50.000₫138.000₫Giảm 64%Published

LLM Quest Academy — Từ y = ax + b đến Agentic AI

Từ toán nền đến Agentic AI — 50+ nodes, 10 levels

✦ Thử trước khi mua

Tinh hoa khoá học — chạy thử trực tiếp

Mọi widget dưới đây là chính công cụ tương tác bạn sẽ dùng trong bài học sau khi mua. Chạm vào chúng — kéo slider, bấm preset. Nếu thấy hấp dẫn, toàn bộ khoá học được thiết kế cùng phong cách.

📍 L4-2 Self-Attention

Attention heatmap — kéo tham số để thấy ai chú ý đến ai

● Trực tiếp

Đọc heatmap thế nào?

Mỗi hàng = một token query. Mỗi ô = trọng số attention token hàng dành cho token cột. Tổng mỗi hàng = 1 (softmax).

Trong LLM thật, các ô được tính bằng softmax(QKᵀ/√d). Ở đây ta dùng một công thức giả lập đơn giản chỉ để minh hoạ hình thức.

💡 Một trong nhiều demo bạn được dùng trong các bài học Transformer.

📍 L4-3 Positional encoding

Sinusoidal PE heatmap — thay d, B, số vị trí ngay

● Trực tiếp

📡 Heatmap Positional Encoding — kéo slider để thấy ảnh hưởng

Số chiều embedding d = 64Số vị trí = 60Hằng số B = 10,000

Giá trị PE: -1 (tím) → 0 → +1 (vàng)

Cột thấp (i nhỏ) đổi màu nhanh theo pos = tần số cao. Cột cao = tần số thấp.

💡 Đi sâu vào lý do paper gốc chọn công thức sin/cos cụ thể đó.

📍 L7-2 RLHF

Bradley-Terry — Δr biến thành xác suất preference & BT loss

● Trực tiếp

🤝 Bradley-Terry tương tác — xác suất preference theo reward gap

r(y_w) — reward của "winner" = 2.00r(y_l) — reward của "loser" = -1.00

Reward gap Δr

3.00

P(y_w ≻ y_l)

95.3%

BT loss của cặp này

0.049

Δr lớn → σ → 1 → loss ≈ 0. Δr âm → mô hình đoán sai → loss tăng nhanh.

💡 Hiểu rõ ChatGPT được tinh chỉnh bằng preference data như thế nào.

Lộ trình tổng quan — 10 cấp độ

từ đại số cơ bản đến agent tự trị

Level 0 · Toán & Mô hình cơ bản
Từ y = ax + b đến trực giác toán
Level 1 · Tối ưu & Xác suất
Loss, gradient descent, xác suất
Level 2 · Machine Learning cốt lõi
Regression, classification, tradeoffs
Level 3 · Deep Learning cơ bản
Neuron, MLP, backprop, regularization
Level 4 · Chuỗi & Attention
RNN tới self-attention
Level 5 · Transformer & GPT
Tokenization, pretraining, sampling
Level 6 · Kỹ thuật ứng dụng LLM
Prompting, RAG, evals
Level 7 · Fine-tuning & Alignment
SFT, preference tuning, safety
Level 8 · Hệ thống Agent
Planning, tools, multi-agent
Level 9 · LLM Ops & Governance
Observability, cost, policy

55+ bài tương tác10 boss projectSong ngữ VI + ENQuiz tự chấm + tutor gợi ý

Chi tiết khoá học

Học LLM bài bản theo skill map gamified. Từ toán nền, gradient descent, Transformer đến RAG và agentic systems. Hơn 50 learning nodes, interactive demo toán học, quiz và boss project.

Khoá học bao gồm

learning nodes53+

levels10

boss projects10

Bạn cần mua khoá này để truy cập nội dung.