Applied AI Lab

Kho sách mở vô giá về AI của MIT

Không phải tutorial. Không phải khóa học online. Đây là sách giáo khoa cấp tiến sĩ — nền tảng lý thuyết thực sự đứng sau các hệ thống AI hiện đại.

Lab tổng hợp lại toàn bộ danh sách, phân theo 6 tầng kiến thức:

🔵 FOUNDATIONS — Nền tảng lý thuyết
📖 Foundations of Machine Learning — Mohri et al.
Toán học đằng sau lý do tại sao các thuật toán học hoạt động, không chỉ là cách dùng chúng.
→ https://cs.nyu.edu/~mohri/mlbook/
📖 Understanding Deep Learning — Simon J.D. Prince
Giải thích rõ nhất hiện có về cách neural network thực sự xử lý thông tin.
→ https://udlbook.github.io/udlbook
📖 Machine Learning Systems — MIT
Cầu nối từ lý thuyết đến production: model được xây dựng, triển khai và thất bại như thế nào trong thực tế.
→ https://mlsysbook.ai

⚡ ADVANCED TECHNIQUES
📖 Deep Learning — Goodfellow, Bengio, Courville
Cuốn sách gốc của deep learning. Dense nhưng foundational.
→ https://www.deeplearningbook.org
📖 Algorithms for Decision Making — Kochenderfer, Wheeler, Wray
Tư duy về quyết định tuần tự dưới bất định — nền tảng lý thuyết cho policy-based reasoning.
→ https://algorithmsbook.com

🟢 REINFORCEMENT LEARNING
📖 Reinforcement Learning: An Introduction — Sutton & Barto
Kinh thánh của RL. Mọi agent, mọi hệ thống lý luận tuần tự đều bắt nguồn từ đây.
→ http://incompleteideas.net/book/the-book.html
📖 Distributional Reinforcement Learning — Bellemare et al.
Chuyển từ kỳ vọng phần thưởng sang phân phối xác suất đầy đủ trên kết quả. Quan trọng hơn hầu hết mọi người nghĩ.
→ https://www.distributional-rl.org
📖 Multi-Agent Reinforcement Learning — Albrecht, Christianos, Schäfer
Cách nhiều agent ra quyết định tương tác trong môi trường chung.
→ https://marl-book.com

🟠 ETHICS & PROBABILITY
📖 Fairness and Machine Learning — Barocas, Hardt, Narayanan
Hiểu mô hình sai ở đâu và bias xuất hiện như thế nào — để biết khi nào không nên tin vào output của AI.
→ https://fairmlbook.org
📖 Probabilistic Machine Learning: An Introduction — Kevin Murphy
Xây dựng mọi khái niệm từ lý thuyết xác suất. Đây là nền tảng phân tích thực sự.
→ https://probml.github.io/book1.html
📖 Probabilistic Machine Learning: Advanced Topics — Kevin Murphy
Causal inference, decision-making under uncertainty, và generative models ở cấp graduate.
→ https://probml.github.io/book2.html

Tại sao danh sách này quan trọng?
Hầu hết các khóa học AI dạy cách dùng — các thư viện, API, prompt. Nhưng để hiểu tại sao một mô hình hoạt động, thất bại, hay ra quyết định theo một cách cụ thể, bạn cần nền tảng lý thuyết.
12 cuốn này là nơi giúp chung ta có được nền tảng đó. Tất cả mở, tất cả miễn phí.

Applied AI Lab @ Phenikaa sẽ dần tổ chức reading sessions xoay quanh các cuốn trong danh sách này. Stay tuned.

🎉 Chúc mừng Vũ Quốc Việt và team Zentab!

Applied AI Lab xin gửi lời chúc mừng tới bạn Vũ Quốc Việt (K16 – Trường Công nghệ Thông tin Phenikaa) cùng các cộng sự đã xuất sắc giành **Giải Nhất Ngày hội Khởi nghiệp học sinh, sinh viên toàn quốc 2026** với dự án Zentab – Trình quản lý đa tài khoản.

Đây không chỉ là một thành tích đáng tự hào, mà còn là minh chứng rõ ràng cho hành trình biến những ý tưởng nghiên cứu tại lab thành sản phẩm thực tiễn, có giá trị ứng dụng cao cho cộng đồng.

Tại Applied AI Lab, chúng tôi luôn tin rằng mỗi ý tưởng tốt đều cần môi trường đúng để phát triển – và thành công của Zentab là một ví dụ rất đẹp cho sự kết nối giữa nghiên cứu, sáng tạo và tinh thần khởi nghiệp của sinh viên.

Chúc Việt và team sẽ tiếp tục giữ vững tinh thần “dám nghĩ – dám làm – dám bứt phá”, tiếp tục mở rộng sản phẩm và tạo ra nhiều giá trị hơn nữa trong tương lai 🚀

Báo cáo sếp đi đủ về đủ 🫡🫡🫡🫡