Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Agentic AI Projects: FastAPI, MCP, AWS Deploy & Gemini 3

Dự án AI Agent: FastAPI, MCP, Triển khai AWS & Gemini 3

Dự án AI Agent: FastAPI, MCP, Triển khai AWS & Gemini 3

Xây dựng & Triển khai 10 AI Agent ở cấp sản phẩm với LangChain v1, LangGraph, MCP, Gemini 3, FastAPI, Streamlit & AWS EC2

4.6
(68 đánh giá)
898 học viên
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 829.000đ -94%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
26.5 giờ video
257 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 31/05/2026

Bạn sẽ học được gì

Xây dựng AI agent thực thụ bằng LangChain và Google Gemini, có khả năng suy luận, sử dụng công cụ và tự động hoàn thành tác vụ
Thiết kế kiến trúc agent theo mẫu ReAct, gọi công cụ và ra quyết định có cấu trúc
Triển khai bộ nhớ ngắn hạn và dài hạn cho AI agent bằng cơ sở dữ liệu và embedding để cá nhân hóa trải nghiệm
Tạo và quản lý các công cụ agent cho tìm kiếm web, thời tiết, tài chính, phân tích tài liệu và API bên ngoài
Áp dụng kỹ thuật prompt engineering để kiểm soát hành vi của agent, nâng cao chất lượng đầu ra và định hướng sử dụng công cụ
Thêm các lớp an toàn như rào chắn, cơ chế phê duyệt có sự can thiệp của con người, và kiểm soát tầng trung gian để ngăn lỗi và lạm dụng
Stream phản hồi thời gian thực và tạo đầu ra có cấu trúc từ AI agent trong các ứng dụng phong cách sản xuất
Bảo mật AI agent bằng thực thi mã trong môi trường sandbox để ngăn chặn xóa tệp, rò rỉ thông tin xác thực và rủi ro hệ thống
Xây dựng REST API cho AI agent bằng FastAPI với xác thực, CORS và các mẫu sẵn sàng cho sản xuất
Phát triển ứng dụng AI full-stack bằng Streamlit kết nối với LangChain agent
Triển khai AI agent trên AWS EC2 và cấu hình để truy cập và mở rộng quy mô trong thế giới thực

Yêu cầu

Kiến thức cơ bản về Python, bao gồm hàm, biến và làm việc với thư viện
Quen thuộc với việc chạy code Python trong notebook hoặc trình soạn thảo code như VS Code
Máy tính có kết nối internet để sử dụng API đám mây và công cụ phát triển
Sẵn sàng học hỏi và thử nghiệm với AI và công nghệ mới
Không yêu cầu kinh nghiệm về LangChain, LangGraph hay MCP — mọi thứ đều được dạy từ cơ bản

Đối tượng phù hợp

Lập trình viên Python muốn xây dựng các AI agent và công cụ tự động hóa thực tế
Kỹ sư backend và phần mềm muốn thêm các tính năng AI vào ứng dụng của mình
Kỹ sư AI và ML muốn có kinh nghiệm thực hành xây dựng hệ thống AI agent thực tế
Kỹ sư phần mềm quan tâm đến việc sử dụng mô hình ngôn ngữ lớn trong sản phẩm thực
Kỹ sư tự động hóa muốn xây dựng quy trình làm việc thông minh bằng AI
Nhà phân tích dữ liệu muốn tự động hóa báo cáo, tóm tắt và phân tích bằng AI agent
Kỹ sư sản phẩm muốn nhanh chóng tạo nguyên mẫu các tính năng hỗ trợ AI
Nhà sáng lập khởi nghiệp muốn xây dựng công cụ AI-driven mà không cần thuê đội ngũ lớn
Sinh viên muốn học dựa trên dự án trong phát triển AI agent
Chuyên gia muốn nâng cao năng suất bằng AI agent trong công việc hàng ngày
Bất kỳ ai tò mò về cách AI agent hoạt động và cách áp dụng chúng vào các trường hợp kinh doanh thực tế
Nhà phát triển muốn học cách kết nối mô hình AI với các API thực như Gmail, YouTube và dịch vụ thời tiết
Nhà phát triển khám phá LangChain, Google Gemini và các framework agent hiện đại
Sinh viên và chuyên gia chuẩn bị cho sự nghiệp trong AI, GenAI hoặc phát triển ứng dụng thông minh
Nhà xây dựng và sáng lập muốn tạo ra sản phẩm và nguyên mẫu hỗ trợ AI
Lập trình viên Python muốn xây dựng ứng dụng AI thực tế và chuyển sang phát triển AI agent

Nội dung khóa học

27 phần • 257 bài giảng
1 Giới thiệu
2 Lộ trình làm chủ AI Agent | Xem ngay
3 Tải file code tại đây
4 Thiết lập môi trường Gen AI
5 Cài đặt Requirements.txt với UV python Package Manager
1 Giới thiệu
1 Giải phẫu Agent
2 AI Agent so với LLM
3 Cách thức hoạt động của ReACT Agent
4 Các mẫu Agent cho tác vụ chuyên biệt
5 Chiến lược dự phòng mô hình trong sản xuất
6 Các loại Message trong Agent
7 Danh sách kiểm tra sẵn sàng cho sản xuất
1 Xem trước thiết lập Gemini và LangSmith
2 Nhận 300 USD tín dụng Google Cloud miễn phí
3 Tạo khóa API Gemini miễn phí trong Google AI Studio
4 Khám phá các tính năng của Google AI Studio
5 Định giá các mô hình Google Gemini
6 Giải thích về giới hạn tốc độ - Chọn mô hình nào cho tác vụ tự động
7 Giải thích về trang Giới hạn tốc độ Gemini mới
8 Tạo và tải khóa API LangSmith để theo dõi Agent
9 Kiểm tra khóa API Google Gemini và LangSmith
1 Xem trước trại huấn luyện Gemini 3 với LangChain
2 Tổng quan về mô hình Google Gemini 3
3 Thiết lập Gemini, Ollama, Tìm kiếm Web miễn phí và API thời tiết
4 Tổng quan về ChatGoogleGenerativeAI, HumanMessage, SystemMessage và AIMessage
5 Trò chuyện với mô hình AI Google Gemini 3
6 Tìm hiểu sâu về AI Messages của Chat Models - content, text và content blocks
7 So sánh phản hồi của mô hình Gemini 3 và Gemini 2 - Khám phá siêu dữ liệu AI Message
8 Streaming phản hồi của Chat Model
9 Phân tích hình ảnh từ URL bằng mô hình Google Gemini 3
10 Phân tích file hình ảnh cục bộ với Google Gemini
11 Phân tích tài liệu PDF tài chính
12 Tạo công cụ Tìm kiếm Web miễn phí bằng LangChain và Ollama
13 Tạo công cụ Tìm kiếm Thời tiết thời gian thực miễn phí bằng LangChain
14 Gọi công cụ (Function Calling) trong LLM
15 Bật và tắt hỗ trợ Suy luận (Reasoning) trong mô hình Gemini
16 Neo phản hồi Gemini bằng công cụ Tìm kiếm tích hợp của Google
17 Giải thích về Context Caching và định giá của Google Gemini
18 Tải tài liệu lên cho Context Caching của Gemini
19 Trò chuyện với Context đã được lưu cache - Tận dụng Context Caching để tiết kiệm chi phí trong Pro
20 Tạo hình ảnh đồ họa thông tin tài chính bằng mô hình Nano Banana Pro
1 Giới thiệu
1 Thiết lập Notebook cho Kiến thức cơ bản về AI Agent
2 Kiến trúc của AI Agent
3 Tạo Agent đầu tiên của bạn
4 Thực thi và theo dõi phản hồi của Agent đầu tiên
5 Cách LangChain quản lý trạng thái Agent
6 Cấu hình Model và System Prompt
7 Cách kiểm soát chất lượng đầu ra của Agent dựa trên System Prompt
1 Xem trước - Lộ trình học tập phía trước
2 Thiết lập Notebook
3 Tìm hiểu sâu về cấu hình Công cụ LangChain
4 Tạo Agent với Công cụ
5 Chạy Agent với lần gọi Công cụ đầu tiên
6 Tìm hiểu sâu về Phản hồi Agent và Quản lý trạng thái Agent
7 Cách gọi Công cụ tuần tự và song song
8 Điều gì xảy ra với quá trình thực thi Agent khi một Công cụ gặp lỗi
9 Tìm hiểu sâu về Hooks của LangChain và cách bọc để xử lý lỗi công cụ
10 Xử lý lỗi Công cụ một cách tinh tế trong Agent cấp sản xuất
11 Giới thiệu về ToolRuntime để truy cập trạng thái Agent trong lời gọi Công cụ
12 Truy cập trạng thái Agent bên trong lời gọi Công cụ
13 Truy cập dữ liệu Context bất biến bên trong lời gọi Công cụ
1 Xem trước - Lộ trình học tập phía trước
2 Thiết lập Notebook và Bộ nhớ ngắn hạn trong Agent là gì
3 Bộ nhớ ngắn hạn của Agent - InMemorySaver
4 Bộ nhớ ngắn hạn của Agent - Lưu trữ lịch sử trò chuyện trong SQLite
5 Bộ nhớ ngắn hạn của Agent - Lưu trữ lịch sử trò chuyện trong PostgreSQL Server
6 Giải thích về Context Offloading (Kỹ thuật Context)
7 Thiết lập Context Offloading
8 Cách luôn lấy kết nối DB mới
9 Tóm tắt lịch sử trò chuyện và lưu nó cục bộ trong file .md trong thời gian chạy
10 Tải Context đã được offload vào trạng thái Agent Phần 1
11 Tải Context đã được offload vào trạng thái Agent Phần 2
12 Xóa các tin nhắn trước đó khỏi trạng thái Agent sau khi Context Offloading
1 Xem trước - Lộ trình học tập phía trước
2 Bộ nhớ dài hạn trong AI Agent là gì
3 Giải thích về thiết lập Bộ nhớ dài hạn
4 Thiết lập mô hình Embedding Google Gemini
5 Thiết lập PostgreSQL với Embedding cho kho lưu trữ Bộ nhớ dài hạn
6 Lưu trữ Bộ nhớ người dùng vào cơ sở dữ liệu PostgreSQL
7 Đọc Bộ nhớ người dùng từ kho lưu trữ Bộ nhớ dài hạn
8 Lưu Tùy chọn người dùng trong thời gian chạy Phần 1
9 Lưu Tùy chọn người dùng trong thời gian chạy Phần 2
10 Truy xuất Tùy chọn người dùng (Bộ nhớ) trên các Thread ID
11 Cách cung cấp kết quả Agent được cá nhân hóa cho người dùng
1 Xem trước - Lộ trình học tập phía trước
2 Giới thiệu về Streaming phản hồi Agent
3 Stream phản hồi Agent ở chế độ 'messages'
4 Stream phản hồi Agent ở chế độ 'update' và 'values'
5 Viết method tiện ích cho Streaming phản hồi Agent Phần 1
6 Viết method tiện ích cho Streaming phản hồi Agent Phần 2
7 Nhận phản hồi có cấu trúc từ Agent
1 Xem trước - Lộ trình học tập phía trước
2 Giới thiệu về Middleware Agent Phần 1
3 Giới thiệu về Middleware Agent Phần 2
4 Thiết lập Notebook cho Middleware Agent
5 Viết Middleware tùy chỉnh để cắt bớt trạng thái Agent
6 Cắt bớt trạng thái Agent trong thời gian chạy bằng Middleware tùy chỉnh
7 Xóa tin nhắn trạng thái Agent bằng hooks Middleware After Model
8 Middleware Tóm tắt Phần 1
9 Middleware Tóm tắt Phần 2
10 Tạo Lập kế hoạch tác vụ với TODO Middleware
11 Lựa chọn Mô hình động cho các tác vụ phức tạp Phần 1
12 Lựa chọn Mô hình động cho các tác vụ phức tạp Phần 2
13 Giới hạn lời gọi Mô hình và Công cụ để tránh vòng lặp vô hạn Phần 1
14 Giới hạn lời gọi Mô hình và Công cụ để tránh vòng lặp vô hạn Phần 2
15 Bảo vệ AI Agent của bạn khỏi sự cố bằng Middleware dự phòng mô hình
16 Chọn System Prompt động dựa trên hồ sơ người dùng cho ứng dụng AI của bạn
17 Cho phép AI Agent tìm kiếm file cục bộ
1 Xem trước - Lộ trình học tập phía trước
2 Giới thiệu về Rào chắn Agent và HITL, thiết lập Notebook
3 Bảo vệ thông tin cá nhân của người dùng bằng Rào chắn PII Phần 1
4 Bảo vệ thông tin cá nhân của người dùng bằng Rào chắn PII Phần 2
5 Bảo vệ thông tin cá nhân của người dùng bằng Rào chắn PII Phần 3
6 Tránh sai lầm của Agent bằng cách giữ con người trong vòng lặp (HITL)
7 Viết code HITL cho AI Agent
8 Ngắt quá trình thực thi Agent để chờ phê duyệt của con người
9 Chỉnh sửa trạng thái Agent sau khi Ngắt HITL
10 Từ chối yêu cầu thực thi Công cụ của Agent sau khi Ngắt HITL
1 Xem trước - Lộ trình học tập phía trước
2 Nghệ thuật Prompt Engineering Phần 1
3 Nghệ thuật Prompt Engineering Phần 2
4 So sánh chất lượng đầu ra của Agent: Prompt cơ bản vs Prompt được thiết kế
5 Prompt Engineering dựa trên Vai trò và Ràng buộc
6 Prompt Engineering dựa trên Few Shot và Ngữ cảnh
7 Prompt Engineering cho việc sử dụng Công cụ Agent
8 Prompt Engineering theo Chuỗi suy nghĩ (CoT)
1 Giới thiệu về các Dự án Gen AI
1 Xem trước - Lộ trình học tập phía trước
2 Giới thiệu về MCP và Công cụ LangChain
3 MCP so với Dịch vụ REST API
4 Giới thiệu về Kiến trúc MCP
5 Tính năng MCP Phần 1
6 Tính năng MCP Phần 2
1 Xem trước - Lộ trình học tập phía trước
2 Kế hoạch tấn công cho các Dự án AI thực tế
3 Cấu hình Máy chủ MCP Airbnb
4 Giới thiệu về Bộ chuyển đổi LangChain MCP
5 Thiết lập airbnb_mcp.py với UV
6 Thiết lập Dự án MCP
7 Lấy các Công cụ MCP của Airbnb trong thời gian chạy
8 Prompt Engineering Tìm kiếm khách sạn Airbnb
9 Tìm kiếm khách sạn Airbnb trực tiếp với AI Agent
10 Tìm kiếm khách sạn ở chế độ Trò chuyện
1 Xem trước - Lộ trình học tập phía trước
2 Giới thiệu về Agent Lập kế hoạch du lịch
3 Vòng đời phát triển ứng dụng AI
4 Thiết lập dự án Travel Planner Agent
5 Tải cấu hình MCP từ vị trí tập trung
6 Cấu hình Google Calendar MCP Server
7 Cấu hình thông tin xác thực Google Auth - Phần 1
8 Cấu hình thông tin xác thực Google Auth - Phần 2
9 Ủy quyền AI Agent sử dụng Google Calendar
10 Xem danh sách công cụ có sẵn trong Google Calendar MCP Tools
11 Tạo AI Agent có bộ nhớ và tích hợp Google Calendar MCP
12 Lên kế hoạch du lịch cùng AI Agent
13 Tương tác với Agent ở chế độ Chat.mp4
1 Giới thiệu lộ trình học phía trước
2 Giới thiệu về bảo mật AI Agent
3 Cách ngăn chặn xóa tệp hệ thống và đánh cắp thông tin xác thực trong chế độ Sandbox
4 Tính năng cốt lõi của E2B Sandbox Code Execution
5 Thiết lập API KEY miễn phí cho E2B Sandbox
1 Giới thiệu lộ trình học phía trước
2 Thiết lập Notebook
3 Lần đầu thực thi mã trong chế độ Sandbox
4 Vẽ biểu đồ và hình ảnh trong chế độ Sandbox
5 Viết công cụ hỗ trợ phân tích dữ liệu
6 Tải tệp dữ liệu lên Sandbox Server từ xa để phân tích
7 Viết công cụ Agent để chạy mã trong chế độ Sandbox
8 Kỹ thuật Prompt cho Code Execution Agent
9 Tạo Code Execution Agent
10 Phân tích bộ dữ liệu IMDB Movies với Code Execution Agent
11 Phân tích dòng tiền và bảng cân đối kế toán của Apple và Google
12 Phân tích bộ dữ liệu Titanic với Code Execution AI Agent
1 Giới thiệu lộ trình học phía trước
2 Bật Google Sheet và Google Drive API
3 Thiết lập cấu hình Google Sheet MCP
4 Thiết lập cấu hình Yahoo Finance MCP Server
5 Thiết lập dự án Agentic Google Sheet Analysis
6 Xác minh kết nối Google Sheet và Google Drive
7 Google Sheet Analysis Agent hoạt động
8 Phân tích chuyên sâu với Agent ở chế độ Chat
9 Ghi dữ liệu đã phân tích vào Google Sheet ngay trong thời gian chạy qua AI Agent
1 Giới lộ trình học phía trước
2 Thiết lập cấu hình Gmail MCP Server
3 Xác thực quyền truy cập Gmail cho AI Agent
4 Tìm hiểu sâu về Gmail MCP Tools cho bảo mật Agent
5 Viết Daily Briefing Agent và Prompt
6 Daily Briefing AI Agent hoạt động
1 Giới thiệu lộ trình học phía trước
2 Giới thiệu về Langchain Agent Chat UI
3 Thiết lập WSL trên Windows (Video YouTube)
4 Thiết lập kho mã nguồn Langchain Agent Chat UI
5 Thiết lập dự án Langchain Agent Chat UI
6 Trò chuyện với Agent qua Langsmith Studio Chat UI
7 Trò chuyện với Agent qua Langchain Chat UI
8 Tạo tài khoản AWS với 200$ tín dụng miễn phí
9 Khởi chạy phiên bản Ubuntu EC2
10 Kết nối VS Code với phiên bản EC2 và thiết lập kho mã nguồn
11 Thiết lập dự án trên phiên bản EC2
12 Chạy Langchain Agent Server trên phiên bản EC2
13 Thay đổi loại phiên bản EC2
14 Lưu trữ Langchain Agent Chat UI trên phiên bản EC2
15 Kết nối Chat UI với Backend Agent Server
16 Thiết lập dự án Agentic Personal Assistant trên EC2
17 Thiết lập thông tin xác thực Gmail MCP Server trên phiên bản EC2
18 Triển khai Personal Assistant Agent trên AWS EC2
19 Gắn Google Sheet MCP Server với Assistant Agent
20 Personal AI Assistant hoạt động
1 Giới thiệu lộ trình học phía trước
2 Cách Chat UI và AI Agent App hoạt động cùng nhau
3 Cách hoạt động của giao diện ChatGPT - Phần 1
4 Cách hoạt động của giao diện ChatGPT - Phần 2
5 Giới thiệu về REST API cho ứng dụng GenAI
6 Tìm hiểu sâu về quy trình bắt tay Client-Server qua ví dụ Waiter-Kitchen
7 Viết ứng dụng Server đầu tiên với FastAPI
8 Kiểm thử FastAPI Server đầu tiên qua Swagger UI và Curl Requests
9 Chạy và cấu hình FastAPI Server với Uvicorn Server
10 Kiểm thử và gỡ lỗi REST API với Postman API Tester
11 CORS, Guardrails và xác thực dữ liệu với Pydantic cho AI Agent an toàn
12 Thiết lập FastAPI Server với Pydantic và CORS Guardrails
13 Viết endpoint chat POST trong FastAPI Server cho AI Agents
14 Kiểm thử Custom Chat API Endpoint của AI Agent với FastAPI Swagger UI
15 Kiểm thử tổng thể AI Agent API Gateway với Postman
1 Giới thiệu lộ trình học phía trước
2 Giới thiệu về Response Streaming trong FastAPI
3 Thiết lập dự án cho Response Streaming từ FastAPI Server
4 Khởi tạo FastAPI Server với MCP Server Tools và CORS
5 Khởi tạo AI Agent và Gemini Model cho Response Streaming
6 Async Response Streaming từ AI Agent
7 Truyền tải phản hồi từ AI Agent qua FastAPI Server
8 Giới thiệu về Streamlit
9 Khởi tạo ứng dụng Streamlit
10 Quản lý lịch sử trò chuyện với Streamlit Session State
11 Hiển thị tin nhắn trò chuyện kèm biểu tượng người dùng và AI Assistant
12 Nhận luồng dữ liệu trực tiếp từ AI Agent trong ứng dụng Streamlit - Phần 1
13 Nhận luồng dữ liệu trực tiếp từ AI Agent trong ứng dụng Streamlit - Phần 2
14 Kiểm thử tổng thể Personal AI Assistant với luồng Chat thời gian thực
15 Chỉnh sửa thư mục tải xuống báo cáo PDF
16 Tạo báo cáo PDF với Personal AI Assistant
17 Kiểm thử tổng thể Personal AI Assistant với báo cáo PDF
1 Giới thiệu lộ trình học phía trước
2 Kế hoạch triển khai FastAPI và Streamlit Agent trên AWS Server
3 Thiết lập và kết nối phiên bản EC2 với VS Code
4 Triển khai dự án AI Agent với FastAPI và Streamlit trên AWS EC2 Server
5 Cấu hình bảo mật phiên bản AWS EC2 để truy cập AI Agent an toàn
6 Kiểm thử tổng thể Personal AI Assistant Agent được triển khai trên AWS EC2
1 Giới thiệu lộ trình học phía trước
2 Cách kết nối Personal AI Assistant với cơ sở dữ liệu MySQL thương mại điện tử
3 Tải bộ dữ liệu thương mại điện tử và đăng ký miễn phí MySQL DB trên TiDB
4 Nạp thông tin xác thực MySQL Server vào Notebook
5 Tạo cơ sở dữ liệu thương mại điện tử trên MySQL Server
6 Tải cơ sở dữ liệu thương mại điện tử lên MySQL Server
7 Cấu hình MySQL MCP Server
8 Cấu hình FastAPI Streaming Server cho MySQL MCP Server
9 Kiểm thử tổng thể Personal MySQL Analyst Agent

Giới thiệu khóa học

Welcome to the most comprehensive Agentic AI projects course on Udemy for 2026 — focused on building, deploying, and scaling real-world AI agents in production.

Learn to architect and ship 10 production-grade AI Agent projects using LangChain v1, LangGraph, Google Gemini 3, MCP (Model Context Protocol), FastAPI, Streamlit, and AWS EC2 — the exact stack powering the next generation of autonomous AI systems.

This course is not another "build a chatbot" tutorial. It is the production deployment companion you need after learning LangChain fundamentals. Every module ends with working, deployable code you can adapt for your own product, client, or portfolio.

Who is teaching this course

I'm Laxmi Kant Tiwari, founder of KGP Talkie, with over a decade of AI and Machine Learning industry experience including senior AI engineering at Linedata. I've taught 160,000+ students across YouTube and Udemy, and I build and deploy the exact systems I teach. No fluff, no filler, no recycled Medium articles — just production-grade code and architecture you can ship.

The 10 Production AI Agent Projects You Will Build

  1. Live Hotel Search Agent — Airbnb MCP server integration with real-time search

  2. Travel Planner Agent — Google Calendar MCP with memory and multi-tool orchestration

  3. Code Execution Agent — Secure E2B sandbox for data analysis (Apple, Google, IMDB, Titanic datasets)

  4. Google Sheets + Finance Analyzer Agent — Yahoo Finance MCP with Sheets read and write

  5. Gmail Daily Briefing Agent — Automated email summarization and action extraction

  6. Personal AI Assistant on AWS EC2 — LangChain Agent Chat UI deployed to production

  7. AI Agent REST API Gateway — FastAPI with Pydantic, CORS, and Swagger UI

  8. Full-Stack AI Assistant — Streamlit + FastAPI with real-time response streaming

  9. Cloud-Deployed Full-Stack Agent — End-to-end AWS EC2 deployment with security hardening

  10. MySQL E-commerce Analyst Agent — TiDB + MCP + FastAPI streaming server

What Makes This Course Different

  • LangChain v1 and Gemini 3 — the freshest possible stack; most courses still teach deprecated v0.x APIs

  • Real MCP server integrations — not toy examples. Airbnb, Gmail, Google Calendar, Google Sheets, Yahoo Finance, MySQL

  • Actual AWS EC2 deployment walkthroughs — from instance launch to production security configuration

  • Production patterns — model fallback, error handling, guardrails, HITL, streaming, context offloading

  • 26+ hours of hands-on video — every line of code explained, every architecture decision justified

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Artificial Intelligence
Hiển thị tất cả khoá học Aws
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊