Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Đăng nhập
Xem tất cả kết quả
Menu
Đăng nhập Đăng ký miễn phí

LLM Engineering, RAG, & AI Agents Masterclass [2026]

Khóa Học Chuyên Sâu Về Kỹ Thuật LLM, RAG & AI Agents [2026]

Khóa Học Chuyên Sâu Về Kỹ Thuật LLM, RAG & AI Agents [2026]

Thành thạo Mô hình Ngôn ngữ Lớn, Tạo lập Tăng cường Truy xuất, LangGraph, MCP, CrewAI, AutoGen, N8N & OpenAI Agents SDK

4.6
(592 đánh giá)
8,768 học viên
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 399.000đ -87%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
24.0 giờ video
303 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026
#Ai Agents #Artificial Intelligence #Llm Engineering #Machine Learning

Bạn sẽ học được gì

Hiểu nền tảng của Mô hình Ngôn ngữ Lớn (LLM) và AI Tác tử, bao gồm cách LLM được huấn luyện, tinh chỉnh và triển khai.
Tạo và triển khai các tác tử AI tự trị thông minh bằng các framework tiên tiến như AutoGen, OpenAI Agents SDK, LangGraph, n8n và MCP.
Khám phá và đánh giá hiệu năng các LLM mã nguồn mở như LLama, DeepSeek, Qwen, Phi và Gemma bằng Hugging Face và LM Studio.
Phát triển ứng dụng thực tế bằng cách sử dụng API truy cập vào OpenAI, Gemini và Claude cho các tác vụ tạo văn bản và xử lý hình ảnh.
Áp dụng khung 5 bước đã được kiểm chứng để chọn đúng mô hình AI cho doanh nghiệp: tối đa hiệu quả chi phí, tối thiểu độ trễ và đẩy nhanh tốc độ ra thị trường.
Đánh giá LLM bằng các bảng xếp hạng như Vellum và Chat Arena, và thực hiện kiểm tra mù để đánh giá khách quan hiệu suất mô hình AI.
Thiết kế pipeline Tạo lập Tăng cường Truy xuất (RAG) bằng LangChain, OpenAI embeddings và ChromaDB để truy xuất tài liệu và trả lời câu hỏi hiệu quả.
Xây dựng hệ thống Hỏi-Đáp tương tác, minh bạch hỗ trợ AI với giao diện Gradio hiển thị câu trả lời kèm trích dẫn nguồn để tăng cường niềm tin người dùng.
Thành thạo xác thực dữ liệu và tạo đầu ra có cấu trúc bằng thư viện Pydantic, bao gồm BaseModel, gợi ý kiểu và tạo đầu ra đã phân tích từ các mô hình OpenAI.
Xây dựng công cụ chỉnh sửa CV hỗ trợ AI phân tích khoảng cách giữa CV và mô tả công việc, tự động điều chỉnh CV/thư xin việc cho các đơn ứng tuyển mục tiêu.
Học cách tinh chỉnh các LLM mã nguồn mở đã được huấn luyện trước bằng các phương pháp tiết kiệm tham số như LoRA và các công cụ như TRL và SFTTrainer của Hugging Face.
Thành thạo kỹ thuật chuẩn bị tập dữ liệu và đánh giá mô hình, bao gồm tính toán độ chính xác, precision, recall và F1-score bằng scikit-learn.
Áp dụng các thành phần chính trong thư viện Hugging Face Transformers như pipeline( ), AutoTokenizer( ) và AutoModelForCausalLM( ).
Có kinh nghiệm thực hành làm việc với tập dữ liệu/mô hình mã nguồn mở trên Hugging Face, và áp dụng kỹ thuật lượng tử hóa như bitsandbytes để tối ưu hiệu suất.
Thành thạo các kỹ thuật lập trình prompt nâng cao như zero-shot, few-shot và chain-of-thought prompting.
Triển khai các tác tử AI đa mô hình bằng AutoGen, tích hợp LLM từ OpenAI, Gemini và Claude, cho phép tác tử hợp tác và có sự giám sát của con người.
Phát triển và triển khai các quy trình làm việc AI tác tử bằng LangGraph, nắm vững các khái niệm như trạng thái, cạnh, logic điều kiện và nút đa giai đoạn.
Thiết kế và xây dựng tác tử đặt chỗ hỗ trợ AI bằng LangGraph, cho phép tự động tìm kiếm và đề xuất chuyến bay và khách sạn thông qua tích hợp với API bên ngoài.
Xây dựng nhóm tác tử khoa học dữ liệu bằng CrewAI, tạo các tác tử chuyên biệt để lập kế hoạch quy trình, phân tích dữ liệu, xây dựng mô hình và phân tích dự đoán.
Thiết kế và tự động hóa các quy trình làm việc AI tác tử end-to-end bằng n8n, tích hợp các dịch vụ như Gmail, Google Sheets, Google Calendar và OpenAI.
Xây dựng hệ thống gia sư AI nâng cao bằng Model-Context-Protocol (MCP) và OpenAI Agents SDK, cho phép khả năng tương tác công cụ động.
Áp dụng các mô hình ML cổ điển (hồi quy tuyến tính, rừng ngẫu nhiên, XGBoost) trong quy trình làm việc của tác tử, bao gồm tải và kiểm tra tập dữ liệu.

Yêu cầu

Bạn cần một máy tính xách tay và kết nối internet!
Không yêu cầu kinh nghiệm lập trình; có kỹ năng Python cơ bản là một lợi thế.

Đối tượng phù hợp

Các nhà khoa học dữ liệu, kỹ sư ML và nhà nghiên cứu AI muốn chuyển sang lĩnh vực ứng dụng AI tác tử và LLM.
Các nhà phát triển phần mềm có kỹ năng Python cơ bản muốn tích hợp các LLM và framework tác tử tiên tiến vào ứng dụng thực tế.
Chuyên gia công nghệ và người đam mê AI quan tâm đến việc khám phá các mô hình mã nguồn mở (như LLaMA, DeepSeek, Qwen, Phi) và framework (AutoGen, LangGraph, CrewAI, n8n).
Các đội đổi mới doanh nghiệp hoặc đội R&D muốn tạo nguyên mẫu cho quy trình làm việc, trợ lý và tự động hóa hỗ trợ AI.
Sinh viên nâng cao và nhà giáo dục tìm kiếm kinh nghiệm thực hành với LLM, tinh chỉnh mô hình và lập trình prompt.
Doanh nhân và startup đang khám phá các sản phẩm hỗ trợ AI như tác tử tự trị, công cụ chỉnh sửa CV, tác tử đặt chỗ và trợ lý khoa học dữ liệu.

Nội dung khóa học

20 phần • 303 bài giảng
1 Giới thiệu Giảng viên và LLM trong Hành động!
2 Tham gia Cộng đồng Miễn phí & Kết nối với Người học toàn cầu
3 Tải xuống Tài liệu Bootcamp
4 Đề cương Bootcamp
5 Mẹo Thành công Chính
1 Chào mừng bạn đến Phần A của Bootcamp!
1 Nhiệm vụ 1. Giới thiệu Dự án Chatbot AI Nhân vật & Mục tiêu Học tập Chính
2 Nhiệm vụ 2. Tải Anaconda và Cấu hình OpenAI API
3 Nhiệm vụ 3. Cuộc Trò chuyện Đầu tiên với OpenAI API
4 ❓Câu hỏi Cơ hội Thực hành: Kiểm tra OpenAI API để Tạo văn bản
5 Lời giải Cơ hội Thực hành: Kiểm tra OpenAI API để Tạo văn bản
6 Nhiệm vụ 4. Hiểu Cấu trúc Phản hồi OpenAI API & Cách sử dụng Token
7 ❓Câu hỏi Cơ hội Thực hành: Công cụ OpenAI Tokenizer
8 Lời giải Cơ hội Thực hành: Công cụ OpenAI Tokenizer
9 Nhiệm vụ 5. Cấp Tính cách cho Chatbot AI bằng Tin nhắn Hệ thống!
10 ❓Câu hỏi Cơ hội Thực hành: Thay đổi Tính cách AI
11 Lời giải Cơ hội Thực hành: Thay đổi Tính cách AI
12 Kết luận, Tóm tắt và Lời cảm ơn!
1 Nhiệm vụ 1. Giới thiệu Dự án Công cụ Theo dõi Calo AI & Mục tiêu Học tập Chính
2 Nhiệm vụ 2. Đọc Ảnh Mẫu bằng Thư viện Pillow (PIL) của Python
3 ❓Câu hỏi Cơ hội Thực hành: Đọc & Xem Ảnh bằng PIL
4 Lời giải Cơ hội Thực hành: Đọc & Xem Ảnh bằng PIL
5 Nhiệm vụ 3. Hiểu Nguyên tắc Cơ bản về Lập trình Prompt
6 ❓Câu hỏi Cơ hội Thực hành: Nguyên tắc Cơ bản về Lập trình Prompt
7 Lời giải Cơ hội Thực hành: Nguyên tắc Cơ bản về Lập trình Prompt
8 Nhiệm vụ 4. Thực hiện Nhận dạng Ảnh bằng Mô hình Vision GPT của OpenAI API (Phần A)
9 Nhiệm vụ 4. Thực hiện Nhận dạng Ảnh bằng Mô hình Vision GPT của OpenAI API (Phần B)
10 ❓Câu hỏi Cơ hội Thực hành: Gọi Mô hình Vision GPT của OpenAI API
11 Lời giải Cơ hội Thực hành: Gọi Mô hình Vision GPT của OpenAI API
12 Nhiệm vụ 5. Lấy Số lượng Calo của Ảnh Thức ăn bằng Mô hình Vision GPT
13 ❓Câu hỏi Cơ hội Thực hành: Mở rộng Payload API để bao gồm Giá trị Dinh dưỡng
14 Lời giải Cơ hội Thực hành: Mở rộng Payload API để bao gồm Giá trị Dinh dưỡng
15 Kết luận, Tóm tắt & Lời cảm ơn!
1 Nhiệm vụ 1. Giới thiệu & Mục tiêu Học tập Chính - Gia sư AI Thích ứng với Gradio
2 Nhiệm vụ 2. Học Gradio 101 & Trình diễn Khả năng (Bản đồ, Hình ảnh & Truyền phát)
3 Nhiệm vụ 3. Xây dựng và Kiểm tra Hàm Gia sư AI (Không dùng Gradio)
4 ❓Câu hỏi Cơ hội Thực hành: Kiểm tra Hàm Gia sư AI với Nhiều Tính cách
5 Lời giải Cơ hội Thực hành: Kiểm tra Hàm Gia sư AI với Nhiều Tính cách
6 Nhiệm vụ 4. Xây dựng Giao diện Tương tác bằng Gradio (Không Truyền phát)
7 ❓Câu hỏi Cơ hội Thực hành: Cấu hình Thành phần Giao diện Gradio
8 Lời giải Cơ hội Thực hành: Cấu hình Thành phần Giao diện Gradio
9 Nhiệm vụ 5. Thêm Truyền phát để Nâng cao Trải nghiệm Chat trong Gradio
10 ❓Câu hỏi Cơ hội Thực hành: Truyền phát để Nâng cao Trải nghiệm Chat
11 Lời giải Cơ hội Thực hành: Truyền phát để Nâng cao Trải nghiệm Chat
12 Nhiệm vụ 6. Xây dựng Gia sư AI Đa cấp độ trong Gradio với Thanh trượt Cấp độ Giải thích
13 ❓Câu hỏi Cơ hội Thực hành: Kiểm tra Cấp độ Thanh trượt Gia sư AI & Chế độ Einstein!
14 Lời giải Cơ hội Thực hành: Kiểm tra Cấp độ Thanh trượt Gia sư AI & Chế độ Einstein!
15 Kết luận, Tóm tắt & Lời cảm ơn!
1 Nhiệm vụ 1. Giới thiệu & Mục tiêu Mô-đun - Xây dựng Website & Bảng xếp hạng LLM
2 Nhiệm vụ 2. So sánh LLM, Đánh giá hiệu năng & Bảng xếp hạng Vellum
3 ❓Câu hỏi Cơ hội Thực hành: Bảng xếp hạng Vellum & Đánh giá hiệu năng LLM
4 Lời giải Cơ hội Thực hành: Bảng xếp hạng Vellum & Đánh giá hiệu năng LLM
5 Nhiệm vụ 3. Khám phá Chatbot Arena và Kiểm tra Mù Mô hình AI/LLM
6 ❓Câu hỏi Cơ hội Thực hành: Kiểm tra AI Mù bằng Chatbot Arena
7 Lời giải Cơ hội Thực hành: Kiểm tra AI Mù bằng Chatbot Arena
8 Nhiệm vụ 4. Thiết lập Khóa API & So sánh Khả năng Toán học & Sáng tạo của Claude, Gemini, GPT
9 ❓Câu hỏi Cơ hội Thực hành: So sánh Khả năng Lập trình của LLM
10 Lời giải Cơ hội Thực hành: So sánh Khả năng Lập trình của LLM
11 Nhiệm vụ 5. Xác định Ý tưởng Startup & Cấu trúc Prompt
12 ❓Câu hỏi Cơ hội Thực hành: Cấu trúc Prompt để Tạo HTML
13 Lời giải Cơ hội Thực hành: Cấu trúc Prompt để Tạo HTML
14 Nhiệm vụ 6. Tạo Website & Trang đích HTML với OpenAI API
15 ❓Câu hỏi Cơ hội Thực hành: Tạo Trang đích HTML
16 Lời giải Cơ hội Thực hành: Tạo Trang đích HTML
17 Nhiệm vụ 7. Tạo Trang đích HTML với Google Gemini-2.0-Flash API
18 ❓Câu hỏi Cơ hội Thực hành: So sánh Tạo Website Gemini Vs. OpenAI
19 Lời giải Cơ hội Thực hành: So sánh Tạo Website Gemini Vs. OpenAI
20 Nhiệm vụ 8. Tạo Trang đích HTML với Anthropic Claude 3.7 Sonnet
21 ❓Câu hỏi Cơ hội Thực hành: Thiết kế Website với LLM (Claude của Anthropic)
22 Lời giải Cơ hội Thực hành: Thiết kế Website với LLM (Claude của Anthropic)
23 Kết luận, Tóm tắt & Lời cảm ơn!
1 Chào mừng bạn đến
1 Task 1. Project Overview: Chat with Documents Using Open-Source LLMs
2 Task 2. Explore Hugging Face Models, Datasets, and Spaces
3 ❓Practice Opportunity Question: Explore Hugging Face
4 Practice Opportunity Solution: Explore Hugging Face
5 Task 3. Install Key Libraries & Setup Access Tokens for Hugging Face
6 ❓Practice Opportunity Question: GPU Access Check on Google Colab
7 Practice Opportunity Solution: GPU Access Check on Google Colab
8 Task 4. Hugging Face Transformers Library: Pipelines
9 ❓Practice Opportunity Question: Transformers Pipelines
10 Practice Opportunity Solution: Transformers Pipelines
11 Task 5. Hugging Face Transformers Library: AutoTokenizers
12 ❓Practice Opportunity Question: Transformers Library AutoTokenizer
13 Practice Opportunity Solution: Transformers Library AutoTokenizer
14 Task 6. Hugging Face Transformers Library: AutoModelForCasualLM
15 ❓Practice Opportunity Question: Transformers AutoModelForCasualLM
16 Practice Opportunity Solution: Transformers AutoModelForCasualLM
17 Task 7. Read PDF Documents & Extract Content Using PyPDF Library
18 ❓Practice Opportunity Question: PyPDF Library
19 Practice Opportunity Solution: PyPDF Library
20 Task 8. Build the Q&A Logic & Prompt the LLM (Microsoft Phi-4-mini)
21 ❓Practice Opportunity Question: Test the Q&A Pipeline with Open-Source LLM
22 Practice Opportunity Solution: Test the Q&A Pipeline with Open-Source LLM
23 Task 9. Switch LLMs (LLama, Phi, & Gemma) & Build Gradio Interface
24 ❓Practice Opportunity Question: Testing Qwen Open-Source LLM
25 Practice Opportunity Solution: Testing Qwen Open-Source LLM
26 Conclusion & Thank You!
1 Task 1. Introduction and Module Objectives - Reasoning LLMs on Hugging Face
2 Task 2. Explore Hugging Face Datasets Library & Install Key Libraries
3 ❓Practice Opportunity Question: Explore Hugging Face Datasets
4 Practice Opportunity Solution: Explore Hugging Face Datasets
5 Task 3. Load Financial News Datasets from Hugging Face
6 ❓Practice Opportunity Question: Explore Financial News Datasets
7 Practice Opportunity Solution: Explore Financial News Datasets
8 Task 4. Load and Test DeepSeek Reasoning Model - Part 1
9 Task 4. Load and Test DeepSeek Reasoning Model - Part 2
10 ❓Practice Opportunity Question: Test Math Capabilities of DeepSeek
11 Practice Opportunity Solution: Test Math Capabilities of DeepSeek
12 Task 5. A Framework for Choosing the right AI Model for Your Business - Part 1
13 Task 5. A Framework for Choosing the right AI Model for Your Business - Part 2
14 Task 6. Model Leaderboards and Old/New Model Benchmarks - Part 1
15 Task 6. Model Leaderboards and Old/New Model Benchmarks - Part 2
16 Task 7. Prompting DeepSeek for Reasoning and Classification
17 ❓Practice Opportunity Question: Analyze News Sentiment with DeepSeek
18 Practice Opportunity Solution: Analyze News Sentiment with DeepSeek
19 Task 8. Building Gradio Interface
20 Conclusion and Thank You!
1 Task 1. Introduction & Module Objectives - Build RAG Pipelines in LangChain
2 Task 2. Understand Retrieval Augmented Generation (RAG) & Why Use it
3 Task 3. LangChain 101 & Key Features
4 Task 4. Setup, Gather RAG Tools & Load Datasets
5 ❓Practice Opportunity Question: LangChain Textloader Testing
6 Practice Opportunity Solution: LangChain Textloader Testing
7 Task 5. Splitting (Chunking) Documents Using LangChain Text Splitter
8 ❓Practice Opportunity Question: Configuring RecursiveCharacterTextSplitter
9 Practice Opportunity Solution: Configuring RecursiveCharacterTextSplitter
10 Task 6. Embeddings and Vector Store Creation
11 ❓Practice Opportunity Question: Tensorflow Embeddings Projector
12 Practice Opportunity Solution: Tensorflow Embeddings Projector
13 Task 7. Testing the Retrieval Pipeline
14 ❓Practice Opportunity Question: Retrieval Pipeline Testing
15 Practice Opportunity Solution: Retrieval Pipeline Testing
16 Task 8. Building and Testing RAG Pipeline in LangChain
17 ❓Practice Opportunity Question: RetrievalQAWithSourcesChain Parameters
18 Practice Opportunity Solution: RetrievalQAWithSourcesChain Parameters
19 Task 9. Creating Gradio Interface for Our RAG Pipeline
20 ❓Practice Opportunity Question: Gradio Interface Configuration & Testing
21 Practice Opportunity Solution: Gradio Interface Configuration & Testing
22 Conclusion, Summary, & Thank You Message!
1 Task 1. Introduction to Resume & Cover Letter Building Project with Pydantic
2 Task 2. Pydantic 101 & Python Type Hints
3 ❓Practice Opportunity Question: Pydantic Models
4 Practice Opportunity Solution: Pydantic Models
5 Task 3. Generate Parsed Structured Output from OpenAI API with Pydantic
6 ❓Practice Opportunity Question: Structured Output with OpenAI API & Pydantic
7 Practice Opportunity Solution: Structured Output with OpenAI API & Pydantic
8 Task 4. Define LLM Inputs Including Job Description & Original Resume
9 ❓Practice Opportunity Question: Modify Job Description
10 Practice Opportunity Solution: Modify Job Description
11 Task 5. Enhance Resume with OpenAI's GPT-4.o
12 ❓Practice Opportunity Question: Gemini API Testing
13 Practice Opportunity Solution: Gemini API Testing
14 Task 6. Perform Resume & Job Description Gap Analysis with LLMs
15 ❓Practice Opportunity Question: Modify Functions to Include AI Skills
16 Practice Opportunity Solution: Modify Functions to Include AI Skills
17 Task 7. Generate a New Tailored Resume by AI with Change Tracking (Pydantic)
18 ❓Câu hỏi Thực hành: Kiểm thử Hàm Tạo Sơ yếu lý lịch
19 Lời giải Thực hành: Kiểm thử Hàm Tạo Sơ yếu lý lịch
20 Nhiệm vụ 8. Tạo Thư xin việc Tùy chỉnh
21 ❓Câu hỏi Thực hành: Kiểm thử Hàm Tạo Thư xin việc
22 Lời giải Thực hành: Kiểm thử Hàm Tạo Thư xin việc
23 Nhiệm vụ 9. Hàm Tạo Thống nhất Sơ yếu lý lịch và Thư xin việc
24 ❓Câu hỏi Thực hành: Kiểm thử Toàn bộ Quy trình với Dữ liệu Mới
25 Lời giải Thực hành: Kiểm thử Toàn bộ Quy trình với Dữ liệu Mới
26 Lời kết và Lời cảm ơn!
1 Nhiệm vụ 1. Giới thiệu Dự án và Lời chào: Tinh chỉnh LLMs
2 Nhiệm vụ 2. Nhập Thư viện Chính và Bộ Dữ liệu
3 ❓Câu hỏi Thực hành: Phát hiện GPU Tesla T4 & A100
4 Lời giải Thực hành: Phát hiện GPU Tesla T4 & A100
5 Nhiệm vụ 3. Tải và Chuẩn bị Bộ Dữ liệu Tin tức Tài chính
6 ❓Câu hỏi Thực hành: Khám phá Mất cân bằng Dữ liệu & Biểu đồ Đếm Seaborn
7 Lời giải Thực hành: Khám phá Mất cân bằng Dữ liệu & Biểu đồ Đếm Seaborn
8 Nhiệm vụ 4. Định dạng Dữ liệu theo Chuẩn SFTTrainer
9 ❓Câu hỏi Thực hành: Định dạng Mô hình DeepSeek theo Chuẩn SFTTrainer
10 Lời giải Thực hành: Định dạng Mô hình DeepSeek theo Chuẩn SFTTrainer
11 Nhiệm vụ 5. Hiểu Ma trận Nhầm lẫn & Các KPI Phân loại (Độ chính xác, độ nhạy,...)
12 Nhiệm vụ 6. Thực hiện Phân loại Zero-Shot với Mô hình Gốc (Suy luận) - Phần 1
13 Nhiệm vụ 6. Thực hiện Phân loại Zero-Shot với Mô hình Gốc (Suy luận) - Phần 2
14 ❓Câu hỏi Thực hành: Suy luận Zero-Shot trên Mô hình Gốc
15 Lời giải Thực hành: Suy luận Zero-Shot trên Mô hình Gốc
16 Nhiệm vụ 7. Thực hiện Tinh chỉnh LLM sử dụng PEFT, LORA & SFTTrainer
17 Nhiệm vụ 8. Đánh giá Mô hình Ngôn ngữ Lớn đã Tinh chỉnh
18 ❓Câu hỏi Thực hành: Vẽ Ma trận Nhầm lẫn & KPI cho LLM đã Tinh chỉnh
19 Lời giải Thực hành: Vẽ Ma trận Nhầm lẫn & KPI cho LLM đã Tinh chỉnh
20 Kết luận, Tóm tắt & Lời cảm ơn!
1 Chào mừng bạn đến với Phần C của khóa bootcamp này!
1 Nhiệm vụ 1. Giới thiệu & Mục tiêu Học phần - Xây dựng Đội ngũ AI Agent với AutoGen
2 Nhiệm vụ 2. Hiểu Khả năng & Tính năng Chính của AutoGen
3 ❓Câu hỏi Thực hành: Thiết kế Đội ngũ AI Agent
4 Lời giải Thực hành: Thiết kế Đội ngũ AI Agent
5 Nhiệm vụ 3. Tạo AI Agent Đầu tiên trong AutoGen với OpenAI GPT-4o
6 ❓Câu hỏi Thực hành: Xây dựng AI Agent trong AutoGen
7 Lời giải Thực hành: Xây dựng AI Agent trong AutoGen
8 Nhiệm vụ 4. Kiểm tra Hội thoại AI Agent với LLM Tương tự (OpenAI GPT-4o)
9 ❓Câu hỏi Thực hành: Sửa đổi Tham số Hàm initiate_chat()
10 Lời giải Thực hành: Sửa đổi Tham số Hàm initiate_chat()
11 Nhiệm vụ 5. Cấu hình AI Agent Đa Mô hình trong AutoGen với Gemini & GPT-4o của OpenAI
12 ❓Câu hỏi Thực hành: Cấu hình AI Agent sử dụng Claude của Anthropic
13 Lời giải Thực hành: Cấu hình AI Agent sử dụng Claude của Anthropic
14 Nhiệm vụ 6. Kích hoạt Hội thoại AI Agent Đa Mô hình trong AutoGen
15 ❓Câu hỏi Thực hành: Điều chỉnh Mức độ Sáng tạo của AI Agent
16 Lời giải Thực hành: Điều chỉnh Mức độ Sáng tạo của Agent
17 Nhiệm vụ 7. Thêm Con người (User Proxy Agent) & Tận dụng Group Chat
18 ❓Câu hỏi Thực hành: Thêm Chuyên gia Chiến lược Mạng xã hội Claude vào Chat
19 Lời giải Thực hành: Thêm Chuyên gia Chiến lược Mạng xã hội Claude vào Chat
20 Kết luận, Tóm tắt & Lời cảm ơn!
1 Nhiệm vụ 1. Giới thiệu Dự án - Xây dựng Quy trình làm việc AI Agent trong LangGraph
2 Nhiệm vụ 2. Hiểu các Thành phần LangGraph (Node, Edge, & State Graph) & Tính năng
3 Nhiệm vụ 3. Xây dựng Quy trình làm việc AI Agent Đầu tiên trong LangGraph - Phần 1
4 Nhiệm vụ 3. Xây dựng Quy trình làm việc AI Agent Đầu tiên trong LangGraph - Phần 2
5 ❓Câu hỏi Thực hành: Kiểm tra AI Agent Tóm tắt trong LangGraph
6 Lời giải Thực hành: Kiểm tra AI Agent Tóm tắt trong LangGraph
7 Nhiệm vụ 4. Xây dựng Quy trình làm việc AI Agent Đa Node trong LangGraph
8 ❓Câu hỏi Thực hành: Thêm Node Mới (Phân tích Cảm xúc) vào Quy trình làm việc Agent
9 Lời giải Thực hành: Thêm Node Mới (Phân tích Cảm xúc) vào Quy trình làm việc Agent
10 Nhiệm vụ 5. Phát triển Quy trình làm việc AI Agent với Một Công cụ & Điều kiện Rẽ nhánh - Phần 1
11 Nhiệm vụ 5. Phát triển Quy trình làm việc AI Agent với Một Công cụ & Điều kiện Rẽ nhánh - Phần 2
12 ❓Câu hỏi Thực hành: Gọi Công cụ trong LangGraph
13 Lời giải Thực hành: Gọi Công cụ trong LangGraph
14 Nhiệm vụ 6. Tạo và Thêm Công cụ Tùy chỉnh Mới vào Quy trình làm việc LangGraph
15 ❓Câu hỏi Thực hành: Định nghĩa Công cụ Tùy chỉnh Mới trong LangGraph
16 Lời giải Thực hành: Định nghĩa Công cụ Tùy chỉnh Mới trong LangGraph
17 Nhiệm vụ 7. Sử dụng LangGraph để Thực hiện Tìm kiếm Chuyến bay với Công cụ Amadeus & ToolNode
18 ❓Câu hỏi Thực hành: Thêm Công cụ Tìm kiếm Khách sạn sử dụng Amadeus
19 Lời giải Thực hành: Thêm Công cụ Tìm kiếm Khách sạn sử dụng Amadeus
20 Nhiệm vụ 8. Tổng hợp Mọi thứ & Xây dựng AI Agent Đặt chỗ
21 ❓Câu hỏi Thực hành: Kiểm tra Công cụ AI Agent Đặt chỗ
22 Lời giải Thực hành: Kiểm tra Công cụ AI Agent Đặt chỗ
23 Nhiệm vụ 9. Xây dựng Tích hợp Gradio cho AI Agent Đặt chỗ trong LangGraph
24 Tóm tắt & Lời cảm ơn!
1 Nhiệm vụ 1. Giới thiệu Dự án - Xây dựng Đội ngũ Nhà khoa học Dữ liệu sử dụng CrewAI
2 Nhiệm vụ 2. Tổng quan về Xây dựng, Huấn luyện và Đánh giá Mô hình ML Hồi quy
3 Nhiệm vụ 2A. Giới thiệu Dự án ML Hồi quy
4 Nhiệm vụ 2B. Kiến thức Cơ bản về Hồi quy Học máy
5 ❓Câu hỏi Thực hành: Kiến thức Cơ bản về Hồi quy
6 Lời giải Thực hành: Kiến thức Cơ bản về Hồi quy
7 Nhiệm vụ 2C. Nhập Thư viện & Thực hiện Kiểm tra Dữ liệu - Phần 1
8 Nhiệm vụ 2C. Nhập Thư viện & Thực hiện Kiểm tra Dữ liệu - Phần 2
9 ❓Câu hỏi Thực hành: Thực hiện Kiểm tra Dữ liệu
10 Lời giải Thực hành: Thực hiện Kiểm tra Dữ liệu
11 Nhiệm vụ 2D. Xử lý Dữ liệu Thiếu & Imputation
12 ❓Câu hỏi Thực hành: Xử lý Dữ liệu Thiếu & Imputation
13 Lời giải Thực hành: Xử lý Dữ liệu Thiếu & Imputation
14 Nhiệm vụ 2E. Thực hiện Phân tích Dữ liệu Khám phá (EDA) và Trực quan hóa
15 ❓Câu hỏi Thực hành: EDA và Trực quan hóa
16 Lời giải Thực hành: EDA và Trực quan hóa
17 Nhiệm vụ 2F. Tiền xử lý Dữ liệu (Mã hóa One-Hot & Chia Tập Train/Test)
18 ❓Câu hỏi Thực hành: Tiền xử lý Dữ liệu & Chia Tập Train/Test
19 Lời giải Thực hành: Tiền xử lý Dữ liệu & Chia Tập Train/Test
20 Nhiệm vụ 2G. Xây dựng Mô hình Hồi quy Tuyến tính sử dụng Thư viện Scikit-Learn
21 ❓Câu hỏi Thực hành: Xây dựng Mô hình Hồi quy Tuyến tính
22 Lời giải Thực hành: Xây dựng Mô hình Hồi quy Tuyến tính
23 Nhiệm vụ 2H. Xây dựng Mô hình Hồi quy Rừng Ngẫu nhiên sử dụng Scikit-Learn
24 ❓Câu hỏi Thực hành: Xây dựng Mô hình Hồi quy Rừng Ngẫu nhiên & XG-Boost
25 Lời giải Thực hành: Xây dựng Mô hình Hồi quy Rừng Ngẫu nhiên & XG-Boost
26 Nhiệm vụ 2I. Phân tích Tầm quan trọng của Đặc trưng
27 ❓Câu hỏi Thực hành: Phân tích Tầm quan trọng của Đặc trưng
28 Lời giải Thực hành: Phân tích Tầm quan trọng của Đặc trưng
29 Nhiệm vụ 3. Hiểu các Thành phần Chính của CrewAI (Agent, Task, Tool)
30 Nhiệm vụ 4. Nhập và Kiểm tra Công cụ NotebookCodeExecutor
31 ❓Câu hỏi Thực hành: Kiểm tra Công cụ NotebookCodeExecutor
32 Lời giải Thực hành: Kiểm tra Công cụ NotebookCodeExecutor
33 Nhiệm vụ 5. Định nghĩa Nhiều AI Agent trong CrewAI
34 ❓Câu hỏi Thực hành: Sửa đổi AI Agent Hiện có
35 Lời giải Thực hành: Sửa đổi AI Agent Hiện có
36 Nhiệm vụ 6. Định nghĩa Các Nhiệm vụ Chính trong CrewAI & Agent Phụ trách
37 Nhiệm vụ 7. Tạo & Lắp ráp Crew & Tự động hóa Quy trình làm việc Khoa học Dữ liệu!
38 ❓Câu hỏi Thực hành: Sửa đổi Nhiệm vụ để Xây dựng Cây Quyết định
39 Lời giải Thực hành: Sửa đổi Nhiệm vụ để Xây dựng Cây Quyết định
40 Tóm tắt & Lời kết
1 Giới thiệu về n8n, Tính năng Chính và Mục tiêu Học phần
2 Xây dựng Quy trình làm việc AI Agent Tóm tắt Đầu tiên trong n8n
3 Xuất Quy trình làm việc, Theo dõi Biến và Giám sát Log
4 ❓Câu hỏi Thực hành: Xây dựng Quy trình làm việc Agent Dịch thuật sử dụng Claude
5 Lời giải Thực hành: Xây dựng Quy trình làm việc Agent Dịch thuật sử dụng Claude
6 Thêm Khả năng Tìm kiếm, Bộ nhớ và Khám phá Mẫu n8n
7 ❓Câu hỏi Thực hành: Kiểm tra Khả năng Tìm kiếm của Agent
8 Lời giải Thực hành: Kiểm tra Khả năng Tìm kiếm của Agent
9 Thêm Tích hợp Google Sheet vào Quy trình làm việc AI Agent trong n8n
10 ❓Câu hỏi Thực hành: Xây dựng Quy trình làm việc AI Agent để Chuyển đổi từ Python
11 Lời giải Thực hành: Xây dựng Quy trình làm việc AI Agent để Chuyển đổi từ Python
12 Tạo Đầu ra Cấu trúc được Phân tích cú pháp sử dụng Output Parser trong n8n
13 Xây dựng Quy trình làm việc để Lên lịch Cuộc họp trong Google Calendar
14 Thêm Kh
1 Task 1. Project Overview with MCP & OpenAI Agents SDK
2 Task 2. Understanding Model Context Protocol (MCP)
3 Task 3. Install Key Libraries and Configure APIs
4 Task 4A. Build and Configure the MCP Server with Tools (Part 1)
5 Task 4A. Build and Configure the MCP Server with Tools (Part 2)
6 Task 4B. Launch the MCP Server
7 ❓Practice Opportunity Question: Adding a New Tool to the MCP Server
8 Practice Opportunity Solution: Adding a New Tool to the MCP Server
9 Task 5. Explore Tools on MCP Server and Fetch the Manifest (Schema)
10 ❓Practice Opportunity Question: MCP Server Manifest (Schema)
11 Practice Opportunity Solution: MCP Server Manifest (Schema)
12 Task 6. Create an AI Agent Using OpenAI Agents SDK With MCP Tools
13 Conclusion, Summary, & Thank You!
1 Congratulations and Thank You!
2 Join our Free Community & Connect with Learners worldwide
1 Lab 1 - Hands-on With OpenAI API
2 Lab 2 - Creating AI Personalities with System Prompts
3 Lab 3 - Image Recognition Using OpenAI Vision

Giới thiệu khóa học

The AI revolution is accelerating at an unimaginable pace, and those who master Large Language Models (LLMs) and Agentic AI will define the future of technology.


The "Large Language Models (LLMs) & AI Agents Masterclass" is an intensive hands-on program designed to equip professionals and enthusiasts with the skills needed to build real-world AI applications. Whether you’re a developer, data scientist, researcher, or technology leader, this bootcamp provides the tools and knowledge to navigate and innovate in this fast-evolving space confidently.

You will begin by exploring the foundations of LLMs and agent frameworks, including how to benchmark models using LM Studio. The course then guides you through working with powerful closed-source APIs from providers like OpenAI, Gemini, and Claude. You will learn how to structure system and user messages, understand tokenization, and control outputs to build projects such as AI-powered text generators and vision-enabled calorie trackers.

As you advance, you’ll dive into the world of open-source LLMs. You will fine-tune models on Hugging Face using state-of-the-art techniques like LoRA and Parameter-Efficient Fine-Tuning (PEFT). Alongside this, you’ll gain experience designing AI-powered web applications using Gradio, creating interactive streaming apps, and building intelligent AI tutors.

A core component of the bootcamp focuses on mastering prompt engineering, including zero-shot, few-shot, and chain-of-thought prompting techniques to achieve consistent and controlled outputs. You'll also explore advanced capabilities such as building Retrieval-Augmented Generation (RAG) pipelines and working with embeddings for semantic search and knowledge retrieval.

The program concludes with the development of next-generation AI agents. You will use frameworks like AutoGen, OpenAI Agents SDK, LangGraph, n8n, and MCP to create autonomous agents capable of interacting with external systems, APIs, and other digital tools. Each module emphasizes building practical, working projects that reinforce the learning objectives and prepare you for real-world deployment.

This bootcamp is led by Dr. Ryan Ahmed, a highly experienced AI professor and educator who has taught over half a million learners globally. It is ideal for software engineers, data scientists, AI researchers, and technology professionals who want to break into the LLM and AI agent development space.

The format of the program emphasizes project-based learning with step-by-step guidance, community interaction, and access to mentorship and continuous feedback. From Day 1, you’ll be building real-world applications, positioning yourself at the forefront of this transformative field.

Enroll today, and I look forward to seeing you inside!


Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Ai Agents
Hiển thị tất cả khoá học Artificial Intelligence
Hiển thị tất cả khoá học Llm Engineering
Hiển thị tất cả khoá học Machine Learning
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊