Trung tâm Trí tuệ Nhân tạo SIU AI Lab

Tin tức 12 - 06 - 2024

Nhóm sinh viên SIU tham gia cuộc thi Nghiên cứu Khoa học cấp Bộ

Generative AI 19 - 12 - 2024

Hiểu về "Temperature" trong các mô hình ngôn ngữ lớn

Trong các mô hình ngôn ngữ lớn như GPT-3. 5 hoặc GPT-4, tham số "temperature" là một tham số quan trọng quyết định tính ngẫu nhiên của văn bản được sinh ra. Vậy temperature được sử dụng như thế nào và làm sao để điều chỉnh nó? Cùng tìm hiểu!

RAG 17 - 12 - 2024

Cơ sở dữ liệu Vector (Vector Database) là gì?

Cơ sở dữ liệu vector là hệ thống lưu trữ và quản lý dữ liệu dưới dạng vector – các dãy số biểu diễn dữ liệu phi cấu trúc như văn bản, hình ảnh, âm thanh và video. Mỗi vector là một biểu diễn toán học có thể nắm bắt thông tin ngữ nghĩa, nội dung hoặc đặc điểm của dữ liệu gốc.

microservice 13 - 03 - 2024

Weekly MicroClosure #2: The Scale Cube

1. Mở rộng theo trục ngang X: Horizontal Duplication (còn gọi là Nhân đôi theo chiều ngang) - Mở rộng bằng cách nhân bản dịch vụ. Trong mở rộng theo trục Z: các nhà phát triển cũng thực thi nhiều instance của cùng một ứng dụng nguyên khối, nhưng điểm khác biệt là mỗi instance lúc này chỉ xử lí một tập hợp con dữ liệu nhất định. Một bộ định tuyến (Router) đứng phía trước các instance để định tuyến nó đến instance phù hợp. Ví dụ như hình X đã quy ước việc xử lí bằng userId. Bộ định tuyến dựa trên chữ cái đầu của trường dữ liệu userId chọn một trong N instance giống hệt nhau của ứng dụng. Mở rộng theo trục c Z là một cách hiệu quả để mở rộng quy mô ứng dụng nhằm xử lý khối lượng dữ liệu và giao dịch ngày càng tăng. 3. Mở rộng theo trục Y: Functional Decomposition - Mở rộng bằng cách phân chia một hệ thống thành các service.

ROS 12 - 03 - 2024

Hướng dẫn cài đặt ROS trên hệ điều hành Ubuntu 20.04

I. Giới thiệu về kiến trúc hệ thống ROS 1. OS Layer: OS Layer chủ yếu là hệ điều hành Linux hoặc Ubuntu. 3. Application Layer: II. Cài đặt máy ảo

microservice 06 - 03 - 2024

Weekly MicroClosure #1: Monolith Hell

Trong thế giới công nghệ hiện đại, Microservices đang trở thành một chủ đề nổi bật, mở ra những cánh cửa mới cho kiến trúc phần mềm linh hoạt và dễ bảo trì. Mỗi tuần, chúng tôi sẽ đưa đến cho bạn những kiến thức chất lượng và sâu sắc thông qua một quyển sách tuyệt vời là "Microservices Patterns: With Examples in Java "của tác giả Chris Richardson, giúp bạn hiểu rõ hơn về ưu điểm, thách thức và cách triển khai chúng một cách hiệu quả. Trong bài viết mở đầu, chúng ta hãy cùng tìm hiểu các ưu điểm và hạn chế của cá mô hình kiến trúc phần mềm truyền thống monolith (kiến trúc nguyên khối) thông qua một ví dụ về công ty tên là FoodToGo (FTGO) nhé. Một công ty giả tưởng là công ty FoodToGo (FTGO) (Hình 1) cung cấp dịch vụ đặt hàng thức ăn trực tuyến (tương tự như GrabFood, BeFood,. . . ). Người dùng sử dụng trang web hoặc ứng dụng di động của FTGO để đặt món ăn từ các nhà hàng địa phương. Trách nhiệm của FTGO bao gồm: Phối hợp mạng lưới các người vận chuyển (shipper) để giao đồ ăn. Các nhà hàng sử dụng trang web FTGO để chỉnh sửa thực đơn và quản lý đơn đặt hàng.

Regression 24 - 01 - 2024

Từ Linear/Logistic Regression Đến Softmax Regression Và Ý Nghĩa Thật Sự Của Các Thành Phần Bên Trong Nó (Phần 2)

Ở đây mình sẽ không chứng minh hàm Sigmoid hay hàm Softmax. Chúng ta sẽ chỉ xem xét các tính chất đặc trưng của các hàm này. Trước khi nói về hàm Softmax thì mình sẽ nói về hàm Sigmoid trước. Hàm Sigmoid có những tính chất quan trọng sau (hình 11, hình 12): Hình 11 – Tính chất 1

Regression 23 - 01 - 2024

Từ Linear/Logistic Regression Đến Softmax Regression Và Ý Nghĩa Thật Sự Của Các Thành Phần Bên Trong (Phần 1)

Hôm nay mình xin giới thiệu về Series bài học về Deep Learning. Trong Series này, mình sẽ bắt đầu từ các viên gạch tạo nên Deep Learning như Logistic Regression, Softmax Regression, cho đến các mô hình đang được sử dụng rộng rãi như bây giờ là Transformer hay các Large Language Model,. . Đồng thời mình cũng xin nói trước là bài viết sẽ thiên về cách giải thích các công thức, các khái niệm không phải một cách quá toán học, mà sẽ thông qua các ví dụ, các cách giải thích có thể hơi ví von một xíu. Trước khi giới thiệu về Softmax Regression, chúng ta cần lưu ý lại một vài điểm chính của mô hình Linear Regression: Hình 1 - Linear Regression