone
- AI Engineer
- Fullstack AI Engineer
- LLM Engineer
- AI Solutions Architect
Vị trí lấy theo mô tả tuyển dụng công khai, không phải cam kết việc làm. Kết quả phụ thuộc vào năng lực, nỗ lực và bối cảnh của từng học viên.
Khóa này dạy như thế nào
Hiểu trực giác trước, tự code bản tối giản rồi mới dùng model có sẵn. Notebook chạy trên Colab GPU miễn phí. Phần GenAI được rà lại sáu tháng một lần.
Giảng viên của khóa học
Cả lộ trình, gồm khóa này, do một người soạn, quay và đứng lớp.
Nguyễn Việt Chung
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.
Mua riêng khóa này, hoặc đi trọn lộ trình
Học phí trả một lần. Nếu sau này bạn muốn học tiếp, khoản đã đóng cho khóa này được trừ toàn bộ vào gói cao hơn.
Khuyên chọn · Trọn lộ trình
Combo trọn lộ trình
5 khóa + Capstone + chứng nhận
Giá flash sale: 2.490.000 ₫
Giá ưu đãi khai giảng · đến hết 19/11/2026
Tiết kiệm 2.096.000 ₫ (46%) so với mua lẻ 5 khóa
Khóa này nằm trong gói
Chỉ khóa này
Deep Learning & GenAI
Giá bán: 999.000 ₫
Sở hữu trọn đời
Dự kiến phát hành tháng 2/2027 · Vào học ngay khi khóa phát hành
Học phí đã đóng được trừ toàn bộ khi nâng lên trọn lộ trình
Khóa học là nội dung số; sau khi mở quyền truy cập, học phí không được hoàn lại. Xem điều khoản khóa học
Cam kết của AIDev
Khóa vẫn đang quay dần, nên mua sớm cũng có rủi ro. Phần rủi ro đó AIDev nhận về mình.
Sở hữu trọn đời
Trả một lần, không phí duy trì, xem lại bao nhiêu lần cũng được.
Cập nhật nội dung miễn phí
Bài nào phải quay lại hoặc bổ sung, bạn nhận bản mới mà không đóng thêm.
Nâng gói được trừ học phí
Khi nâng lên gói cao hơn, toàn bộ học phí bạn đã đóng được trừ vào giá gói mới.
Những câu hỏi riêng của khóa này
Câu hỏi về gói trọn lộ trình và chứng nhận có ở trang lộ trình.
Học khóa này có phải sắm GPU hay trả thêm tiền cloud không?
Không bắt buộc. Mặc định mọi notebook chạy được trên Google Colab GPU miễn phí, kể cả phần fine-tune ở chương 19 và 20. Đường khuyến nghị là GPU server Ubuntu của AIDev Cloud vì nó giống môi trường doanh nghiệp: học viên Combo, Cohort và Mentor được tặng kèm credit AIDev Cloud, mức cụ thể ghi trên thẻ học phí của lộ trình. Học viên khóa lẻ thuê GPU theo giờ trên AIDev Cloud. Phần API ở chương 21 được thiết kế gói gọn dưới 2 USD cho cả khóa, và mỗi bài đều kèm phương án model miễn phí hoặc chạy local để thay thế.
Đã có Colab rồi thì học bài 18.14–18.16 về GPU server để làm gì?
Vì công ty không train trên notebook. Bài 18.14–18.16 dạy đúng cái nếp đó: SSH vào server, đọc VRAM bằng nvidia-smi, tạo venv, kéo code bằng git và đẩy dữ liệu bằng scp, chạy training bằng python train.py, giữ phiên bằng tmux để train qua đêm không sợ rớt mạng, rồi nối VS Code Remote-SSH để code trên máy mình mà chạy trên server. Cụm bài cũng so chi phí thực tế của cùng một job giữa các lựa chọn. Kỹ năng này ghi được vào CV, và từ đây trở đi mọi bài train nặng đều có hướng dẫn cho cả Colab lẫn server.
Khóa dạy LLM và RAG đến mức nào?
Đến mức xây được ứng dụng. Khóa không dạy train model nền. Chương 21 đi từ cách LLM sinh chữ và vì sao nó bịa, sang prompt engineering có cấu trúc, gọi API trong code với system prompt và kiểm soát chi phí, structured output để phân loại và trích thông tin thành DataFrame, RAG viết tay khoảng 80 dòng không dùng framework nặng, rồi function calling và một agent tối giản tự viết query trên SQLite. RAG production, agent, MCP, evals và fine-tune có kỷ luật là nội dung Khóa 5. Huấn luyện LLM từ đầu thì nằm ngoài lộ trình.
Nội dung GenAI đổi nhanh, sáu tháng nữa còn dùng được không?
Vì vậy chương 21 được quay tách làm hai lớp. Phần nguyên lý gồm token, embedding, attention, kiến trúc RAG và cách tính chi phí gần như không đổi. Phần công cụ gồm tên model, SDK và cú pháp cụ thể thì có, và chính nhóm video đó được cam kết rà lại sáu tháng một lần. Khi bản mới lên, bạn nhận miễn phí theo cam kết cập nhật.
App làm ra thì deploy ở đâu, có mất phí hosting không?
Hai con đường miễn phí là Streamlit Community Cloud cho app Streamlit và Hugging Face Spaces cho demo Gradio, đủ ổn định để gắn link vào CV. Chương 22 dạy cả requirements.txt đúng chuẩn và cách để secrets trên cloud mà không lộ API key. Khi app cần GPU lúc chạy, ví dụ model ảnh nặng hoặc LLM local, bài 22.9 hướng dẫn chạy trên server AIDev Cloud bằng tmux, mở port và gắn domain. Docker dừng ở mức đọc hiểu Dockerfile mẫu. Docker compose, CI và self-host vLLM là nội dung chương 30 của Khóa 5.
Thư viện và tài liệu toàn tiếng Anh, tiếng Anh của tôi yếu thì sao?
Toàn bộ bài giảng, slide và cheatsheet bằng tiếng Việt, và dữ liệu thực hành cũng vậy: review Shopee và Tiki tiếng Việt, PhoBERT, tách từ bằng underthesea, ảnh món ăn Việt, tài liệu tiếng Việt cho RAG. Tên hàm và thông báo lỗi thì vẫn là tiếng Anh, nên khóa dạy luôn cách đọc tài liệu thư viện và cách tra một dòng lỗi thay vì né nó.
Khác gì các khóa deep learning quốc tế?
Toán dừng ở trực giác. Khóa đi thẳng vào transfer learning với model pretrained, thay vì dựng lại mọi thứ từ đạo hàm. Dữ liệu là tiếng Việt từ đầu đến cuối, từ tách từ đến PhoBERT. Khóa cũng dạy hai phần các khóa khác hay bỏ qua: làm việc trên GPU server như ở doanh nghiệp, và đưa sản phẩm lên link công khai kèm portfolio GitHub để có hồ sơ nộp được.
Khóa này nằm ở đâu trong lộ trình?
Khóa 4/5 của Lộ trình AI Engineer từ số 0, gồm chương 18–23. Khóa ngay trước là Machine Learning thực chiến (chương 13–17), khóa ngay sau là Xây ứng dụng AI với LLM và AI Agent (chương 24–31). Khi nâng lên gói cao hơn, toàn bộ học phí bạn đã đóng được trừ vào giá gói mới.
Có được hoàn tiền không?
Không. Khóa học là nội dung số; sau khi mở quyền truy cập, học phí không được hoàn lại. Trước khi trả tiền bạn có chương 1 miễn phí, đề cương đến từng bài và một video xem thử mỗi khóa để quyết định.
Sở hữu trọn đời nghĩa là gì?
Là bạn truy cập được nội dung đã mua trong suốt vòng đời nền tảng học của AIDev, tối thiểu 5 năm kể từ ngày mua, gồm mọi bản cập nhật nội dung miễn phí. Không gồm các dịch vụ hỗ trợ kèm theo gói như buổi live, chấm tay hay mentor, vốn có thời hạn riêng của gói đó.
Cần tư vấn trước khi đăng ký?
Để lại thông tin, AIDev gọi lại xem khóa có hợp với bạn không, và báo bạn khi image GPU cùng starter kit Project 4 sẵn sàng để dùng.
Còn câu hỏi? Nhắn
ZaloTelegramhoặc gọi085 939 6969