Skip to main content

15 posts tagged with "ai"

View All Tags

Advanced Prompting: 7 Kỹ Thuật Nâng Cao & Kiểm Soát Đầu Ra

· 8 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~12 phút

Learning outcome:​

  • ✅ Hiểu được bản chất 7 kỹ thuật Prompt nâng cao (Zero-shot, Few-shot, Chain-of-thought, Generated knowledge, Least-to-most, Self-refine, Maieutic).
  • ✅ Áp dụng được các kỹ thuật này để giải quyết các bài toán logic hoặc lập trình.
  • ✅ Phân biệt được khi nào nên sử dụng Self-refine và khi nào dùng Maieutic prompting.
  • ✅ Làm chủ được tham số Temperature để kiểm soát tính ngẫu nhiên (nondeterministic) của mô hình.

AI Agents: Khi Trí Tuệ Nhân Tạo Biến Thành 'Người Hành Động'

· 7 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~15 phút

Learning outcome:​

  • ✅ Định nghĩa được AI Agent là gì thông qua 2 yếu tố cốt lõi: State và Tools.
  • ✅ Phân biệt được 4 Agent Framework hàng đầu hiện nay.
  • ✅ Hiểu được điểm mạnh riêng biệt của từng Framework (Ví dụ: Tại sao lại chọn AutoGen cho đàm phán, nhưng lại chọn TaskWeaver cho phân tích dữ liệu).
  • ✅ Áp dụng (Về mặt tư duy) cách thiết kế hệ thống đa tác nhân (Multi-Agent).

Xây Dựng Ứng Dụng Tìm Kiếm Ngữ Nghĩa Với Text Embeddings

· 8 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~10 phút

Learning outcome:​

  • ✅ Phân biệt được sự khác nhau giữa Semantic Search (Tìm kiếm ngữ nghĩa) và Keyword Search (Tìm kiếm từ khóa).
  • ✅ Hiểu được bản chất của Text Embeddings, Vectors và không gian đa chiều (Multidimensional space).
  • ✅ Giải thích được cơ chế hoạt động của Cosine Similarity trong việc đo lường độ tương đồng ngữ nghĩa.
  • ✅ Nắm bắt quy trình tạo Embedding Index và lưu trữ bằng Vector Databases.

Fine-Tuning LLM: Khi Nào Nên 'Dạy Lại' AI Từ Bên Trong?

· 7 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~12 phút

Learning outcome:​

  • ✅ Phân biệt được Fine-Tuning với Prompt Engineering và RAG — biết khi nào dùng cái nào.
  • ✅ Giải thích được Fine-Tuning hoạt động ra sao dưới góc độ học máy (Supervised vs. Unsupervised).
  • ✅ Áp dụng được bộ câu hỏi framework để tự ra quyết định "có nên Fine-Tune không?" trước khi tốn tiền.
  • ✅ Biết đến các công cụ/nền tảng thực hành Fine-Tuning phổ biến nhất hiện nay.

Foundation Models: Giải Mã 'Khối Đế' Của Generative AI

· 7 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~12 phút

Learning outcome:​

  • ✅ Hiểu bản chất của Foundation Models và sự khác biệt mang tính cách mạng so với Machine Learning truyền thống.
  • ✅ Nhận diện được 3 "tượng đài" Foundation Models làm thay đổi cục diện AI: BERT, CLIP và họ nhà GPT.
  • ✅ Nắm bắt được các ứng dụng thực tiễn (Text, Vision, Code, Speech) cũng như những thách thức hiện tại về dữ liệu và thiên kiến (Bias).

LLMOps: Quản Trị Vòng Đời Ứng Dụng Generative AI

· 8 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~10 phút

Learning outcome:​

  • ✅ Nhận diện được sự chuyển dịch mô hình (Paradigm Shift) từ MLOps truyền thống sang LLMOps.
  • ✅ Phân biệt được các tiêu chí đánh giá mới của LLMOps (Honesty, Harm, Quality) so với MLOps (Accuracy, Recall).
  • ✅ Nắm vững 3 giai đoạn vòng đời của LLM (Ideating, Augmenting, Operationalizing).
  • ✅ Hiểu vai trò của các công cụ như PromptFlow và Azure AI trong việc tự động hóa vòng đời ứng dụng.

Tích Hợp Function Calling: Khắc Phục Điểm Yếu Của LLM

· 7 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~12 phút

Learning outcome:​

  • ✅ Hiểu được tại sao LLM lại gặp khó khăn trong việc trả về dữ liệu có cấu trúc ổn định.
  • ✅ Giải thích được cơ chế hoạt động của Function Calling (Luồng tương tác 3 bước).
  • ✅ Áp dụng được Function Calling bằng thư viện OpenAI để định nghĩa hàm và nhận về JSON chuẩn xác.
  • ✅ Tích hợp được Function Calling vào hệ thống phần mềm (Gọi API thực tế dựa trên kết quả của LLM).

Prompt Engineering: Kỹ Thuật Cơ Bản Và Các Nguyên Tắc Thiết Kế

· 8 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~10 phút

Learning outcome:​

  • ✅ Hiểu được Prompt Engineering là gì và tại sao nó lại quan trọng khi làm việc với LLMs.
  • ✅ Giải thích được các thành phần cấu tạo nên một prompt hoàn chỉnh.
  • ✅ Phân biệt được các kỹ thuật Zero-shot, One-shot, và Few-shot prompting.
  • ✅ Áp dụng được các nguyên tắc thực hành tốt nhất (best practices) để tối ưu hóa đầu ra của mô hình AI.

RAG & Vector Databases: Cấy Ghép Dữ Liệu Thực Tế Vào LLM

· 7 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~12 phút

Learning outcome:​

  • ✅ Hiểu được tại sao ChatGPT lại không thể trả lời các thông tin nội bộ của công ty bạn và giải pháp khắc phục.
  • ✅ Giải thích được cơ chế 3 bước hoạt động của RAG (Ingestion, Retrieval, Augmented Generation).
  • ✅ Phân biệt được vai trò của Vector Database và Vector Search so với Keyword Search thông thường.
  • ✅ Tích hợp (Về mặt tư duy) RAG vào một ứng dụng thực tế thông qua thư viện Python.

SLM (Small Language Models): Quyền Lực Trong Lòng Bàn Tay

· 7 min read
Vũ Anh Tú
Vũ Anh Tú
Share to be shared

1. Agenda​

Thời gian đọc ước tính: ~15 phút

Learning outcome:​

  • ✅ Định nghĩa được SLM (Small Language Models) và hiểu được cách thức nén/chắt lọc (distilling) tri thức từ LLM.
  • ✅ So sánh 5 điểm khác biệt cốt lõi giữa SLM và LLM (Kích thước, Khả năng hiểu, Tài nguyên, Thiên kiến, Suy luận).
  • ✅ Khám phá sức mạnh của họ mô hình Microsoft Phi-3/Phi-3.5 (Instruct, Vision, MoE).
  • ✅ Nắm bắt 4 phương thức triển khai SLM (Cloud API, Hugging Face, Ollama, ONNX Runtime).