AI Engineering From Scratch: Đánh giá khóa học toàn diện
/ai-engineering-from-scratch
AI Engineering From Scratch giữ đúng tên của nó: không bỏ qua những phần khó. Mỗi thuật toán đều được xây từ toán thuần trước, PyTorch chỉ xuất hiện sau đó. Chính trình tự đó phân biệt giữa hiểu thật sự và chỉ quen gọi API. Đáng để đầu tư thời gian nếu bạn muốn biết công cụ của mình thực sự làm gì bên trong. Bỏ qua nếu bạn cần kết quả nhanh trong một cuối tuần.
AI Engineering From Scratch là gì?
AI Engineering From Scratch là chương trình đào tạo miễn phí, giấy phép MIT, với 511 bài học qua 20 giai đoạn, đưa bạn từ đại số tuyến tính đến kỹ thuật LLM, phát triển tác tử, và hệ thống tự chủ. Mỗi bài theo vòng Xây dựng / Dùng thử / Triển khai: implement thuật toán từ toán thuần, thấy cùng thứ đó hoạt động trong PyTorch, rồi tạo ra thành quả có thể tái sử dụng (prompt, skill, tác tử, hoặc MCP server). Hỗ trợ Python, TypeScript, Rust, và Julia. Chương trình chạy trên laptop của bạn, có bản EPUB và PDF để đọc offline.
Chương trình này bao gồm những gì
- ✓511 bài học qua 20 giai đoạn: từ nền tảng toán đến tác tử tự chủ và hệ thống swarm
- ✓Vòng Xây dựng / Dùng thử / Triển khai: implement từ toán thuần trước khi đụng đến framework như PyTorch
- ✓Chương trình đa ngôn ngữ: Python, TypeScript, Rust, Julia cho các thuật toán cốt lõi
- ✓Mỗi bài kết thúc bằng thành quả có thể mang đi: prompt, skill, tác tử, hoặc MCP server có thể cài vào Claude Code, Codex, Cursor ngay
- ✓Lộ trình tập trung cho Model Context Protocol (17 bài), Agent Skills (5 bài), và luyện thi chứng chỉ Claude
- ✓Kỹ năng học tập tích hợp trực tiếp vào Claude Code và Codex cho việc học tương tác theo phiên
- ✓Bộ sách sáu tập có bản EPUB và PDF để đọc offline
- ✓Bài kiểm tra xếp lớp định vị kiến thức hiện tại và lưu kế hoạch vào LEARNING.md
Tại sao việc học AI truyền thống chưa đủ
Hầu hết tài liệu AI phân tán nền tảng cốt lõi qua các bài báo, bài hướng dẫn và demo rời rạc, không bao giờ kết nối chúng lại. Triển khai chatbot mà không hiểu đường cong mất mát của nó. Khi gắn một hàm vào tác tử, bạn không biết attention làm gì bên trong mô hình gọi nó. Vấn đề không phải thiếu tài nguyên mà là thiếu cấu trúc xây dựng từ nguyên lý nền tảng lên hệ thống production.
Chọn điểm bắt đầu phù hợp
- •Người mới bắt đầu hoàn toàn khởi động từ Giai đoạn 0 để setup môi trường dev trước khi đụng bất kỳ khái niệm AI nào
- •Lập trình viên Python muốn có nền tảng toán và machine learning trước khi nhảy vào các deep learning framework
- •Kỹ sư đang xây dựng ứng dụng LLM production bắt đầu từ Giai đoạn 11 để học prompt engineering, RAG, và fine-tuning
- •Dev đang xây dựng AI agents bắt đầu từ Giai đoạn 14 nơi có agent loop, cách dùng tool, và hệ thống memory
- •Nhóm áp dụng Model Context Protocol theo lộ trình MCP qua 17 bài về transports, bảo mật, và quản trị registry
- •Người ôn thi chứng chỉ Claude dùng tutor tích hợp sẵn tạo lộ trình học cá nhân qua các mục tiêu thi chính thức
Điểm mạnh
- ✓Cấu trúc 'tự xây trước, rồi mới dùng' bắt buộc bạn implement attention, backprop, và tokenizer từ toán thuần trước khi PyTorch hay sklearn xuất hiện — đến lúc framework xuất hiện, bạn đã biết nó đang tự động hóa gì.
- ✓Mỗi bài trong 511 bài đều kết thúc bằng thành quả di động: prompt, skill, tác tử, hoặc MCP server có thể cài ngay vào Claude Code, Codex, Cursor, hoặc bất kỳ host tương thích nào.
- ✓Cùng một chương trình có ba cách dùng: bộ sách sáu tập bản EPUB và PDF tải về, hoặc vòng tutor chạy trong terminal — đọc, chạy, hoặc được dạy tương tác đều được.
- ✓Nhiều điểm vào tập trung cho phép bỏ qua toàn bộ 329 giờ nếu bạn đã có mục tiêu cụ thể: lộ trình MCP 17 bài, Agent Skills 5 bài, hoặc luyện thi đủ bốn cấp chứng chỉ Claude.
Những gì khóa học không đề cập
- △Phạm vi ngôn ngữ hạn chế — chỉ Python, TypeScript, Rust, và Julia; lập trình viên Go, Java, hoặc hệ sinh thái khác sẽ không có code native cho ngôn ngữ của mình.
- △Không cam kết kết quả chứng chỉ — README nêu rõ học viện 'không thể đảm bảo điểm đạt' và đây là 'tài liệu tự học độc lập', không liên kết với Anthropic.
- △Cách dạy tự xây từ đầu đánh đổi tốc độ lấy chiều sâu — tiếp cận toán thuần trước hết để lại ít thời gian cho các shortcut API cấp cao mà production deadline cần.
- △Sách là bản tĩnh — các bản EPUB và PDF cũ vẫn có thể tải, có thể chậm sau so với curriculum trên repository đang phát triển.
- △Phạm vi production hẹp — Giai đoạn 17 có infrastructure và deployment, nhưng chương trình không mở rộng sang công cụ MLOps, pipeline data engineering, hay thực hành observability ngoài thành quả bài học riêng.
Các tài nguyên học AI engineering khác
Các câu hỏi thường gặp
Có. Chương trình hoàn toàn mã nguồn mở theo giấy phép MIT, có thể dùng cá nhân hoặc thương mại hoàn toàn miễn phí.
Chương trình đầy đủ ước tính khoảng 329 giờ. Các lộ trình tập trung cho phép bạn đi thẳng vào vùng cụ thể như Model Context Protocol hay Agent Skills nếu không cần toàn bộ.
Cần có một chút khả năng lập trình. Python là lợi thế nhưng chương trình hỗ trợ bốn ngôn ngữ, và Giai đoạn 0 hướng dẫn setup môi trường dev từ đầu.
Không có chứng chỉ chính thức, nhưng chương trình có quiz, chẩn đoán xếp lớp, và đề thi thực hành để luyện thi chứng chỉ Claude.
Python, TypeScript, Rust, và Julia. Mỗi bài đều cung cấp code chạy được theo ngôn ngữ bạn chọn.
Có. Giai đoạn 0 không yêu cầu kiến thức AI trước đó, bắt đầu từ cấu hình môi trường dev. Kiến thức hiện có của bạn quyết định giai đoạn bắt đầu lý tưởng qua bài đánh giá xếp lớp.
Ai nên thử — và ai nên bỏ qua
Chọn khóa học này nếu bạn là lập trình viên muốn hiểu AI sâu thay vì chỉ gọi API. Nếu bạn thoải mái với việc viết code và muốn biết chuyện gì xảy ra bên trong PyTorch trước khi nhặt nó lên, cách tiếp cận tự xây trước chính là thứ bạn cần. Phù hợp với người tự học được, tự đặt nhịp cho mình. Bỏ qua nếu bạn cần kết quả nhanh hoặc muốn có giảng viên đốc thúc. Cũng bỏ qua nếu bạn đã tự tin implement backprop và attention từ đầu và chỉ cần lớp production tooling.
Repo liên quan
Vẫn đang phân vân về ai-engineering-from-scratch?
Một cú bấm sẽ gửi câu hỏi kèm trang này cho AI — xem AI nói gì về ai-engineering-from-scratch.