Tổng quan AI & Ứng dụng trong Doanh Nghiệp
Tìm hiểu về các khái niệm cần thiết về AI
Bạn sẽ học được gì
- Các khái niệm nền tảng AI
- Phân tích GenAI, LLMs, Agents, chi phí/hiệu suất/bảo mật
- Cách lựa chọn mô hình phù hợp cho từng bài toán kinh doanh
Lộ trình theo từng giai đoạn
Các giai đoạn nối tiếp nhau, giai đoạn sau dùng kiến thức của giai đoạn trước. Mỗi giai đoạn gồm video và khoá học của mình, cùng nguồn tham khảo miễn phí (papers, YouTube, khoá học) nếu bạn muốn đào sâu. Bấm "Bạn sẽ học được gì" để xem chi tiết từng bài.
Mọi người không cần nền tảng codeTechnical nên biết Python cơ bản
1
Giai đoạn 1 · Nền tảng tư duy
AI trong doanh nghiệp
Hiểu AI tạo ra giá trị ở đâu trước khi học công cụ. Giai đoạn này giúp bạn chọn đúng bài toán để giải.
Mục tiêu: xác định được 1–2 bài toán AI đáng làm trong công việc của bạn.
Ra Quyết Định & Triển Khai Dự Án AI Trong Doanh Nghiệp · Phần 2
Áp dụng kiến thức kỹ thuật và kinh doanh để triển khai dự án AI
Bạn sẽ học được gì
- Xây dựng chiến lược AI và lộ trình triển khai ROI
- Cách ưu tiên ý tưởng AI và biến thành dự án thực tế
- So sánh RAG, Fine-tuning & Agents dưới góc nhìn kinh doanh
- Ra quyết định & lãnh đạo đội ngũ AI trong tổ chức
Full lộ trình triển khai dự án AI · Phần 3
tổng hợp các kiến thức kỹ thuật thành một hệ thống giúp ra quyết định triển khai dự án!
Nguồn tham khảo miễn phí để đào sâu
- Khoá họcAI For Everyone (Andrew Ng) · Học miễn phí dạng audit trên Coursera.
- Khoá họcGenerative AI for Everyone · DeepLearning.AI, không cần code.
2
Giai đoạn 2 · Làm ra sản phẩm đầu tiên
Build nhanh với coding agent
Chỉ huy AI viết code để có kết quả sớm, đồng thời học cách lập kế hoạch và kiểm tra việc agent làm.
Mục tiêu: một website có link public.
Vibe Code Pro · Tập 1
Quy Trình Dùng Claude Code Để Xây App Thật
Bạn sẽ học được gì
- Xây một portfolio web app hoàn chỉnh bằng Coding Agent
- Từ làm quen đến thành thạo Claude Code
- Thiết kế database schema và API spec để agent làm việc
- Gọi model miễn phí qua OpenRouter
- Đảm bảo bảo mật và chi phí khi dùng agent
Vibe Code Pro · Tập 2
Nâng Cấp Claude Code Với MCP, Skills & Plugins
Bạn sẽ học được gì
- ba khối xây dựng quan trọng nhất khi làm việc với Claude Code: MCP, Skills và Plugins
- Một quy trình có kỹ luật để agent làm việc hiệu quả: GitHub Issue → feature-dev 7 phases → Pull Request
- Xây dựng JobFit — một sản phẩm chấm điểm CV theo mô tả công việc, chỉ ra chính xác bạn đang thiếu gì, rồi viết lại CV theo đúng ngôn ngữ của JD
Dự Án AI: Tóm Tắt Văn Bản Website Với LLM Model
ứng dụng AI tích hợp mô hình Ollama Llama local miễn phí
Bạn sẽ học được gì
- Các mô hình LLM phổ biến và cách chọn mô hình phù hợp
- Các phương pháp sử dụng mô hình LLM
- Đưa website lên mạng
Nguồn tham khảo miễn phí để đào sâu
- Bài viếtClaude Code: Best practices for agentic coding · Anthropic, cách làm việc hiệu quả với coding agent.
- Bài viếtThe AI Engineering Skills Map (Andrew Ng) · 4 kỹ năng AI Engineering thị trường đang tuyển.
3
Giai đoạn 3 · Nền tảng kỹ thuật
AI Engineer Thực Chiến: ML, RAG, LLMs, Agents & Production
Đây là lúc bạn cần đi sâu vào các kiến trúc kỹ thuật đằng sau, không còn đơn giản là người dùng AI giờ đây bạn là người xây dựng hệ thống AI. Cần nắm các kiến thức nền tảng phía sau để hiểu cách AI tạo ra giá trị, và để có thể tự xây dựng hệ thống AI.
Mục tiêu: AI Engineer có thể build hệ thống AI end-to-end, từ ML cơ bản đến deploy trên production.
AI Engineer Thực Chiến
Đây là KHOÁ HỌC được thiết kế với cấu trúc rõ ràng đi cùng với dự án thực tế. Hands-on từng bước từ Machine Learning cơ bản đến deploy trên production.
Bạn sẽ học được gì
- Tuần 1: Nền tảng Machine Learning đủ để hiểu model đang làm gì
- Tuần 2: Đi sâu vào Làm việc với LLM: chọn model, prompt, đánh giá
- Tuần 3: Xây hệ RAG trên dữ liệu thật, cách đánh giá hiệu suất và tối ưu, kết nối model miễn phí
- Tuần 4: Làm quen với Agentic AI - Xây Agents gọi tools
- Tuần 5: Deploy và vận hành hệ thống AI trên production
- Tuần 6: Làm quen cách doanh nghiệp vận hành và ứng dụng AI như thế nào
Tự Tạo Chatbot AI Với Dữ Liệu Của Bạn | RAG Made Simple
Chatbot trả lời dựa trên tài liệu của riêng bạn.
Bạn sẽ học được gì
- Chia nhỏ tài liệu, tạo embedding, lưu vào vector store
- Truy xuất ngữ cảnh liên quan và đưa vào prompt
- Dựng chatbot hoàn chỉnh với LangChain
Nguồn tham khảo miễn phí để đào sâu
- YouTubeNeural Networks (3Blue1Brown) · Trực quan về mạng nơ-ron và transformer.
- YouTubeIntro to Large Language Models (Andrej Karpathy) · Tổng quan LLM trong 1 giờ.
- Khoá họcMachine Learning Specialization (Andrew Ng) · Nền tảng ML, học miễn phí dạng audit.
- PaperAttention Is All You Need (Vaswani et al., 2017) · Paper gốc của kiến trúc Transformer.
- PaperRetrieval-Augmented Generation (Lewis et al., 2020) · Paper gốc giới thiệu RAG.
4
Giai đoạn 4 · Đào sâu
Tuỳ biến model với fine-tuning
Khi prompt và RAG chưa đủ, tinh chỉnh model open-source cho use-case riêng.
Mục tiêu: một model đã fine-tune, có so sánh trước và sau.
Dự án Fine-tune LLMs | step by step
Tinh chỉnh model open-source cho use-case riêng.
Bạn sẽ học được gì
- Khi nào nên fine-tune thay vì RAG hay prompt
- QLoRA: fine-tune Llama trên GPU nhỏ
- Chuẩn bị dataset và so sánh model trước và sau
Nguồn tham khảo miễn phí để đào sâu
- YouTubeLet's build GPT: from scratch (Andrej Karpathy) · Tự viết một GPT nhỏ để hiểu từ bên trong.
- Khoá họcHugging Face LLM Course · Miễn phí, có phần fine-tuning.
- PaperLoRA (Hu et al., 2021) · Fine-tune hiệu quả với ít tham số.
- PaperQLoRA (Dettmers et al., 2023) · Fine-tune model lớn trên một GPU.
5
Giai đoạn 5 · Cho AI biết hành động
AI Agents
Cho model dùng tools, phối hợp nhiều agent và làm việc bằng giọng nói. Có cả hướng no-code (n8n) lẫn code.
Mục tiêu: một hệ multi-agent dùng tools qua MCP.
AI Agent Thực Chiến: n8n, Python SDK, MCP & LangGraph
Xây dựng AI Agent với n8n, Python, OpenAI Agents SDK, MCP và LangGraph.
Bạn sẽ học được gì
- Tự động hoá quy trình với agent trong n8n (không cần code)
- Viết agent bằng Python với OpenAI Agents SDK
- Kết nối agent với tools và dữ liệu qua MCP
- Điều phối luồng agent nhiều bước với LangGraph
Hệ AI Agents sáng tạo nội dung (MCP + OpenAI Agents SDK)
Nhiều agent phối hợp để sản xuất nội dung.
Bạn sẽ học được gì
- Thiết kế các agent phân vai trong một hệ thống
- Dùng OpenAI Agents SDK để tạo agent và gọi tools
- Kết nối tools bên ngoài qua MCP
Nguồn tham khảo miễn phí để đào sâu
- Bài viếtBuilding effective agents (Anthropic) · Các pattern agent thực tế, khi nào nên và không nên dùng.
- Tài liệuModel Context Protocol · Tài liệu chính thức của MCP.
- Tài liệuOpenAI Agents SDK · Tài liệu chính thức, có ví dụ.
- PaperReAct (Yao et al., 2022) · Nền tảng của agent vừa suy luận vừa hành động.
6
Giai đoạn 6 · Về đích
Đưa lên production
Deploy để người thật dùng được, rồi giám sát và cải tiến. Phần này nằm trong video voice agent và module của KHOÁ AI Agents Thực Chiến.
Mục tiêu: một app hoặc voice agent chạy trên server bạn kiểm soát, có link public.
Voice Agent: n8n, Supabase, Agentic RAG, Vapi, Hostinger VPS
Agent nghe, tra cứu dữ liệu và trả lời bằng giọng nói, chạy trên server riêng.
Bạn sẽ học được gì
- Dựng workflow agent bằng n8n
- Agentic RAG với Supabase làm kho vector
- Kết nối Vapi để agent nghe và nói
- Tự host n8n trên Hostinger VPS
Nguồn tham khảo miễn phí để đào sâu
- Khoá họcAI Agent Thực Chiến: n8n, Python SDK, MCP & LangGraph · No-code/Low-code
- Bài viếtPatterns for Building LLM-based Systems (Eugene Yan) · Evals, RAG, guardrails, caching và hơn thế.
Nhận bản tin AI hàng tuần
Mình gửi email khi có video mới, khoá học mới, hoặc tài liệu đáng đọc — không spam, không quảng cáo. Bạn có thể huỷ bất cứ lúc nào.
Bạn sẽ nhận 1 email xác nhận để bắt đầu.