Lớp học ứng dụng AI cho lập trình viên 06 - AI for devs 06

Yêu cầu đề bài

1. Yêu cầu dự án

2. Crawl dữ liệu

3. Clean dữ liệu + build và save embedding

4. Vector Search Pipeline

5. Đóng gói thành API

Nội dung

Code các phần

Code

[Quan trọng] Chữa bài tập Chatbot Bán Hoa

Mọi thứ về lớp học

Sử dụng thành thục các API của ChatGPT<ul><li>GPT 3.5 Turbo</li><li>GPT-4 and GPT-4 Turbo</li><li>GPT-4o</li></ul>Sử dụng thành thục các API AI của Google<ul><li>API Gemini</li></ul>API các mô hình Open Source<ul><li>API LLAMA thông qua Together AI</li></ul>

[Zoom 29-03-2025] Sử dụng API liên quan tới văn bản

4 TODO = 40 điểm<a target="_blank" rel="noopener noreferrer nofollow" href="https://docs.google.com/presentation/d/1lYXAraE_O5bvDZkLd7PQgRUXmqjo7Fh-RcNfhdpRRqY/edit?usp=sharing">https://docs.google.com/presentation/d/1lYXAraE_O5bvDZkLd7PQgRUXmqjo7Fh-RcNfhdpRRqY/edit?usp=sharing</a>

Bài tập 2 - Lập trình LLMs Playground

<ul><li>Công cụ Gradio/StreamLit</li><li>Kết nối giao diện với API</li><li>Streaming Data từ API lên giao diện</li><li>Các giao diện mẫu<ul><li>Giao diện Chatbot</li><li>Giao diện sinh ảnh</li></ul></li></ul>

[Zoom 05-04-2025] Lập trình giao diện 

<ul><li>Giới thiệu kỹ thuật Prompt Engineering</li><li>Setup client giao tiếp với Backend</li></ul>

[Zoom 12-04-2025] Kỹ thuật Prompt Engineering

<ul><li>Agents là gì?</li><li>LLM Agents</li><li>Đọc nghiên cứu ReAct</li><li>Kỹ thuật Prompt Engineering</li><li>Đào tạo LLMs để trở thành Agents</li></ul>

[Zoom 12-04-2025] Agents và các bài toán liên quan

[Zoom 19-04-2025] Thực hành lập trình Agent

<ul><li>Hướng dẫn sử dụng Colab + Ngrok để tạo Endpoint cho API</li><li>Cách sử dụng mô hình có sẵn trên HuggingFace: Mô hình Gemma 2 + LLAMA 3</li><li>Training model đơn giản phân loại với Pytorch</li><li>Đóng gói mô hình phân loại với Docker</li></ul>

[Zoom 26-04-2025] Tùy biến mô hình và deploy riêng

<ul><li>Docker là gì?</li><li>Phân biệt image và container</li><li>Cài đặt Docker</li><li>Xây dựng Docker Image và chạy docker Container</li><li>Docker container</li></ul>

[Bổ trợ] Docker + Cloud

[Bổ trợ] Docker Compose

<ul><li>Nền tảng RAG</li><li>Semantic Router</li></ul><ul><li>Reflection</li><li>Các kiến trúc cho hệ thống RAG mới nhất</li></ul>

[Zoom 10-05-2025] RAG và xây dựng hệ thống Chatbot hiện đại

<ul><li>Hướng dẫn Crawl dữ liệu từ trang Web bất kỳ</li><li>Hướng dẫn sử dụng MongoDB</li></ul>

[Bổ trợ thêm] MongoDB + Crawl dữ liệu

<ul><li>ChromaDB</li><li>Qdrant</li><li>MongoDB</li><li>Supabase</li></ul>

[Bổ trợ] Các cơ sở dữ liệu Vector Search nổi tiếng

Lập trình RAG từ đầu trên các cơ sở dữ liệu vector khác nhau

[Zoom 17-05-2025] Live coding - Lập trình RAG từ đầu

<ul><li>Thực hành Langchain</li><li>Xây dựng hệ thống RAG hoàn toàn Open Source</li><li>Các công cụ xây dựng:<ul><li>Ollama để chạy mô hình</li><li>Langchain để xây quy trình truy xuất thông tin</li></ul></li></ul>

[Zoom 24-05-2025] Học Langchain và xây dựng Chatbot dựa vào Langchain

<ul><li>Semantic Router</li><li>Reflection</li><li>Hyde Search</li></ul>

[Zoom 31-05-2025] Nâng cấp chatbot với Semantic Router + Reflection + Hyde Search

<ul><li>Giới thiệu LangGraph</li><li>Trạng thái và Bộ nhớ<ul><li>Bộ nhớ ngắn hạn và dài hạn</li><li>Xây dựng agent với bộ nhớ dài hạn</li></ul></li><li>Tính năng nâng cao</li><li>Song song hóa và Sub-graphs</li></ul>

[Zoom 31-05-2025] Lập trình các ứng dụng khác nhau với LangGraph

<ul><li>Xây dựng đồ thị tri thức Knowledge graph từ văn bản</li><li>Thực hành RAG sử dụng Cypher Query trên Neo4j</li><li>Xây dựng Embeddings sử dụng Graph Convolution Network</li><li>Các trending về RAG trên đồ thị</li></ul>

Rag trên đồ thị - Graph RAG

Hình ảnh <ul><li>DALL E</li><li>Midjourney</li><li>Stability AI<ul><li>Ứng dụng Edit đối tượng trong ảnh</li><li>Ứng dụng chuyển phác thảo thành ảnh</li></ul></li><li>Ứng dụng Sinh ảnh</li><li>Ứng dụng nhận diện giọng nói + Sinh video</li></ul>

Sử dụng API liên quan tới hình ảnh + âm thanh + Video

<ul><li>Tự đào tạo mô hình GPT</li><li>Tự đào tạo mô hình LLAMA</li></ul>

[Quan trọng] Chữa bài tập Chatbot Bán Hoa

1. Nội dung

1.1. Yêu cầu đề bài

1.2. 1. Yêu cầu dự án

1.3. 2. Crawl dữ liệu

1.4. 3. Clean dữ liệu + build và save embedding

1.5. 4. Vector Search Pipeline

1.6. 5. Đóng gói thành API

2. Code

2.1. Code các phần