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

[Nâng cao] Xử lý dữ liệu bảng

No content

1. Tổng quan xử lý dữ liệu bảng

1.1. Các công cụ chuyển pdf/ảnh về văn bản

📋 Bảng xếp hạng công cụ trích xuất dữ liệu từ pdf

Công cụ	Category	OCR	Language Support	Best Use Case	End-to-End Structured Output	License Type
Landing AI OCR	OCR	✅	✅ Vietnamese supported	Rapid deployment for document table extraction	✅ Full	Commercial / No-code
Mistral AI OCR	OCR + Table	✅	✅ Vietnamese supported	Table OCR + layout understanding for RAG	✅ Full	Commercial (API)
PaddleOCR	OCR	✅	✅ Vietnamese supported	Multilingual OCR for scanned tables	❌	Open Source
Docling	OCR + Table	✅	✅ Vietnamese supported	OCR + simple table detection	✅ Full	Open Source
Unstructured (Open Source Version)	Document Preprocessing	✅	⚠️ Basic Vietnamese support	Preparing documents for RAG	⚠️ Partial	Open Source
PDFPlumber	Table Extraction (Text-based)	❌	⚠️ Basic Vietnamese support	Extracting tables from native text-based PDFs	⚠️ Partial	Open Source

2. Thực hành lập trình Landing AI

2.1. Kết quả Landing AI Agentic Document Extraction

Văn bản trước Document Extraction:

Nội dung được Extraction:

Nhận xét:

Điểm mạnh
- Nhận diện tương đối tốt trên Tiếng Việt, không bị thiếu dấu
Điểm yếu
- Xuất hiện sự ảo giác khi sinh thêm văn bản ở các cột
  - Ví dụ cột số 6 là Số vốn tạm ứng theo chế độ chưa thu hồi của các năm trước nộp điều chỉnh giảm trong năm quyết toán. Tuy nhiên kết quả lại là Trong đó chính quyền trong năm quyết toán

2.2. Thực hành Trích xuất văn bản từ Landing AI

Lấy API Key: https://docs.landing.ai/ade/agentic-api-key
Thực hành Landing AI: https://colab.research.google.com/drive/1AmdPkSwoiHOiiuNhwq_bRzx4lFkc8iiz?usp=sharing

3. Xử lý dữ liệu với PaddleOCR

3.1. Kết quả PaddleOCR trên Tiếng Việt

Văn bản trước OCR:

Văn bản sau khi OCR:

Nhận xét:

Điểm mạnh:

Nhận diện tốt các khu vực có văn bản

Điểm yếu:

OCR còn sai rất nhiều trên Tiếng Việt

3.2. Thực hành OCR với PaddleOCR

Thực hành: https://colab.research.google.com/drive/1delopPfYyzUZxEZ0I0lOCEv5JRgvMqcO?usp=sharing

4. Thực hành Mistral AI

4.1. Kết quả của Mistral AI

Văn bản trước OCR:

Kết quả:

| Số TT | Nội dung | Mã dự án | Loại kể vốn đã giải ngân từ khôi công đến bồi nắm ngăn sách trước năm quyết toán | Số vốn tạm ứng theo chế độ chưa thu hồi của các năm trước nộp điều chỉnh giảm trong năm quyết toán | Thanh toán khối lượng hoàn thành trong năm quyết toán | Kế hoạch và giải ngân vốn kể hoạch của năm trước được kéo dài thời gian thực hiện và giải ngân sang năm quyết toán | Kế hoạch và giải ngân vốn kể hoạch năm quyết toán | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) | Tổng số vốn kể hoạch toàn khối lượng hoàn thành được tạm ứng năm qua năm quyết toán (nếu có) ..

Nhận xét:

Điểm mạnh:

Mistral AI làm tốt trên một số tài liệu ngắn

Điểm yếu

Nhưng khi gặp tài liệu phức tạp mô hình xuất hiện việc sinh văn bản lặp lại

4.2. Thực hành Mistral AI

Thực hành Mistral: https://colab.research.google.com/drive/1w2QkMfKHE1FNkrmHMwK9A8inXBRQ5pKD?usp=sharing

5. Xử lý dữ liệu với Docling

5.1. Kết quả của Docling

Văn bản trước OCR:

Kết quả:

| | do | |

|----|------|----------|

| o | | cong 8en |

ngày nm diu)

Nhận xét: Rất kém trên Tiếng Việt

5.2. Thực hành Docling

Thực hành: https://colab.research.google.com/drive/1f8laO3eQdEwg3KOnTnfnM7sFS1rYeFo9?usp=sharing

6. Xử lý dữ liệu với Unstructured IO

6.1. Kết quả của Unstructured IO

'Sao Y; Sé Van héa - Thé thao, tp Ha N6i1 6/12/2023 08:45:48 ao'

6.2. Thực hành Unstructured IO

Chi tiết: https://colab.research.google.com/drive/1_RXO7I5iRhLupncDbn0QBkSXdgSSBu1-

7. Trích xuất văn bản với LLMs

7.1. Dùng LLAMA trích xuất văn bản từ pdf/ảnh

7.2. Sử dụng Vision Language Model để trích xuất nội dung bảng

Sử dụng Vision Language Model để trích xuất dòng và cột

Các model tiềm năng

Qwen/Qwen2-VL-72B-Instruct
Vintern-1B-v3.5

Notebook chi tiết: https://colab.research.google.com/drive/1ur8bxAObI6iEBLA4dc6HXAyWlW3cxGHn?usp=sharing

1. Tổng quan xử lý dữ liệu bảng

1.1. Các công cụ chuyển pdf/ảnh về văn bản

2. Thực hành lập trình Landing AI

2.1. Kết quả Landing AI Agentic Document Extraction

2.2. Thực hành Trích xuất văn bản từ Landing AI

3. Xử lý dữ liệu với PaddleOCR

3.1. Kết quả PaddleOCR trên Tiếng Việt

3.2. Thực hành OCR với PaddleOCR

4. Thực hành Mistral AI

4.1. Kết quả của Mistral AI

4.2. Thực hành Mistral AI

5. Xử lý dữ liệu với Docling

5.1. Kết quả của Docling

5.2. Thực hành Docling

6. Xử lý dữ liệu với Unstructured IO

6.1. Kết quả của Unstructured IO

6.2. Thực hành Unstructured IO

7. Trích xuất văn bản với LLMs

7.1. Dùng LLAMA trích xuất văn bản từ pdf/ảnh

7.2. Sử dụng Vision Language Model để trích xuất nội dung bảng