WEBVTT 00:00.450 --> 00:01.610 Những gì Allison nên biết. 00:01.620 --> 00:03.450 Internet là gì? 00:04.320 --> 00:07.770 Internet là mạng máy tính khổng lồ. 00:07.890 --> 00:10.230 Một cái đang trở nên thực sự lớn bây giờ. 00:10.800 --> 00:11.550 Ý bạn là gì, đó là. 00:11.940 --> 00:12.320 Làm thế nào để một. 00:12.780 --> 00:13.590 Bạn viết gì cho nó? 00:13.590 --> 00:14.280 Thích thư? 00:14.310 --> 00:14.550 Không. 00:14.550 --> 00:16.170 Được rất nhiều người sử dụng và giao tiếp. 00:16.320 --> 00:18.820 Tôi đoán họ có thể giao tiếp với các nhà văn và nhà sản xuất của NBC. 00:18.840 --> 00:21.270 Alison, bạn có thể giải thích Internet là gì không? 00:29.010 --> 00:30.430 Điều đó thật tuyệt vời làm sao? 00:30.450 --> 00:34.260 Chỉ hơn 20 năm trước, mọi người thậm chí còn không biết Internet là gì. 00:34.260 --> 00:36.990 Và ngày nay chúng ta thậm chí không thể tưởng tượng cuộc sống của mình mà không có nó. 00:37.020 --> 00:39.410 Chào mừng bạn đến với khóa học học sâu từ A đến Z. 00:39.420 --> 00:43.190 Tên tôi là Kiera Ramco và cùng với người đồng hướng dẫn, đang tụ tập trên Pontymister. 00:43.200 --> 00:48.060 Chúng tôi rất vui mừng khi có bạn tham gia và hôm nay chúng tôi sẽ cung cấp cho bạn tổng quan 00:48.060 --> 00:52.050 nhanh về học sâu là gì và tại sao nó lại được ưa chuộng ngay bây giờ. 00:52.050 --> 00:53.520 Vậy hãy bắt đầu. 00:53.520 --> 00:55.290 Tại sao chúng ta lại xem clip đó? 00:55.290 --> 00:57.540 Và bức ảnh này là gì ở đây? 00:57.540 --> 01:00.120 À, clip đó là của năm 1994. 01:00.150 --> 01:02.910 Đây là một bức ảnh của máy tính từ năm 1980. 01:02.910 --> 01:09.450 Và lý do tại sao chúng ta nghiên cứu sâu hơn về lịch sử một chút là bởi vì mạng nơ-ron, cùng với học 01:09.450 --> 01:15.600 sâu, đã xuất hiện từ khá lâu, và chúng chỉ mới bắt đầu phát triển và tác động đến thế giới 01:15.600 --> 01:16.530 ngay bây giờ. 01:16.530 --> 01:20.850 Nhưng nếu bạn nhìn lại những năm tám mươi, bạn sẽ thấy rằng mặc dù chúng được phát 01:20.850 --> 01:27.540 minh ra từ những năm sáu mươi và bảy mươi, nhưng chúng thực sự bắt kịp xu hướng hoặc trở thành cơn gió trong những năm tám mươi. 01:27.540 --> 01:30.330 Vì vậy, mọi người bắt đầu nói về chúng rất nhiều. 01:30.600 --> 01:35.820 Đã có rất nhiều nghiên cứu trong lĩnh vực đó và mọi người đều nghĩ rằng học sâu hoặc mạng 01:35.820 --> 01:41.550 nơ-ron là thứ mới này sẽ tác động đến thế giới, sẽ thay đổi mọi thứ, nó sẽ giải quyết tất cả các 01:41.550 --> 01:42.930 vấn đề của thế giới. 01:42.930 --> 01:45.960 Và sau đó nó dần chết đi trong thập kỷ tiếp theo. 01:46.140 --> 01:46.890 Vậy chuyện gì đã xảy ra? 01:46.890 --> 01:50.790 Tại sao mạng nơ-ron không tồn tại và không thay đổi thế giới? 01:50.850 --> 01:56.790 Đó là lý do cho điều đó, rằng họ không đủ giỏi, họ không giỏi dự đoán mọi thứ 01:56.790 --> 02:02.250 và không giỏi mô hình hóa và về cơ bản không phải là một phát minh tốt. 02:02.250 --> 02:03.360 Hoặc là có một lý do khác? 02:03.360 --> 02:08.340 Thật ra, lý do và lý do đang ở phía trước chúng ta, đó là thực tế 02:08.340 --> 02:13.500 là công nghệ hồi đó không đạt tiêu chuẩn phù hợp để tạo điều kiện cho mạng nơ-ron. 02:13.500 --> 02:17.790 Để mạng nơ-ron và học sâu hoạt động hiệu quả, bạn cần hai điều. 02:17.790 --> 02:21.540 Bạn cần dữ liệu, và bạn cần nhiều dữ liệu, và bạn cần sức mạnh xử lý. 02:21.540 --> 02:25.770 Bạn cần máy tính mạnh để xử lý dữ liệu đó và tạo điều kiện thuận lợi cho mạng nơ-ron. 02:25.770 --> 02:28.260 Vì vậy, chúng ta hãy xem xét làm thế nào. 02:29.060 --> 02:34.530 Dữ liệu hoặc lưu trữ dữ liệu đã phát triển trong nhiều năm, và sau đó chúng ta sẽ xem xét công nghệ đã phát triển như thế nào. 02:34.540 --> 02:38.830 Vì vậy, ở đây chúng ta đã có ba năm, 1956, 1980, 2017. 02:39.760 --> 02:43.090 Làm thế nào để lưu trữ nhìn lại vào năm 1956? 02:43.090 --> 02:49.720 À, có một ổ cứng, và ổ cứng đó chỉ cần đợi năm lần là có ổ cứng megabyte. 02:49.720 --> 02:55.210 Đó là năm megabyte ngay đó trên chiếc xe nâng có kích thước bằng một căn phòng nhỏ. 02:55.210 --> 03:01.000 Đó là một ổ cứng được vận chuyển đến một vị trí khác trên máy bay. 03:01.000 --> 03:07.930 Và đó là những gì lưu trữ trông giống như vào năm 1956, bạn phải trả một công ty phải trả hai nghìn rưỡi 03:07.930 --> 03:14.920 đô la trong số ngày đó để thuê ổ cứng đó để thuê nó, chứ không phải mua nó để thuê nó trong một 03:14.920 --> 03:15.430 tháng. 03:16.150 --> 03:18.700 Năm 1980, tình hình được cải thiện một chút. 03:18.700 --> 03:24.370 Vì vậy, ở đây chúng tôi có một ổ cứng 10 megabyte với giá 3 nghìn rưỡi vẫn còn rất đắt và chỉ 03:24.370 --> 03:25.090 10 megabyte. 03:25.090 --> 03:26.860 Vì vậy, đó giống như một bức ảnh ngày nay. 03:26.980 --> 03:36.790 Và hôm nay vào năm 2017, chúng tôi đã có thẻ SD 256 gigabyte với giá 150 đô la, có thể vừa với ngón tay của bạn. 03:36.790 --> 03:43.480 Và nếu bạn đang xem video này một năm sau hoặc như năm 2019 hoặc 2025, có lẽ bạn đang cười một mình vì 03:43.480 --> 03:47.170 lúc đó bạn có dung lượng lưu trữ thậm chí còn mạnh hơn. 03:47.170 --> 03:49.020 Nhưng tuy nhiên, vấn đề vẫn tồn tại. 03:49.020 --> 03:53.860 Vì vậy, nếu chúng tôi so sánh những thứ này trên diện rộng và chúng tôi đã xem xét giá cả 03:53.860 --> 03:58.300 và kích thước chỉ là khả năng của bất kỳ thứ gì đang thịnh hành vào thời điểm đó. 03:58.300 --> 04:08.860 Vì vậy, từ năm 1956 đến năm 1980, công suất tăng khoảng gấp đôi và sau đó nó tăng lên khoảng 25.600 lần. 04:08.980 --> 04:13.150 Và độ dài của thời kỳ, nó không khác nhau. 04:13.150 --> 04:18.700 Như vậy từ năm 1956 đến năm 1982, 24 năm từ năm 1980 đến năm 2017 là 37 năm. 04:18.700 --> 04:24.610 Vì vậy, không phải là sự gia tăng nhiều về thời gian, mà là một bước nhảy vọt trong tiến bộ công nghệ. 04:24.610 --> 04:28.120 Và điều đó chứng tỏ rằng đây không phải là một xu hướng tuyến tính. 04:28.120 --> 04:30.550 Đây là một sự phát triển theo cấp số nhân trong công nghệ. 04:30.550 --> 04:36.640 Và nếu chúng ta thêm vào đó để tính đến giá cả và kích thước, nó sẽ tăng lên hàng triệu USD. 04:37.060 --> 04:40.420 Và ở đây chúng ta thực sự có một biểu đồ trên thang logarit. 04:40.420 --> 04:46.180 Vì vậy, nếu chúng tôi vẽ biểu đồ chi phí ổ cứng trên mỗi gigabyte, bạn sẽ thấy nó giống như thế này. 04:46.180 --> 04:50.200 Hiện tại, chúng tôi đang tiến rất nhanh đến con số 0. 04:50.200 --> 04:55.090 Bạn có thể nhận được dung lượng lưu trữ trên Dropbox và Google Drive, không tốn bất kỳ chi phí nào, dung lượng lưu trữ 04:55.390 --> 04:57.160 trên đám mây và điều đó sẽ tiếp tục. 04:57.160 --> 05:01.150 Và trên thực tế, trong những năm qua, điều này sẽ còn tiến xa hơn nữa. 05:01.150 --> 05:05.800 Hiện tại, các nhà khoa học đang xem xét việc sử dụng DNA để lưu trữ. 05:05.800 --> 05:07.660 Và ngay bây giờ nó khá đắt. 05:07.660 --> 05:15.100 Chi phí 7.000 đô la để tổng hợp hai megabyte dữ liệu và sau đó là 2000 đô la khác để đọc nó. 05:15.100 --> 05:19.930 Nhưng kiểu đó nhắc bạn toàn bộ tình huống này của ổ cứng và máy bay, rằng điều này sẽ được giảm 05:19.930 --> 05:24.670 thiểu rất, rất nhanh với đường cong hàm mũ này 10 đến 10 năm kể từ bây giờ, 20 năm nữa, 05:24.670 --> 05:28.420 mọi người sẽ sử dụng DNA lưu trữ nếu chúng ta đi xuống theo hướng này. 05:28.420 --> 05:29.890 Và đây là một số số liệu thống kê xung quanh điều đó. 05:29.890 --> 05:34.900 Vì vậy, bạn có thể khám phá nó thêm, có thể tạm dừng điều này, tạm dừng video nếu bạn muốn đọc thêm một chút về 05:34.900 --> 05:35.320 điều này. 05:35.320 --> 05:36.760 Đây là từ thiên nhiên dot com. 05:36.760 --> 05:44.440 Và về cơ bản, bạn có thể lưu trữ tất cả dữ liệu của thế giới chỉ trong một kilôgam, một kilôgam lưu trữ DNA hoặc bạn 05:44.590 --> 05:49.300 có thể lưu trữ khoảng 1 tỷ terabyte dữ liệu trong một gam lưu trữ DNA. 05:49.300 --> 05:56.080 Vì vậy, đó chỉ là một cái gì đó để cho thấy chúng ta đang tiến bộ nhanh như thế nào và đây là lý do tại sao 05:56.080 --> 06:02.770 học sâu đang phát triển khi cuối cùng chúng ta đang ở giai đoạn mà chúng ta có đủ dữ liệu để đào tạo các mô hình 06:02.770 --> 06:04.060 siêu hay, siêu tinh vi. 06:04.060 --> 06:08.200 Hồi đó vào những năm 80 khi lần đầu tiên nó được phát minh, mọi chuyện không phải như vậy. 06:08.470 --> 06:12.700 Và điều thứ hai chúng ta nói đến là khả năng xử lý. 06:12.700 --> 06:17.770 Vì vậy, ở đây chúng ta lại có một đường cong hàm mũ trên thang log. 06:17.800 --> 06:23.560 Nó không được miêu tả một cách lý tưởng ở đây, nhưng ở bên phải bạn có thể thấy đó là một thang đo nhật ký và đây là cách máy 06:23.560 --> 06:24.340 tính đã phát triển. 06:24.340 --> 06:26.290 Vì vậy, một lần nữa, vui lòng tạm dừng trang trình bày này. 06:26.290 --> 06:27.340 Đây được gọi là Định luật Moore. 06:27.370 --> 06:34.090 Chắc hẳn bạn đã từng nghe về khả năng xử lý của máy tính đã phát triển nhanh như thế nào. 06:34.210 --> 06:39.940 Ngay bây giờ, chúng ta đang ở đâu đó ở đây, nơi một chiếc máy tính trung bình có thể mua 06:39.940 --> 06:47.560 với giá 1000 đô la, suy nghĩ bằng tốc độ não của một con chuột, và từ 25 sẽ là tốc độ của con người hoặc tuổi 23. 06:47.560 --> 06:54.640 Và sau đó vào năm 2050 hoặc 2045, nó sẽ vượt qua tất cả con người cộng lại. 06:54.640 --> 07:01.540 Vì vậy, về cơ bản chúng ta đang bước vào kỷ nguyên của những chiếc máy tính cực kỳ mạnh mẽ, có thể xử 07:01.540 --> 07:05.590 lý mọi thứ nhanh hơn những gì chúng ta có thể tưởng tượng. 07:05.590 --> 07:08.410 Và đó là những gì đang tạo điều kiện cho học sâu. 07:08.410 --> 07:11.890 Vì vậy, tất cả những điều này đưa chúng ta đến câu hỏi học sâu là gì? 07:11.890 --> 07:15.340 Toàn bộ tình huống mạng nơ-ron này là gì? 07:15.340 --> 07:16.750 Điều gì đang xảy ra? 07:16.750 --> 07:18.130 Chúng ta đang nói về cái gì ở đây? 07:18.130 --> 07:21.490 Và chắc hẳn bạn đã từng nhìn thấy một bức tranh, một cái gì đó như thế này, vì vậy chúng ta hãy đi sâu vào nó. 07:21.490 --> 07:22.570 Học sâu là gì? 07:23.320 --> 07:28.150 Quý ông ở đây, Jeffrey Hinton, được biết đến là cha đỡ đầu của Deep. 07:28.290 --> 07:33.390 Học hỏi, và ông đã nghiên cứu về học sâu vào những năm 80. 07:33.390 --> 07:41.010 Và anh ấy đã làm rất nhiều và rất nhiều công việc, rất nhiều bài báo nghiên cứu mà anh ấy đã xuất bản trên Deep Learning. 07:41.010 --> 07:42.810 Hiện anh ấy đang làm việc tại Google. 07:42.810 --> 07:47.520 Vì vậy, rất nhiều điều mà chúng ta sẽ nói đến thực sự đến từ Geoffrey Hinton, và bạn có thể thấy 07:47.520 --> 07:48.180 rất nhiều điều. 07:48.210 --> 07:49.770 Anh ấy có khá nhiều video trên YouTube. 07:49.770 --> 07:51.270 Anh ấy giải thích mọi thứ rất tốt. 07:51.270 --> 07:53.900 Vì vậy, tôi thực sự khuyên bạn nên kiểm tra chúng. 07:53.910 --> 08:00.210 Và vì vậy, ý tưởng đằng sau việc học sâu là xem xét bộ não con người và sẽ có khá nhiều khoa 08:00.210 --> 08:03.240 học thần kinh xuất hiện trong các hướng dẫn này. 08:03.240 --> 08:09.240 Và những gì chúng tôi đang cố gắng làm ở đây là bắt chước cách bộ não con người vận hành. 08:09.240 --> 08:10.920 Và chúng tôi không biết nhiều điều đó. 08:10.920 --> 08:14.940 Bạn không biết mọi thứ về bộ não con người, nhưng số lượng ít ỏi mà chúng tôi biết, chúng tôi 08:14.940 --> 08:16.650 muốn bắt chước nó và tái tạo nó. 08:16.650 --> 08:17.160 Và tại sao lại như vậy? 08:17.160 --> 08:22.050 Chà, bởi vì bộ não con người dường như là một trong những công cụ mạnh mẽ nhất trên hành tinh này để học, 08:22.050 --> 08:25.020 để học, học các kỹ năng thích ứng và sau đó áp dụng chúng. 08:25.020 --> 08:32.520 Và nếu máy tính có thể sao chép điều đó, thì chúng ta có thể tận dụng những gì chọn lọc tự nhiên đã quyết định cho chúng 08:32.520 --> 08:32.910 ta. 08:32.910 --> 08:36.750 Tất cả những loại thuật toán mà nó đã quyết định là tốt nhất. 08:36.750 --> 08:37.770 Chúng tôi sẽ tận dụng điều đó. 08:37.770 --> 08:39.210 Tại sao phải phát minh lại xe đạp? 08:39.210 --> 08:39.590 Đúng. 08:39.630 --> 08:41.880 Vì vậy, chúng ta hãy xem cách này hoạt động ở đây. 08:41.880 --> 08:44.490 Chúng tôi có một số tế bào thần kinh. 08:44.490 --> 08:51.210 Vì vậy, đây là những tế bào thần kinh đã được bôi lên kính và sau đó được nhìn dưới kính hiển vi để 08:51.210 --> 08:52.020 tạo màu. 08:52.020 --> 08:54.210 Và bạn có thể thấy chúng trông như thế nào. 08:54.210 --> 08:58.470 Vì vậy, chúng giống như một cơ thể, chúng có những nhánh này và chúng có như những cái đuôi, v.v. 08:58.470 --> 08:59.520 Vì vậy, bạn có thể nhìn thấy chúng. 08:59.520 --> 09:01.620 Chúng có giống như một hạt nhân bên trong ở giữa. 09:01.620 --> 09:06.840 Và đó về cơ bản đó là những gì một tế bào thần kinh trông như thế nào trong não người. 09:06.840 --> 09:10.500 Có khoảng 100 tỷ tế bào thần kinh hoàn toàn. 09:10.500 --> 09:11.700 Vì vậy, đây là những tế bào thần kinh riêng lẻ. 09:11.700 --> 09:15.240 Đây thực sự là những tế bào thần kinh vận động vì chúng lớn hơn, dễ nhìn hơn. 09:15.240 --> 09:21.630 Nhưng tuy nhiên, có 100 tỷ tế bào thần kinh trong não người và mỗi tế bào thần kinh được kết nối với 09:21.630 --> 09:23.880 khoảng một nghìn người hàng xóm của nó. 09:23.880 --> 09:26.520 Vì vậy, để cung cấp cho bạn một bức tranh, đây là những gì nó trông như thế này. 09:26.520 --> 09:31.890 Đây là một phần thực tế của bộ não con người. 09:31.890 --> 09:38.880 Và đây là tiểu não, là phần não của bạn ở phía sau. 09:38.880 --> 09:47.610 Nó chịu trách nhiệm giống như ma trận và giữ cân bằng của bạn và một số khả năng ngôn ngữ và những thứ tương tự. 09:47.610 --> 09:54.870 Vì vậy, điều này chỉ để cho thấy có bao nhiêu, có bao nhiêu tế bào thần kinh. 09:54.900 --> 09:58.720 Chúng giống như hàng tỷ tỷ tỷ tỷ tế bào thần kinh đều được kết nối trong não của bạn. 09:58.720 --> 10:02.520 Vì vậy, nó không giống như chúng ta đang nói về năm hoặc 500 hoặc 1000 hoặc một triệu. 10:02.520 --> 10:04.230 Đây là hàng tỷ tế bào thần kinh trong đó. 10:04.560 --> 10:08.250 Và đúng vậy, đó là những gì chúng tôi sẽ cố gắng tạo lại. 10:08.250 --> 10:11.640 Vậy làm cách nào để tạo lại điều này trong máy tính? 10:11.640 --> 10:20.310 Chà, chúng tôi tạo ra một cấu trúc nhân tạo gọi là mạng nơ-ron nhân tạo, nơi chúng tôi có các nút hoặc nơ-ron và chúng tôi sẽ có 10:20.310 --> 10:23.400 một số nơ-ron cho các giá trị đầu vào. 10:23.400 --> 10:27.270 Vì vậy, đây là những giá trị mà bạn biết về một tình huống nhất định. 10:27.270 --> 10:31.170 Vì vậy, chẳng hạn, bạn đang lập mô hình một cái gì đó, bạn muốn dự đoán một cái gì đó, 10:31.170 --> 10:34.950 bạn sẽ luôn có một số đầu vào, một cái gì đó để bắt đầu dự đoán của bạn. 10:35.130 --> 10:37.890 Sau đó, đó được gọi là lớp đầu vào, sau đó bạn có đầu ra. 10:37.890 --> 10:43.230 Vì vậy, đó là giá trị mà bạn muốn dự đoán hoặc liệu đó là điều bất ngờ, cho dù đó là một người nào 10:43.230 --> 10:47.850 đó sẽ rời khỏi ngân hàng hoặc ở lại ngân hàng, đây có phải là một giao dịch gian lận không? 10:47.850 --> 10:49.410 Đây có phải là một giao dịch thực sự? 10:49.410 --> 10:50.280 Và như thế. 10:50.700 --> 10:52.350 Vì vậy, đó sẽ là lớp đầu ra. 10:52.350 --> 10:55.260 Và ở giữa chúng ta sẽ có một lớp ẩn. 10:55.260 --> 10:59.670 Vì vậy, như bạn có thể thấy trong não của bạn, bạn có rất nhiều tế bào thần kinh. 10:59.670 --> 11:03.240 Vì vậy, một số thông tin sẽ đến qua mắt, tai, mũi của bạn. 11:03.300 --> 11:04.860 Vì vậy, bạn về cơ bản là các giác quan của bạn. 11:04.860 --> 11:09.180 Và sau đó nó không chỉ đi ngay đến đầu ra mà bạn có. 11:09.180 --> 11:14.000 Kết quả là đi qua tất cả hàng tỷ tỷ tỷ tỷ tế bào thần kinh này trước khi nó đi đến 11:14.000 --> 11:14.460 đầu ra. 11:14.460 --> 11:16.980 Và đây là toàn bộ khái niệm đằng sau nó mà chúng tôi sẽ mô hình hóa bộ não. 11:16.980 --> 11:20.520 Vì vậy, chúng ta cần các lớp ẩn này ở đó trước khi xuất. 11:20.520 --> 11:25.260 Vì vậy, các lớp đầu vào, tế bào thần kinh kết nối với tế bào thần kinh lớp ẩn, tế bào thần kinh lớp ẩn kết 11:25.260 --> 11:26.490 nối với giá trị đầu ra. 11:26.640 --> 11:29.220 Và đây là điều này khá tuyệt. 11:29.220 --> 11:30.480 Nhưng tất cả những điều này là về cái gì? 11:30.480 --> 11:32.040 Học sâu ở đây là ở đâu? 11:32.040 --> 11:32.820 Tại sao nó được gọi là học sâu? 11:32.820 --> 11:33.900 Không có gì sâu trong đây. 11:33.900 --> 11:39.390 Chà, đây giống như một lựa chọn mà người ta có thể gọi là học nông. 11:39.690 --> 11:41.670 Không có nhiều thực sự xảy ra. 11:41.670 --> 11:43.380 Nhưng tại sao nó được gọi là học sâu? 11:43.380 --> 11:45.960 Chà, bởi vì sau đó chúng ta đưa điều này lên cấp độ tiếp theo. 11:45.960 --> 11:48.180 Chúng tôi tách nó ra xa hơn nữa. 11:48.180 --> 11:50.730 Và chúng ta không chỉ có một lớp ẩn. 11:50.730 --> 11:57.720 Chúng tôi có rất nhiều và rất nhiều và rất nhiều lớp ẩn, và sau đó chúng tôi kết nối mọi thứ. 11:57.720 --> 12:01.830 Cũng giống như trong bộ não con người, chúng ta kết nối mọi thứ, mọi thứ liên kết với nhau. 12:01.830 --> 12:08.220 Và đó là cách các giá trị đầu vào được xử lý thông qua tất cả các lớp ẩn này, giống như trong não 12:08.220 --> 12:08.550 người. 12:08.550 --> 12:12.300 Sau đó, chúng ta có một giá trị đầu ra và bây giờ chúng ta đang nói đến việc học sâu. 12:12.300 --> 12:15.780 Vì vậy, đó là những gì mà học sâu là tất cả về một mức độ rất trừu tượng. 12:15.780 --> 12:21.120 Trong các hướng dẫn tiếp theo, chúng ta sẽ mổ xẻ và đi sâu vào học sâu, và khi kết thúc phần 12:21.120 --> 12:26.460 này, bạn sẽ biết học sâu là gì và bạn sẽ biết cách áp dụng nó trong các dự án của mình. 12:26.460 --> 12:27.930 Siêu vui mừng về Khan này. 12:28.040 --> 12:31.790 Chờ để bắt đầu và tôi mong được gặp bạn trong phần hướng dẫn tiếp theo. 12:31.820 --> 12:33.830 Cho đến lúc đó, hãy tận hưởng việc học sâu.