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

10 Days: Prompt Engineering, Generative AI and Data Science

10 Ngày: Kỹ Thuật Prompt, AI Sáng Tạo và Khoa Học Dữ Liệu

10 Ngày: Kỹ Thuật Prompt, AI Sáng Tạo và Khoa Học Dữ Liệu

Khóa Học Tổng Hợp Kỹ Thuật Prompt, AI Sáng Tạo & Khoa Học Dữ Liệu: Xây Dựng Portfolio với Các Dự Án GenAI & AI Agents

4.5
(402 đánh giá)
3,211 học viên
Giảng viên
Diogo Alves de Resende
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 799.000đ -94%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
14.5 giờ video
150 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026
#Artificial Intelligence #Data Science #Openai Api #Python

Bạn sẽ học được gì

Thiết kế các Prompt mạnh mẽ cho mô hình ngôn ngữ lớn để tăng độ chính xác của AI.
Thành thạo Kỹ Thuật AI Sáng Tạo để tạo văn bản, hình ảnh và hơn thế nữa với nỗ lực tối thiểu.
Tối ưu hóa System Message để kiểm soát và duy trì tính nhất quán tốt hơn trong các dự án dùng AI.
Tận dụng Công Cụ Khoa Học Dữ Liệu như Python, R và XGBoost để có được những hiểu biết sâu sắc hơn.
Tích hợp OpenAI APIs vào các ứng dụng thực tế để tạo và phân tích văn bản.
Tinh chỉnh Tham Số Mô Hình để tối đa hóa hiệu suất và cá nhân hóa đầu ra của AI.
Tự động hóa Các Tác Vụ Thông Thường bằng AI, tiết kiệm thời gian và nguồn lực trong quy trình kinh doanh.
Áp dụng Kỹ Thuật Prompt để giải quyết các thách thức về an ninh mạng và tuân thủ.
Phát triển Các Dự Án Thực Hành thể hiện năng lực của AI cho các bên liên quan.
Xây dựng AI Agents sử dụng CrewAI cho tự động hóa tác vụ nâng cao (sắp ra mắt).

Yêu cầu

Trình độ Python Cơ Bản (Vòng lặp, Hàm)
Một máy tính có kết nối internet và tinh thần sẵn sàng học hỏi.

Đối tượng phù hợp

Các nhà phát triển và nhà phân tích dữ liệu muốn đào sâu kỹ năng Kỹ Thuật Prompt và AI Sáng Tạo.
Các chuyên gia muốn tích hợp các giải pháp dùng AI vào quy trình kinh doanh.
Sinh viên khoa học máy tính quan tâm đến việc tìm hiểu các kỹ thuật machine learning mới nhất và cách triển khai chúng.
Bất kỳ ai tò mò về việc kết hợp Python và OpenAI APIs để xây dựng các dự án thực tế.

Nội dung khóa học

12 phần • 147 bài giảng
1 Giới thiệu về 5 Dự án trong Kỹ Thuật Prompt, AI Sáng Tạo và Khoa Học Dữ Liệu
2 [HÀNH ĐỘNG] Tải Tài Liệu Khóa Học
3 Về tôi, Diogo
4 Cập Nhật Không Giới Hạn 2025
5 Biểu Mẫu Cập Nhật Không Giới Hạn
6 Thiết lập Google Colab
7 Thiết lập Jupyter Notebook
8 Cài đặt R và RStudio
1 Kế Hoạch Học Tập cho Kiến Thức Cơ Bản về Kỹ Thuật Prompt
2 Hiểu về Transformers
3 Cơ Chế Attention trong NLP
4 Các Kỹ Thuật Kỹ Thuật Prompt
5 Thiết lập LM Studio
6 LM Studio - Hướng Dẫn Rõ Ràng và One-Shot
7 LM Studio - Few-Shot
8 LLMs là Những Người Học Few-Shot
9 LM Studio - Chuỗi Suy Nghĩ (Chain of Thoughts)
10 Nghiên Cứu Khoa Học về Chuỗi Suy Nghĩ
11 Điểm Học Tập và Kết Quả Chính: Kiến Thức Cơ Bản về Kỹ Thuật Prompt
1 Kế Hoạch Học Tập cho Kỹ Thuật Prompt với System Message và Tham Số LLM
2 Tokenization
3 Bộ Tokenizer của OpenAI
4 Kéo Búa Bao, Xúc Xắc và Dâu Tây
5 System Message
6 LM Studio - System Message
7 THỬ THÁCH: Phá Vỡ System Message Phần 1
8 LM Studio - Phá Vỡ System Message Phần 1
9 THỬ THÁCH - Phá Vỡ System Message Phần 2
10 LM Studio - Phá Vỡ System Message Phần 2
11 THỬ THÁCH - Phá Vỡ System Message Phần 3
12 Hiểu về Tham Số Mô Hình Sinh (Generation Model Parameters)
13 LM Studio - Tham Số
14 Điểm Học Tập và Kết Quả Chính: System Message và Tham Số LLM
15 Phản hồi của bạn rất có giá trị
1 Kế Hoạch Học Tập cho Lập Luận và Ảo Giác (Hallucinations)
2 Meta Prompting
3 Analogical Reasoning Prompting
4 Rephrase and Respond
5 According-to Prompting
6 Multi-Persona Collaboration
7 Emotion Prompting
8 Điểm Học Tập và Kết Quả Chính: Lập Luận và Ảo Giác cho LLMs
1 Kế Hoạch Học Tập cho Mô Hình Lập Luận LLM
2 Cách hoạt động của Mô Hình Lập Luận LLM
3 Prompting cho Mô Hình Lập Luận (Tập trung vào OpenAI)
4 Overthinking - Prompt Injection cho Lập Luận LLM
5 Overthinking trong Hành Động
6 LLMs không thể Lập Luận - Nghiên cứu của Apple
1 Kế Hoạch Học Tập cho OpenAI API
2 OpenAI API cho Văn Bản
3 Python - Thiết lập Khóa API OpenAI
4 Python - Thiết lập OpenAI API
5 Python - Tạo Văn Bản với OpenAI API
6 Python - Tham Số OpenAI API
7 Python - OpenAI API với Few-Shot
8 Điểm Học Tập và Kết Quả Chính: OpenAI API cho Văn Bản
1 Giới thiệu Dự án: GPT có thể chơi kéo búa bao không?
2 Python - Thiết lập OpenAI API
3 Python - Chiến Lược Chơi Ngẫu Nhiên
4 Python - Cải Thiện System Prompt Một Cách Lặp Lại
5 Python - Kiểm Tra Tham Số Temperature
6 Python - Chiến Lược Mới: Thay đổi nếu Thua
7 Python - Xây dựng Hàm để Chơi Game
8 Python - Chiến Lược Mới: Nhà Phân Tích
9 Python - Kiểm Tra Các Chiến Lược
1 Kế Hoạch Học Tập cho OpenAI API cho Hình Ảnh
2 Python - Thiết lập OpenAI API
3 Python - Phân tích hình ảnh từ Liên kết
4 Python - Mã hóa Hình ảnh
5 Python - Phân tích Hình ảnh từ base64
6 Python - Thêm Tìm Kiếm Google
1 Kế Hoạch Học Tập cho Random Forest
2 Random Forest và Học Tập Tập Hợp (Ensemble Learning)
3 Cách hoạt động của Cây Quyết Định
4 Python - Thiết lập
5 Python - Xử lý Dữ liệu
6 Python - Biểu đồ Nhiệt Tương Quan
7 Python - Tập Huấn luyện và Tập Kiểm tra
8 Python - Random Forest
9 Các chỉ số đánh giá cho Bài toán Phân loại Phần 1
10 Các chỉ số đánh giá cho Bài toán Phân loại Phần 2
11 Python - Đánh giá Mô hình Phân loại
12 Python - Tinh chỉnh Tham số
13 Python - Tinh chỉnh Tham số
14 Python - Mô hình Random Forest Tốt nhất
15 Python - Tầm Quan Trọng của Đặc trưng (Feature Importance)
16 Python - Vẽ một Biểu đồ Tuyệt vời Phần 1
17 Python - Vẽ một Biểu đồ Tuyệt vời Phần 2
18 Python - Vẽ một Biểu đồ Tuyệt vời Phần 3
19 Điểm Học Tập và Kết Quả Chính: Random Forest
1 Cách lấy Tài Liệu Khóa Học
2 Phát biểu Bài toán
3 Giới thiệu XGBoost
4 Cách hoạt động của XGBoost
5 Đặc điểm riêng của XGBoost
6 Bẫy biến giả (Dummy variable trap)
7 Sai số Bình phương Trung bình Căn bậc hai (Root Square Mean Error)
8 Sự đánh đổi Phương sai và Độ chệch (Variance vs. Bias trade off)
9 Tinh chỉnh tham số và Xác thực chéo (Cross Validation)
10 Giá trị SHAP
11 Python - Thiết lập XGBoost
12 Python - Xử lý Dữ liệu
13 Python - Mô hình XGBoost Đầu tiên
14 Python - Đánh giá Mô hình XGBoost
15 Python - Đánh giá Mô hình XGBoost phần 2
16 Python - Xây dựng Hàm để Đánh giá Mô hình Nhị phân
17 Python - Xử lý Dữ liệu Phần 2
18 Python - Mô hình XGBoost Thứ hai
19 Tinh chỉnh Tham số Ngẫu nhiên
20 Python - Tinh chỉnh Tham số
21 Python - Mô hình XGBoost Cuối cùng
22 Python - Tầm Quan Trọng SHAP và Biểu đồ Tổng hợp
23 Python - Biểu đồ Phụ thuộc và Lực SHAP
24 Python - Biểu đồ Thác nước và Khám phá Sâu Nhóm SHAP
25 R - Tải và kiểm tra dữ liệu
26 R - Tách biến số
27 R - Thống kê Tổng hợp và Ma trận Tương quan
28 R - Chuẩn bị tập dữ liệu đầu tiên
29 R - Tập huấn luyện và tập kiểm tra
30 R - Tách biến X và Y
31 R - Thiết lập Tham số XGBoost
32 R - Xử lý Song song
33 R - Chạy XGBoost
34 R - Dự đoán với XGBoost
35 R - Ma trận Nhầm lẫn (Confusion Matrix)
36 R - Chuyển đổi yếu tố thành biến số
37 R - Chuẩn bị tập dữ liệu cuối cùng
38 R - Mô hình XGBoost thứ hai
39 R - Dự đoán và Ma trận Nhầm lẫn phần 2
40 R - Bắt đầu Xử lý Song song
41 R - Đầu vào Xác thực chéo
42 R - Tham số Xác thực chéo
43 R - Các tham số cần tinh chỉnh
44 R - Vòng Tinh chỉnh Tham số 1
45 R - Vòng Tinh chỉnh Tham số 2
46 R - Mô hình XGBoost cuối cùng
47 R - Góc nhìn Kinh doanh
48 R - Yếu tố Quan trọng và Giá trị SHAP
49 Phản hồi Cuối khóa
1 Kế Hoạch Học Tập cho CrewAI
2 CrewAI
3 Python - Thiết lập CrewAI
4 Python - AI Agent Đầu tiên
5 Python - Tác vụ và AI Crew
6 Python - AI Agent và Tác vụ Thứ hai
7 Python - AI Agent Thứ ba
1 Hãy Làm 2 Điều Này

Giới thiệu khóa học

Welcome to the 10 Days of Prompt Engineering, Generative AI, and Data Science Course

Get hands-on with Prompt Engineering, Generative AI, and Data Science in just 10 days.

I’m Diogo, and I’ve structured this course to take you from basics to advanced topics quickly.

We’ll cover live sessions, hands-on labs, and real-world projects—all in 14 hours and 30 minutes of published video content. You’ll also receive lifetime updates so your learning never goes stale.


You will build a portfolio of project on topics like:

  • Prompt Engineering Fundamentals: Understand transformers, attention mechanisms, and how to structure prompts for optimal performance.

  • Generative AI Workflows: Master tools like Google Colab, Jupyter Notebook, LM Studio, and learn how to fine-tune system messages and model parameters.

  • OpenAI API for Text & Images: Integrate the OpenAI API into Python projects, explore parameters for better text generation, and tap into image generation (coming soon).

  • Machine Learning with XGBoost & Random Forest: Explore advanced ML topics, including parameter tuning, SHAP values, and real-world approaches to customer satisfaction modeling.

  • AI Agents with CrewAI: Dive into the next wave of AI automation (coming in Q1 2025).


COURSE BREAKDOWN

Introduction

  • Meet your instructor, download course materials, set up your environment (Google Colab, Jupyter Notebook, RStudio).

  • Preview the core projects we’ll tackle.

Day 1 – Basics of Prompt Engineering

  • Learn about transformers, attention, and chain-of-thought prompting.

  • Experiment with LM Studio to practice explicit instructions, one-shot, and few-shot techniques.

Day 2 – System Messages & LLM Parameters

  • Tokenization, system messages, and parameter tuning.

  • Break the system message (on purpose) to see how LLMs respond, then learn how to guide them back.

Days 3 - Prompt Engineering for better reasoning

  • Proven ways to improve the reasoning in LLMs.

  • Overcoming LLM Hallucinations

Day 4 –Reasoning LLMs - Coming in Q1 2025

  • How Reasoning Works in LLMs

  • Prompt Injection for LLMs like the O1.

  • A hot take on whether LLMs can reason or not.

Day 5 – OpenAI API for Text Generation

  • Integrate the OpenAI API in Python.

  • Adjust temperature, handle few-shot learning, and refine your text generation workflow.

Day 6 – CAPSTONE PROJECT: OpenAI API

  • Build a “Rock-Paper-Scissors” AI.

  • Create new strategies, test temperature parameters, and see how GPT adapts.

Days 7 - OpenAI API for Images

  • Fee images via links and encoded to the Multimodal LLM

  • Add Web-browsing capabilities to the LLM

Day 8 – Random Forest for Customer Satisfaction

  • End-to-end project on gathering actionable insights on customer satisfaction.

  • Guide on how to build a great chart.

Day 9 – XGBoost

  • Discover XGBoost in both Python and R.

  • Handle data processing, parameter tuning, cross-validation, and SHAP values for model interpretation.

Day 10 – AI Agents with CrewAI

  • Coming in Q2 2025—learn to build AI agents that automate tasks and collaborate efficiently.


WHY ENROLL NOW?

  • Lifetime Updates: You get all future course modules automatically, including advanced sections scheduled for 2025.

  • Practical Projects: Apply what you learn in real-world scenarios (Rock-Paper-Scissors AI, XGBoost for customer satisfaction).

  • Structured Curriculum: Each day is designed to build on the previous one, speeding up your learning and progress.

  • Community & Feedback: Engage in discussions, get direct feedback, and influence new content updates.

Ready to accelerate your Prompt Engineering, Generative AI, and Data Science skills?
Sign up now and gain immediate access to all published content, including the future modules. Let’s start building the future of AI together!

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 Data Science
Hiển thị tất cả khoá học Openai Api
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊