115 posts tagged with "AI"

Đặc điểm:

• Miễn phí 100%
• Nội dung được thu từ các lớp học trực tiếp
• Có phần tương tác của học viên
• Tài liệu hỗ trợ: Google Docs hoặc mindmap trong phần mô tả mỗi video

Trong quá trình làm việc với các mô hình ngôn ngữ lớn, mình nhận ra rằng cách tiếp cận "đa mô hình" mang lại hiệu quả vượt trội so với việc chỉ phụ thuộc vào một công cụ duy nhất. Đặc biệt là khi làm việc song song với Claude và Gemini (trên Google AI Studio), hai mô hình có cách thức xử lý ngôn ngữ và tư duy hoàn toàn khác biệt. Sự khác biệt này không chỉ nằm ở cấu trúc kỹ thuật, mà còn ở chính cách thức "suy nghĩ" của từng mô hình.

Hi các bạn,

Trong quá trình mình dạy các lớp học online về AI/Machine Learning/Data Science, thi thoảng mình có được các bạn học viên hỏi về việc học gì hay làm như thế nào để xây dựng được các mô hình AI dự đoán giá tiền ảo (bitcoin, ethereum,..), giá vàng, giá các ngoại tệ hay thậm chí là giá cổ phiếu. Cũng có những bạn nói thẳng từ đầu rằng mục đích học AI là để xây dựng các mô hình dự đoán như vậy.

1. Prompt là gì mà dữ dằn vậy? 🧐​

Nói một cách dễ hiểu, prompt giống như cách bạn nói chuyện với AI. Hồi xưa ông bà mình bảo "lời nói chẳng mất tiền mua", nhưng với AI, lời nói (prompt) phải đúng chuẩn thì mới nhận được câu trả lời "ngon lành". Nếu không, y như chuyện hỏi đường mà bạn mô tả sai ngõ hẻm, AI cũng "lạc trôi" luôn!

Prompt Engineering là môn nghệ thuật giúp biến lời nói của bạn thành chỉ dẫn siêu chuẩn. Nó không chỉ là viết vài dòng câu hỏi, mà còn là cách bạn tổ chức ý tưởng, thêm bối cảnh, và dọn sẵn "bàn tiệc" cho AI hiểu đúng.

Hiện nay, chúng ta có hàng chục thuật toán Machine Learning khác nhau, hàng chục mô hình Deep Learning khác nhau. Vậy khi gặp 1 bài toán nào đó (e.g. dự đoán giá, chẩn đoán bệnh, nhận dạng đối tượng, …) với những yêu cầu khác nhau về độ chính xác, tài nguyên tính toán hoặc tốc độ xử lý, ở trong các môi trường khác nhau: môi trường hàn lâm, học thuật trên các trường đại học vs môi trường làm việc thực tế ở các công ty, thì làm sao để chúng ta có thể chọn được mô hình, thuật toán phù hợp nhất?

Trong câu chuyện đọc sách, mỗi cuốn sách ta lại đọc vì một mục đích khác nhau. Có những cuốn cần đọc đi đọc lại để chiêm nghiệm, nhưng cũng có những cuốn ta đọc để học hỏi kĩ năng.

Với nhóm sách thứ hai, dưới sự hỗ trợ của AI, chúng ta hoàn toàn có thể đào sâu một chủ đề bất kì bằng cách chọn 1 tác giả / tuyển tập sách về chủ đề mình muốn đào sâu, gồm nhiều cuốn để có góc nhìn đa chiều. Và thay vì đọc hết, ta nhờ AI chắt lọc những điểm quan trọng nhất với mình.

Dưới đây là cách mình thực hiện từng bước và câu lệnh mình dùng, các bạn có thể thử.

Multi-expert Prompting: Phương pháp cải thiện chất lượng câu trả lời từ AI thông qua mô phỏng nhiều chuyên gia 😎​

🔥 Giới thiệu với mọi người Multi-expert Prompting (MEP) - một phương pháp mới được phát triển trong nghiên cứu đột phá từ các nhà khoa học tại Singapore. Đáng chú ý, có tới 3 nhà nghiên cứu người Việt Nam tham gia vào nghiên cứu này: Do Xuan Long, Duong Ngoc Yen, và Luu Anh Tuan. Họ hiện đang công tác tại các trường đại học hàng đầu Singapore và châu Á:

Hôm nọ anh Đào Trung Thành và anh Lê Công Thành có chia sẻ 2 post về 19 kĩ thuật prompt engineering hữu ích nhất mình thấy rất hay. Vì thế mình nảy ra ý tưởng tại sao không đóng gói 19 kĩ thuật này vào một Megaprompt (prompt dùng để tối ưu prompt khác) vừa giúp người dùng mới tối ưu prompt, vừa giúp học các kĩ thuật prompt engineering luôn.

Và thế là Bình Dân Học AI Megaprompt 1.0 ra đời.

Xin chào,
Nay mình xin giới thiệu: Prompt Generator 2.0

Đây là phiên bản mới, được nâng cấp từ prompt generator cũ mà mình đã chia sẻ cách đây 1 tháng.

Tôi vừa hoàn tất khóa học "Prompt Engineering for ChatGPT" của Đại học Vanderbilt.