Making Sense of AI, One Idea at a Time.Hiểu rõ AI, từng khái niệm một.
I'm Viet Pham, an AI Engineer sharing clear, practical notes on Machine Learning, Data Science, Computer Vision, Generative AI, and Software Engineering - the kind of explanations I wish I'd had when I was learning these topics.Mình là Viet Pham, một kỹ sư AI chia sẻ những ghi chép rõ ràng, thực tế về Machine Learning, Data Science, Computer Vision, Generative AI và Software Engineering - những lời giải thích mình ước đã có khi đang học các chủ đề này.
LearnHọc AI
CurriculumLộ trìnhThe handbook: six chapters from math foundations to production AI systems.Handbook gồm sáu chương, đi từ nền tảng toán học tới hệ thống AI vận hành thực tế.
AlgorithmsThuật toán
DS & PatternsCTDL & PatternsData structures, problem-solving patterns and worked LeetCode solutions.Cấu trúc dữ liệu, các pattern giải bài và lời giải LeetCode có phân tích.
BlogBlog
Engineering NotesGhi chép kỹ thuậtDeep dives into real-world AI systems, papers, experiments, and engineering lessons.Các bài đào sâu về hệ thống AI thực tế, paper, thử nghiệm và những bài học engineering.
Start hereBắt đầu từ đây
The opening lesson of each chapter, in the order I'd read them.Bài mở đầu của từng chương, theo đúng thứ tự mình sẽ đọc.
- 01FoundationsNền tảngAI, Machine Learning & Deep LearningHow AI, machine learning, and deep learning differ, when you need them, and what components a machine learning system actually consists of.→
- 01FoundationsNền tảngAI, Machine Learning và Deep LearningAI, machine learning và deep learning khác nhau ra sao, khi nào cần dùng chúng, và một hệ thống học máy thực chất gồm những thành phần nào.→
- 02Machine LearningMachine LearningYour First Project: Predicting House Prices with scikit-learnRun a complete machine learning workflow yourself on real house-price data: state the problem and the metric, split train/test, train with a Pipeline, measure RMSE/MAE against a baseline, read the largest errors, then save the model.→
- 02Machine LearningMachine LearningProject đầu tay: dự đoán giá nhà với scikit-learnTự tay chạy trọn một quy trình machine learning trên dữ liệu giá nhà thật: nêu bài toán và thước đo, chia train/test, huấn luyện bằng Pipeline, đo RMSE/MAE so với baseline, đọc lỗi lớn nhất rồi lưu mô hình.→
- 03Deep LearningDeep LearningWhere Linear Models Give UpWhere linear models stop improving without hand-engineered features, and why that approach does not scale to images or audio.→
- 03Deep LearningDeep LearningChỗ mô hình tuyến tính bó tayNơi mô hình tuyến tính ngừng cải thiện nếu thiếu đặc trưng do con người thiết kế, và vì sao cách này không mở rộng tốt sang ảnh hoặc âm thanh.→
- 04Computer VisionComputer VisionIoU → NMS: The Small Geometry Behind Object DetectionFrom overlapping boxes to the suppression rule that quietly shapes detector output.→
- 05Generative AIGenerative AITokenization: How Text Becomes Model InputWhy language models operate on tokens rather than words, how subword tokenization works and what token boundaries affect.→
- 05Generative AIGenerative AITokenization: văn bản trở thành đầu vào của model như thế nào?Vì sao model ngôn ngữ xử lý token thay vì từ, subword tokenization hoạt động ra sao và ranh giới token ảnh hưởng những gì.→
- 06AI SystemsAI SystemsWhat One Model Call CostsWhy prefill and decoding have very different costs, and how to measure both phases on real hardware.→
- 06AI SystemsAI SystemsMột lần gọi mô hình tốn gìVì sao prefill và decoding có chi phí rất khác nhau, cùng cách đo cả hai giai đoạn trên phần cứng thực tế.→
FeaturedBài nổi bật
Longer pieces I keep coming back to.Những bài dài mình vẫn thường quay lại đọc.
Why durable memory is less about storing messages and more about deciding what becomes context, when, and for whom.
Generative AIBộ nhớ của Agent là bài toán kiến trúc contextBộ nhớ lâu dài không chỉ là lưu tin nhắn, mà còn là quyết định thông tin nào được đưa lại vào context, khi nào và cho ai.
Generative AIAttention: Let Each Token Decide What MattersA geometric and operational explanation of queries, keys, values and why attention changed sequence modeling.
Generative AIAttention: để mỗi token chọn thông tin cần chú ýGiải thích query, key, value theo góc nhìn hình học và vận hành, cùng lý do attention thay đổi cách xử lý chuỗi.
Generative AIContext Engineering: Decide What the Model Gets to SeePrompts are only one part of the problem. Context engineering manages instructions, state, retrieval, tools and memory under a finite budget.
Generative AIContext Engineering: quyết định model được nhìn thấy gìPrompt chỉ là một phần. Context Engineering quản lý chỉ dẫn, state, retrieval, tools và memory trong một ngân sách context hữu hạn.
AI SystemsHybrid Search: Why BM25 and Embeddings Need Each OtherA retrieval mental model for combining exact lexical evidence with semantic similarity.
Generative AIRAG From First Principles: Retrieve Evidence, Then GenerateA clean architecture for retrieval-augmented generation, what retrieval actually contributes and the failure modes hidden by simple diagrams.
Generative AIRAG từ nguyên lý đầu tiên: tìm bằng chứng rồi mới sinh câu trả lờiKiến trúc RAG rõ ràng, vai trò thực sự của retrieval và những kiểu lỗi thường bị che khuất bởi sơ đồ đơn giản.
Generative AIRepository Anatomy: A Minimal Agent Graph RuntimeThe core abstractions hiding underneath graph-based agent frameworks, rebuilt as a small execution model.
Generative AIGiải phẫu repository: một graph runtime tối giản cho AgentNhững khái niệm nền tảng phía dưới các framework Agent dạng graph, được dựng lại thành một mô hình thực thi nhỏ.