AI Engineer
AI Engineer
Trong kỷ nguyên của Trí tuệ Nhân tạo, những người có khả năng xây dựng và triển khai các mô hình thông minh đang là những nhân tài được săn đón hàng đầu. Lộ trình AI Engineer được thiết kế để đưa bạn vào vai trò của một người kiến tạo, có đủ năng lực để biến các ý tưởng AI từ lý thuyết trở thành những sản phẩm và giải pháp có giá trị thực tiễn.
Chương trình sẽ dẫn dắt bạn đi qua một hành trình toàn diện, từ việc xây dựng nền tảng vững chắc với Machine Learning và Deep Learning, cho đến việc làm chủ cuộc cách mạng Generative AI với các công nghệ như RAG và AI Agents. Đặc biệt, lộ trình tập trung vào kỹ năng MLOps, đảm bảo bạn không chỉ huấn luyện được mô hình, mà còn có thể triển khai, vận hành và tối ưu chúng trong môi trường production.
Hãy trở thành người kiến tạo tương lai, nơi những dòng mã lệnh của bạn được thổi hồn thành các thực thể trí tuệ, định hình nên những giải pháp công nghệ dẫn đầu.
240 giờ (9 – 12 tháng)
Đối tượng tham gia
Sinh viên
Ngành CNTT, Khoa học Máy tính, Toán-Tin muốn ứng dụng kiến thức vào lĩnh vực AI thực tiễn.
Lập trình viên
Đã có kinh nghiệm, muốn tích hợp các giải pháp trí tuệ nhân tạo thông minh vào sản phẩm.
Người chuyển ngành
Có tư duy logic, muốn bắt đầu sự nghiệp trong lĩnh vực trí tuệ nhân tạo đầy tiềm năng.
Người đam mê AI
Muốn trang bị kỹ năng thực chiến để đưa mô hình từ nghiên cứu đến vận hành thực tế.
KẾT QUẢ ĐẠT ĐƯỢC
Phân tích & Khai phá dữ liệu với Python
Sử dụng Pandas để thực hiện các phép biến đổi dữ liệu từ cơ bản đến nâng cao và dùng Matplotlib/Seaborn để xây dựng các biểu đồ phân tích đa chiều.
Làm chủ toàn bộ quy trình AI
Hiểu rõ quy trình từ thu thập – xử lý dữ liệu, xây dựng mô hình, huấn luyện, đánh giá đến triển khai mô hình AI trong môi trường production.
Thành thạo Machine Learning & Deep Learning
Nắm vững các thuật toán cốt lõi (Regression, Classification, Clustering, CNN, RNN, Transformer) và biết cách áp dụng vào các bài toán thực tế.
Ứng dụng Generative AI & LLMs vào doanh nghiệp
Thành thạo kỹ thuật Prompt Engineering, xây dựng hệ thống RAG, tinh chỉnh LLMs (LoRA, PEFT) và phát triển AI Agent để tự động hóa nghiệp vụ.
Khai thác các công cụ AI hiện đại
Làm việc chuyên nghiệp với PyTorch, Hugging Face, LangChain, LlamaIndex, vector database (Qdrant, ChromaDB) để xây dựng ứng dụng AI end-to-end.
Phát triển kỹ năng triển khai & MLOps
Đóng gói mô hình bằng Docker, xây dựng API với FastAPI, triển khai CI/CD bằng GitHub Actions và giám sát mô hình bằng MLflow.
Nắm vững kỹ năng tối ưu mô hình
Biết cách giảm chi phí vận hành và tối ưu hiệu năng thông qua model quantization, model compression và chiến lược chọn mô hình phù hợp.
BẠN SẼ LÀM GÌ SAU KHI HỌC XONG?
AI Engineer
Machine Learning Engineer
Data Scientist
MLOps Engineer
lộ trình học Ai Engineer
- Hệ điều hành & Môi trường: Dòng lệnh Linux và quản lý mã nguồn Git.
- Tư duy & Thống kê: Tư duy logic, thống kê ứng dụng cho dữ liệu.
- Lập trình Python: Từ Python cơ bản đến OOP, tương tác với file và API.
- Cơ sở dữ liệu: Truy vấn SQL và làm quen với cơ sở dữ liệu NoSQL.
- Tổng quan & thao tác làm quen với Pandas: biến đổi, tổng hợp, lọc dữ liệu dạng bảng.
- Thao tác dữ liệu nâng cao với Pandas: pivot, melt, groupby.agg, transform...
- Phân tích tương quan: đơn biến và đa biến.
- Trực quan hóa dữ liệu: Matplotlib, Seaborn (Heatmap, Violin plot, Pairplot).
- Quy trình EDA: Clean – Explore – Visualize.
- Tổng quan vòng đời dự án ML: Từ bài toán kinh doanh đến triển khai.
- Feature Engineering: Kỹ thuật biến đổi và lựa chọn đặc trưng.
- Thuật toán học có giám sát: Hồi quy, phân loại, Ensemble
- Thuật toán học không giám sát: Phân cụm, giảm chiều
- Đánh giá mô hình: MAE, RMSE, Accuracy, F1-score, ROC-AUC…
- Toán trong Deep Learning: Gradient, đạo hàm, tối ưu hóa bằng Gradient Descent.
- Xây dựng mạng ANN: Forward & Backward propagation
- PyTorch cơ bản: Tensors, Dataset, Training loop,....
- Kỹ thuật tối ưu: Dropout, Batch Normalization, Adam/AdamW, tuning siêu tham số.
- Xử lý ảnh cơ bản: Các phép biến đổi hình học, lọc ảnh với OpenCV.
- Mạng CNN: Convolution, Pooling, kiến trúc CNN kinh điển (LeNet, AlexNet, VGG, ResNet).
- Transfer Learning: Tận dụng mô hình pre-trained.
- Bài toán kinh điển: Object Detection, Image Segmentation
- Biểu diễn văn bản: TF-IDF, Word2Vec, GloVe.
- Mô hình tuần tự: RNN, LSTM, GRU.
- Transformer & Attention: Hiểu cơ chế Attention và kiến trúc Transformer.
- Fine-tuning với Hugging Face: Các mô hình pre-trained như BERT, PhoBERT.
- Generative AI & LLMs: Transformer, Attention, GPT, LLaMA.
- Prompt Engineering: Few-shot, Chain-of-Thought, Instruction tuning.
- Fine-tuning LLMs: LoRA, PEFT, RLHF, tinh chỉnh mô hình open-source.
- RAG (Retrieval-Augmented Generation): LangChain, LlamaIndex, vector database (Qdrant, ChromaDB).
- AI Agents: Tự động hóa workflow, tích hợp API và MCP Server.
- Đóng gói mô hình: Export mô hình đã huấn luyện.
- Xây dựng API: FastAPI cho inference.
- Containerization: Đóng gói ứng dụng bằng Docker.
- Theo dõi dự án: MLflow.
- CI/CD cơ bản: GitHub Actions để tự động kiểm tra và triển khai.
- Phát triển Mô hình: Chọn một đề tài thực tế (RAG, Computer Vision, AI Agent) và xây dựng hoặc tinh chỉnh mô hình AI (LLM, YOLO) để giải quyết vấn đề.
- Triển khai (MLOps): Đóng gói mô hình bằng Docker, tạo API với FastAPI và triển khai ứng dụng demo lên cloud.
- Quản lý Dự án: Sử dụng GitHub để quản lý mã nguồn, viết tài liệu README.md và thuyết trình bảo vệ sản phẩm.
Tiếng anh
chuyên ngành IT
Chương trình tiếng Anh chuyên ngành IT hướng đến nâng cao kỹ năng giao tiếp và đọc hiểu tài liệu chuyên môn, giúp học viên tự tin làm việc trong môi trường quốc tế và phát triển sự nghiệp.
SẢN PHẨM CỦA HỌC VIÊN
Học phí
Học trực tiếp
Ưu đãi 30%: 25.200.000 VNĐ
Giá gốc: 36.000.000 VND
Học trực tuyến
Ưu đãi 30%: - 22.400.000 VNĐ
Giá gốc: 32.000.000 VND
Học tại Hồ Chí Minh
AI Engineer
Học tại Hà Nội
AI Engineer
Học trực tuyến
AI Engineer
Bài viết liên quan
Câu hỏi thường gặp
Chương trình dành cho những người có đam mê với Trí tuệ Nhân tạo và muốn xây dựng các mô hình thông minh. Đối tượng phù hợp bao gồm: Sinh viên ngành CNTT, Toán-Tin, Khoa học Dữ liệu; Lập trình viên muốn đi sâu vào Machine Learning; Data Scientist muốn nâng cao kỹ năng triển khai mô hình.
Bạn cần có nền tảng lập trình Python vững chắc và kiến thức tốt về Toán học (Đại số tuyến tính, Xác suất thống kê). Hiểu biết cơ bản về Machine Learning là một lợi thế lớn để bạn có thể tiếp thu các khái niệm nâng cao một cách hiệu quả.
Bạn sẽ có khả năng xây dựng và triển khai các mô hình Machine Learning/Deep Learning cho các bài toán về Thị giác Máy tính (CV) và Xử lý Ngôn ngữ Tự nhiên (NLP). Đặc biệt, bạn sẽ làm chủ các công nghệ AI Tạo sinh (Generative AI), xây dựng hệ thống RAG, fine-tune và vận hành các LLMs.
Toàn bộ lộ trình học được thiết kế trong khoảng 8 – 10 tháng (tương đương 240 giờ học), đảm bảo bạn có đủ thời gian để đi sâu vào các thuật toán phức tạp và hoàn thành một dự án AI hoàn chỉnh, có tính ứng dụng cao.
Có. Chứng nhận hoàn thành chương trình AI Engineer sẽ được cấp sau khi bạn bảo vệ thành công dự án cuối khóa. Đây là sự công nhận cho khả năng của bạn trong việc làm chủ các công nghệ AI tiên tiến và sẵn sàng cho thị trường lao động.
Điểm khác biệt lớn nhất là sự cập nhật và tính thực tiễn. Chương trình tập trung sâu vào Generative AI và LLMs – xu hướng hot nhất hiện nay. Ngoài ra, chúng tôi chú trọng vào kỹ năng MLOps, dạy bạn cách triển khai và vận hành mô hình trong môi trường thực tế, không chỉ dừng lại ở file notebook.
Bạn sẽ thành thạo các công cụ không thể thiếu của một Kỹ sư AI: Python, PyTorch, Hugging Face Transformers, LangChain, LlamaIndex, các Vector Database (ChromaDB, Qdrant), MLflow, và Docker.
Hoàn thành chương trình, bạn sẽ sở hữu bộ kỹ năng được săn đón nhất hiện nay cho các vị trí: AI Engineer, Machine Learning Engineer, MLOps Engineer, Data Scientist (chuyên về mô hình hóa), Generative AI Specialist.
Chúng tôi hiểu điều đó. Vì vậy, chương trình được cập nhật liên tục và tập trung sâu vào các công nghệ đang định hình tương lai như Generative AI, LLMs, RAG, Fine-tuning. Thay vì chỉ học các thuật toán cũ, bạn sẽ được làm việc với các kiến trúc và công cụ mới nhất như Transformers, PyTorch, LangChain.
Data Scientist tập trung nhiều vào việc khám phá dữ liệu, phân tích thống kê và xây dựng các mô hình để tìm ra insight. Trong khi đó, AI Engineer tập trung vào việc xây dựng, tối ưu hóa và triển khai các mô hình đó vào môi trường sản phẩm thực tế, đảm bảo chúng hoạt động hiệu quả, ổn định và ở quy mô lớn (MLOps).
CẢM NGHĨ CỦA HỌC VIÊN
Từ Thiên Vũ
Thầy cực kiên nhẫn, giải thích từng bước một. Dù mình là newbie vẫn theo kịp được.
Từ Thiên Vũ
Lê Hồng Nguyên Linh
Lab ở đây phải gọi là đỉnh. Dùng tài khoản hãng chính hãng, mọi thứ y như môi trường thực tế. Highly recommend học AWS ở đây nhé.
Lê Hồng Nguyên Linh
Trương Tuấn Hoàng
Chương trình đúng kiểu ‘work-ready’, vừa học vừa áp dụng vào công việc. Có thể chọn hình thức học linh hoạt, hôm nào kẹt lịch chuyển online liền, không bị miss buổi nào.
Trương Tuấn Hoàng
La Thị Minh Tuyết
Anh chị giảng viên rất vui tính, luôn tạo không khí để lớp có thể hoàn thành tốt dự án, hơn hết chúng em cũng được giải đáp thắc mắc và được hỗ trợ một cách kịp thời.
La Thị Minh Tuyết
Ngọc Khang Văn
Ngay khi khóa học tôi đã nhận được offer Junior với mức lương ngoài mong đợi. Những kiến thức từ khóa học rất sát với thực tiễn và giúp tôi nhanh chóng thích nghi với công việc từ doanh nghiệp.
Ngọc Khang Văn
Trần Văn Khoa
Chương trình học phù hợp, lộ trình học tập được sắp xếp khoa học. Những kiến thức được truyền tải tại đây có thể áp dụng ngay trong công việc. Giảng viên nhiệt tình, truyền đạt kiến thức tốt.
Trần Văn Khoa
Nguyễn Minh Thiện
Chương trình học ở đây được biên soạn kỹ càng và dễ hiểu đối với những người chưa có nhiều kinh nghiệm như em. Ngoài việc được đào tạo kiến thức chuyên môn em cũng được các anh chia sẻ khá nhiều về kinh nghiệm thực tế từ trải nghiệm của anh.
Nguyễn Minh Thiện
