Learn AI from the foundations up.Học AI từ nền tảng đi lên.

The math and mental models you need to understand how models learn, generalize, and fail.Phần toán và các mô hình tư duy cần thiết để hiểu cách mô hình học, khái quát hóa và thất bại.

Classic algorithms worked through on real data with scikit-learn, from linear models to trees, clustering, and end-to-end projects.Các thuật toán kinh điển được triển khai trên dữ liệu thật bằng scikit-learn, từ mô hình tuyến tính đến cây, phân cụm và các project end-to-end.

Neural networks from first principles to practical PyTorch training, including CNNs, RNNs, regularization, and transfer learning.Mạng nơ-ron từ nguyên lý nền tảng đến huấn luyện thực tế với PyTorch, gồm CNN, RNN, regularization và transfer learning.

How models learn from images, from pixels and CNNs to detection, segmentation, vision transformers, and CLIP.Cách mô hình học từ hình ảnh, từ pixel và CNN đến detection, segmentation, vision transformer và CLIP.

How generative models work, from tokenization and attention to prompting, retrieval, diffusion, and RAG.Cách các mô hình sinh hoạt động, từ tokenization và attention đến prompting, retrieval, diffusion và RAG.

How AI models are served and measured in practice: memory, batching, inference, caching, observability, and deployment.Cách mô hình AI được triển khai và đo lường trong thực tế: bộ nhớ, batching, inference, caching, observability và deployment.