1

Giới thiệu lớp học

Nắm rõ lộ trình học, công cụ sử dụng, và cách học hiệu quả

2

Sử dụng API liên quan tới văn bản

- Thành thạo gọi RESTful API có xác thực- Gọi GPT-3.5 Turbo / GPT-4 / GPT-4o API- Gọi Gemini API từ Google- Gọi API của các mô hình Open Source qua Together AI

3

Lập trình giao diện chatbot nhanh chóng

- Tạo giao diện chatbot trong 15 phút bằng Streamlit- Tùy biến trạng thái hội thoại, xử lý tệp và hiển thị ảnh/video

4

RAG và hệ thống Chatbot hiện đại

- Hiểu rõ kiến trúc RAG cơ bản- Các khái niệm: Embedding, Vector DB, Similarity- Lập trình truy xuất văn bản từ Vector DB

5

Docker + Cloud (Bổ trợ)

- Cài đặt Docker, phân biệt image và container- Tạo Docker Image & chạy Docker Container

6

MongoDB + Crawl dữ liệu (Bổ trợ)

- Crawl dữ liệu từ website- Lưu trữ dữ liệu vào MongoDB

7

Lập trình RAG với nhiều Vector DB

- Viết pipeline RAG đầy đủ trên MongoDB, Qdrant, ChromaDB, Supabase- So sánh hiệu suất và độ chính xác

8

RAG nâng cao: Semantic Router + Reflection + Hyde

- Dùng Semantic Router để giảm nhiễu- Áp dụng Reflection để tự-kiểm chứng- Tăng recall bằng HyDE Search

9

Chunking nâng cao

- Phân tích các kỹ thuật chunking: character, recursive, semantic- Lựa chọn chunking phù hợp để tối ưu retrieval

10

Học LangChain + Xây dựng hệ thống với Ollama

- Dùng LangChain để lắp ráp các bước Retriever → Router → LLM- Chạy mô hình local bằng Ollama để tiết kiệm chi phí

11

Ứng dụng LangGraph + LangGraph Studio

- Xây dựng flow nhiều nhánh- Theo dõi và debug real-time bằng LangGraph Studio

12

RAG có ReRank

- Thêm bước ReRank vào pipeline RAG- So sánh hiệu quả giữa RAG thường và RAG+ReRank- Hiểu các mô hình reranker như Cohere, BGE, Cross-Encoder

13

RAG Keyword Search + ReRank

- Dùng Elasticsearch hoặc BM25 thay vector DB- Áp dụng rerank để tăng độ chính xác- Phù hợp cho hệ thống chưa có embedding

14

Graph RAG

- Tạo Knowledge Graph từ dữ liệu phi cấu trúc- Truy vấn bằng Cypher trên Neo4j- Tạo Graph Embeddings bằng GCN

15

Hybrid RAG

- Kết hợp RAG cơ bản và RAG đồ thị- Thiết kế hệ thống hybrid phù hợp tình huống

16

Agentic RAG

- Hiểu vòng đời LLM Agent- Áp dụng paper ReAct, Prompt Engineering nâng cao- Xây dựng pipeline Agentic RAG

17

Multimodal RAG

- Truy vấn & xử lý thông tin đa phương thức (ảnh + văn bản)- Dùng Gemini hoặc GPT-4o cho các tác vụ đa phương thức

18

Đánh giá chất lượng hệ thống RAG

- Hiểu sâu các chỉ số đánh giá RAG: LLM-judged & Rule-based- Sử dụng Ragas và các công cụ từ Google Cloud để đánh giá

19

Thực hành đào tạo mô hình riêng

- Fine-tune GPT hoặc LLAMA theo dữ liệu riêng- Triển khai mô hình đã đào tạo

20

Dự án cuối khóa

- Xây dựng ứng dụng chatbot hoàn chỉnh có RAG- Trình bày kết quả & kiến trúc hệ thống

Backend / Full-stack dev biết Python hoặc JS

- Đã gọi thử OpenAI API - Biết Docker cơ bản

— Kỹ năng dựng Chatbot RAG production-ready — Hiểu, chỉnh, và benchmark nhiều Vector DB

Data / ML engineer

- Đã dùng Pandas, SQL - Biết khái niệm embedding

— Chuyển pipeline NLP cũ sang RAG — Tích hợp knowledge-graph & reasoning

AI product / tech-lead

- Hiểu kiến trúc micro-service

— Đưa RAG vào roadmap, ước lượng chi phí, tối ưu latency