Nguyễn Thế Dũng - ĐHSP Huế

  VIBE CODING FOR BEGINNERS   1. Vibe coding là gì? Vibe coding là cách làm phần mềm bằng cách: - Bạn nói ý tưởng - AI viết code - Bạn xem kết quả và góp ý - AI sửa lại theo góp ý Quy trình này lặp lại liên tục cho đến khi ra sản phẩm mong muốn. Hiểu đơn giản: Vibe coding = nói chuyện với AI để tạo ra phần mềm 2. Tư duy cốt lõi của vibe coding Người mới thường gặp 2 vấn đề: - Cố học cú pháp cho đúng - Sợ sai khi viết code Vibe coding thì khác. Bạn chỉ cần tập trung vào 3 câu hỏi: - Bạn muốn làm gì? - Dùng để làm gì? - Có yêu cầu hay giới hạn gì không? Phần còn lại AI sẽ xử lý. 3. Ví dụ: Hello khởi đầu trong lập trình Bài toán: Tôi muốn tạo một trang web đơn giản. Có một nút bấm, khi bấm thì hiện dòng chữ “Xin chào AI”. Cách làm đúng theo vibe coding Bước 1. Nói ý tưởng cho AI Prompt gợi ý: Bạn là lập trình viên web. Hãy tạo cho tôi một trang web HTML đơn giản. Có một nút bấm, khi bấm vào thì hiện dòng chữ “Xin chào AI”....

  Tổng Hợp Các Phương Pháp Học Máy Và So Sánh Với Cách Học Của Con Người Học máy là một lĩnh vực của trí tuệ nhân tạo (AI), nơi các thuật toán học từ dữ liệu để đưa ra dự đoán hoặc quyết định mà không cần lập trình rõ ràng. Các phương pháp học máy chính được phân loại dựa trên cách dữ liệu được sử dụng và mục tiêu học tập. Tổng Hợp Các Phương Pháp Học Máy Các phương pháp học máy được chia thành các mô hình (paradigms) chính sau, dựa trên cách học và loại dữ liệu: 1.      Học Có Giám Sát (Supervised Learning) : Máy học từ dữ liệu đã được gắn nhãn (labeled data), nơi đầu vào đi kèm với đầu ra mong muốn. Mục tiêu là dự đoán đầu ra cho dữ liệu mới. Ví dụ: Phân loại (classification) như nhận diện ảnh, hoặc hồi quy (regression) như dự báo giá nhà. Các thuật toán phổ biến: Decision Trees, Support Vector Machines (SVM), Neural Networks. 2.      Học Không Giám Sát (Unsupervised Learning) : Máy học từ dữ liệu không gắn nhãn, tập trung vào việ...

  "Ready your teaching for the AI era with this six-part framework" trên Times Higher Education giới thiệu mô hình THRIVE gồm sáu bước nhằm hỗ trợ giảng viên tích hợp trí tuệ nhân tạo (AI) vào giảng dạy một cách hiệu quả và có chủ đích. Mô hình này giúp giáo viên tận dụng AI để nâng cao chất lượng học tập, tiết kiệm thời gian và thúc đẩy sự sáng tạo trong lớp học. Mô hình THRIVE cung cấp một khung hướng dẫn toàn diện giúp giáo viên tận dụng AI để nâng cao hiệu quả giảng dạy, đồng thời đảm bảo sự phát triển bền vững và có trách nhiệm trong môi trường giáo dục hiện đại. ( timeshighereducation.com ) Dưới đây là tóm tắt sáu thành phần của mô hình THRIVE : 1. T – Transformative Engagement (Tương tác chuyển hóa) Sử dụng AI để tạo ra môi trường học tập nơi sinh viên không chỉ tiếp nhận thông tin mà còn tham gia tích cực vào quá trình học, như đặt câu hỏi, tranh luận và sáng tạo. 2. H – High Productivity (Năng suất cao) AI hỗ trợ giáo viên tiết kiệm thời gia...