Bài viết này phản ánh bối cảnh năm 2023. Để xem thông tin mới nhất về chủ đề này, xem Hai Năm Sau 7 Khóa Học Andrew Ng Của Tôi: Lộ Trình 2026 Mà Tôi Sẽ Thật Sự Chọn.
Là người rất quan tâm đến thế giới machine learning và AI, tôi thấy mình bị cuốn hút bởi những bài giảng của Andrew Ng · Liên kết tiếp thị: Chandler có thể nhận hoa hồng.. Trong vài tháng qua, tôi đã hoàn thành bảy khóa học của ông, mỗi khóa mang lại những góc nhìn riêng về bức tranh machine learning và AI đang không ngừng phát triển. Đây là đánh giá của tôi về các khóa học này và cách chúng định hình hiểu biết của tôi:
- Machine Learning Specialization · Liên kết tiếp thị: Chandler có thể nhận hoa hồng.
- ChatGPT Prompt Engineering · Liên kết tiếp thị: Chandler có thể nhận hoa hồng. for Developers
- Generative AI for Everyone · Liên kết tiếp thị: Chandler có thể nhận hoa hồng.
- Building system with chatGPT · Liên kết tiếp thị: Chandler có thể nhận hoa hồng. API
- Neural Networks and Deep Learning · Liên kết tiếp thị: Chandler có thể nhận hoa hồng.
- Functions, Tools, and Agents with LangChain
- Vector Databases: from Embeddings to Applications
1. Machine Learning Specialization - Nền tảng vững chắc
Chương trình chuyên ngành 3 khóa dành cho người mới bắt đầu này cung cấp nền tảng vững chắc về các khái niệm và ứng dụng machine learning. Các khóa học chuyển từ thuật toán supervised learning như regression và classification đến các kỹ thuật nâng cao hơn như unsupervised learning và reinforcement learning. Tôi đánh giá cao các bài tập code thực hành bằng Python và thấy nó dễ tiếp cận ngay cả với kinh nghiệm lập trình hạn chế. Đây là một trong những khóa học machine learning nhập môn tốt nhất hiện có.
2. Generative AI for Everyone - Giải mã sự cường điệu
Nhắm đến đối tượng không chuyên kỹ thuật, khóa học này giải mã generative AI, giải thích các ứng dụng và hạn chế. Nội dung được tổ chức tốt, cân bằng ưu và nhược điểm và xóa bỏ những hiểu lầm phổ biến. Đây là khóa học tuyệt vời cho bất kỳ ai muốn hiểu generative AI từ ý tưởng đến triển khai, bao gồm xây dựng prompt hiệu quả.
3. Neural Networks and Deep Learning - Hiểu các mô hình quan trọng
Khóa học này bắt đầu đi sâu hơn vào deep learning, cách nó được áp dụng cho supervised learning, các loại mô hình chính (CNNs, RNNs, v.v.) và khi nào nên áp dụng chúng. Học khóa này sau "Machine learning specialization" có thể cảm thấy hơi trùng lặp với một số nội dung. Bạn có thể bỏ qua những phần đó.
4. Khi bạn sẵn sàng xây dựng ứng dụng Gen AI đầu tiên
Khi bạn cảm thấy sẵn sàng bắt đầu xây dựng ứng dụng đầu tiên, đặc biệt là ứng dụng Gen AI, hãy bắt đầu với các khóa "ChatGPT Prompt Engineering for Developers", "Building system with chatGPT API",
Các khóa học này sẽ tiết kiệm cho bạn rất nhiều thời gian vì chúng sẽ cho bạn cái nhìn tổng quan về các bước quan trọng nhất khi xây dựng ứng dụng. Tất nhiên, chúng đi kèm code mẫu nên rất thực tế.
ChatGPT Prompt Engineering for Developers
Khóa học này là một lợi ích lớn cho cả người mới và người học nâng cao. Được giảng dạy bởi Andrew và Isa Fulford từ OpenAI. Nó tập trung vào các chi tiết tinh tế của prompt engineering và việc sử dụng Large Language Models (LLMs). Khóa học giải thích rõ ràng các khái niệm cốt lõi của LLMs và cung cấp insights thực tế về các best practices cho prompt engineering. Đặc biệt có giá trị cho ai muốn hiểu và tận dụng sức mạnh của LLM APIs trong các ứng dụng khác nhau. Ví dụ, cách yêu cầu GPT xuất câu trả lời ở định dạng JSON để bạn có thể sử dụng sau đó trong ứng dụng.
Building Systems with the ChatGPT API
Là phần tiếp theo của khóa Prompt Engineering, khóa học ngắn này hoàn hảo cho người mới bắt đầu với LLMs. Nó cung cấp các ví dụ thực hành và dạy cách xây dựng hiệu quả các hệ thống nhiều bước sử dụng large language models. Khóa học là primer tuyệt vời cho ai quan tâm đến prompt engineering và ứng dụng large language model. Tôi đánh giá cao hướng dẫn dưới đây với các ví dụ code thực tế:
- Cách sử dụng "Moderation API" để xác thực input người dùng, tránh prompt injection
- Chain of thought reasoning
- Chaining prompts
- Đánh giá output
5. Sẵn sàng đi sâu hơn?
Sau các khóa học này, nếu bạn muốn đi sâu hơn vào xây dựng ứng dụng Gen AI, hai khóa "Functions, Tools, and Agents with LangChain" và "Vector Databases: from Embeddings to Applications" là hoàn hảo.
Hiểu vector database là gì, cách nó hoạt động và cách nó giúp bạn xây dựng ứng dụng generative AI đa phương thức thực sự rất thú vị.
Khi tiếp tục hành trình với machine learning, tôi biết ơn vì phạm vi chủ đề rộng mà các khóa học của Andrew bao quát. Chúng cho tôi một góc nhìn toàn diện và những kỹ năng thực tế để xây dựng, áp dụng và mở rộng hệ thống AI một cách có trách nhiệm. Tôi mong được vận dụng những bài học này vào các dự án thực tế sắp tới.
6. Cập nhật (Tháng 11 năm 2025): Đưa vào thực hành
Nhớ khi tôi nói tôi mong muốn "tận dụng những bài học này trong các dự án thực tế"? Vâng, tôi thực sự đã làm điều đó.
Sau khi hoàn thành các khóa học này, tôi đã dành 75 ngày xây dựng STRAŦUM - một nền tảng AI marketing 9 agent đã áp dụng những gì Andrew dạy: LLM prompt engineering, function calling, chain-of-thought reasoning và hệ thống multi-agent.
Nền tảng đã sử dụng 11 framework chiến lược (SWOT, Porter's Five Forces, Blue Ocean Strategy, v.v.) và progressive learning - nghĩa là các AI agent được thiết kế để trở nên thông minh hơn về doanh nghiệp của bạn qua mỗi cuộc hội thoại. Nó đã được thiết kế cho các doanh nghiệp nhỏ và agency marketing cần trí tuệ chiến lược, không chỉ thực thi.
Nó hoàn hảo chưa? Chắc chắn chưa (tôi vẫn đang học!). Nhưng nó đã hoạt động, và trực tiếp đến từ việc áp dụng những gì tôi học từ các khóa của Andrew. Đôi khi cách tốt nhất để học là xây dựng thứ gì đó thực tế.
Nếu bạn tò mò về cách các khái niệm AI này chuyển thành sản phẩm thực tế, bạn có thể đọc câu chuyện launch. STRAŦUM đã ngừng hoạt động — phiên bản đầu tiên là bản tham chiếu mã nguồn mở theo giấy phép MIT.
Vẫn code, vẫn học, vẫn áp dụng những bài học của Andrew vào các vấn đề thực tế.
Chandler