AI-Project-Gallery là một repository GitHub cá nhân tập hợp 31 dự án AI thực hành, được chia thành 8 nhóm từ Machine Learning, Deep Learning đến Generative AI. Theo README của repo, bảng dự án còn ghi rõ trạng thái hoàn thành để bạn biết ngay dự án nào có thể chạy thử. Kèm lộ trình tham khảo rõ ràng, đây là điểm khởi đầu phù hợp cho người tự học AI.
Thank you for reading this post, don't forget to subscribe!AI-Project-Gallery có gì khác so với các kho AI practice phổ biến?
Khác biệt lớn nhất nằm ở cột Completion và cấu trúc thư mục. Bạn không cần tự dựng lại từ đầu, chỉ cần mở dự án có dấu ✔ là chạy được. Các repo dạng awesome-machine-learning thường chỉ liệt kê link, còn gallery này dồn 31 dự án vào một nơi và đánh dấu rõ mức độ hoàn thiện.
Nếu mở các kho như awesome-machine-learning, bạn sẽ thấy danh sách link dài vô tận. Còn AI-Project-Gallery thu gọn vào một README với bảng phân loại rõ ràng. Theo README của repo, bảng này ghi tên dự án, nhóm, mô tả ngắn và cột Completion. Chỉ cần nhìn vào là biết ngay nên mở thư mục nào trước.
Điểm cộng thứ hai là cấu trúc thư mục. Mỗi dự án nằm trong một folder riêng, có file mã nguồn hoặc notebook. Bạn không phải lần mò trong một file duy nhất. Với 31 dự án và 8 nhóm chính, bạn có thể chọn đúng bài toán đang muốn học.
Nếu bạn cần một góc nhìn đối chiếu, bảng dưới đây so sánh AI-Project-Gallery với hai lựa chọn hay gặp: nền tảng hackathon Devpost và bộ SDK Azure.AI.Projects.
| Tiêu chí | AI-Project-Gallery | Devpost | Azure.AI.Projects + Azure AI Foundry |
|---|---|---|---|
| Nội dung chính | 31 dự án học thuật có mã nguồn mở | Hackathon, cuộc thi, sản phẩm demo | SDK .NET để gọi mô hình AI trong ứng dụng thật |
| Phù hợp người mới | Tốt: có bảng Completion | Trung bình: cần đọc đề và làm theo deadline | Trung bình: cần hiểu .NET, nhưng tài liệu mẫu rõ |
| Công nghệ chính | Python, notebook, API Gemini/OpenAI | Nhiều: web, mobile, AI, IoT | C#, NuGet, Azure AI Foundry |
Với ba lựa chọn này, mỗi cái phục vụ một mục tiêu khác nhau. Gallery dạy bạn chạy mô hình; Devpost dạy bạn bảo vệ ý tưởng; SDK dạy bạn đưa AI vào phần mềm. Người mới nên bắt đầu ở gallery, sau đó thử một hackathon để mở rộng góc nhìn.
Học từ 31 dự án trong AI-Project-Gallery theo nhóm nào dễ nhất?
Nếu mới bắt đầu, hãy chọn nhóm Regression và Classification. Các dự án như Boston House Price Prediction, Spam E-Mail Detection hay dự đoán giá vàng thường có dấu ✔, code ngắn và dữ liệu được chuẩn bị sẵn. Học xong hai nhóm này, bạn đã đủ nền để đọc các dự án Generative AI.
Dựa trên README, repo phân loại thành 8 nhóm: Classification, Regression, Generative AI, Web Scraping, Computer Vision, MS Power BI, Recommendation System, Agentic Workflows. Nhóm Regression giúp bạn hiểu cách mô hình dự đoán số, còn Classification giúp bạn xử lý bài toán nhãn.
Nhóm Generative AI và Agentic Workflows mang tính hiện đại hơn. Bạn sẽ gặp chatbot dùng OpenAI, Gemini Pro, hay các luồng có AI agents. Muốn hiểu sâu, bạn có thể xem lại lộ trình AI/ML từ đầu rồi quay lại thực hành từng bước.
Trong danh sách, cột Completion cho biết dự án đã hoàn thành hay còn dang dở. Hãy ưu tiên các dự án đánh dấu ✔ trước để tránh lỗi cài đặt không đáng có. Sau khi quen, bạn có thể lấy các dự án chưa hoàn thành làm bài tập tự sửa lỗi.
Cài đặt Gemini/OpenAI API cho chatbot trong AI-Project-Gallery cần những bước gì?
Bạn chỉ cần tạo API key trên Google AI Studio hoặc OpenAI Platform, đặt key vào biến môi trường, rồi cài thư viện bằng pip. Sau đó copy đường dẫn API vào notebook và chạy thử. Quên cập nhật tên model là lỗi phổ biến nhất khi mới thực hành.
Ví dụ, với chatbot dùng OpenAI API, bạn cài pip install openai. Với Gemini Pro, bạn cài pip install google-generativeai. Riêng các dự án chạy trên .NET, bạn có thể cài qua NuGet và dùng thư viện Azure.AI.Projects hoặc Azure AI Foundry SDK. Đây là hướng mới cho người muốn đưa AI vào ứng dụng C#.
Trước khi chạy, hãy kiểm tra file requirements.txt trong thư mục tương ứng. Đừng cài tất cả thư viện toàn repo, vì mỗi nhóm dự án dùng tập gói khác nhau. Tạo virtual environment riêng cho mỗi nhóm sẽ giúp bạn tránh xung đột phiên bản.
Khi bạn đã có API key, hãy quan sát hành vi của model. Nếu mô hình trả lời sai, đọc log và điều chỉnh prompt. Đây chính là lúc bạn hiểu evaluation – việc đánh giá chất lượng đầu ra của AI – bắt đầu trở nên quan trọng.
Vì sao nên kết hợp AI-Project-Gallery với Devpost và GitLab Aegis?
Vì gallery dạy bạn viết mã, còn Devpost dạy bạn đóng gói sản phẩm. Các hackathon như Yelp AI API Hackathon, GitLab AI hay Build Tomorrow’s Hong Kong yêu cầu bạn đưa AI agents vào quy trình thật và minh bạch phần evaluation. Ghép hai môi trường này giúp tư duy của bạn nhanh chóng tiến gần hơn với thực tế.
Trên Devpost, bạn không chỉ nộp mã nguồn mà còn cần video demo, mô tả, slide thuyết trình. Điều này buộc bạn tập trung vào trải nghiệm người dùng, không chỉ độ chính xác của model. Nếu bạn có nền thiết kế, hãy dùng Figma để vẽ luồng tương tác; Figma Make và Figma Sites giúp bạn dựng prototype nhanh hơn trước khi đưa vào hackathon.
GitLab Aegis là một hướng dùng AI agents gắn với quy trình bảo mật và tự động hoá. Nếu nhóm của bạn cần kiểm tra mã nguồn, hãy xem tài liệu GitLab AI. Phần evaluation vẫn là thứ mà AI-Project-Gallery chưa thể cung cấp trọn gói. Bạn sẽ thấy code chatbot, nhưng các tiêu chí đo chất lượng như độ chính xác, độ phủ, độ an toàn thường không được mô tả chi tiết.
Azure.AI.Projects và Azure AI Foundry SDK: lựa chọn cho dự án .NET
Đây là hướng đi dành cho lập trình viên muốn đưa AI vào ứng dụng .NET. Azure.AI.Projects là gói NuGet kết nối C# với Azure AI Foundry, cho phép bạn gọi mô hình, quản lý tài nguyên và cập nhật quy trình đánh giá. Nếu bạn đã quen Python, hãy coi đây là bước mở rộng sau khi chạy xong các notebook trong gallery.
Trên NuGet, mỗi phiên bản của Azure.AI.Projects được cập nhật kèm tài liệu. Nếu bạn đọc bài viết cũ ghi phiên bản preview, đừng vội dùng lại. Hãy mở trang gói để chọn bản stable mới nhất, và xem hướng dẫn Azure AI Foundry trên Microsoft Learn.
Với người đã quen Python, việc học lại C# có thể mất thời gian. Nhưng nếu dự án của bạn cần chạy trong backend .NET, bạn sẽ thấy lợi ích lớn từ việc tái sử dụng mã trong hệ sinh thái cũ. Bạn cũng có thể dùng chung model trong Azure AI Foundry với các ứng dụng .NET, tránh phải viết lại logic ở nhiều nơi.
Lựa chọn này không thay thế AI-Project-Gallery, mà bổ sung cho nó. Gallery vẫn là nơi luyện tập nền tảng; Azure AI Foundry là nơi bạn chuẩn hoá quy trình, kiểm soát phiên bản model và đưa evaluation vào vòng đời sản phẩm.
Câu hỏi thường gặp
Câu trả lời ngắn gọn: hãy ưu tiên dự án có dấu ✔, đọc requirements.txt và đừng kỳ vọng một môi trường cài đặt chung cho toàn bộ repo. Repo này phù hợp với người tự học, không phải là sản phẩm production-ready. Dưới đây là bốn câu hỏi thường gặp nhất.
AI-Project-Gallery có cần cài đặt thư viện đặc biệt không?
Không có một môi trường chung cho toàn bộ repo. Mỗi nhóm dự án yêu cầu các gói Python khác nhau, như pandas, numpy, scikit-learn, tensorflow hay openai. Bạn nên tạo virtual environment riêng và đọc requirements.txt của từng thư mục trước khi cài.
Các dự án trong gallery đã được kiểm thử hoàn chỉnh chưa?
Chưa hoàn toàn. Cột Completion có dấu ✔ cho biết dự án đã được tác giả hoàn thiện và chạy thành công. Những dự án còn lại có thể còn thiếu dữ liệu, thiếu thư viện hoặc lỗi nhỏ. Bạn nên bắt đầu với các dự án đã đánh dấu để có trải nghiệm thuận lợi nhất.
Tôi dùng .NET thì có áp dụng AI-Project-Gallery không?
Bạn vẫn có thể dùng repo này để học ý tưởng, nhưng mã nguồn chủ yếu là Python. Nếu muốn code C#, hãy chuyển sang Azure.AI.Projects và Azure AI Foundry. Gói NuGet này giúp bạn gọi model trực tiếp trong .NET, quản lý evaluation và dễ dàng tích hợp vào dự án backend.
Tôi có thể đóng góp dự án của mình vào gallery không?
Repo hiện là bộ sưu tập cá nhân nên chưa có hướng dẫn đóng góp chính thức. Tuy nhiên, bạn có thể fork repository, thêm dự án riêng, rồi dùng GitLab hoặc GitHub để quản lý bản fork. Đây là cách mở rộng portfolio cá nhân mà không phụ thuộc vào tác giả gốc.
