Deep Learning & GenAIƯu đãi khóa học
Sở hữu trọn đời, cập nhật miễn phí, học phí bảo toàn khi bạn học tiếp.
999.000đ
Học phí khóa này
6
Chương
~20,8 giờ
Video bài giảng
Deep 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.
- 26 bài · ~20,8 giờ video
- Project 4: app AI có link công khai, nộp GitHub
- Train neural network PyTorch (bảng/ảnh/text), làm việc trên GPU server qua SSH
Cấp độ: Nâng cao
6 chương
26 bài
~20,8 giờ video
Sở hữu trọn đời
Ai nên học chặng thứ tư này, và học xong làm được gì
Bạn cần pandas, một pipeline sklearn từng chạy qua tay và trực giác về gradient descent trước khi vào; phần deep learning, GenAI và deploy khóa lo. Phần chuẩn đầu ra lấy từ đề cương, và Project 4 cùng hai chương triển khai là nơi bạn đối chiếu.
Dành cho ai
Vừa học xong Khóa 3
Đã có model churn và một pipeline sklearn lưu bằng joblib nằm chờ được dùng.
Người làm data muốn gọi LLM
Gọi model trong code của mình chứ không chỉ dùng ChatGPT hằng ngày.
Người cần một portfolio nộp được
App có link công khai, repo có README và một bản CV nháp để gửi đi.
Yêu cầu đầu vào
Hoàn thành Khóa 1–3 hoặc nắm tương đương: pandas, dựng được pipeline sklearn, hiểu gradient descent ở mức trực giác mà bài 18.2 vẽ lại.
Bài kiểm tra đầu vào 15 câu tự đánh giá về pandas và sklearn, chấm xong chỉ ra đúng phần bạn còn hổng kèm hướng dẫn ôn nhanh.
Mua lẻ Khóa 4 thì nhận starter pack gồm pipeline churn và dashboard EDA của Khóa 2–3, tức là thứ bài 22.1 và 22.3 đưa lên web.
Không cần GPU riêng: notebook chạy trên Colab GPU miễn phí hoặc GPU server AIDev Cloud, khóa lẻ có gói dùng thử, bài 18.7 dạy SSH vào đó.
Một thẻ thanh toán quốc tế nếu bạn muốn gọi API LLM ở chương 21; ngân sách dưới 2 USD, kèm phương án model miễn phí để thay thế.
Bạn sẽ làm được gì
Train neural network bằng PyTorch với training loop chuẩn năm bước trên cả ba loại dữ liệu của khóa: bảng, ảnh và văn bản tiếng Việt.
Làm việc trên GPU server Ubuntu qua SSH như môi trường doanh nghiệp: venv, nvidia-smi, tmux, VS Code Remote-SSH và train bằng script.
Dùng pretrained model của Hugging Face và gọi API LLM trong code, kể cả để phân loại và trích thông tin cho pipeline dữ liệu.
Xây chatbot RAG hỏi đáp trên bộ tài liệu riêng, biết nói không tìm thấy thay vì bịa, và vì sao fine-tune không phải câu trả lời đầu tiên.
Deploy sản phẩm thành web app công khai bằng Streamlit, Gradio hoặc FastAPI, kèm portfolio GitHub bốn project và một bản CV nháp.
Kỹ năng bạn sẽ có sau khóa
Mỗi kỹ năng dưới đây đều có bài tập tương ứng trong đề cương 6 chương.
- 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
Sáu chương, 26 bài, hai khối: mô hình rồi sản phẩm
Khối 1 là deep learning và AI hiện đại, từ neural network đến LLM. Khối 2 là hai chương đưa mọi thứ ra đời thật: web app công khai và portfolio GitHub. Mở từng chương để xem đủ danh sách bài.
- PyTorch7 bài · 5h18'
- Computer Vision4 bài · 3h
- NLP & Transformer4 bài · 3h
- LLM & GenAI4 bài · 3h
- Deploy sản phẩm4 bài · 3h
- Git & Portfolio3 bài · 2h
18Neural Networks & PyTorch
7 bài · 16 video · 5h18'
- Bài 18.1: Từ linear regression đến neuron2 video · 42 phút · thực hành: tính tay một neuron trên giấy với 3 input
- Bài 18.2: Gradient descent & backpropagation bằng trực giác2 video · 44 phút · thực hành: chơi với TensorFlow Playground để thấy mạng học trước khi viết code
- Bài 18.3: PyTorch: tensors & autograd2 video · 44 phút · thực hành: fit parabol bằng gradient descent viết tay với autograd
- Bài 18.4: Xây & train model đầu tiên3 video · 48 phút · training loop chuẩn 5 bước · thực hành: đổi kiến trúc và quan sát loss curve
- Bài 18.5: Kỹ thuật huấn luyện: chống overfit2 video · 46 phút · thực hành: cứu một model đang overfit nặng bằng dropout, early stopping và weight decay
- Bài 18.6: GPU trên Colab & quản lý model2 video · 46 phút · thực hành: train MLP hoàn chỉnh trên Colab GPU, lưu và tải lại model
- Bài 18.7: Làm việc trên GPU server như ở doanh nghiệp3 video · 48 phút · quiz 15 câu · thực hành: SSH vào GPU server AIDev Cloud, train lại model bài 18.4 bằng script và tmux
19Computer Vision cơ bản
4 bài · 8 video · 3h
- Bài 19.1: Ảnh là dữ liệu & CNN trực giác2 video · 44 phút · thực hành: áp filter thủ công lên ảnh bằng NumPy để thấy cạnh hiện ra
- Bài 19.2: Xây CNN phân loại ảnh2 video · 46 phút · thực hành: thêm augmentation và một lớp conv, đo phần cải thiện
- Bài 19.3: Transfer learning: đứng trên vai người khổng lồ2 video · 46 phút · thực hành: fine-tune ResNet18 trên một bộ ảnh nhỏ tự chọn
- Bài 19.4: Mini-project: nhận diện món ăn Việt Nam2 video · 44 phút · quiz 12 câu · dataset khoảng 500 ảnh, 5 món, model lưu lại cho chương 22 deploy
20NLP & Transformers
4 bài · 8 video · 3h
- Bài 20.1: Xử lý văn bản tiếng Việt2 video · 44 phút · thực hành: tiền xử lý 1.000 review sản phẩm tiếng Việt bằng underthesea
- Bài 20.2: Embedding: từ chữ sang vector ngữ nghĩa2 video · 44 phút · thực hành: xây tìm kiếm ngữ nghĩa mini trên 500 câu hỏi thường gặp
- Bài 20.3: Transformer & attention bằng trực giác2 video · 46 phút · thực hành: khám phá attention map của một câu tiếng Việt bằng BertViz
- Bài 20.4: Hugging Face thực chiến2 video · 46 phút · quiz 12 câu · notebook pipeline phân tích cảm xúc review tiếng Việt end-to-end bằng PhoBERT
21LLM & Ứng dụng GenAI
4 bài · 8 video · 3h
- Bài 21.1: LLM hoạt động thế nào & prompt engineering có hệ thống2 video · 46 phút · thực hành: xây bộ 5 prompt template cho công việc data và test A/B hai phiên bản
- Bài 21.2: Gọi LLM bằng code: API2 video · 44 phút · thực hành: dùng LLM phân loại chủ đề 200 review tiếng Việt thành DataFrame
- Bài 21.3: RAG: chatbot hỏi đáp trên tài liệu riêng2 video · 46 phút · code RAG tối giản khoảng 80 dòng · thực hành: RAG trên bộ tài liệu tự chọn
- Bài 21.4: Agent, tool use & bức tranh GenAI2 video · 44 phút · quiz 12 câu · demo agent tối giản hỏi tiếng Việt và tự chạy query trên SQLite
22Đưa sản phẩm ra đời thật
4 bài · 9 video · 3h
- Bài 22.1: Streamlit: web app data/AI bằng Python thuần3 video · 48 phút · thực hành: dựng app cho Project 2 hoặc Project 3 của chính bạn
- Bài 22.2: Gradio: demo model AI nhanh nhất2 video · 40 phút · thực hành: đóng gói Project 4 thành app Gradio kéo thả
- Bài 22.3: FastAPI: serve model như kỹ sư2 video · 46 phút · thực hành: bọc model churn thành API và gọi thử từ notebook
- Bài 22.4: Deploy miễn phí & Docker nhập môn2 video · 46 phút · quiz 12 câu · checklist mỗi học viên có ít nhất 2 app chạy công khai
23Git, GitHub & Portfolio
3 bài · 7 video · 2h
- Bài 23.1: Git cơ bản cho người làm data3 video · 44 phút · thực hành: đưa Project 4 vào Git đúng chuẩn, không commit dataset lớn và API key
- Bài 23.2: GitHub & showcase dự án2 video · 38 phút · thực hành: hoàn thiện README cho cả 4 project theo template
- Bài 23.3: CV, phỏng vấn & bước tiếp theo2 video · 38 phút · quiz 10 câu · bộ 25 câu phỏng vấn map ngược về bài học · checklist tốt nghiệp
Tổng: 26 bài · 62 video · ~20,8 giờ
Một ứng dụng AI nhỏ, chọn một trong hai hướng
Ba bài hướng dẫn đi từ đề bài đến lúc nộp. Bạn tự làm là chính, video chỉ là khung và bài mẫu để đối chiếu.
Project 4: Ứng dụng AI nhỏ chạy thật
Bạn chọn một trong hai hướng: chatbot RAG tiếng Việt trên bộ tài liệu tự chọn, hoặc app phân loại ảnh mở rộng từ model món ăn Việt ở chương 19. Cả hai chấm theo một rubric 25 điểm: chức năng lõi, chất lượng model hoặc câu trả lời, xử lý lỗi và tài liệu. Sản phẩm nộp ở chương 21 chạy local, rồi được đưa lên link công khai ở chương 22.
Chọn hướng & thiết kế
Đọc rubric, xem hai sản phẩm mẫu, chọn hướng theo định hướng nghề rồi khoanh phạm vi tối thiểu. Bài này bắt bạn thiết kế trước khi code: dữ liệu cần chuẩn bị, MVP gồm gì, kế hoạch hai tuần và khai báo đề tài trong cộng đồng.
Đi theo bài mẫu
Hai walkthrough song song. Hướng A dựng RAG hoàn chỉnh, chunking hợp lý và trả lời câu ngoài phạm vi bằng "tôi không tìm thấy trong tài liệu" thay vì bịa. Hướng B đi từ model chương 19 đến một hàm predict sạch và xử lý ảnh đầu vào lỗi. Cả hai tách model, logic và giao diện để chương 22 deploy được ngay.
Hoàn thiện & nộp bài
Tự chấm theo rubric, soát lại ba lỗi phổ biến là hardcode API key, không xử lý input rỗng và RAG trả lời không dẫn nguồn. Nộp bản chạy local kèm video demo hai phút.
Nộp project là điều kiện nhận chứng nhận Khóa 4 và mở capstone trong gói combo. Đây cũng là sản phẩm chương 22 đưa lên link công khai và chương 23 gói vào repo có README, tức là thứ nhà tuyển dụng mở được mà không cần cài gì.
Deep Learning & GenAI: PyTorch, RAG, deploy | AIDev
Khóa deep learning và GenAI tiếng Việt: 6 chương, 26 bài, ~62 video, ~20,8 giờ về PyTorch, computer vision, NLP tiếng Việt, RAG, GPU server qua SSH và deploy.
Bạn có trong tay
Một ứng dụng AI có link công khai, deploy bằng Streamlit, Gradio hoặc FastAPI.
Portfolio GitHub bốn project và một bản CV nháp, dựng ở chương 23.
Thói quen làm việc trên GPU server Ubuntu qua SSH: venv, nvidia-smi, tmux và VS Code Remote-SSH.
Một chatbot RAG hỏi đáp trên tài liệu riêng, và lý do fine-tune không phải câu trả lời đầu tiên.
Khóa tiếp theo
Xây ứng dụng AI với LLM và AI Agent
Chương 24–31 · 38 bài · ~28,1 giờ video
1.290.000đ
Lối ra nghề gần nhất
Điểm dừng 2 · hết Khóa 5 và capstone · Kỹ sư ứng dụng AI
- 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.
Ba điều bạn sẽ thấy trong mọi bài của khóa
Bốn nguyên tắc quay và dạy áp dụng chung cho cả lộ trình, viết đầy đủ ở trang lộ trình. Ba điều này là phần bạn gặp ngay ở Khóa 4.
Trực giác, code, rồi pretrained
Khái niệm được vẽ trước, viết tay tối giản, rồi mới dùng model có sẵn.
Hai đường chạy GPU song song
Mọi notebook chạy được trên Colab GPU miễn phí; đường khuyến nghị là GPU server qua SSH.
Nguyên lý tách khỏi công cụ
Chương 21 được rà lại sáu tháng một lần, vì công cụ ở đó đổi nhanh nhất lộ trình.
Ai quay và dạy khóa này
Khóa này, như cả lộ trình, do một người biên soạn, quay và đứng lớp. Hồ sơ dưới đây công khai để bạn tự đối chiếu.
Nguyễn Việt Chung
Founder AIDev & VietPlatform · Thạc sĩ AI MSE
Thạc sĩ AI MSE, tốt nghiệp thủ khoa xuất sắc 9,4/10, nền nghiên cứu đứng sau lộ trình này.
Đồng sáng lập, CTO E-University và SVOnline: chuyển đổi số 10+ trường đại học, super app 40.000+ sinh viên.
Sáng lập AIDev, đơn vị xây hệ thống AI cho doanh nghiệp và trực tiếp sản xuất toàn bộ lộ trình này.
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 trọn vào gói cao hơn.
Giá bán: 999.000đ
Sở hữu trọn đời
Năm khóa của lộ trình, mua một lần
Khóa này là chặng thứ tư. Trọn lộ trình gồm năm khóa và một capstone bảo vệ để lấy chứng nhận, đi từ Python đến một sản phẩm AI chạy thật, kèm credit AIDev Cloud cho phần GPU và deploy.
Khóa này
999.000đ
Trọn lộ trình
1.790.000đ
Giá Founding đợt 1
Mua lẻ đủ 5 khóa 4.586.000đ · tiết kiệm 2.096.000đ (46%)
Học phí của bạn không bao giờ mất. Mỗi đồng đã đóng đều được trừ trọn khi bạn đi tiếp lên mốc cao hơn trong lộ trình.
Khóa học là nội dung số; sau khi mở quyền truy cập, học phí không được hoàn lại. Ngoại lệ duy nhất là cam kết Founding về lịch phát hành. Xem điều khoản khóa học
Ba điều được viết ra để bạn đối chiếu
Mua một khóa đang trong quá trình sản xuất là một rủi ro có thật. Đây là phần rủi ro chúng tôi nhận về mình.
Sở hữu trọn đời
Trả một lần, không phí duy trì, không giới hạn số lần xem lại trong suốt vòng đời của khóa học. Bạn học nhanh hay chậm đều được, khóa không có hạn.
Cập nhật nội dung miễn phí
Phần GenAI của chương 21 được cam kết rà lại sáu tháng một lần, vì model và công cụ ở đó đổi nhanh nhất lộ trình. Bài nào phải quay lại hoặc bổ sung, bạn nhận bản mới mà không đóng thêm.
Học phí không bao giờ mất
Học phí của bạn không bao giờ mất. Mỗi đồng đã đóng đều được trừ trọn khi bạn đi tiếp lên mốc cao hơn trong lộ trình. Bậc thang nâng cấp: khóa lẻ, Combo, Cohort rồi Mentor.
Những câu hỏi riêng của khóa này
Tám câu về GPU, LLM, deploy, phạm vi và vị trí của Khóa 4 trong lộ trình, cộng hai câu về hoàn tiền và sở hữu trọn đời chung cho mọi khóa. Câu hỏi về học phí, chứng nhận và lịch phát hành cả lộ trình nằm 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 được tặng 500.000đ credit, Cohort 1.000.000đ, Mentor 1.500.000đ; học viên khóa lẻ dùng gói dùng thử. 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 18.7 về GPU server để làm gì?
Vì công ty không train trên notebook. Bài 18.7 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. Bài cũng so chi phí thực tế của cùng một job giữa các lựa chọn. Đây là kỹ năng ghi được vào CV, và từ bài này 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, không phải đến mức huấn luyện 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 nằm ngoài lộ trình.
Nội dung GenAI đổi nhanh, sáu tháng nữa còn dùng được không?
Đó là lý do 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 22.4 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?
Ba chỗ. Một là mức toán: khóa dừng ở trực giác và đi thẳng vào transfer learning cùng model pretrained, thay vì dựng lại mọi thứ từ đạo hàm. Hai là dữ liệu và ngôn ngữ tiếng Việt xuyên suốt, từ tách từ đến PhoBERT. Ba là hai phần thường bị bỏ trống: làm việc trên GPU server như trong doanh nghiệp, và đưa sản phẩm lên link công khai kèm portfolio GitHub, tức là phần biến bài học thành hồ sơ nộp được.
Khóa này nằm ở đâu trong lộ trình?
Đây là khóa 4/5 của Lộ trình AI Engineer từ số 0, gồm chương 18–23 trong tổng số chương của cả lộ trình. 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). Học phí của bạn không bao giờ mất. Mỗi đồng đã đóng đều được trừ trọn khi bạn đi tiếp lên mốc cao hơn trong lộ trình.
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. Ngoại lệ duy nhất là cam kết Founding về lịch phát hành: mốc nào trễ quá 30 ngày so với lịch đã công bố, người mua Founding được hoàn 100% phần chưa nhận.
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.
Còn câu hỏi nào trước khi bắt đầu?
Nhắn cho AIDev về trình độ hiện tại của bạn, chúng tôi nói thẳng khóa này có hợp với bạn chưa. Người thật trả lời, bằng tiếng Việt.
Nhận thông báo khi khóa mở bán
Để lại thông tin, chúng tôi báo bạn ngày mở bán, mức ưu đãi dành cho người đăng ký sớm và thời điểm image GPU cùng starter kit Project 4 sẵn sàng để dùng.