Huấn luyện đang dần quay về máy của người dùng, nơi phần cứng nằm ngoài tầm kiểm soát của nhà phát triển. Tôi đã để GPU trên máy Mac bị bỏ không suốt hai năm vì ứng dụng vẫn chạy được, chỉ là chậm. Khi bật Metal và đo đạc nghiêm túc, tôi phát hiện bốn lỗi hiệu năng không hề báo lỗi: is_bf16_supported() nhận nhầm khả năng phần cứng, gradient scaler âm thầm bỏ qua optimizer step, 16-bit chậm hơn 32-bit trên Apple Silicon, và giao diện báo dùng GPU trong khi mô hình thực tế chạy trên CPU.

GPU có sẵn mà không dùng: bốn lỗi âm thầm khi huấn luyện trên máy người dùng

Training is moving back onto the machines people own, and those machines are not a fleet you control. Apple GPU support sat on my plan for two years because nothing looked broken; the runs finished, they were just slower. Turning Metal on was worth 1.7x to 4.2x per epoch on the one M1 I own, and much less end to end. The measuring is what found the real bugs, three of which never raised anything: is_bf16_supported() answering True on a card that only emulates it, a gradient scaler silently dropping optimiser steps and halving a mAP, and 16-bit being slower than 32-bit on Apple Silicon even though everything works.

The GPU Was Already There: Four Silent Bugs in On-Device Training

Models almost never ask you what you meant: across ambiguous questions, answer rates run above 95% and clarification barely registers. Repairing that in conversation makes it worse: underspecified multi-turn runs measure a 39% average performance drop, driven by a 112% jump in unreliability, and the effect shows up from two turns onward. The leverage is no longer in writing better prompts. It is in forcing the questions out before the first answer attempt, and in asking the questions afterward that prove you understood what you shipped.

Ask, or It Will Guess: Question-Asking Is the Core Skill of Agentic Work

A Flatpak build that passed every structural check and still died one line into launch. Why green CI proved nothing about the GUI, and how to install the real artifact and start it under Xvfb instead.

Make Your CI Actually Launch Your Linux Desktop App

WebMCP lets a web page hand callable tools to browser AI agents instead of making them scrape the DOM. I wired three read-only tools into this site. The interesting part was not the API. It was deciding what an agent, or a prompt injection riding one, is allowed to do.

I gave my website tools for AI agents with WebMCP, and thought hard about the attack surface

When a machine writes most of your diff, the constraint stops being how fast you type and becomes how well you review. Here is the SDLC I actually run (the provenance audit, the sandbox, the CI backstops, and the three questions I ask every AI-authored change) plus the parts of review that don't compress and never will.

The Bottleneck Moved to Review: My SDLC After AI Writes Most of the Code

On small local models, the standard ReAct loop has a failure mode nobody warns you about: the model calls one tool, declares victory, and stops. What we measured across 12 GGUF models in EdgeVox, why we added a plan-once dispatcher, and how to decide which loop your task actually needs.

Plan Once, Then Act: When the ReAct Loop Is the Wrong Harness for Small Local Models

A first-hand build narrative of EdgeVox, a fully offline voice agent that chains speech-to-text, a local LLM, and text-to-speech on one device. The architecture in plain language, ROS2 integration, the latency budget, and the failure modes nobody warns you about.

Building EdgeVox: Chaining STT → Local LLM → TTS Without Touching the Cloud

Building a represent-me chatbot is a weekend project. Treating it like a production security surface is the part nobody writes about. Here is the architecture, the prompt leak I found by attacking my own bot, and the reusable suite that keeps it honest.

I put an AI version of myself online, then tried to break it

Việt Nam đã có chip, có ba nỗ lực làm mô hình nền tảng tiếng Việt đang chạy, và bộ luật AI ràng buộc nhất Đông Nam Á. Vậy mà câu chuyện chủ quyền AI cứ xoay quanh một mô hình 70B. Khoảng trống thật nằm thấp hơn một tầng: đánh giá mở, dữ liệu sạch về giấy phép, mô hình chuyên biệt gắn với tuân thủ, và runtime chạy thẳng trên thiết bị. Từ 15/8/2026, Quyết định 33/2026/QĐ-TTg với 46 hệ thống AI rủi ro cao đã biến tầng đó thành nghĩa vụ pháp lý.

Câu chuyện chủ quyền AI của Việt Nam đang mắc kẹt ở một tầng quá cao 🇻🇳

Vietnam already has the chips, three meaningful Vietnamese model attempts in flight, and the most binding AI law in Southeast Asia. The conversation about sovereign AI keeps demanding a 70B foundation model. The actual gap is one layer down: open evaluation, license-clean data, compliance-aware specialized models, and on-device runtimes that operationalize Law 134/2025 from March 2026.

Vietnam's Sovereign AI Conversation Is Stuck One Layer Too High 🇻🇳

A 2025 RCT found students who studied with ChatGPT scored 11 points lower on a retention test six weeks later, even though their work during the sessions was higher quality. Better results, worse thinking. Here is what the cognitive science says, and how it changed my own AI habits.

AI Is Making Us Faster Learners and Worse Thinkers at the Same Time

NVIDIA just open-sourced OpenShell, a policy-enforced sandbox for autonomous AI agents. Four security layers, a privacy router that decides which LLM sees which data, and hot-reloadable YAML policies. How it works and what it solves that nothing else does.

NVIDIA OpenShell: Policy-Enforced Sandboxes for Autonomous Coding Agents

Vibe coding giúp đưa ứng dụng ra thị trường nhanh hơn, nhưng cũng làm tăng nguy cơ phát hành lỗ hổng bảo mật. Bài viết phân tích các sự cố thực tế, quy trình phòng thủ nhiều lớp và những phương pháp rà soát bảo mật mới với AI.

Bảo mật ứng dụng viết bằng vibe coding: hướng dẫn thực tế để tránh bị tấn công

Vibe coding is shipping apps faster than ever, but also shipping vulnerabilities at alarming rates. This guide covers real disasters, practical security measures from secret scanning to endpoint hardening, and SOTA AI-powered review methods to keep your vibe-coded apps from becoming the next breach headline.

Securing Vibe-Coded Apps: A Practical Guide to Not Getting Hacked

Coding isn't what it used to be. AI implements faster than we can type, and agents are automating our tasks. But there's a bright side: we're evolving from implementors into architects and reviewers. Here's how to survive the shift.

Coding is not fun anymore?

AI có thể viết mã nhanh hơn tốc độ chúng ta gõ và đang tự động hoá ngày càng nhiều công việc thường ngày. Vai trò của kỹ sư vì thế chuyển dần từ người trực tiếp triển khai sang người thiết kế, đánh giá và chịu trách nhiệm cho toàn hệ thống.

Lập trình không còn vui nữa?

AI agents don't just talk. They execute code, which makes isolation the whole problem. The sandbox technologies that matter (microVMs, gVisor, WebAssembly) and the platforms built on them (E2B, Modal, Northflank).

Agent Sandboxes: A Practical Guide to Running AI-Generated Code Safely

AI agent không chỉ sinh văn bản mà còn trực tiếp thực thi mã. Bài viết phân tích các công nghệ sandbox như microVM, gVisor và WebAssembly, cùng những nền tảng phổ biến được xây dựng trên chúng.

Sandbox cho AI agent: chạy code do AI sinh ra sao cho an toàn

OpenClaw, formerly Clawdbot, runs a personal AI agent locally and wires it straight into your messaging apps. Its gateway architecture, the security failures that followed, and what building a safe autonomous ecosystem would actually take.

OpenClaw: Security is the Final Boss

Ubuntu 24.04 cannot run different fractional scaling on a 4K laptop panel and a 2K external monitor. Upgrading to 24.10 and moving NVIDIA to Wayland fixes it.

Setup Different Fractional Scaling for Different Screens in Ubuntu

Ubuntu 24.04 ships the original Kazam, not Kazam 2. How to build and install Kazam 2 from source, with the dependencies, PulseAudio support, and the optional OCR components.

How to Install Kazam 2 on Ubuntu 24.04: The Best Easy Screen Recorder

Xorg, your desktop environment, and the browser can hold several GB of VRAM before training starts. How to find what is sitting on the GPU and hand that memory back.

Freeing NVIDIA GPU Memory for AI Training: A Practical Guide

Fine-tuning Llama 3.2 at 1B and 3B, then running the result locally in Llama Assistant. From the pre-trained models through tuning on your own data to on-device deployment.

Fine-tuning Llama 3.2 (1B, 3B) and Using It Locally with Llama Assistant 🌟

Amending one commit message is easy; a run of them is not. How to rewrite several past messages at once with interactive rebase, after a batch of commits shipped without their story numbers.

Navigating Git History: A Tale of Commit Message Redemption

Privacy in AI is a hot topic. I created Llama Assistant to provide a privacy-focused alternative to popular AI assistants like ChatGPT or Claude AI. In this blog post, I'll share my motivation behind creating Llama Assistant and how it differs from other AI assistants.

Privacy in AI: Why I Created Llama Assistant

Fifteen productivity tips from Dr. Milan Milanovic, covering single-tasking, the 3:3:3 plan, daily deep-work blocks, and the Feynman technique for learning something new.

Sharing: 15 Productivity Tips from Dr. Milan

Where a Django app actually slows down as traffic grows. Benchmark first, then fix the database queries, add the right caching layer, and scale instances with Docker and Kubernetes.

Performant Django - How to optimize your Django application?

A short note on Vinh Khuat's multi-instrument performance and what it shares with software: love the craft first, practice the tools, then build something whole.

♪♪♪ Highly Motivating Performance from Vinh Khuat

Notes from Minh Vu's session on teaching as a core engineering skill: explaining something is how you consolidate it, which is why leads, founders, and engineers all end up teaching.

Lesson note: Teaching is an essential skill for software engineers

A 2023 record of moving this blog to Cloudflare Pages for free bandwidth on a static export, kept for history. The site runs on Vercel Pro again, because API routes, Postgres, the RAG chatbot, and cron jobs all need the compute.

Switched from Vercel to Cloudflare Pages

A short review of advancements in YOLO-NAS - a new YOLO architecture born from Neural Architecture Search.

Review YOLO-NAS - Search for a better YOLO

Câu chuyện xây dựng AnyLabeling trên nền Labelme: từ việc tích hợp Segment Anything và YOLO vào quy trình gán nhãn cho đến hỗ trợ dữ liệu OCR.

AnyLabeling - gán nhãn ảnh thông minh với Segment Anything và YOLO

How I built AnyLabeling on top of Labelme: why the tool needed to exist, how Segment Anything and YOLO inference is wired into the labeling loop, and how text OCR labeling works.

AnyLabeling - Smart image labeling with Segment Anything and YOLO

Django opens a fresh database connection on every request. Set CONN_MAX_AGE for persistent connections, and add pooling when the database does not share a server with the backend.

Database connection in Django

Comparing Airflow, MLflow, and Kubeflow for MLOps: what each does, how Airflow plus MLflow stacks up against Kubeflow, and which to pick by scale.

Airflow, MLflow or Kubeflow for MLOps?

Daisykit, a graph-based C++ and Python toolkit for deploying AI pipelines, from face detection to pose estimation and barcodes, in a few lines of code.

With Daisykit – Everyone can build AI projects!

How to install OpenCV 4 on macOS with Homebrew for C++, plus the pip and conda routes for Python, tested on an Apple M1 Macbook Air.

Install OpenCV 4 on macOS using Homebrew

My macOS setup note for a Macbook Air M1: Homebrew, daily apps, coding IDEs, and a ZSH plus iTerm2 terminal for a full development environment.

My development environment on macOS - Macbook Air M1

Two ways to get ROS 2 Foxy running on a Raspberry Pi 4: flash my prebuilt Ubuntu image, or set up Ubuntu, the desktop, and ROS 2 from scratch.

Install ROS 2 on Raspberry Pi 4 (SD card image available)

A review of YOLOX, the anchor-free YOLO with a decoupled head and SimOTA, plus a hands-on traffic-sign detection experiment on the VIA dataset.

Paper review: "YOLOX: Exceeding YOLO Series in 2021" and application in traffic sign detection - VIA Autonomous

Reading notes on three papers: CenterTrack for 2D tracking, CenterPoint for 3D detection and tracking, and CenterPoint++ for the Waymo real-time challenge.

Paper review: CenterTrack - CenterPoint - CenterPoint++

Review of three papers in one line of work: CenterTrack for 2D tracking, CenterPoint for 3D detection and tracking, and CenterPoint++, the Waymo Real-time 3D Detection Challenge submission.

A paper review of SECOND, the sparse-convolution 3D LiDAR detector: its GPU rule generation, angle loss, and point-cloud data augmentation.

Paper review: SECOND - Sparsely Embedded Convolutional Detection

Streaming 800x600 video over HTTP from a five-dollar ESP32-CAM board, running a face detection test on the stream, and what the board is realistically good for.

ESP32-CAM Video Streaming over HTTP and Face Detection

Installing the Fira Code font on Ubuntu, with the commands for 16.04 and for 17.04 through 24.04. A programming font with ligatures, and the one I use everywhere.

Install Fira Code Font for Ubuntu

My setup notes for a fresh Ubuntu machine, tested on 20.04 through 24.04: a script that installs most of the packages in one pass, plus the manual steps for everything it does not cover.

How do I install Ubuntu on a new machine?

Replacing bash with Zsh on Ubuntu: install the shell, add Oh My Zsh, and wire up the zsh-autosuggestions plugin. Three steps, and the shell setup I keep coming back to.

Install Zsh and Auto suggestion plugin for Ubuntu

Building a desktop pushup counter that combines human keypoint detection with signal processing to count reps from a webcam, no sensors needed.

Build a Pushup counter app with OpenCV and Deep learning

Lecture 1 notes from the Apex.AI Autoware course: getting the development environment up with Docker, ROS 2, Terminator, and Autoware.Auto, the errors I hit along the way, and how I fixed them.

[MOOC] Autoware Course - Lecture 1 - Setup the environment

Course notes from Udacity's Self-Driving Fundamentals, featuring Apollo. What the seven lessons cover, from HD maps and localization through perception, prediction, planning, and control. Every diagram in the series is redrawn.

[MOOC] Apollo Lessons on Self-Driving Cars

Lesson 7: steering, throttle, and brake that follow the planned trajectory while keeping passengers comfortable. PID, LQR, and model predictive control, with the tradeoffs of each.

[MOOC] Apollo Lesson 7: Control

Lesson 6: turning a map, a position, and a set of predictions into a trajectory. Routing the world as a graph, Frenet coordinates, path-velocity decoupled planning, and reading an ST graph.

[MOOC] Apollo Lesson 6: Planning

Lesson 5: predicting what everything else on the road will do next. Model-based against data-driven approaches, lane-sequence prediction, and using an RNN to produce a trajectory for each tracked object.

[MOOC] Apollo Lesson 5: Prediction

Lesson 4: turning camera, LiDAR, and radar data into objects. Classification, detection, and segmentation, what each sensor is good and bad at, and why Apollo fuses them rather than trusting one.

[MOOC] Apollo Lesson 4: Perception

Lesson 3: how the vehicle places itself to single-digit-centimetre accuracy. Inertial navigation, GNSS and IMU, RTK, LiDAR and visual localization, and the multi-sensor fusion Apollo settles on.

[MOOC] Apollo Lesson 3: Localization

Lesson 2: why a self-driving car needs an HD map rather than the one on your phone. Centimetre precision, lane markings and a 3D road network, how localization rides on top of the map, and how the maps get built.

[MOOC] Apollo Lesson 2: HD Maps

Lesson 1: what actually makes up a self-driving car. The six levels of autonomy, how a machine driver differs from a human one, and the three layers of the Apollo platform: hardware, the open software stack, and the cloud services.

[MOOC] Apollo Lesson 1: SDC Fundamentals

Hai cách cài VS Code chạy ngay trên Google Colab để dùng trình soạn thảo quen thuộc mà vẫn tận dụng GPU miễn phí: qua ColabCode và thiết lập thủ công.

Cài đặt và sử dụng VS Code trên Google Colab

Chặng đường phát triển của YOLO từ v1 đến v3: ý tưởng cốt lõi và các cải tiến kiến trúc, kỹ thuật qua từng phiên bản phát hiện vật thể.

Tìm hiểu mô hình YOLO cho phát hiện vật - Từ YOLOv1 đến YOLOv3

The three deep networks behind my Jetson Nano ADAS: CenterNet detection, a ResNet-18 sign classifier, U-Net lane segmentation, plus TensorRT tuning.

Advanced driver-assistance system on Jetson Nano Part 3 - Deep neural networks

Software design of an ADAS on Jetson Nano: forward collision warning, lane departure detection, and speed-limit sign over-speed alerts.

Advanced driver-assistance system on Jetson Nano Part 2 - Software design

Building an ADAS prototype on a Jetson Nano: the motivation, feature scope, and hardware design for collision, lane-departure, and speed-limit warnings.

Advanced driver-assistance system on Jetson Nano Part 1 - Intro & Hardware design

Giải pháp giành giải Nhì IBM Hackathon 2020: dùng mã ARUCO và xử lý ảnh tách nét viết trên giấy, stream thành webcam ảo cho học trực tuyến.

Hackathon: Xây dựng giải pháp biến đổi, stream giấy viết cho giáo dục từ xa

Cách nhóm xây xe tự hành trong giả lập Cuộc Đua Số: ENet phân đoạn đường, FaceBoxes phát hiện biển báo và điều khiển lái bằng PID.

Chúng tôi đã xây dựng xe tự hành trên giả lập thế nào?

Phân tích CenterNet - Objects as Points: đưa phát hiện vật về ước lượng keypoint trên heatmap, các hàm loss và cách huấn luyện mạng.

Tìm hiểu mô hình CenterNet - Objects as Points

Kinh nghiệm thiết lập Jetson Nano cho dự án AI nhúng: chọn nguồn, cài LXDE tiết kiệm RAM, tạo swap file và cài đặt TensorFlow.

Thiết lập ban đầu cho Jetson Nano

Tổng hợp các khoá học, blog và paper về học máy mà tôi đã học qua, kèm đánh giá ngắn cho từng tài liệu. Dành cho người mới bắt đầu với học máy và học sâu.

Các tài liệu và khoá học về học máy

Hướng dẫn gọi hàm Python xử lý ảnh từ C++ bằng Boost.Python, chuyển đổi qua lại giữa cv::Mat và NumPy array để tái dùng code sẵn có.

Gọi hàm Python trên C++ với OpenCV

Giới thiệu hồi quy tuyến tính từ lý thuyết toán học đến cài đặt bằng NumPy và scikit-learn, kèm phân tích điểm yếu nhạy cảm với nhiễu.

Linear Regression - Hồi quy tuyến tính cơ bản

Set an Intel integrated GPU as the display renderer on Ubuntu 18.04 so your NVIDIA GPU's full VRAM stays free for CUDA and model training.

Configure integrated GPU for rendering and NVIDIA GPU for CUDA works in Ubuntu 18.04

Accuracy alone hides a bad classifier. A walkthrough of the confusion matrix and what is built from it: precision, recall, specificity, F-score, and the AUC-ROC curve, with when each one is the metric that matters.

[Concepts] Classification metrics

Giải thích nguyên lý Hough Transform và cách dùng OpenCV để phát hiện đường thẳng trong ảnh, từ không gian tham số cực đến code Python thực tế.

Phát hiện đường thẳng với Hough Transform - OpenCV

Thiết kế thùng rác thông minh dùng Raspberry Pi 3 và SSD MobileNetV2 để nhận dạng chai lọ qua camera, tự động phân loại rác tái chế bằng servo.

Thiết kế thùng rác thông minh tự phân loại rác với Raspberry Pi 3

Tự viết lại kiến trúc VGG16 bằng Tensorflow Keras và huấn luyện phân loại chó mèo trên dataset Kaggle, đạt độ chính xác 95.34%.

Xây dựng bộ phân loại VGG16 với Tensorflow Keras và áp dụng phân loại chó mèo

Giới thiệu ngành thị giác máy tính, các ứng dụng thực tế và lộ trình kiến thức cần học để bắt đầu làm việc trong lĩnh vực này.

Thị giác máy tính và những gì cần học để bắt đầu

So sánh các hàm kích hoạt Sigmoid, Tanh, ReLU, Leaky ReLU và Maxout trong mạng nơ-ron: ưu, nhược điểm và cài đặt Python.

Các hàm kích hoạt (activation function) trong neural network

Xây dựng bộ phân loại chó, mèo, gấu trúc bằng k-NN với scikit-learn, so sánh trực tiếp điểm ảnh và đánh giá kết quả.

Xây dựng bộ phân loại chó, mèo hay gấu trúc với k-NN

How to regain SSH access to an AWS EC2 Ubuntu instance after ufw locks you out, by disabling the firewall via a user-data script.

Locked myself out of SSH port Ubuntu AWS server using ufw

How to attach lifecycle methods like componentDidMount to a React functional component using the react-pure-lifecycle package.

ReactJS lifecycle method inside a functional Component

Danh sách các phần mềm và package tôi hay cài trên Ubuntu cho công việc lập trình, kèm lệnh cài đặt cho từng gói.

Những package cần có cho Ubuntu

Nguyên lý lọc ảnh và các bộ lọc trung bình, Gauss, trung vị, Bilateral, Sobel và Laplacian trong OpenCV kèm code Python.

Lọc ảnh (Image Filtering)

Thao tác cơ bản với ảnh trong OpenCV bằng C++: tạo cv::Mat, đọc/ghi ảnh, truy cập từng điểm ảnh và sao chép ma trận ảnh.

Các thao tác cơ bản với ảnh trên OpenCV

Ảnh số raster và vector, các không gian màu RGB, CMYK, HSV, CIE Lab và cách chuyển đổi không gian màu trong OpenCV.

Ảnh số và các không gian màu trong xử lý ảnh

Hướng dẫn xây dựng file cấu hình Emacs từ đầu: theme, package manager, Ivy, company, neotree và các phím tắt hữu ích.

Xây dựng một cấu hình Emacs từ đầu

Fix the mysql2 gem compile error on macOS when using MAMP by pointing gem install at the right mysql_config path.

Install mysql2 gem on macOS using MAMP as mySQL server

Minify every JavaScript file in a folder with a short UglifyJS plus Bash loop, no Grunt setup required.

Minify multiple Javascript files in a folder with UglifyJS

Cách nhập chuỗi trong C chạy được trên Linux, macOS và Windows, xử lý lỗi trôi lệnh mà fflush không giải quyết được.

Một cách nhập xâu kí tự trong C - giải quyết vấn đề của fflush cho Linux, Mac OS

Cách lấy đúng IP thật của client trên Heroku bằng Node.js qua header x-forwarded-for thay vì req.ip.

Lấy địa chỉ IP thật của client trên Heroku với Nodejs

Tự xây backend Node.js gửi mail bằng nodemailer để xử lý contact form cho web tĩnh, kèm hướng dẫn deploy Heroku.

Tạo contact form đơn giản với Nodejs - nodemailer

Các hàm JavaScript để xoá dấu tiếng Việt, lọc ký tự không hợp lệ và chuẩn hoá khoảng trắng khi xử lý chuỗi.

Một số kĩ thuật xử lí tiếng Việt trong Javascript

Kinh nghiệm cài đặt và thiết lập Fedora Workstation 24: gõ tiếng Việt, phím tắt, quản lý gói dnf và kho RPM Fusion.

Kinh nghiệm ban đầu với Fedora Linux

Thuật toán loang (flood fill) đệ quy để mở vùng ô trống trong game dò mìn, kèm ví dụ minh hoạ và code C.

Thuật toán loang ứng dụng trong game dò mìn

Thuật toán sinh mìn ngẫu nhiên cho game dò mìn viết bằng C, kèm code đặt mìn và đếm số mìn quanh mỗi ô.

Xây dựng thuật toán sinh mìn trong trò chơi dò mìn Minesweeper viết bằng C

Hướng dẫn thay đổi độ phân giải màn hình Raspberry Pi qua tệp config.txt với các giá trị hdmi_group và hdmi_mode

Thay đổi độ phân giải màn hình Raspberry Pi

A beginner guide to GNU Emacs: why use it for coding, how to install it on Ubuntu, and the essential file, edit and cursor shortcuts

A very simple guide to GNU Emacs

Hướng dẫn cài bộ cấu hình Emacs cho lập trình C trên Ubuntu và viết Makefile cơ bản để biên dịch, chạy chương trình

Cấu hình Emacs để lập trình C

Vì sao lập trình viên nên có website cá nhân: xây thương hiệu, giữ động lực, rèn kỹ năng và gợi ý cách bắt đầu tạo web

Lập trình viên nên tạo website cá nhân

Cấu trúc rẽ nhánh trong C: cú pháp if, if...else, if...else if và switch case kèm các ví dụ minh họa chạy được

Cấu trúc rẽ nhánh trong C

Cách khai báo biến, hằng và các kiểu dữ liệu trong C, cùng nhập xuất dữ liệu bằng printf và scanf với các đặc tả định dạng

Blog tiếng Việt

20181 post