Nội dung khoá học
Key concept of Generative AI
& Advanced Prompting
- Nắm chắc nền tảng AI & LLM: cách AI tạo ra text, hình ảnh, video và cách mô hình hiểu được ngôn ngữ tự nhiên.
- Tư duy Prompt Engineering: Làm sao để viết Prompt giúp AI hiểu đúng ý và làm đúng việc?
- Thực hành dùng GenAI cho việc tự học và nghiên cứu để không bị lạc hậu
- Tạo Custom GPT để xử lý các tác vụ lặp lại nhanh hơn trong công việc hằng ngày
- Case study: sử dụng GenAI phân tích và giải quyết một bài toán marketing & business
1
Big Data Analysis
- Cách sử dụng GenAI để tạo code Python trong việc làm sạch dữ liệu, trực quan hoá và phân tích khám phá (EDA) dành cho người chưa từng biết code
- Các nguyên tắc trong trực quan hóa dữ liệu nhằm phát hiện insights nhanh và chính xác
- Sử dụng GenAI để phân tích insights và đưa ra đề xuất, tạo 1 bản báo cáo phân tích hoàn chỉnh
2
Daily Productivity
- Dùng AI để tự động hoá các công việc lặp lại hàng ngày: Tạo biên bản họp từ ghi âm cuộc họp, thiết kế slides tự động,...
- Thực hành xây dựng website phục vụ cho công việc từ thiết kế đến triển khai bằng AI nhanh chóng
- Tổng hợp các công cụ AI phổ biến theo mục đích sử dụng để dễ dàng áp dụng vào công việc mà không phải mất công tìm kiếm
3
Automation with n8n
- Tổng quan về Automation và cách AI kết hợp cùng các nền tảng như n8n để tự động hoá công việc hằng ngày
- Từ ý tưởng đến thực tế: Học cách biến những công việc thủ công lặp đi lặp lại thành quy trình chạy tự động
- Nắm được cách tích hợp AI vào quy trình làm việc để xử lý nội dung nhanh và chính xác hơn.
- Thực hành xây dựng một workflow tự động hoàn chỉnh với n8n, kể cả bạn không có nền tảng kỹ thuật
4
Building Q&A Assistant
- Hiểu cách AI Agent suy nghĩ và trả lời qua mô hình RAG (Retrieval-Augmented Generation).
- Tạo “trí nhớ dài hạn” bằng Vector Database (Pinecone) để AI truy xuất tài liệu nhanh và chính xác.
- Thực hành xây dựng hệ thống AI hỏi–đáp nội bộ bằng n8n, giúp tự động hóa việc tra cứu và phản hồi thông tin dựa trên kho tài liệu doanh nghiệp.
5
Building AI Customer Service Agent
- Tìm hiểu kiến trúc của một chatbot CSKH hiện đại: lấy tin nhắn khách hàng, hiểu câu hỏi, truy vấn dữ liệu, và phản hồi tự động theo đúng brand voice.
- Hướng dẫn phương pháp xây dựng quy trình RAG + LLM hoàn chỉnh để chatbot trả lời một cách nhất quán và chính xác.
- Đánh giá chất lượng phản hồi của chatbot và cải thiện: rà soát trường hợp bot trả lời sai, tối ưu dữ liệu trong RAG, cải thiện prompt, chuẩn hóa tone-of-voice, và nâng tỷ lệ chính xác khi vận hành thực tế.
6