Gần đây, khá nhiều bạn nhắn tin hỏi mình những câu hỏi đại loại như: có nên học AI, bắt đầu học AI như nào, làm sao tự học cho đúng, cho nhanh, học không bị nản, lộ trình học AI như nào... Sau nhiều lần trả lời, mình nghĩ rằng nên viết hẳn một bài để trả lời chi tiết hơn, cũng như để các bạn sau này có hỏi, mình chỉ việc gửi link cho các bạn đọc cho nhanh . Bài viết nói về những ngày đầu mình mới tiếp cận lĩnh vực này cho đến bây giờ. Nó phù hợp cho các bạn sinh viên đang lạc hướng - những bạn phân vân rằng có nên theo đuổi AI, kể cả các bạn sinh viên kinh tế muốn chuyển ngành.

Note: đây là câu chuyện của riêng cá nhân mình, nó có thể đúng hoặc không đối với một vài người. Vậy nên nếu có đoạn nào bạn thấy không đúng với bản thân bạn, đừng bận tâm bởi đó là góc nhìn cá nhân của mình mà.

Bài viết gồm 2 phần chính:

• Tư vấn, trả lời các câu hỏi mình thường được hỏi.
• Mình đã học AI như thế nào.
  • Học ở trường
  • Đi thực tập
  • Làm việc tại Sun
  • Kinh nghiệm đúc kết của mình

1. Tư vấn, trả lời

1.1 Em có nên học AI không ?

Trả lời: Tùy.

AI đang hot, không có nghĩa là nó vẫn giữ được trend trong tương lai. Nên nếu bạn đang học IT, không nhất thiết cứ phải chạy theo trend cho bằng bạn bằng bè. Cứ thử qua vài mảng Web, IOS, Androi App, AI, Block chain, IOT... 1 chút, rồi từ từ quyết định cũng được. Hướng nào cũng được, miễn là bạn giỏi thì không lo thiếu đất dụng võ. Biết đâu bạn sẽ thấy lập trình IOS thích hợp với bản thân hơn. Có bạn nữ làm IOS thu nhập 330 tỷ đây này. Còn nếu vẫn cảm thấy thích AI thì hãy triển thôi

1.2 Em có thể học AI khi không biết gì về toán ?

Trả lời: Hoàn toàn có.

Mọi người thường nói: để học AI cần phải có kiến thức toán và lập trình. Điều đó thì đúng, nhưng không có nghĩa là bạn phải thật giỏi toán mới học được. Thực ra để bắt đầu với AI, bạn chỉ cần 1 lượng kiến thức toán vừa đủ về đại số, xác suất thống kể, giải tích... để thuận lợi hơn khi học. Kể cả nếu bạn không nhớ 1 tý gì, bạn hoàn toàn có thể bổ sung kiến thức toán trong quá trình học. Thầy Andrew Ng thường nói: "Dont worry if you dont understand".

1.3 Không phải dân IT có thể học AI không?

Trả lời: Hoàn toàn có

Dựa vào thực tế, mình có thể khẳng định rằng không phải dân IT vẫn học được AI. Mình có khá nhiều người quen nhảy ngành từ ngành khác sang IT, AI. Họ xuất thân là dân Ngoại Thương, Kinh Tế Quốc Dân, Đại Học Kinh Tế - DDHQGHN, Thương Mại... Chắc nhiều bạn biết anh Phạm Đình Khánh - blogger tại: https://phamdinhkhanh.github.io. Mình nhớ không nhầm thì anh ấy là dân Ngoại Thương. Hay bà chị đồng nghiệp ngồi sau mình: xuất thân từ ĐH Kinh Tế - ĐHQG HN nhưng ngồi nhà tự học AI trong hơn 1 năm rồi đi xin việc. Giờ chị ấy rất giỏi, cũng là tác giả và đồng tác giả của khá nhiều Paper quốc tế. Vậy nên đừng lo lắng nếu bạn không phải dân IT.

1.4 Em nên bắt đầu học AI từ đâu ?

Trả lời: machine learning - Coursera , machinelearningcoban.com

Những khi nhận được câu hỏi trên, mình thường gửi link khóa Machine Learning trên Coursera và bảo các bạn ấy nên bắt đầu học từ đó. Đây là 1 khóa học kinh điển mà hầu hết người mới học đều đã từng học hoặc biết đến. Ngoài ra, trên trang https://www.coursera.org này còn có hàng chục ngàn khóa học hay về đủ mọi lĩnh vực: kinh tế, chính trị, tâm lý học, lập trình, AI, IOS,... Ngoài khóa học machine learning ra còn có rất nhiều khóa nâng cao về Deep learning, Computer vision, NLP, Recommendation System...

Nếu bạn ngại đọc-nghe tiếng Anh, hãy follow blog machinelearningcoban.com - tác giả là a Vũ Hữu Tiệp. Theo nhận định của mình, đây là một trong những blog AI tiếng Việt chất lượng nhất. Nên đọc nó.

1.5 Em có nên học khóa học bên ngoài ?

Trả lời: Mình không biết.

Mình chưa học khóa nào bên ngoài nên mình không rõ nữa. Hiện nay có rất nhiều các khóa học AI được mở ra, thượng vàng hạ cám đều có cả, có khóa còn giật tít "Học AI để kiếm việc lương 1000$". Nhiều khóa khá chất lượng như VietAI, AI4E. Nhưng cũng nhiều khóa mở ra chỉ với mục đích thu lợi, kiến thức thì dạy cơ bản, học viên tốt nghiệp xong vẫn ù ù cạc cạc không đủ kiến thức nền tảng. Vậy nên nếu bạn có ý định đi học 1 khóa AI ở trung tâm nào đó, hãy tìm hiểu cho kĩ trước khi quyết định (vì theo mình thấy học phí AI thường không rẻ chút nào).

1.6 Lộ trình học AI ?

Cái này thì theo ý kiến của cá nhân mình thôi. Ở phần này mình sẽ liệt kê qua những việc bạn nên làm, chi tiết hơn bạn có thể đọc ở phần tiếp theo. Lộ trình bao gồm:

• Nên học tại ĐH lớn như ĐH Công Nghệ - UET, Bách Khoa, FPT, Bưu chính viễn thông, KTQS... Không bắt buộc nhưng nên học tại các trường này vì bạn sẽ có môi trường tốt hơn, nhiều cơ hội hơn
• Tự học 1 chút về AI theo các khóa online trên coursera, edx, udemy, fast ai...
• Xin vào Lab nghiên cứu của thầy, học hỏi kinh nghiệm từ anh chị khóa trên
• Xin đi thực tập càng sớm càng tốt
• Nếu không ở lại trường, hãy đi làm fulltime trong khoảng đầu kì 2 năm 4
• Nếu sau 1 khoảng thời gian đi làm, bạn có thể quay lại học thạc sĩ nếu cảm thấy cần

2. Mình đã học AI như nào ?

2.1 Theo HMI Lab - UET

Mình học tại ĐH Công Nghệ UET-VNU, tại trường có rất nhiều các Lab nghiên cứu của các thầy. Tại đó, các sinh viên xin vào Lab, thầy sẽ giao đề tài cho tự nghiên cứu, sinh viên sẽ nhận được sự chỉ dẫn của các thầy học các anh chị khóa trên.

Hồi đó, mình và 2 thằng bạn cùng xin vào HMI Lab của thầy Lê Thanh Hà và thầy Trần Quốc Long. Tại đây bọn mình học được rất nhiều, từ xử lí ảnh cho tới deep learning. Thực ra ở Lab, chủ yếu bọn mình tự học và hỏi các anh chị. Mỗi cuối tuần sẽ phải lên Lab và báo cáo các thầy đã học gì, làm gì. Sau khi kiến thức nền tảng đã đủ, thầy sẽ giao cho 1 vài bài toán về tìm hiểu, đọc thuật toán, paper, tìm cách làm, cải tiến và báo cáo hằng tuần. Có môi trường tốt, có thầy, có bạn học nên mọi thứ tiến triển nhanh hơn trước nhiều.

Vậy nên bất kì bạn sinh viên nào mình cũng khuyên hãy theo Lab tại trường. Theo Lab rất có lợi, vừa nhận được sự chỉ bảo từ thầy, từ các anh chị mà mối quan hệ cũng mở rộng hơn.

2.2 Lạc hướng

Cuối năm 2, sau một thời gian nghiên cứu AI tại Lab, mình bắt đầu thấy chán. Một phần vì nhìn mấy đứa bạn làm Web, IOS đều đi thực tập rồi, một phần vì chưa thấy được tính thực tế của AI. Mình nhớ hồi đó chưa nhiều công ty làm về AI như bây giờ, chỉ có một vài công ty mới bắt đầu mở team AI, việc xin đi thực tập cũng không dễ. Mình lại học chuyên ngành Công Nghệ Phần Mềm nên xung quanh toàn đứa giỏi về Web, một tay dựng Web trong vài ngày. Vậy nên mình quyết định theo chân thằng bạn đi thực tập tại FPT. Hồi đó mình lập trình .Net và Angular. Tuy nhiên trong thời gian đó vẫn lên Lab dù không thực sự đam mê như trước. Cũng may là ý định theo đuổi AI chưa tắt hẳn.

2.3 Thực tập tại InfoRe

Sang kì 1 năm 4, mình lại theo chân thằng bạn cùng phòng xin thực tập tại 1 Startup là InfoRe Technology. Đây là 1 startup về AI của anh Lê Công Thành. Hồi đó công ty hầu hết là nhân viên part time - sinh viên giống mình. Tại đây mình được tiếp xúc với rất nhiều bạn giỏi trong đa lĩnh vực: kinh tế, marketing, nhân sự, sale, dev, AI... Đây là một môi trường mở rất tốt, mọi người đa số tự học và trao đổi với nhau. Nhờ vậy mà kĩ năng tự học của mình cũng tăng lên. Tại InfoRe, dù công việc chính của mình vẫn là làm web nhưng mình tìm lại được cảm hứng học và làm việc với AI. Nhờ vậy, mình quyết định quay lại với AI và theo đuổi tới tận bây giờ.

2.4 Làm việc tại Sun Asterisk

Mình xin nghỉ tại InfoRe và dành 2 tháng để ngồi lì trong phòng, tự học, làm việc và viết blog AI. Đến kì 2 năm 4, mình xin đi thực tập tại Framgia (sau này đổi tên thành Sun Asterisk). Lúc đầu cũng chỉ định xin thực tập part time thôi, nhưng khi đi phỏng vấn được a teamlead đánh giá là đủ năng lực thành nhân viên fulltime. Và sau 2 tháng thử việc, mình trở thành nhân viên chính thức tại Sun Asterisk.

Hồi đó team còn mới, ít người, thành viên đa số trong độ tuổi 94-97 nên mọi người rất hòa đồng và vui, mình rất nhanh chóng hòa nhập. Cũng vì team trẻ nên hầu hết tự học, tự làm với nhau. Nhờ vậy mà các dự án, lĩnh vực mình nghiên cứu trở lên đa dạng. Mình thì thiên về Computer Vision, đôi khi làm Speech, NLP. Từng có thời gian mình đi Nhật mấy tháng để làm dự án về Recommendation. Nói chung, tại đây mình được tiếp xúc với nhiều người giỏi, học được nhiều thứ. Điều tiếc nuối duy nhất của mình là không đi thực tập sớm hơn. Tính tới thời điểm này cũng đã được vài năm

Mình luôn khuyên các bạn nên đi thực tập. Tại môi trường doanh nghiệp, bạn sẽ học được nhiều thứ mà trường đại học, Lab không dạy như tác phong làm việc, estimate dự án, xử lí rủi ro, tạo dựng các mối quan hệ sau này nữa.

2.5 Dự định

Sắp tới mình sẽ đăng kí học thạc sĩ, vừa đi học vừa đi làm. Sau một thời gian đi làm, mình nhận ra điều này là cần thiết kể cả trong môi trường doanh nghiệp.

2.5 Các kênh kiến thức mình follow

2.5.1 Blog

Mình có thói quen đọc (và viết) blog. Hiện nay có rất nhiều blog chất lượng giúp các bạn dễ dàng tiếp cận hơn. Đôi khi, bạn sẽ cảm thấy bị choáng ngợp bởi rất nhiều nội dung trên Internet khiến bản thân không biết bắt đầu từ đâu. Dưới đây mình liệt kê các kênh chính mình follow

Tiếng Anh:

• medium.com - Có thể gọi đây là 1 mạng xã hội tri thức. Là nguồn kiến thức khổng lồ đa lĩnh vực. Chiếm 60% thời gian đọc blog của mình.
• towardsdatascience.com - một nhánh con của medium ,chuyên sâu hơn về IT và datascience.
• ai.googleblog.com
• openai.com
• https://jhui.github.io
• pyimagesearch.com - chuyên về xử lí ảnh với opencv và thiên về computer vision

Tiếng Việt:

• machinelearningcoban.com - blog mà bất cứ ai cũng nên đọc
• phamdinhkhanh.github.io - một blog rất hay, tác giả viết rất rõ ràng, chi tiết, kèm code.
• viblo: sun-ai-research-team. Viblo là 1 nguồn kiến thức lớn nếu bạn biết cách tận dụng. Hãy thử click vào link mình vừa gửi. Đây là link group AI của team mình. Tính tới thời điểm hiện tại, số lượng bài viết đã lên tới hằng trăm bài, chuyên sâu, cụ thể và đa số đều kèm code. Ví dụ đây là 1 bài cực dài, cực chi tiết về Graph Neural Network của anh Phan Huy Hoàng, bài này sẽ ngốn của bạn cả tuần đọc để tiêu thụ hàm lượng kiến thức trong bài này.
• ongxuanhong.wordpress.com - Nghiêng về lĩnh vực data science và data engineer.

2.5.2 Course

Các khóa học, trang web chứa khóa học hay:

• coursera - link chứa top 20 khóa AI trên coursera (đọc đủ hết đám này chắc tẩu hỏa nhập ma mất)
• fast.ai
• edx.org
• cs231n

Mình còn nhiều nữa nhưng chắc thế này là đủ cho các bạn học rồi.

2.5.3 Update new paper, algorithms

Mình thường hay update các paper, thuật toán mới nhất tại:

• paperswithcode - Cập nhật paper mới, xếp hạng, so sánh kèm link đến github repository
• Two Minute Papers - Giải thích các paper nhanh và dễ hiểu
• awesomerepository.com - luôn update các repository hay nhất trên github

2.5.4 Group, Community, Social network

Đa số các group AI mình follow là trên nền tảng Facebook. Mình join và follow những kênh sau:

• machinelearningcoban - có thể nói đây là group AI sôi động nhất Việt Nam hiện nay. Nơi hỏi đáp, chia sẻ, trao đổi, tuyển dụng...
• VietNam AI Link Sharing - hơi khác một chút, group này tập trung vào chia sẻ kiến thức. Ưu điểm: bài viết chọn lọc, chất lượng cao và content được kiểm duyệt, review trước khi up. Vietnam AI Link Sharing Community là nơi chia sẻ và cập nhật các thuật toán, paper, bài viết, blog, github repository, cuộc thi trong lĩnh vực AI-Machine Learning-Deep Learning.
• MontrealAI
• Data Science & Big Data Vietnam - 1 group lớn, khá sôi động nhưng content bị loãng bởi các tin rác, bài đăng thiếu chuyên nghiệp hoặc các nội dung không liên quan.
• Cộng đồng xử lý ngôn ngữ tự nhiên - chuyên về NLP hơn
• AI For Everyone - AI4E

Còn rất nhiều group khác nhưng mình chỉ liệt kê tới đây thôi. Vậy là đủ để bạn bắt đầu.

3. Kết

Trên đây là một số chia sẻ của mình, có thể đúng hoặc chưa đúng với một vài người vì đó là góc nhìn của bản thân mình. Nếu bạn muốn hỏi thêm, hãy comment và mình trả lời và thêm vào bài viết sau. Cảm ơn bạn đã đọc.

Đừng quên UPVOTE