Khóa Học Ứng Dụng Các Mô Hình AI Cho Lập Trình Viên - AI For Developers Cùng ProtonX

Nội dung khóa học

Sử dụng API liên quan tới văn bản: Thành thạo các API của ChatGPT (GPT 3.5 Turbo, GPT-4, GPT-4 Turbo, GPT-4o), API Gemini của Google và API các mô hình mã nguồn mở như LLAMA thông qua Together AI.

Kỹ thuật Prompt Engineering: Giới thiệu kỹ thuật Prompt Engineering và thiết lập client giao tiếp với Backend.

Sử dụng API liên quan tới hình ảnh: Sử dụng các API như DALL-E, Midjourney và Stability AI để tạo và chỉnh sửa hình ảnh.

Ứng dụng từ phác thảo chuyển thành ảnh: Tạo hình ảnh từ bản vẽ phác thảo.

Ứng dụng thay thế đồ vật trong ảnh: Sử dụng AI để thay đổi các đối tượng trong hình ảnh.

Ứng dụng phân đoạn hình ảnh và thay thế đồ vật: Phân tích và chỉnh sửa các phần cụ thể trong ảnh.

Xây dựng chatbot với RAGs + LLMs: Phát triển chatbot thông minh sử dụng công nghệ tiên tiến, truy xuất thông tin từ các nguồn dữ liệu cụ thể và điều chỉnh văn phong linh hoạt.

GraphRAG: Sử dụng công nghệ tiên tiến để xây dựng cơ sở truy vấn hiệu quả bằng đồ thị.

Giao diện ChatBot: Thiết kế và triển khai giao diện người dùng cho chatbot.

ChatBot với thư viện LangChain: Sử dụng LangChain để code chatbot nhanh hơn, cho phép client gửi session ID tương ứng với người dùng thay vì phải gửi toàn bộ context.

Ứng dụng sinh ảnh: Tạo hình ảnh mới bằng cách sử dụng các mô hình AI tiên tiến.

Ứng dụng sinh video: Tạo video từ hình ảnh hoặc nội dung khác.

Ứng dụng từ ảnh thành video: Chuyển đổi hình ảnh thành video động.

Ứng dụng sinh âm thanh: Tạo âm thanh hoặc giọng nói từ văn bản hoặc dữ liệu khác.

Ứng dụng sinh code: Sử dụng AI để tạo mã nguồn dựa trên yêu cầu cụ thể.

Tùy biến mô hình AI: Sử dụng Google Colab và Ngrok để tạo endpoint cho API và làm việc với các mô hình mã nguồn mở trên HuggingFace.

Triển khai ứng dụng với Docker và Cloud: Cài đặt và xây dựng Docker Image, chạy Docker Container và triển khai trên nền tảng đám mây.

Xây dựng hệ thống chatbot hiện đại với RAG và Graph: Tạo Synthetic Dataset cho RAG, sử dụng Semantic Router, Reflection và Graph trong RAG.

Thực hành với LangChain và LLAMA Index: Tích hợp Ollama để chạy mô hình và sử dụng LangChain để xây dựng quy trình truy xuất thông tin.

Ứng dụng API liên quan đến âm thanh và video: Chuyển văn bản thành giọng nói, giọng nói thành văn bản và xử lý video.

Lập trình giao diện: Sử dụng Gradio và Streamlit để tạo giao diện nhanh chóng, lập trình giao diện bằng ReactJS/NextJS và kết nối với API.

Thực hành đào tạo mô hình riêng: Đào tạo mô hình GPT và LLAMA riêng, tối ưu hóa hiệu suất bằng đào tạo phân tán.

Dự án thực tế: Thực hiện dự án trong 2 tuần để áp dụng kiến thức đã học.