List of topics

Giới thiệu về lớp học

[Live] Sử dụng API liên quan tới văn bản

[Live] Lập trình giao diện chatbot nhanh chóng

[Live] RAG và xây dựng hệ thống Chatbot hiện đại

[Bổ trợ] Docker + Cloud

[Bổ trợ thêm] MongoDB + Crawl dữ liệu

[Live] Lập trình RAG với các Vector Search khác nhau

Xây dựng RAG với ChromaDB

Xây dựng RAG với Qdrant

Xây dựng RAG với Supabase

Xây dựng Vector Database với OpenAI Assistant File Search

[Bài tập giữa khóa] Xây dựng Chatbot bán hoa

[Live] RAG Nâng cao - Semantic Router + Reflection + Hyde Search

Chunking và các vấn đề liên quan

[Live] Học Langchain và xây dựng Chatbot dựa vào Langchain

[Live] Lập trình ứng dụng với LangGraph + LangGraph Studio

RAG có bổ sung ReRank

RAG Keywords Search + ReRank

[Live] Graph RAG - Rag trên đồ thị

Hybrid RAG

Agentic RAG

Multimodal RAG

Đánh giá chất lượng hệ thống RAG

Thực hành đào tạo mô hình riêng của bạn

[Nâng cao] Xử lý dữ liệu bảng

Workshop thực hành mô hình Kimi, GPT OSS 20B/120B

[Live] Sử dụng API liên quan tới văn bản

Chi tiết về RestFul API

Sử dụng thành thục các API của ChatGPT

GPT 3.5 Turbo
GPT-4 and GPT-4 Turbo
GPT-4o

Sử dụng thành thục các API AI của Google

API Gemini

API các mô hình Open Source

API LLAMA thông qua Together AI

1. Giới thiệu về API

1.1. Restful API

1.2. Flask + OpenAI API

1.3. Các LLMs API nổi tiếng

GPT sử dụng qua: https://platform.openai.com/

Qwen + LLAMA 3 sử dụng qua: https://www.together.ai/

Mistral sử dụng qua: https://mistral.ai/

Claude sử dụng qua: https://claude.ai/

Gemini sử dụng qua: https://ai.google.dev/aistudio?hl=vi

1.4. Cách chạy client + testing API qua Isomnia

2. Demo của lớp học

2.1. Code bổ sung

Demo ứng dụng

Flask: https://drive.google.com/file/d/13Ho28-OW8WJAse4ydZG75imMjd4tCSgW/view?usp=drive_link

FastAPI: https://drive.google.com/file/d/1Tg4mfdzj-H8VJrkrCDGDl32PkGRvlmPa/view?usp=drive_link

Flask Restful API

https://drive.google.com/file/d/1DRlcAzyFUpAMJ_VTc3v7VZ26T04big3t/view?usp=drive_link

2.2. OpenAI simple chat

2.3. Demo PlayGround team ProtonX phát triển

Demo PlayGround team ProtonX phát triển:

3. Video

3.1. Phần 1 - Giới thiệu về lớp học

3.2. Phần 2 - Hướng dẫn sử dụng API văn bản

4. Tương tác với các model open source mạnh

4.1. Giới thiệu Together API

4.2. Thực hành Together API

https://colab.research.google.com/drive/1MEWn1JMO7WzPnHjtfVDTII89eYbbtRp2?usp=sharing

4.3. Sử dụng API của Kimi 2 và Deep Seek

Kimi 2 có Bench mark rất tốt: https://moonshotai.github.io/Kimi-K2/

4.4. Nhận đinh về mô hình GPT OSS

Nhận xét tổng quan về mô hình GPT-OSS

Tổng quan chung đây là model open source.

Điểm benchmarks của model này tương đương với mô hình o3 ở nhiều khía cạnh.

I. Khả năng suy luận + gọi tools. Thích hợp làm những ứng dụng Agent

Mô hình tập trung khả năng suy luận + gọi tools. Thích hợp để bạn triển khai những ứng dụng liên quan tới Agent.

Benchmarks khả năng gọi tool của model.Khả năng lập trình của mô hình 120b gần như tiệm cận với o4-mini.

Tuy nhiên những mô hình suy luận có thể yếu trong nhiệm vụ liên quan tới retrieval vì có thể gây khả năng ảo tưởng cao. Dưới dây là benchmarks team đã thực hiện gần đây khi so sánh các phiên bản của DeepSeek.

Phiên bản Deep Seek cấu hình mạnh nhất lại cho kết quả trả lời RAG ảo giác (Hallucinations) nhất.

II. Mô hình chạy được trên các phần cứng thấp

Mô hình gpt-oss-20b có thể chạy trên máy tính có RAM khoảng 16 GB.

Team sẽ thử nghiệm mô hình này ngay sau đấy và công bố benchmarks trên open source của team: https://github.com/bangoc123/retrieval-backend-with-rag