12 bài viết được gắn thẻ "Deep Learning"

Series này nằm trong khuôn khổ bài nói chuyện tại ĐHQG HCM ngày 19/8/2024. Bốn phần trước mình đã làm rõ thêm một số ý thảo luận tại hội trường và bên lề.

Phần này và vài phần tiếp mình trình bày nội dung chuẩn bị cho bài nói hôm đó, đến tận kỳ nghỉ lễ vừa rồi mới có thời gian dịch ra tiếng Việt và biên tập lại (hôm đó khó khách quốc tế nên nói tiếng Anh). Thứ tự trình bày các phần vì thế hơi ngược.

Hi các bạn,

AI vốn là 1 lĩnh vực có tính hàn lâm cao. Do đó trong quá trình học AI, người học sẽ phải làm quen và tiếp xúc với rất nhiều các thuật ngữ. Với các bạn học AI hoàn toàn bằng tiếng Anh thì không có vấn đề gì. Tuy nhiên với những bạn học bằng tiếng Việt, hoặc tiếng Anh song song với tiếng Việt, có 1 vài thuật ngữ sẽ khiến cho nhiều bạn, đặc biệt là những bạn mới, cảm thấy khó hiểu hoặc dễ bị nhầm lẫn. Trong video/bài viết này mình xin tổng hợp những thuật ngữ như vậy:

Hi các bạn,

Trong video đầu tiên chia sẻ trong năm mới 2025 này, mình xin tổng hợp các câu hỏi và trả lời phỏng vấn học thuật cơ bản và phổ biến mà các bạn thường sẽ gặp khi đi ứng tuyển xin việc các vị trí có liên quan đến AI (Data Scientist, Machine Learning engineer hay AI engineer), dựa trên chính trải nghiệm đi xin việc trong hơn 8 năm qua của mình. Đây là những câu hỏi vô cùng phổ biến trong các cuộc phỏng vấn, giúp nhà tuyển dụng đánh giá kiến thức cơ bản của các bạn về AI, Data Science cũng như ML/DL.

Hi các bạn,

Đầu tiên mình xin được gửi lời chúc năm mới đến tất cả mọi người. Chúc các bạn và gia đình luôn khỏe mạnh, gặp nhiều may mắn và thành công trong năm mới 🎇🎇🎇

Như là bài viết cuối cùng của năm 2024, mình xin chia sẻ với các bạn 1 video tổng hợp về chủ đề AI học thuật. Tuy độ dài video chỉ hơn 20 phút nhưng để hoàn thành mình đã phải mất hơn 1 tháng, từ lên nội dung, tổng hợp tài liệu, record cho đến edit. Đây là 1 video mình đã muốn làm từ rất lâu nhưng đến giờ mới có thể hoàn thiện. Mình cũng đã cố gắng để có thể giới thiệu và giải thích tất cả các khái niệm cũng như thuật ngữ theo cách đơn giản nhất có thể để các bạn ngoài ngành cũng có thể hiểu.

Hi các bạn,

Hiện tại ở VN có rất nhiều bạn trẻ đang theo học các chuyên ngành về AI, và có định hướng sau này trở thành AI engineer, tuy nhiên do môi trường học tập trên các trường đại học, cao đẳng thường có thiên hướng hàn lâm, thiên về lý thuyết, cũng như là cơ hội đi thực tập các vị trí liên quan đến AI không có nhiều và khá cạnh tranh, điều đó dẫn tới việc là các bạn không có nhiều cơ hội để biết được công việc của 1 kỹ sư AI là gì, hay có sự khác biệt như thế nào giữa công việc các bạn sẽ làm trên công ty và những gì các bạn được học trên trường.

Công cụ hỗ trợ Research mới nhất đến từ Google (LƯU Ý: BẢN TRẢ PHÍ 20 $$$$$$$)

Hi các bạn,

Trong quá trình mình dạy các lớp học online về AI/Machine Learning/Data Science, thi thoảng mình có được các bạn học viên hỏi về việc học gì hay làm như thế nào để xây dựng được các mô hình AI dự đoán giá tiền ảo (bitcoin, ethereum,..), giá vàng, giá các ngoại tệ hay thậm chí là giá cổ phiếu. Cũng có những bạn nói thẳng từ đầu rằng mục đích học AI là để xây dựng các mô hình dự đoán như vậy.

Hiện nay, chúng ta có hàng chục thuật toán Machine Learning khác nhau, hàng chục mô hình Deep Learning khác nhau. Vậy khi gặp 1 bài toán nào đó (e.g. dự đoán giá, chẩn đoán bệnh, nhận dạng đối tượng, …) với những yêu cầu khác nhau về độ chính xác, tài nguyên tính toán hoặc tốc độ xử lý, ở trong các môi trường khác nhau: môi trường hàn lâm, học thuật trên các trường đại học vs môi trường làm việc thực tế ở các công ty, thì làm sao để chúng ta có thể chọn được mô hình, thuật toán phù hợp nhất?

Theo gợi ý của admin Nguyễn Tiến Dũng và vài member, tớ chia sẻ 1 vài khái niệm thường gặp trong ML/AI. Qua 1 vài post rất viral và nhiều comment mấy ngày qua về đề tài này trong group, thấy có vẻ nhiều người quan tâm chứng tỏ các chủ đề kỹ thuật cũng khá hot. Lưu ý so sánh nôm na cho dễ hiểu nên có thể không chính xác 100%.

AI là 1 trong những lĩnh vực phát triển mạnh mẽ nhất trong những năm gần đây. Cùng với đó là sự gia tăng nhanh chóng của những người học AI cũng như sử dụng các công cụ AI trong công việc hàng ngày. Tuy nhiên, có 1 số những lầm tưởng cũng như là lạm dụng rất phổ biến của 1 bộ phận không nhỏ trong số chúng ta về AI, và trong bài viết này, mình xin điểm mặt gọi tên chúng.