Làm toán
AI
Bài học
Bảng giá
Làm toán
AI
Bài học
Bảng giá
Tiến độ theo khóa
K1
K2
K3
K4
Tất cả bài học
Tất cả
Đang mở
Miễn phí
Chưa học
Đã học
Làm toán
AI
Bài học
Bảng giá
Đăng nhập
Tiếp tục học
A1
Vectơ: cộng, trừ, nhân vô hướng
Phần A · Toán nền tảng — Khóa K1
Tiếp tục →
Đã học
0
/3 phiếu đang mở
0%
tổng tiến độ
0/3
phiếu đã học
Bắt đầu chuỗi
Học hôm nay để mở chuỗi ngày
3 phiếu
còn lại đang mở
Tiến độ theo khóa
K1
Nền tảng AI
Cần gói Khóa 1 · Nền tảng AI
Xem gói →
K2
Huấn luyện & Kiến trúc
Cần gói Cơ bản
Xem gói →
K3
Transformer & LLM
Cần gói Pro
Xem gói →
K4
Chuyên sâu & Dự án
Cần gói Trọn bộ
Xem gói →
Tất cả bài học
Tất cả
Đang mở
Miễn phí
Chưa học
Đã học
138 bài
A
Toán nền tảng
Khóa K1
Cần gói Khóa 1 · Nền tảng AI
0/20 đã học
FREE
A1
Vectơ: cộng, trừ, nhân vô hướng
Vector ops
Đánh dấu đã học
FREE
A2
Độ dài & chuẩn
Norm (L1, L2)
Đánh dấu đã học
FREE
A3
Tích vô hướng
Dot Product
Đánh dấu đã học
A4
Cosine similarity
Cosine
A5
Phép chiếu vectơ
Projection
A6
Ma trận chuyển vị
Transpose
A7
Nhân ma trận
Matrix Multiplication
A8
Ma trận × vectơ
Matvec
A9
Định thức & nghịch đảo 2×2
Determinant
A10
Hệ phương trình tuyến tính nhỏ
Linear system
A11
Trị riêng / vectơ riêng 2×2
Eigen
A12
Đạo hàm một biến
Derivatives
A13
Quy tắc chuỗi
Chain rule
A14
Gradient hàm nhiều biến
Gradient
A15
Ma trận Jacobian nhỏ
Jacobian
A16
Xác suất, kỳ vọng, phương sai
Probability
A17
Phân phối Bernoulli / Categorical
Distributions
A18
exp & log (dùng bảng tra)
Exp & Log
A19
Chuẩn hóa dữ liệu: min-max & z-score
Normalization
A20
One-hot encoding
One-hot
B
Học máy cổ điển
Khóa K1
Cần gói Khóa 1 · Nền tảng AI
0/11 đã học
B1
Hồi quy tuyến tính 1 biến
Linear Regression
B2
Hồi quy tuyến tính nhiều biến
Multivariate LR
B3
Hồi quy logistic 1 bước
Logistic Regression
B4
k-NN — k láng giềng gần nhất
k-NN
B5
k-means 1 vòng
k-means
B6
PCA 2D
PCA
B7
Naive Bayes
Naive Bayes
B8
Cây quyết định: Entropy & Information Gain
Decision Tree
B9
Cây quyết định: Gini
Gini
B10
SVM: lề hình học
Margin
B11
Gradient Boosting — ý tưởng
Boosting
C
Nơ-ron & MLP
Khóa K1
Cần gói Khóa 1 · Nền tảng AI
0/10 đã học
C1
Lớp tuyến tính
y = Wx + b
C2
Sigmoid chi tiết + đạo hàm
Sigmoid
C3
Tanh + đạo hàm
Tanh
C4
Hàm kích hoạt
Activation
C5
Một nơ-ron
Neuron
C6
Một lớp nơ-ron
A Layer
C7
Lớp ẩn — MLP nhỏ
Hidden Layer
C8
Mạng sâu / rộng
Deep vs Wide
C9
Đếm tham số mạng
Param count
C10
Softmax đầu ra
Softmax
D
Mất mát, gradient & tối ưu
Khóa K2
Cần gói Cơ bản
0/14 đã học
D1
MSE / MAE
Regression loss
D2
Binary Cross-Entropy
BCE
D3
Cross-Entropy
Loss
D4
KL Divergence
KL
D5
Gradient — một bước học
Gradient
D6
Gradient descent 2 biến
GD 2D
D7
Backpropagation
Lan truyền ngược
D8
Backprop qua MLP nhiều lớp
Backprop MLP
D9
Backprop qua Softmax + CE
Softmax grad
D10
SGD vanilla (1 mini-batch)
SGD
D11
Momentum
Momentum
D12
RMSProp
RMSProp
D13
Adam — một bước cập nhật
Adam
D14
AdamW (weight decay)
AdamW
E
Huấn luyện & chuẩn hóa
Khóa K2
Cần gói Cơ bản
0/11 đã học
E1
Khởi tạo trọng số (Xavier / He)
Init
E2
Vanishing / Exploding gradient
Grad flow
E3
L2 regularization / weight decay
L2 reg
E4
L1 regularization
L1 reg
E5
Dropout (mask + scale)
Dropout
E6
BatchNorm — chuẩn hóa theo batch
BatchNorm
E7
LayerNorm / RMSNorm
Normalization
E8
Learning rate schedule (step / cosine)
LR schedule
E9
Gradient clipping
Clip
E10
Mini-batch vs full-batch
Batching
E11
Early stopping
Early stop
F
Thị giác máy tính (CNN)
Khóa K2
Cần gói Cơ bản
0/10 đã học
F1
CNN — một bộ lọc
Convolution
F2
Kích thước đầu ra (stride, padding)
Output size
F3
Conv nhiều kênh (RGB)
Multi-channel
F4
Nhiều bộ lọc → nhiều feature map
Filters
F5
Max / Average Pooling
Pooling
F6
Receptive field
Receptive field
F7
Conv 1×1
1×1 conv
F8
Transposed conv (upsampling)
Transposed
F9
Kết nối tắt (Residual / skip)
Residual
F10
Đếm tham số một lớp conv
Conv params
G
Dữ liệu chuỗi (RNN/LSTM)
Khóa K2
Cần gói Cơ bản
0/8 đã học
G2
RNN — một bước hồi quy
Recurrent
G3
RNN trải nhiều bước (BPTT)
BPTT
G4
LSTM — một ô nhớ
Long Short-Term Memory
G5
GRU 1 ô
GRU
G6
Bi-directional RNN
BiRNN
G7
Seq2seq encoder → decoder
Seq2seq
G8
Giải mã: Greedy vs Beam search
Decoding
G9
Teacher forcing
Teacher forcing
G
Dữ liệu chuỗi (RNN/LSTM)
Khóa K3
Cần gói Pro
0/1 đã học
G1
Embedding & Positional
Embedding
H
Attention & Transformer
Khóa K3
Cần gói Pro
0/11 đã học
H1
Scaled dot-product attention
Attention
H2
Self-Attention
Tự chú ý
H3
Khối GPT — Masked Attention
Decoder-only
H4
Multi-Head Attention
Nhiều đầu chú ý
H5
Cross-Attention
Encoder–Decoder
H6
Khối Transformer
Encoder block
H7
Positional Encoding sin/cos (chi tiết)
Positional
H8
RoPE — Rotary embedding
RoPE
H9
Padding mask trong attention
Padding mask
H10
KV cache — sinh token tiếp theo
KV cache
H11
FFN trong Transformer
FFN
I
Mô hình ngôn ngữ lớn (LLM)
Khóa K3
Cần gói Pro
0/10 đã học
I1
Tokenization / BPE
BPE
I2
Logits → softmax → sampling
Sampling
I3
Perplexity
Perplexity
I4
Mixture of Experts
MoE
I5
LoRA — cập nhật hạng thấp
LoRA
I6
Quantization int8
Quantization
I7
Embedding similarity / RAG retrieval
RAG
I8
Greedy decode trọn một chuỗi
Greedy decode
I9
Repetition penalty / logit bias
Logit bias
I10
Chat template → token hóa
Chat template
J
Mô hình sinh (Generative)
Khóa K3
Cần gói Pro
0/7 đã học
J1
Autoencoder / VAE
Autoencoder
J2
VAE — reparam + KL (chi tiết)
VAE
J3
GAN — một bước D và G
GAN
J4
Diffusion: forward (thêm nhiễu)
Forward diffusion
J5
Diffusion — một bước khử nhiễu
Denoising
J6
Noise schedule
Noise schedule
J7
Sampling DDPM vs DDIM
DDPM/DDIM
K
Học tăng cường (RL)
Khóa K4
Cần gói Trọn bộ
0/8 đã học
K1
Phần thưởng & chiết khấu
Return
K2
Phương trình Bellman
Bellman
K3
Q-learning — một cập nhật
Q-learning
K4
SARSA
SARSA
K5
Chính sách ε-greedy
ε-greedy
K6
Policy Gradient (REINFORCE)
REINFORCE
K7
Advantage / baseline
Advantage
K8
PPO — ý tưởng cắt (clip)
PPO
L
Đánh giá & đo lường
Khóa K4
Cần gói Trọn bộ
0/8 đã học
L1
Ma trận nhầm lẫn → Acc/P/R/F1
Metrics
L2
ROC & AUC
ROC/AUC
L3
Cosine similarity (đo embedding)
Cosine eval
L4
BLEU — n-gram
BLEU
L5
Top-k accuracy
Top-k acc
L6
Calibration (độ tin cậy)
Calibration
L7
FLOPs — đếm phép tính một lớp
FLOPs
L8
Độ trễ & thông lượng (ý tưởng)
Latency
M
Nâng cao / tùy chọn
Khóa K4
Cần gói Trọn bộ
0/5 đã học
M1
GNN — message passing một bước
GNN
M2
Contrastive learning (InfoNCE)
Contrastive
M3
Triplet loss
Triplet
M4
Multi-modal (CLIP)
CLIP
M5
Knowledge distillation
Distillation
N
Dự án tổng kết (Capstone)
Khóa K4
Cần gói Trọn bộ
0/4 đã học
N1
MLP phân loại điểm 2D — đủ vòng
MLP capstone
N2
Mini-CNN nhận chữ số
Mini-CNN
N3
Mini-GPT: 2 token, sinh 1 token
Mini-GPT
N4
Logistic regression hội tụ
LR converge