Tôi sẽ dịch nội dung này sang tiếng Việt, tuân thủ tất cả các nguyên tắc bạn đã cung cấp.
Nếu bạn muốn học AI vào năm 2026 mà không biết bắt đầu từ đâu, trang này dành cho bạn.
Internet tràn ngập lời khuyên về AI. Phần lớn trong số đó hoặc là:
- Lời chào hàng cho một khóa học 2.000 đô la
- Một danh sách 100 liên kết không có thứ tự
- Một cuốn sách giáo khoa trình độ tiến sĩ khiến bạn sợ hãi ngay trang đầu tiên
- Một video cường điệu về AGI chẳng cho bạn biết điều gì thực tế
Bạn không cần bất kỳ điều nào trong số đó. Bạn cần một trình tự. Bạn cần biết nên học gì trước, cái gì xây dựng trên cái gì, cái gì có thể bỏ qua, và nên đi sâu đến mức nào.
Lộ trình này làm điều đó. Đây là thứ tự tôi khuyên bạn nên học AI, từ người hoàn toàn mới bắt đầu đến người có thể xây dựng và tung ra các sản phẩm AI thực tế. Mỗi chủ đề sẽ có một bài viết được xuất bản ở đây, mỗi tuần một bài. Đánh dấu trang này. Quay lại nó. Các liên kết sẽ hoạt động khi các bài viết được xuất bản.
Không yêu cầu kiến thức nền tảng. Không cần bằng Cử nhân Khoa học Máy tính. Không có nỗi sợ toán học.
Cách thức hoạt động
Dưới đây là các quy tắc cơ bản trước khi chúng ta bắt đầu:
- Làm theo đúng thứ tự các chủ đề. Mỗi chủ đề đều xây dựng dựa trên chủ đề trước đó. Bỏ qua để đến LLMs ở tuần đầu tiên cũng giống như cố gắng xây một ngôi nhà bắt đầu từ mái nhà.
- Mỗi tuần một chủ đề là nhịp độ. Điều đó cho bạn thời gian để đọc, viết mã, và thực sự xây dựng một thứ gì đó. Đọc vẹt các hướng dẫn không phải là học.
- Làm bài tập thực hành trong mỗi bài viết. Đọc về mạng nơ-ron mà không viết một cái cũng giống như đọc về bơi lội mà không xuống nước.
- Bạn không cần phải đi hết đến cuối cùng. Nếu bạn chỉ muốn hiểu biết về AI, hãy dừng lại sau Giai đoạn 3. Nếu bạn muốn xây dựng ứng dụng LLM, hãy đi qua Giai đoạn 9. Bạn quyết định.
- Tổng độ dài của toàn bộ loạt bài: ~107.000 từ. Nghe có vẻ dài, nhưng nó ngắn hơn sách giáo khoa trung bình, và mỗi bài viết đều độc lập.
12 giai đoạn, trong nháy mắt
Có 12 giai đoạn, được nhóm từ người mới bắt đầu hoàn toàn đến người thực hành sẵn sàng cho sản xuất. Đây là bức tranh toàn cảnh trước khi chúng ta đi sâu vào chi tiết.
Giai đoạn
Lĩnh vực chủ đề
Ai cần nó
Bài viết
0
Tư duy và định hướng
Mọi người
3
1
Điều kiện tiên quyết (Python, toán, thư viện)
Mọi người muốn xây dựng
4
2
Dữ liệu (tìm nguồn, làm sạch, EDA)
Mọi người muốn xây dựng
5
3
Học máy cổ điển
Mọi người
6
4
Nền tảng học sâu
Bất kỳ ai đi xa hơn ML cổ điển
5
5
Kiến trúc nơ-ron cốt lõi (CNN, RNN, Transformer)
Bất kỳ ai xây dựng với DL
3
6
NLP và LLMs
Hầu hết mọi người trong năm 2026
5
7
Thêm các lĩnh vực DL (thị giác, mô hình sinh, giọng nói, RL)
Chọn những cái phù hợp với bạn
4
8
Tác nhân AI và ứng dụng thực tế
Người xây dựng
3
9
MLOps và sản xuất
Bất kỳ ai tung ra sản phẩm thực tế
4
10
AI có trách nhiệm và bức tranh lớn
Mọi người
4
11
Duy trì cập nhật và chuyên sâu
Phát triển dài hạn
5
Bạn không cần phải làm mọi chủ đề trong Giai đoạn 7-11. Sau Giai đoạn 6, bạn có thể rẽ nhánh. Nhưng Giai đoạn 0-6 là cốt lõi.
3 dự án mốc quan trọng
Tại ba thời điểm trên con đường, bạn sẽ xây dựng một dự án thực tế kết nối mọi thứ cho đến thời điểm đó. Đây là những tác phẩm trong danh mục đầu tư của bạn.
Mốc quan trọng
Khi bạn đạt được nó
Bạn xây dựng gì
Mốc 1
Kết thúc Giai đoạn 3
Pipeline ML dạng bảng đầu cuối (làm sạch dữ liệu + EDA + mô hình cổ điển) - ví dụ: dự đoán sống sót trên Titanic hoặc mô hình giá nhà
Mốc 2
Kết thúc Giai đoạn 5
Một mạng nơ-ron được huấn luyện từ đầu trong PyTorch - hoặc bộ phân loại hình ảnh (CNN) hoặc bộ phân loại văn bản
Mốc 3
Kết thúc Giai đoạn 9
Chatbot RAG hỗ trợ LLM đã được triển khai với backend FastAPI và giao diện đơn giản, hoạt động trực tiếp trên internet
Nếu bạn hoàn thành ba dự án này, bạn không còn "đang học AI" nữa. Bạn có thể làm AI.
Từng giai đoạn, từng bài viết
Dưới đây là danh sách đầy đủ. Mỗi bài viết sẽ được liên kết ở đây khi nó được đăng tải. Đánh dấu trang này và kiểm tra hàng tuần.
Giai đoạn 0: Tư duy và Định hướng (Bắt đầu Từ đây)
Tuần 1-3. Mọi người đều bắt đầu từ đây, không có ngoại lệ. Đây là nơi chúng ta loại bỏ sự cường điệu, định nghĩa các thuật ngữ và đặt ra kỳ vọng.
- Tuần 1: AI, ML, DL, Generative AI, AGI: Cuối cùng, Một Hướng dẫn Phân Biệt Chúng - đã có bài viết
- Tuần 2: [Bạn Có Nên Học AI Vào Năm 2026? Câu Trả Lời Trung Thực, Tùy Thuộc Vào Bạn Là Ai] [sắp ra mắt]
- Tuần 3: [Cách Học AI Mà Không Lãng Phí Một Năm Trong Vòng Xoáy Hướng Dẫn] [sắp ra mắt]
Giai đoạn 1: Điều kiện Tiên quyết (Nền tảng Bạn Thực Sự Cần)
Tuần 4-7. Bạn sẽ không học AI nếu không có Python. Nhưng bạn không cần tất cả Python. Chúng ta sẽ đề cập chính xác tập con bạn cần, kiến thức toán bạn thực sự sẽ sử dụng và ba thư viện mở khóa mọi thứ.
- Tuần 4: Tuần Đầu Tiên Với Python: Tập Con Duy Nhất Bạn Cần Trước Khi Chạm Vào AI [sắp ra mắt]
- Tuần 5: NumPy, Pandas, Matplotlib: Ba Thư Viện Mở Khóa Mọi Dự Án AI [sắp ra mắt]
- Tuần 6: Kiến Thức Toán Bạn Thực Sự Cần Cho AI - Giải Thích Như Bạn Chưa Từng Học Giải Tích [sắp ra mắt]
- Tuần 7: Trước Khi Chọn Mô Hình, Hãy Học Cách Đặt Câu Hỏi Đúng [sắp ra mắt]
Giai đoạn 2: Dữ liệu - Nhiên Liệu Của AI
Tuần 8-12. 80% công việc AI là công việc với dữ liệu. Đây là giai đoạn mà hầu hết các khóa học bỏ qua, và đó là lý do tại sao học viên của họ thất bại trong các dự án thực tế.
- Tuần 8: Dữ Liệu Là Dầu Mỏ Mới - Nhưng Hầu Hết Người Mới Bắt Đầu Không Biết Nó Thực Sự Trông Như Thế Nào [sắp ra mắt]
- Tuần 9: Nơi Lấy Dữ Liệu Thực Tế Cho Các Dự Án AI Của Bạn (Mà Không Tốn Một Xu) [sắp ra mắt]
- Tuần 10: Tại Sao Việc Làm Sạch Dữ Liệu Ngốn 80% Thời Gian Của Kỹ Sư AI - và Cách Làm Đúng Cách [sắp ra mắt]
- Tuần 11: Phân Tích Dữ Liệu Khám Phá (EDA): Bước Cho Bạn Biết Liệu Dự Án Của Bạn Có Hoạt Động Hay Không [sắp ra mắt]
- Tuần 12: Kỹ Thuật Tạo Đặc Trưng: Nghệ Thuật Biến Dữ Liệu Thô Thành Thứ Mà Mô Hình Có Thể Học Được [sắp ra mắt]
Giai đoạn 3: Học Máy Cổ điển
Tuần 13-18. Trước khi học sâu, có ML, và hầu hết AI sản xuất thực tế vẫn là ML cổ điển. Bạn không thể bỏ qua điều này. Nếu bạn làm vậy, bạn sẽ không hiểu tại sao học sâu lại đặc biệt, hoặc khi nào không nên sử dụng nó.
- Tuần 13: Một Cỗ Máy Thực Sự "Học" Như Thế Nào? Ý Tưởng Cốt Lõi Đằng Sau Mọi Mô Hình AI [sắp ra mắt]
- Tuần 14: Mô Hình Học Máy Đầu Tiên Của Bạn: Hồi Quy Tuyến Tính, Giải Thích Từng Dòng [sắp ra mắt]
- Tuần 15: Phân Loại Thế Giới: Hồi Quy Logistic và Các Chỉ Số Không Biết Nói Dối [sắp ra mắt]
- Tuần 16: Bộ Công Cụ ML Cổ điển: 5 Thuật Toán Mọi Người Thực Hành AI Nên Thuộc Nằm Lòng [sắp ra mắt]
- Tuần 17: Tại Sao Các Mô Hình Cùng "Bỏ Phiếu" Lại Chiến Thắng: Random Forests, XGBoost và Sức Mạnh Của Tập Hợp [sắp ra mắt]
- Tuần 18: Độ Chệch (Bias), Phương Sai (Variance), và Tại Sao Mô Hình Của Bạn Đang Gian Lận Trong Tập Kiểm Tra [sắp ra mắt]
🏁 Đến thời gian dự án Mốc 1. Xây dựng một pipeline ML dạng bảng hoàn chỉnh từ đầu đến cuối.
Giai đoạn 4: Nền tảng Học sâu
Tuần 19-23. Bây giờ chúng ta đi sâu. Chúng ta sẽ bắt đầu từ một nơ-ron đơn lẻ, xây dựng lên các mạng nơ-ron hoàn chỉnh, và tìm hiểu tại sao chúng hoạt động, tại sao chúng thất bại, và cách làm cho chúng huấn luyện đúng cách.
- Tuần 19: Tại Sao Học Sâu Đã Thay Đổi Mọi Thứ - và Khi Nào Bạn Nên Sử Dụng ML Cổ điển Thay Thế [sắp ra mắt]
- Tuần 20: Mạng Nơ-ron Được Giải Thích Mà Không Cần Một Phương Trình Nào (Gần Như Vậy) [sắp ra mắt]
- Tuần 21: Lan Truyền Ngược (Backpropagation): Thủ Thuật Giải Tích Dạy Cho Mọi Mạng Nơ-ron [sắp ra mắt]
- Tuần 22: Xây Dựng Mạng Nơ-ron Đầu Tiên Của Bạn Trong Cuối Tuần Này - Với 50 Dòng PyTorch [sắp ra mắt]
- Tuần 23: Tại Sao Mạng Nơ-ron Của Bạn Không Chịu Huấn Luyện - và 7 Mẹo Khắc Phục Hầu Hết Mọi Vấn Đề [sắp ra mắt]
Giai đoạn 5: Kiến trúc Mạng Nơ-ron Cốt lõi
Tuần 24-26. Ba họ kiến trúc lớn: CNN cho thị giác, RNN cho lịch sử chuỗi, và Transformer - phát minh đã thay đổi mọi thứ vào năm 2017 và cung cấp năng lượng cho mọi LLM hiện đại.
- Tuần 24: Cách Máy Tính Học Để Nhìn: Hướng Dẫn Trực Quan Về Mạng Nơ-ron Tích Chập (CNN) [sắp ra mắt]
- Tuần 25: Kiến Trúc Cố Gắng Hiểu Ngôn Ngữ - và Tại Sao Nó Suýt Thành Công: RNN và LSTM [sắp ra mắt]
- Tuần 26: Attention Is All You Need: Bài Báo Năm 2017 Đã Viết Lại AI - Được Giải Thích Bằng Tiếng Anh Đơn Giản [sắp ra mắt]
🏁 Đến thời gian dự án Mốc 2. Huấn luyện một CNN hoặc Transformer nhỏ từ đầu trong PyTorch.
Giai đoạn 6: Xử lý Ngôn ngữ Tự nhiên và LLMs
Tuần 27-31. Đây là giai đoạn mà mọi người quan tâm vào năm 2026. Chúng ta sẽ đi từ đếm từ đến xây dựng chatbot RAG của riêng bạn.
- Tuần 27: Dạy Máy Đọc: Từ Túi Từ (Bag of Words) Đến Embedding Từ [sắp ra mắt]
- Tuần 28: Trước Transformer: Cách LSTMs Cho Máy Một Bộ Nhớ (Thoáng Qua) Về Ngôn Ngữ [sắp ra mắt]
- Tuần 29: BERT, GPT, và Cây Phả Hệ Transformer: Ai Làm Gì, và Tại Sao [sắp ra mắt]
- Tuần 30: Bạn Không Cần Huấn Luyện GPT-4 Để Sử Dụng Nó: Hướng Dẫn Thực Tế Về Hugging Face [sắp ra mắt]
- Tuần 31: Bên Trong Một LLM: Cách Các Mô Hình Quy Mô Chat Thực Sự Hoạt Động, Từ Tiền Huấn Luyện Đến RLHF [sắp ra mắt]
Giai đoạn 7: Thêm các Lĩnh vực Học sâu
Tuần 32-35. Chọn những cái phù hợp với bạn. Bạn không cần cả bốn.
- Tuần 32: Xa Hơn 'Mèo Hay Chó': Phát Hiện Vật Thể, Phân Đoạn, và Cách Vision Transformers Nhìn Thế Giới [sắp ra mắt]
- Tuần 33: Từ Nhiễu Đến Nghệ Thuật: Một Chuyến Tham Quan Về AI Tạo Sinh - Autoencoders, GANs, và Cuộc Cách Mạng Khuếch Tán (Diffusion) [sắp ra mắt]
- Tuần 34: Cách Máy Móc Nghe: Từ Phổ Âm (Spectrograms) Đến Whisper, AI Phiên Âm Mọi Thứ [sắp ra mắt]
- Tuần 35: Học Bằng Thử Và Sai: Học Tăng Cường Từ Q-Tables Đến PPO [sắp ra mắt]
Giai đoạn 8: Tác nhân AI và Ứng dụng Nâng cao
Tuần 36-38. Biên giới hiện tại vào năm 2026: các tác nhân sử dụng công cụ, lập kế hoạch và hành động trong thế giới thực.
- Tuần 36: Làn Sóng AI Tiếp Theo: Tác Nhân Là Gì, Cách Chúng Sử Dụng Công Cụ, và Cách Xây Dựng Một Cái Trong Chiều Nay [sắp ra mắt]
- Tuần 37: Nơi AI Thực Sự Đang Tạo Ra Sự Khác Biệt Ngay Bây Giờ: Y Tế, Tài Chính, Khoa Học, và Biên Giới Thế Giới Thực [sắp ra mắt]
- Tuần 38: Khi AI Nhìn, Nghe và Đọc Cùng Một Lúc: Sự Trỗi Dậy Của Các Mô Hình Đa Phương Thức [sắp ra mắt]
Giai đoạn 9: Sản xuất, Công cụ và MLOps
Tuần 39-42. Giai đoạn phân biệt những người chỉ theo dõi hướng dẫn với những người thực sự tung ra sản phẩm AI. Hầu hết các khóa học trực tuyến bỏ qua hoàn toàn giai đoạn này.
- Tuần 39: Mô Hình Trong Notebook Của Bạn Không Phải Là Sản Phẩm: Những Gì Thực Sự Cần Để Tung Ra AI [sắp ra mắt]
- Tuần 40: MLOps Không Có Biệt Ngữ Doanh Nghiệp: Quản Lý Phiên Bản, Theo Dõi, và Tính Tái Lập Cho Phần Còn Lại Của Chúng Ta [sắp ra mắt]
- Tuần 41: Cách Triển Khai Mô Hình AI Cho Người Dùng Thực Tế (Mà Không Bị Kiệt Sức DevOps) [sắp ra mắt]
- Tuần 42: Từ RAG Đến Sản Xuất: Xây Dựng Ứng Dụng LLM Thực Tế Không Làm Bạn Xấu Hổ [sắp ra mắt]
🏁 Đến thời gian dự án Mốc 3. Triển khai chatbot RAG của bạn trực tiếp.
Giai đoạn 10: AI Có trách nhiệm và Bức tranh Lớn
Tuần 43-46. AI không chỉ là mã. Nó chạm đến thế giới thực. Bạn cần hiểu về sự thiên vị, an toàn, khả năng giải thích và bối cảnh rộng hơn.
- Tuần 43: Mô Hình Của Bạn Có Quan Điểm: Thiên Vị, Công Bằng, và Tại Sao 'Dữ Liệu Tốt' Là Không Bao Giờ Đủ [sắp ra mắt]
- Tuần 44: Tạo Ra AI Sẽ Không Phá Vỡ Mọi Thứ: An Toàn, Căn Chỉnh (Alignment), và Vấn Đề Khó Nhất Trong AI Hiện Nay [sắp ra mắt]
- Tuần 45: Vấn Đề Hộp Đen: Cách Giải Thích Các Quyết Định Của AI Khi Bản Thân Mô Hình Cũng Không Biết [sắp ra mắt]
- Tuần 46: AI và Phần Còn Lại Của Thế Giới: Việc Làm, Sáng Tạo, Khí Hậu, và Những Câu Hỏi Không Hướng Dẫn Nào Sẽ Trả Lời [sắp ra mắt]
Giai đoạn 11: Duy trì Cập nhật và Đi Sâu Hơn
Tuần 47+. Học AI không bao giờ kết thúc. Sau 46 tuần cốt lõi, đây là cách bạn tiếp tục phát triển.
- Cách Đọc Một Bài Báo AI Mà Không Cần Bằng Tiến Sĩ (và Thực Sự Hiểu Nó) [sắp ra mắt]
- Danh Mục Đầu Tư AI Thực Sự Giúp Bạn Có Buổi Phỏng Vấn (Không Phải Dự Án Đồ Chơi Mà Không Ai Đọc) [sắp ra mắt]
- Bạn Không Học AI Một Mình: Các Cộng Đồng, Hội Nghị, và Góc Internet Đáng Tham Gia [sắp ra mắt]
- Bạn Không Thể Học Tất Cả AI - Đây Là Cách Chọn Một Chuyên Ngành Phù Hợp Với Bạn [sắp ra mắt]
- Kỹ Năng AI Duy Nhất Sẽ Không Lỗi Thời Trong 5 Năm Tới: Học Cách Học [sắp ra mắt]
Ước tính thời gian sơ bộ
Đây không phải là một cuộc đua. Bảng dưới đây cung cấp cho bạn các mốc thời gian thực tế tùy thuộc vào lượng thời gian bạn có.
Cam kết thời gian mỗi tuần
Thời gian hoàn thành cốt lõi (Giai đoạn 0-6)
Thời gian hoàn thành tất cả 11 giai đoạn
5-10 giờ (dự án phụ nghiêm túc)
~6 tháng
~1 năm
10-15 giờ (tận tâm)
~4 tháng
~8 tháng
30+ giờ (toàn thời gian)
~6 tuần
~3 tháng
Sự kiên trì đánh bại việc nhồi nhét. 30 phút mỗi ngày, mỗi ngày, tốt hơn 8 giờ vào Chủ nhật và không làm gì trong suốt phần còn lại của tuần.
Những gì bạn sẽ có thể làm khi kết thúc
Nếu bạn hoàn thành các giai đoạn cốt lõi (0-6) cộng với Giai đoạn 9, bạn sẽ có thể:
- Phân biệt giữa AI thực tế và sự cường điệu tiếp thị
- Viết mã Python để phân tích dữ liệu và ML
- Làm sạch, khám phá và chuẩn bị các bộ dữ liệu thực tế
- Xây dựng, huấn luyện, đánh giá và tinh chỉnh các mô hình ML cổ điển
- Hiểu cách mạng nơ-ron và Transformer hoạt động
- Tinh chỉnh các mô hình ngôn ngữ được huấn luyện trước cho các tác vụ của riêng bạn
- Xây dựng chatbot RAG trên các tài liệu của riêng bạn
- Triển khai các mô hình dưới dạng API với FastAPI
- Tung ra các sản phẩm AI hoạt động được
- Đọc tin tức và bài báo AI với con mắt phê phán
- Biết những gì bạn không biết
Điều đó là đủ để có được một công việc như một kỹ sư ML/AI cấp thấp, xây dựng các công cụ AI hữu ích cho công việc hiện tại của bạn, hoặc tiếp tục nghiên cứu nếu bạn quan tâm.
Cách sử dụng trang này
- Đánh dấu nó. Đây là mục lục của bạn.
- Bắt đầu với Tuần 1. Đừng bỏ qua.
- Kiểm tra hàng tuần. Các bài viết mới được đăng tải mỗi tuần. Các liên kết sẽ xuất hiện ở trên.
- Làm các bài tập. Đọc không phải là học.
- Xây dựng ba dự án mốc quan trọng. Chúng là bằng chứng cho thấy bạn thực sự có thể làm được điều này.
Nếu bạn cảm thấy lạc lõng, hãy quay lại đây. Con đường không thay đổi. Các công cụ sẽ đến rồi đi (các framework mới, mô hình mới, startup mới), nhưng những kiến thức nền tảng trong lộ trình này vẫn sẽ là thứ quan trọng trong năm năm tới.
Hẹn gặp lại bạn ở Tuần 1.
🔔 Dẫn Đầu Trong AI
Nếu bạn đang theo dõi lộ trình này và muốn nhận các công cụ AI thực tế được gửi đến bạn mỗi tuần trong khi bạn học, hãy đăng ký nhận bản tin ByteBuilders miễn phí. Mỗi số báo mang đến cho bạn:
- Hơn 1000 lời nhắc AI bạn có thể sao chép và sử dụng ngay hôm nay
- Các công cụ AI thực tế, đã được kiểm tra và giải thích
- Các quy trình tự động hóa giúp bạn tiết kiệm hàng giờ
- Các trường hợp sử dụng năng suất cho công việc và học tập
- Các tài nguyên AI được tuyển chọn để giữ cho kỹ năng của bạn luôn sắc bén
Tham gia cùng hàng ngàn người xây dựng và học viên đang theo dõi lộ trình này:
