Tin mới nhất

Menu

Browsing "Older Posts"

Ebook Bắt Đầu Với Raspberry Pi AI Kit - Hướng Dẫn Dành Cho Người Mới Bắt Đầu Về AI & Edge Computing [Ấn Bản Lần 1] [PDF] [9173E]

18 tháng 11 2025 / No Comments

Trí tuệ nhân tạo (AI) hiện đã trở thành một phần trong cuộc sống hàng ngày của chúng ta. Với việc các công ty đang phát triển phần cứng hỗ trợ AI giá rẻ vào sản phẩm của mình, việc mua AI accelerator hardware với chi phí tương đối thấp đang trở thành hiện thực. 

Một trong những hardware accelerator như vậy là Hailo module, hoàn toàn tương thích với Raspberry Pi 5. Raspberry Pi AI Kit là một phần cứng được thiết kế thông minh khi tích hợp Hailo-8L accelerator dựa trên M.2 với Raspberry Pi M.2 HAT+ để cung cấp khả năng suy luận tốc độ cao trên Raspberry Pi 5. Sử dụng Raspberry Pi AI Kit, bạn có thể xây dựng các ứng dụng thị giác dựa trên AI phức tạp, chạy theo thời gian thực, chẳng hạn như phát hiện đối tượng, ước tính tư thế, instance segmentation, thome automation, security, robotics và nhiều ứng dụng dựa trên neural network khác.

Cuốn sách này giới thiệu về Raspberry Pi AI Kit, nhằm mục đích hỗ trợ những độc giả mới làm quen với kit này và muốn chạy một số mô hình trực quan dựa trên AI đơn giản trên Raspberry Pi 5 computer. Cuốn sách không hướng đến việc trình bày chi tiết quy trình tạo và biên dịch model, được thực hiện trên máy tính Ubuntu với dung lượng ổ đĩa lớn và bộ nhớ 32 GB. Sách cung cấp các ví dụ về object detection đã được đào tạo trước và tùy chỉnh.

Sách cung cấp hai dự án đã được kiểm nghiệm đầy đủ và đang hoạt động. Project đầu tiên giải thích cách một người có thể được phát hiện và cách một LED có thể được kích hoạt sau khi phát hiện, và cách xác nhận phát hiện bằng cách nhấn nút bên ngoài. Project thứ hai minh họa cách phát hiện một người, cách truyền thông tin này đến smart phone qua kết nối Wi-Fi, cũng như cách xác nhận phát hiện bằng cách gửi tin nhắn từ smartphone đến Raspberry Pi 5 của bạn.

Mục lục:

  • ✓ Chương 1. Raspberry Pi 5:
  •    + 1.1 Tổng quan.
  •    + 1.2 Raspberry Pi 5 hardware.
  •    + 1.3 Active cooler.
  •    + 1.4 Hệ điều hành Raspberry Pi 5.
  •    + 1.5 Benchmark.
  • ✓ Chương 2. Cài đặt Hệ điều hành Raspberry Pi 5 và Các lệnh Console:
  •    + 2.1 Tổng quan.
  •    + 2.2 Sử dụng SD card được cài đặt sẵn.
  •    + 2.3 Phông chữ lớn hơn ở Console mode.
  •    + 2.4 Truy cập Raspberry Pi 5 Console từ PC của bạn - chương trình Putty.
  •    + 2.5 Truy cập Desktop GUI từ PC của bạn
  •    + 2.6 Gán static IP address cho Raspberry Pi 5 của bạn
  •    + 2.7 Bật Bluetooth.
  •    + 2.8 Kết nối Raspberry Pi 5 với wired network.
  •    + 2.9 Cài đặt hệ điều hành Raspberry Pi 5 Bookworm trên một blank microSD card.
  •    + 2.10 Một số lệnh Console thường dùng.
  • ✓ Chương 3. Raspberry Pi AI Kit:
  •    + 3.1 Tổng quan.
  •    + 3.2 Raspberry Pi 5 M.2 HAT+ Adapter board.
  • ✓ Chương 4. Raspberry Pi Camera:
  •    + 4.1 Tổng quan.
  •    + 4.2 Raspberry Pi camera.
  •    + 4.3 Cài đặt camera.
  •    + 4.4 Các lệnh rpicam camera.
  • ✓ Chương 5. Sử dụng Text Editor trong Console Mode:
  •    + 5.1 nano text editor.
  •    + 5.2 vi text editor.
  •    + 5.3 Sử dụng Thonny.
  • ✓ Chương 6. Tạo và chạy một chương trình Python đơn giản:
  •    + 6.1 Tổng quan.
  •    + 6.2 Method 1 – Tương tác từ command prompt trong Console mode.
  •    + 6.3 Method 2 – Tạo một Python file trong Console mode.
  •    + 6.5 Method nào?
  • ✓ Chương 7. Lập trình Python:
  •    + 7.1 Tổng quan.
  •    + 7.2 Tên biến.
  •    + 7.3 Reserved word.
  •    + 7.4 Comment.
  •    + 7.5 Line continuation.
  •    + 7.6 Blank line.
  •    + 7.7 Nhiều hơn một câu lệnh trên một dòng.
  •    + 7.8 Indentation.
  •    + 7.9 Python data type.
  •    + 7.10 Number.
  •    + 7.11 String.
  •    + 7.12 Câu lệnh Print.
  •    + 7.13 List variable.
  •    + 7.14 Tuple variable.
  •    + 7.15 Dictionary variable.
  •    + 7.16 Keyboard input.
  •    + 7.17 Comparison operator.
  •    + 7.18 Logical operator.
  •    + 7.19 Assignment operator.
  •    + 7.20 Control of flow.
  •    + 7.21 User defined function.
  •    + 7.22 Ví dụ.
  •    + 7.23 Exception.
  •    + 7.24 Date and time.
  • ✓ Chương 8. AI Kit Demo Program:
  •    + 8.1 Tổng quan.
  •    + 8.2 Demo software installation.
  •    + 8.3 Post-processing với rpicam-apps.
  •    + 8.4 Project 1 – Detect person presence sử dụng AI Kit - LED output.
  •    + 8.5 Project 2 – Detect person presence sử dụng AI Kit - Dựa trên WiFi.
  •    + 8.6 Các Hailo software component.
  • ✓ Chương 9. Pre-trained models:
  •    + 9.1 Tổng quan.
  •    + 9.2 Hailo Model Zoo pre-trained models.
  •    + 9.3 Cài đặt DataFlow compiler.
  • Chương 10. Hailo AI SW Suite:
  •    + 10.1 Tổng quan.
  •    + 10.2 Hailo AI SW Suite.
  •    + 10.3 Re-training models.
  • ✓ Chương 11. Raspberry Pi 5 Object Detection Training:
  •    + 11.1 Tổng quan.
  •    + 11.2 YOLO.
  •    + 11.3 Training.
  •    + 11.4 Modified procedure.
  •    + 11.5 Hailortcli.
  • ✓ Phụ lục – Các trang web hữu ích.


LƯU Ý: Pass mở file pdf là mật khẩu giải nén chung của tài liệu !


NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU




Copyright Disclaimer:
This site does not store any files on its server. We only index and link to content provided by other sites. Please contact the content providers to delete copyright contents if any and email us, we'll remove relevant links or contents immediately.
Tuyên bố miễn trừ bản quyền:
Trang web này không lưu trữ bất kỳ tệp nào trên máy chủ của nó. Chúng tôi chỉ lập chỉ mục và liên kết đến nội dung được cung cấp bởi các trang web khác. Vui lòng liên hệ với các nhà cung cấp nội dung để xóa nội dung bản quyền nếu có và gửi email cho chúng tôi, chúng tôi sẽ xóa các liên kết hoặc nội dung có liên quan ngay lập tức.

Chia Sẻ Khóa Học MCP Bootcamp - Build Các Next-Gen AI Agent Với MCP [Khóa 5633 A]

/ No Comments

Làm chủ MCP để kết nối, mở rộng và tự động hóa các LLM - xây dựng các hệ thống AI multi-agent, context-aware từ đầu.

Những gì bạn sẽ học được:

  • ✓ Hiểu về Model Context Protocol (MCP) và vai trò của nó trong việc xây dựng các hệ thống AI nhận biết ngữ cảnh.
  • ✓ Kết nối các LLM với các tool, API và dữ liệu thực tế bằng MCP.
  • ✓ Build và deploy  các ứng dụng Agentic AI và RAG được hỗ trợ bởi MCP.
  • ✓ Tích hợp MCP với các framework như LangChain, LangGraph và CrewAI.

Model Context Protocol (MCP) đang chuyển đổi cách thức vận hành của các hệ thống AI hiện đại. Đây là tiêu chuẩn mới nổi cho phép các Large Language Model (LLM) tương tác thông minh với các công cụ, API và data source bên ngoài. Bằng cách học MCP, bạn sẽ hiểu cách các context flow giữa các mô hình AI và môi trường của chúng, cho phép tạo ra các hệ thống thực sự tự chủ và có nhận thức về ngữ cảnh.

Khóa học này cung cấp kiến ​​thức chuyên sâu về cách thức hoạt động của MCP và cách triển khai hiệu quả trong các ứng dụng AI thực tế. Bạn sẽ tìm hiểu kiến ​​trúc của MCP, vai trò của nó trong hệ sinh thái Agentic AI và cách nó tích hợp với các framework như LangChain, LangGraph và CrewAI. Khóa học hoàn toàn thực hành, dựa trên dự án và được thiết kế cho các chuyên gia muốn xây dựng các AI workflow nâng cao.

1. Giới thiệu về Model Context Protocol (MCP):

  • ✓ Hiểu MCP là gì và tại sao nó được giới thiệu.
  • ✓ Tìm hiểu cách MCP thay đổi cách các LLM giao tiếp và chia sẻ thông tin.
  • ✓ Khám phá những vấn đề mà MCP giải quyết trong Generative AI development hiện đại.

2. Các khái niệm cốt lõi và Kiến ​​trúc:

  • ✓ Nghiên cứu các main component của MCP, bao gồm model, tool và context layer.
  • ✓ Hiểu cách context được thể hiện, được quản lý và được trao đổi.
  • ✓ Tìm hiểu các nguyên tắc thiết kế giúp MCP có khả năng mở rộng và nâng cao.

3. Xây dựng các hệ thống AI với MCP:

  • ✓ Triển khai các MCP-driven workflow bằng Python.
  • ✓ Kết nối các language model với API và database thực tế.
  • ✓ Tạo các context-aware app có khả năng truy xuất và suy luận bằng dữ liệu trực tiếp.
  • ✓ Xây dựng các retrieval-augmented system tích hợp knowledge retrieval và response generation.

4. Tích hợp với các Framework hàng đầu:

  • ✓ Sử dụng MCP với LangChain để cải thiện các RAG pipeline.
  • ✓ Tích hợp MCP với LangGraph cho stateful & graph-based reasoning.
  • ✓ Kết hợp MCP với CrewAI để tạo các kiến ​​trúc multi-agent.
  • ✓ Hiểu cách MCP hoạt động với các LLM nguồn mở và dựa trên cloud như OpenAI, Anthropic và Mistral.

5. Các Project bạn sẽ xây dựng:

  • ✓ Project 1: Build một context-aware AI assistant bằng MCP.
  • ✓ Project 2: Kết nối một LLM với các API thực tế thông qua MCP.
  • ✓ Project 3: Tạo một Autonomous RAG system với LangChain và MCP.
  • ✓ Project 4: Phát triển một multi-agent workflow bằng CrewAI và MCP.
  • ✓ Project 5: Deploy một hệ thống AI được hỗ trợ bởi MCP bằng Docker và GitHub Actions.

6. Security, Deployment & Optimization:

  • ✓ Tìm hiểu các best practice để bảo mật MCP communication và configuration.
  • ✓ Thiết lập môi trường với Docker và VS Code cho các reproducible workflow.
  • ✓ Automate deployment & testing với GitHub Actions.

7. Ai nên tham gia khóa học này:

  • ✓ Các AI engineer đang tìm cách xây dựng các hệ thống tự động và có khả năng nhận biết ngữ cảnh.
  • ✓ Các data scientist & ML developer đang khám phá các kiến ​​trúc Agentic AI.
  • ✓ Các software engineer muốn kết nối LLM với API và các công cụ bên ngoài.
  • ✓ Các Researcher và sinh viên quan tâm đến sự phát triển của context engineering.

8. Kết quả học tập chính:

  • ✓ Hiểu rõ hơn về cách MCP cho phép giao tiếp có cấu trúc giữa model và tool.
  • ✓ Tìm hiểu cách thiết kế và triển khai các hệ thống thông minh sử dụng dynamic context.
  • ✓ Tích lũy kinh nghiệm thực tế thông qua nhiều dự án toàn diện.
  • ✓ Nắm vững cách tích hợp MCP với các framework được sử dụng trong AI development hiện đại.

9. Các công nghệ và công cụ được đề cập:

  • ✓ Model Context Protocol (MCP).
  • ✓ LangChain, LangGraph, CrewAI.
  • ✓ Python, OpenAI, Mistral, Anthropic.
  • ✓ Vector Databases (FAISS, Chroma, Pinecone).
  • ✓ Docker, GitHub Actions, VS Code.

Đến cuối khóa học này, bạn sẽ có kỹ năng thiết kế, triển khai và vận hành các hệ thống AI được hỗ trợ bởi MCP. Bạn sẽ hiểu cách MCP định nghĩa lại model communication, cách nó nâng cao các hệ thống RAG và cách nó cho phép tạo ra các ứng dụng Agentic AI thông minh, được kết nối và dễ mở rộng.

Đăng ký ngay hôm nay và trở thành một trong những chuyên gia đầu tiên thành thạo Model Context Protocol, nền tảng cho thế hệ phát triển AI tiếp theo.

Mục lục:

  • ✓ 01. Model Context Protocol.
  • ✓ 02. Bắt đầu với Claude Desktop và Cursor IDE.
  • ✓ 03. Setup Cursor IDE MCP Server.
  • ✓ 04. Cách xây dựng MCP Client của riêng bạn bằng Python và Google Gemini API.
  • ✓ 05. Cách xây dựng Docker MCP Server.
  • ✓ 06. LangChain MCP Client sử dụng LangChain MCP Adapters.
  • ✓ 07. MCP Client với Multiple Server Support.
  • ✓ 08. MCP Server & Client sử dụng SSE.
  • ✓ 09. Deploy MCP Server lên AWS Cloud Platform.
  • ✓ 10. Project: Real Time Weather Agent sử dụng MCP & MCP Inspector.
  • ✓ 11. Project: Real Time Job Recommendation System.
  • ✓ 12. Project: StoryForge Agent.
  • ✓ 13. Project: Clinisight AI.
  • ✓ 14. Build Agent với Google Developement Kit (ADK).

Khóa học này dành cho:

  • ✓ Các AI engineer & developer muốn xây dựng các context-aware & Agentic AI system.
  • ✓ Các Data scientist & ML engineer muốn tích hợp MCP vào các dự án thực tế.
  • ✓ Các Software developer quan tâm đến việc kết nối LLM với các API và công cụ bên ngoài.
  • ✓ Sinh viên và researcher đang khám phá tương lai của context engineering và AI protocol.