Module 1: Định hướng & Môi trường
- Bài 1: AI Engineer thực chiến làm gì? Phân biệt vai trò với Data Scientist, ML Engineer, Data Analyst
- Bài 2: Lộ trình series Python, Data & Math — học để chuẩn bị cho 5 series sau (ML, DL, LLM, Deployment, Job)
- Bài 3: Thiết lập Google Colab — môi trường code AI không cần cài đặt
- Bài 4: Notebook (.ipynb) là gì và quy trình làm việc theo cell
Module 2: Python Cơ bản cho AI
- Bài 5: Biến và 4 kiểu dữ liệu nguyên thủy: int, float, str, bool
- Bài 6: Toán tử số học, so sánh và logic
- Bài 7: Lệnh rẽ nhánh: if / elif / else
- Bài 8: Vòng lặp for và hàm range
- Bài 9: Vòng lặp while và break / continue
- Bài 10: Hàm (Function): def, tham số, return
- Bài 11: List và các thao tác cơ bản
- Bài 12: Tuple — list bất biến và unpacking
- Bài 13: Dictionary — key-value lookup
- Bài 14: Set và phép toán tập hợp
- Bài 15: List comprehension — viết list ngắn gọn
- Bài 16: Xử lý lỗi với try / except / finally
- Bài 17: Đọc / ghi file text với open và context manager (
with)
Module 3: Toán nền tảng cho AI
- Bài 18: Vector trực quan — danh sách số có hướng, phép cộng vector, phép nhân vô hướng
- Bài 19: Ma trận và phép nhân ma trận — vì sao quan trọng trong neural network
- Bài 20: Tensor là gì? Mở rộng từ vector / ma trận lên N chiều
- Bài 21: Mean, Median, Mode — đo lường xu hướng trung tâm
- Bài 22: Variance và Standard Deviation — đo lường độ phân tán
- Bài 23: Phân phối chuẩn (Normal Distribution) — vì sao xuất hiện ở khắp nơi trong AI
- Bài 24: Xác suất cơ bản và xác suất có điều kiện
- Bài 25: Đạo hàm (Derivative) trực quan — đo lường tốc độ thay đổi
- Bài 26: Loss function là gì? Mục tiêu mà model cần tối ưu
- Bài 27: Gradient Descent — cách AI "học" bằng cách đi xuống dốc
Module 4: NumPy
- Bài 28: NumPy ndarray — vì sao nhanh hơn list Python
- Bài 29: Tạo array và indexing
- Bài 30: Slicing array và boolean indexing
- Bài 31: Vectorization — phép tính element-wise trên array
- Bài 32: Shape và reshape array — biến đổi hình dạng dữ liệu
- Bài 33: Broadcasting — phép tính giữa array khác shape
Module 5: Pandas
- Bài 34: Series và DataFrame — 2 cấu trúc cốt lõi
- Bài 35: Đọc CSV / JSON / Excel với Pandas
- Bài 36: Quan sát nhanh dữ liệu: head, info, describe, dtypes
- Bài 37: Lọc dữ liệu với boolean mask
- Bài 38: Chọn dòng / cột với loc và iloc
- Bài 39: Sắp xếp dữ liệu với sort_values
- Bài 40: Xử lý missing data (NaN): dropna, fillna, interpolate
- Bài 41: Groupby và Aggregation — tổng hợp dữ liệu theo nhóm