Mô tả vắn tắt học phần

1. Tên học phần:

AI tạo sinh và AI Agent

2. Ngôn ngữ giảng dạy:

Tiếng Anh

3. Mã học phần:

ISB574140

4. Bộ môn phụ trách giảng dạy:

TN - Khoa Tài năng kinh doanh

5. Trình độ:

Đại Học

6. Số tín chỉ:

3

7. Phân bổ thời gian:

  • Đối với hoạt động trên lớp:
  • Lý thuyết: -> Hoạt động giảng dạy trên lớp: 30 giờ
  • Làm việc nhóm, thảo luận:: 15 giờ
  • Đối với hoạt động tại phòng máy tính, phòng mô phỏng, …:
  • Thực hành, làm việc nhóm, thảo luận
  • Tự nghiên cứu, tự học: -> Tự học: 45 giờ -> Thực hiện bài tập cá nhân: 30 giờ -> Thực hiện bài tập nhóm: 30 giờ
  • Đồ án, Đề án, Dự án
  • Thực tập

8. Ngành áp dụng:

Dữ liệu đang cập nhật...

9. Điều kiện tiên quyết:

Không có môn học bắt buộc phải hoàn thành trước học phần này

10. Mục tiêu học phần:

- Hiểu và giải thích được kiến trúc Transformer, cơ chế Attention (Self-Attention, Multi-Head Attention), và cách các thành phần này kết hợp tạo nên LLM. - Phân tích được quy trình huấn luyện LLM bao gồm: Pretraining, Supervised Fine-tuning (SFT), Reinforcement Learning from Human Feedback (RLHF), và các kỹ thuật tối ưu như LoRA, QLoRA. - Nắm vững các khái niệm về AI Agent: perception-action paradigm, planning, reasoning, tool integration, và multi-agent collaboration. - Hiểu được Retrieval-Augmented Generation (RAG): chunking strategies, embedding models, vector databases, và knowledge graphs. - Nhận thức được các vấn đề đạo đức, an toàn và pháp lý liên quan đến triển khai Generative AI và AI Agent trong thực tế.

11. Mô tả vắn tắt nội dung học phần:

Học phần AI tạo sinh và AI Agent cung cấp kiến thức chuyên sâu về các mô hình ngôn ngữ lớn (LLMs) và hệ thống tác tử AI tự động (AI Agents). Được xây dựng trên nền tảng các môn Machine Learning và Natural Language Processing, học phần tập trung vào hai trục nội dung chính: (1) hiểu và xây dựng LLM từ kiến trúc Transformer, cơ chế Attention đến quy trình huấn luyện và tinh chỉnh; (2) thiết kế và phát triển AI Agent có khả năng lập kế hoạch, suy luận, sử dụng công cụ và tương tác với môi trường một cách tự động.

Phần đầu của học phần đi sâu vào cơ chế hoạt động bên trong của LLM, hướng dẫn sinh viên triển khai mô hình GPT từ đầu với PyTorch, bao gồm tokenization, attention mechanisms, transformer blocks, pretraining và fine-tuning. Phần sau mở rộng sang lĩnh vực AI Agent, giới thiệu các kỹ thuật Retrieval-Augmented Generation (RAG), Knowledge Graphs, và các framework xây dựng agent như LangChain, LlamaIndex, AutoGen. Học phần kết thúc với việc thảo luận về các vấn đề đạo đức, an toàn và tác động xã hội của Generative AI.