LLM Engineer

Khoá học thực chiến từ nền tảng đến production cho kỹ sư LLM.

---

Giới thiệu khoá học

Khoá học LLM Engineer trang bị toàn bộ kỹ năng cần thiết để xây dựng các hệ thống AI thực tế: gọi API, chạy model local, fine-tuning, RAG pipeline, Agentic RAG, và đánh giá hệ thống.

Đăng ký khoá học

---

Lộ trình học

flowchart TB
    classDef bookend fill:#ffffff,stroke:#c9cdd4,stroke-width:1px,color:#1f2733
    classDef n1 fill:#ffffff,stroke:#e0b48c,stroke-width:1px,color:#1f2733
    classDef n2 fill:#ffffff,stroke:#c9a0b4,stroke-width:1px,color:#1f2733
    classDef n3 fill:#ffffff,stroke:#9db4e0,stroke-width:1px,color:#1f2733
    classDef cap fill:#eef6ee,stroke:#7fae7f,stroke-width:1.5px,color:#2f5a2f
    classDef goal fill:#f0edfa,stroke:#8a78c9,stroke-width:1.5px,color:#4a3d85

    START([LLM Engineer Career Path<br/><span style='font-size:11px;color:#8a94a3'>3 Modules · 24 buổi · 48h</span>]):::bookend

    subgraph MOD1 ["MODULE 1 — LLM, RAG &amp; Vector DBs"]
        direction LR
        A1[LLM APIs<br/>Prompting]:::n1 --> A2[Local LLMs<br/>Fine-tuning]:::n1 --> A3[Embeddings<br/>Vector DB]:::n1 --> A4[RAG<br/>Agentic RAG]:::n1 --> C1[Vietnamese<br/>Legal Assistant]:::cap
    end

    subgraph MOD2 ["MODULE 2 — AI Agents"]
        direction LR
        B1[Agent<br/>Foundations]:::n2 --> B2[LangGraph<br/>Memory]:::n2 --> B3[Tool Design<br/>MCP]:::n2 --> B4[Multi-Agent<br/>Systems]:::n2 --> C2[Multi-Agent<br/>Research Assistant]:::cap
    end

    subgraph MOD3 ["MODULE 3 — Production LLMOps"]
        direction LR
        D1[Prompt Mgmt<br/>Eval Pipelines]:::n3 --> D2[Cost Opt<br/>Caching]:::n3 --> D3[Docker<br/>Cloud Deploy]:::n3 --> D4[CI/CD<br/>Observability]:::n3 --> C3[Production<br/>LLM System]:::cap
    end

    GOAL([Production-Ready LLM Engineer]):::goal

    START --> MOD1
    C1 -.-> MOD2
    C2 -.-> MOD3
    C3 --> GOAL

    style MOD1 fill:#fbf5ef,stroke:#e5c9ac,color:#9a5a2a
    style MOD2 fill:#f9f0f4,stroke:#dbbccb,color:#8a4a63
    style MOD3 fill:#eef2fb,stroke:#c2d0ea,color:#3a5a9a

---

Cấu trúc khoá học

Module	Chủ đề	Nội dung chính
Module I	LLM, Prompt, RAG & Vector DB	LLM APIs, Local LLMs, Fine-tuning, Embeddings, RAG, Agentic RAG, Evaluation
Module II	AI Agent	LangGraph, Agent Memory, Tool Design & MCP, Agent Evaluation, Multi-Agent Systems

---

Cách sử dụng

• Dùng thanh điều hướng bên trái để di chuyển giữa các bài.
• Dùng thanh tìm kiếm (phím tắt / hoặc S) để tìm khái niệm cụ thể.
• Mỗi bài có mục lục bên phải để nhảy đến phần cần đọc.

Gợi ý

Mỗi bài được thiết kế độc lập - bạn có thể đọc theo thứ tự hoặc tra cứu trực tiếp bài cần.