NVIDIA GenAI & LLMs: Learn and Pass NCA-GENL Certification

NVIDIA GenAI & LLMs: Học và Thi Đỗ Chứng Chỉ NCA-GENL

Xây dựng nền tảng vững chắc về AI Tạo sinh và LLM với NVIDIA, đồng thời tự tin chuẩn bị cho kỳ thi chứng chỉ NCA-GENL

4.8

(135 đánh giá)

1,751 học viên

Giảng viên

Ashish Prajapati

Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao

50.000đ 349.000đ -86%

✓ Xem giỏ hàng và thanh toán

Bao gồm phụ đề tiếng Việt, tiếng Anh

9.5 giờ video

122 bài giảng

Truy cập vĩnh viễn

Học trên mọi thiết bị

Cập nhật: 30/05/2026

#Artificial Intelligence #Generative Ai #Llms #Nvidia

Bạn sẽ học được gì

Hiểu các nguyên lý cơ bản của AI Tạo sinh và LLM, bao gồm kiến trúc mô hình, huấn luyện và triển khai sử dụng công nghệ NVIDIA.

Chuẩn bị cho chứng chỉ NCA-GENL bằng cách nắm vững các khái niệm chính, ứng dụng thực tế và các phương pháp tối ưu trong ngành về AI tạo sinh.

Tiếp thu kiến thức thực hành về hệ sinh thái, framework và công cụ NVIDIA hỗ trợ các mô hình ngôn ngữ lớn và ứng dụng AI tạo sinh.

Phát triển kỹ năng để thiết kế, triển khai và tối ưu hóa quy trình làm việc với GenAI, chuẩn bị cho các dự án AI và học máy thực tế.

Yêu cầu

Hiểu biết cơ bản về AI tạo sinh và mô hình ngôn ngữ lớn

Đối tượng phù hợp

Dành cho kỹ sư AI DevOps, nhà khoa học dữ liệu, kỹ sư học máy, chuyên gia học sâu, kiến trúc sư phần mềm và giải pháp đám mây, nhà nghiên cứu và người mới bắt đầu mong muốn học AI Tạo sinh, xây dựng kỹ năng và chuẩn bị cho Chứng chỉ NVIDIA NCA-GENL.

Nội dung khóa học

14 phần • 122 bài giảng

1 Giới thiệu

1 Tại sao Doanh nghiệp Đầu tư vào AI Tạo sinh — và Điều đó Quan trọng với Bạn

1 Tìm hiểu về Các Lộ trình Chứng chỉ

2 Chứng chỉ NCA-GENL

1 Nội dung chúng ta sẽ học

2 Hệ sinh thái AI và ML

3 Hạ tầng AI

4 GPU cho AI và ML

5 GPU so với CPU

6 Kiến trúc GPU

7 Gộp nhớ (Memory Pooling)

8 Đám mây so với Tại chỗ (On-Prem)

9 Hạ tầng Mạng

10 Hạ tầng Lưu trữ

11 Tóm tắt Module 1

1 AI và ML

2 Học sâu (Deep Learning)

3 Một Trường hợp Sử dụng Đơn giản

4 Mô hình là gì?

5 Huấn luyện một Mô hình

6 Tóm tắt Module 2

1 AI Tạo sinh là gì?

2 Mô hình Nền tảng (Foundation Model)

3 Mô hình Ngôn ngữ Lớn (LLM)

4 Hành trình đến với AI Tạo sinh

5 Kiến trúc Transformer

6 Tóm tắt Module 3

1 Transformer - Động cơ đằng sau AI Hiện đại

2 Transformer hoạt động như thế nào?

3 Phân tách từ (Tokenization)

4 Mã hóa (Encoding)

5 Biểu diễn từ (Word Embedding)

6 Giải mã (Decoding)

7 Đầu ra (Output)

8 Mã hóa Vị trí (Positional Encoding)

9 Giải thích về Transformer

10 Cơ chế Tập trung (Attention Mechanism)

11 Tập trung Đa đầu (Multi Head Attention)

12 Bộ Mã hóa & Giải mã (Encoder Decoder)

13 Nên dùng loại nào?

14 Chiến lược Dự đoán (Prediction Strategy)

15 Tóm tắt Module 4

1 Làm thế nào để Chọn Đúng Mô hình Nền tảng AI?

2 Quy trình Lựa chọn Mô hình

3 SLM so với LLM

4 Đánh giá Mô hình

5 Các Chỉ số Quan trọng

6 So sánh Chỉ số

7 Kiểm tra Chéo (Cross Validation)

8 Kiểm tra A/B

9 Lựa chọn Mô hình Tốt nhất

10 Tóm tắt Module 5

1 Tại sao cần Tùy chỉnh Mô hình?

2 Kỹ thuật Đề xuất (Prompt Engineering)

3 Đề xuất Hệ thống (System Prompt)

4 Tạo sinh Tăng cường Truy xuất (RAG)

5 Phân đoạn (Chunking)

6 Học Chuyển giao (Transfer Learning)

7 Các Phương pháp Học Chuyển giao

8 Trường hợp Sử dụng Học Chuyển giao

9 Tinh chỉnh (Fine-Tuning)

10 Cô đặc Tri thức (Knowledge Distillation)

11 Độ chính xác trên Tập Kiểm định

12 Tóm tắt Module 6

1 Phép loại suy về Huấn luyện Mô hình

2 Bia hay Rượu vang

3 Trình tự các Bước

4 Thu thập Dữ liệu

5 Xử lý Dữ liệu - RegEx

6 Xử lý Dữ liệu - EDA

7 Kỹ thuật EDA

8 Huấn luyện Mô hình

9 Các Giai đoạn Huấn luyện Mô hình

10 Đánh giá Mô hình

11 Triển khai Mô hình

12 Các Tùy chọn Triển khai

13 Định dạng ONNX

14 Lượng tử hóa (Quantization)

15 Sau khi Triển khai

16 Tóm tắt Module 7

1 Hệ sinh thái NVIDIA

2 GPU NVIDIA

3 CUDA

4 NVIDIA SMI

5 NVIDIA RAPIDS

6 RAPIDS hoạt động như thế nào?

7 NVIDIA Tensor-RT

8 So sánh Tensor-RT, Lượng tử hóa và ONNX

9 NVIDIA NeMo

10 NVIDIA Triton

11 Xử lý Theo lô Động (Dynamic Batching)

12 Danh mục NGC

13 Tích hợp Khác

14 Tóm tắt Module 8

1 AI Đạo đức

2 Xây dựng AI Đáng tin cậy

3 Tính toán Bảo mật (Confidential Computing)

4 NVIDIA NeMo Guardrails

5 Bộ phân loại Biểu diễn (Embedding Classifier)

6 Theo dõi Nguồn gốc Dữ liệu (Data Lineage Tracking)

7 Đội Đỏ (Red Teaming)

8 Tăng cường Dữ liệu (Data Augmentation)

9 Trách nhiệm Giải trình (Accountability)

10 AI Có thể Giải thích (Explainable AI)

11 Tóm tắt Module 9

1 Lan truyền Xuôi và Ngược

2 Vấn đề Độ dốc Biến mất (Vanishing Gradients)

3 Thách thức của Độ dốc Biến mất

4 Nơ-ron (Neuron)

5 Bên trong một Nơ-ron

6 Có phải là Mèo không?

7 ReLU so với Sigmoid

8 Chuẩn hóa Theo tầng (Layer Normalization)

9 Quan hệ Thực thể Được đặt tên (NER)

10 Thuật toán Khuếch tán (Diffusion Algorithms)

11 Khuếch tán Xuôi và Ngược

12 Khuếch tán Xuôi

13 Khuếch tán Ngược

14 Phát triển Ứng dụng Nhanh (RAD)

15 HuggingFace Transformers

16 Tóm tắt Module 10

1 Chuẩn bị cho Kỳ thi Chứng chỉ

Giới thiệu khóa học

NVIDIA GenAI & LLMs: Learn and Pass NCA-GENL Certification

Generative AI and Large Language Models (LLMs) are transforming how software is built, how businesses operate, and how careers grow. This is a beginner-to-intermediate course designed to help you understand Generative AI deeply while confidently preparing for the NVIDIA Certified Associate – Generative AI and LLMs (NCA-GENL) exam.

This course follows the official NVIDIA exam guide and curriculum, ensuring every topic you learn directly aligns with certification objectives—while also building practical, real-world GenAI skills that go beyond exam prep.

What You’ll Learn

Core Generative AI and LLM fundamentals, including transformers, neural networks, and generative workflows
How data, prompts, models, and compute work together in modern GenAI systems
Key concepts in prompt engineering, RAG, data pre-processing, model training, and model evaluation
NVIDIA’s role in accelerating Generative AI, LLMs, and AI workloads
Foundational knowledge that supports Agentic AI, Machine Learning, and advanced AI applications

How This Course Teaches

Real-life analogies to make complex GenAI concepts easy to understand
Whiteboarding-style explanations to clearly break down architectures and workflows
Simple diagrams and easy-to-understand graphics for visual learning
Comparison tables to clearly differentiate models, techniques, and AI approaches
Concept-first teaching so knowledge sticks and applies to real work

Certification & Career Benefits

Complete preparation for the NVIDIA NCA-GENL certification exam
Aligned with the official NVIDIA exam study guide
Ideal for roles such as:
- Machine Learning Engineer
- Data Scientist
- Generative AI or LLM Specialist
- AI DevOps Engineer
- Software Engineer or Cloud / Solutions Architect
Also perfect for beginners and career switchers looking to enter the GenAI field

Why Enroll?

Whether you want to pass the NCA-GENL certification, build a strong foundation in Generative AI and LLMs, or prepare for future roles in Agentic AI and Machine Learning, this course gives you the clarity, confidence, and skills to succeed in today’s AI-driven world.