Nếu bạn đang học AI và cảm thấy kiến thức của mình đang rời rạc — hôm nay học một bài paper, mai thử fine-tune, ngày kia chạy một demo agent — thì bạn không cô đơn. Và có lẽ bạn cũng đang gặp phải một vấn đề nan giải: biết gọi API nhưng không giải thích được loss curve, hook được function cho agent nhưng không hiểu attention thực sự hoạt động thế nào bên trong model.
AI Engineering from Scratch là một **chương trình học AI toàn diện, mã nguồn mở và hoàn toàn miễn phí**, được thiết kế để bạn không chỉ *học* AI mà còn *xây dựng* nó — từ những phép toán cơ bản nhất cho đến các hệ thống agent tự động phức tạp.
Với **503 bài học, 20 giai đoạn, khoảng 320 giờ học**, dự án bao gồm 4 ngôn ngữ lập trình: Python, TypeScript, Rust và Julia. Điều đặc biệt: **mỗi bài học đều tạo ra một artifact có thể tái sử dụng** — một prompt, một skill, một agent, hoặc một MCP server.
Dự án hiện có hơn **150.000 lượt đọc và 241.000 lượt xem trang trong 30 ngày qua** (tính đến tháng 6/2026) — một con số ấn tượng cho thấy sức hút của nó trong cộng đồng.
20 giai đoạn — từ toán học đến multi-agent
Lộ trình được thiết kế theo hình tháp, các tầng dưới là nền tảng, tầng trên là các hệ thống phức tạp:
– **Phase 0 — Setup & Tooling**: thiết lập môi trường, GPU, Docker, Git (~14 giờ)
– **Phase 1 — Math Foundations**: đại số tuyến tính, giải tích, xác suất, tối ưu hóa (~23 giờ)
– **Phase 2 — ML Fundamentals**: hồi quy, cây quyết định, SVM, K-Means (~21 giờ)
– **Phase 3 — Deep Learning Core**: nền tảng học sâu (~15 giờ)
– **Phase 4 — Vision** | **Phase 5 — NLP** | **Phase 6 — Speech & Audio**
– **Phase 7 — Transformers** → **Phase 8 — GenAI**
– **Phase 10 — LLMs from Scratch** → **Phase 11 — LLM Engineering**
– **Phase 13 — Tools & Protocols** → **Phase 14 — Agent Engineering**
– **Phase 15 — Autonomous Systems** → **Phase 16 — Multi-Agent & Swarms**
– **Phase 17 — Infrastructure & Production** → **Phase 18 — Ethics & Alignment**
– **Phase 19 — Capstone Projects**
Mỗi giai đoạn đều có **bảng theo dõi tiến độ** chi tiết trên ROADMAP.md, với trạng thái ✅ (hoàn thành), ⬚ (đã lên kế hoạch), và 🔄 (đang tiến hành).
Cấu trúc một bài học — “Build It, Use It, Ship It”
Điểm làm nên sự khác biệt của chương trình này chính là **cấu trúc bài học nhất quán**. Mỗi bài học nằm trong thư mục riêng với cấu trúc:
“`
NN-lesson-name/
├── code/ # code chạy được (Python, TypeScript, Rust, Julia)
├── docs/
│ └── en.md # nội dung bài học
└── outputs/ # prompt, skill, agent, hoặc MCP server
“`
Và mỗi bài học đều tuân theo **6 bước**:
1. **MOTTO** — một câu nói ngắn gọn nắm bắt ý tưởng cốt lõi
2. **PROBLEM** — vấn đề thực tế mà bài học giải quyết
3. **CONCEPT** — giải thích bằng trực quan, sơ đồ, intuition
4. **BUILD IT** — **xây dựng từ con số 0**, chỉ với toán học thuần túy, không framework
5. **USE IT** — dùng PyTorch hoặc thư viện chuyên nghiệp để làm điều tương tự
6. **SHIP IT** — tạo ra một artifact (prompt, skill, agent, MCP server) có thể tích hợp vào hệ thống thực tế
Nguyên tắc xuyên suốt: **bạn hiểu framework đang làm gì vì bạn đã tự viết phiên bản nhỏ hơn của nó**. Không còn cảnh “hộp đen” nữa.
—
## 🌟 Những điểm nổi bật
**1. Học theo lộ trình có cấu trúc, không rời rạc**
Không còn tình trạng học mỗi mảnh một nơi. Chương trình này là “xương sống” — một lộ trình liền mạch từ đại số tuyến tính đến các bầy đàn agent tự trị.
**2. Mỗi bài học đều sinh ra một artifact có giá trị**
Không chỉ là bài tập lý thuyết. Bạn ra về với một prompt có thể dùng ngay, một skill có thể tích hợp, một agent có thể triển khai.
**3. Đa ngôn ngữ — Python, TypeScript, Rust, Julia**
Phù hợp với nhiều nền tảng và mục đích sử dụng khác nhau.
**4. Tìm trình độ phù hợp — /find-your-level**
Một tính năng thông minh: bạn trả lời 10 câu hỏi, hệ thống sẽ ánh xạ kiến thức của bạn tới một phase phù hợp, xây dựng lộ trình cá nhân hóa với ước lượng thời gian. Sau mỗi phase, bạn có thể dùng `/check-understanding` để kiểm tra.
**5. Mã nguồn mở, giấy phép MIT**
Bạn có thể fork, tùy chỉnh, sử dụng làm tài liệu đào tạo nội bộ.
**6. Có thể dịch sang nhiều ngôn ngữ**
Cấu trúc cho phép thêm các bản dịch (tiếng Trung, Nhật, Tây Ban Nha, Hindi, v.v.) — rất tốt cho cộng đồng toàn cầu.
—
## 🚀 Bắt đầu như thế nào?
Có **3 cách** để bắt đầu:
– **Option A — Đọc trực tuyến**: truy cập [aiengineeringfromscratch.com](//aiengineeringfromscratch.com), không cần cài đặt gì.
– **Option B — Clone và chạy**:
“`bash
git clone //github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py
“`
– **Option C — Tìm trình độ (khuyến nghị)**: dùng lệnh `/find-your-level` trong Claude, Cursor, hoặc bất kỳ agent nào hỗ trợ.
AI Engineering from Scratch không phải là một khóa học “AI cho người bận rộn” với những video 5 phút và copy-paste code. Đây là một chương trình **nghiêm túc, bài bản, và đầy thử thách** — dành cho những ai thực sự muốn **làm chủ** AI, không chỉ “dùng” AI.
Như tác giả Rohit Goyal đã viết: *”You don’t just learn AI. You build it. End-to-end. By hand.”*
Nếu bạn sẵn sàng dành hàng trăm giờ để xây dựng nền tảng vững chắc — từ đạo hàm, backprop, tokenizer, attention, cho đến agent và MCP — thì đây chính là lộ trình dành cho bạn.
Hãy fork, clone, và bắt đầu hành trình **”Learn it. Build it. Ship it for others.”**.
—
*Bài viết được tổng hợp từ kho lưu trữ [AI Engineering from Scratch](//github.com/rohitg00/ai-engineering-from-scratch) của Rohit Goyal.*
Bài viết liên quan: