Con đường trở thành Master Artificial Intelligence (AI)
This post hasn't been updated for 4 years
Bắt đầu với câu hỏi: Tại sao nên học AI?
Các bạn có còn nhớ cái thời 9x khi mà những khái niệm về robot còn là thứ được sinh ra bởi trí tưởng tượng "hoang đường" của con người, xuất hiện trong những bộ phim như một điều "kì thú" mang tính "giải trí không gây hại"
Thì trong thập kỉ gần đây, những tin tức về AI khiến chúng ta không khỏi không chú ý, như AlphaZero - một AI do Google phát triển đánh bại kiện tướng cờ Vây thế giới; một bot đến từ OpenAI đánh bại Deldi cao thủ Dota2, xe tự hành (self-driving car) hay những công nghệ nghe có vẻ "dễ thở" hơn như nhận diện khuôn mặt, nhà thông minh ... tất cả minh chứng cho một thực tế AI đã, đang và sẽ trở thành một thành tố tất yếu của với nhân loại trong tương lai - không xa.
- "Ngồi đây và cảm giác nghẹt thở trước sự thay đổi chóng mặt của công nghệ AI"; hay
- "Đóng góp vào sự phát triển công nghệ - chính tay mình sẽ tạo ra những tinh hoa trí tuệ mang tên AI"?!
Quyết định không đâu hết chính là ở bạn, là chúng ta đấy!
Khóa học mang tính nền tảng
- ✅ Udacity Programming Foundations with Python [Free]
- ✅ CS50 [Free]
- ✅ Treehouse Python Track [Có phí]
- ✅ Udacity Intro to Data Science [Free]
- ✅ DataCamp’s Intro to Python for Data Science Track [Có phí]
Lý do nên học?
Chưa cần bàn vội đến AI, với các bạn chưa từng được đào tạo trên trường lớp hay có hiểu biết cá nhân về bộ môn khoa học máy tính nói chung và lập trình nói riêng thì các khóa học trên sẽ giúp các bạn xây dựng một nền tảng vững chắc để tự tin trên thao trường trước khi " trận chiến" bộ môn nghệ thuật AI này
Khóa học nâng cao
- Andrew Ng’s Machine Learning on Coursera [Free]
- Udacity Deep Learning Nanodegree Foundations [Có phí]
- Andrew Ng’s deeplearning.ai course on Coursera [Có phí]
- Udacity Artificial Intelligence Nanodegree [Có phí]
- Fast.ai Deep Learning Course (part 1) [Free]
- Fast.ai Deep Learning Course (part 2) [Free]
- Applied Data Science with Python on Coursera [Có phí]
- Fast.ai Machine Learning Course [Free]
3 kênh online tốt nhất mà bạn có thể khai thác trên hành trình trở thành AI Master có thể kể đến: Udacity, deeplearning.ai, fast.ai
Books
- Learn Python the Hard Way by Zed Shaw [Có phí]
- Naked Statistics by Charles Wheelan [Có phí]
- Artificial Intelligence: A Modern Approach by Peter Norvig and Steven Russell [Có phí]
- Deep Learning with Python by François Chollet [Có phí]
- Hands-On Machine Learning with Scikit-Learn and TensorFlow by Aurélien Géron [Có phí]
- The Hundred-Page Machine Learning Book by Andriy Burkov [Có phí]
Why these?
Cảm hứng; Những câu chuyện; Những góc nhìn, tầm nhìn hay Kinh nghiệm của những bậc thầy trong lĩnh vực AI chắc chắn sẽ giúp chúng ta đâu đó trong cuộc hành trình này. Với mình nó tiếp thêm "nhiên liệu" cho lò đốt AI đang cháy âm ỉ bên trong mình .
Với những ai đã từng kém hay thậm chí trượt các môn Toán (Rời rạc; Đại số tuyến tính; Xác suất & Thống kê,...) và đang tự ti là mình sẽ không thể theo được cái bộ môn mà mọi người vẫn đang nghĩ là dành cho những đứa thiên tài, thì mình nghĩ thế này:
Chúng ta có thể không xuất sắc trong lĩnh vực đó (ok giả sử vì ta không thông minh), nhưng để làm được thì mình tin chắc chắn kiên nhãn, bền bỉ, tập trung và xác định được động cơ - mục đích rõ ràng sẽ là chìa khóa để chúng ta có thể không những làm được mà sẽ là làm tốt trong bất kì lĩnh vực nào.
Thử suy nghĩ lại xem tại sao bạn đã thất bại? Chẳng phải là do hời hợt, sống không mục tiêu, lạc trôi?!
... vậy là bạn hiểu rồi đúng không, không phải là do bản chất của chúng ta đã kém cỏi, mà do những thói quen chưa tốt đã cản trở chúng ta đến với thành công. Vậy thì hãy ngay từ bay giờ thay đổi thói quen nhé (1 trong các cách làm đó là làm khác đi)
Học AI mà không xem cuốn "giáo khoa" Artificial Intelligence: A Modern Approach - một kiệt phẩm viềt AI thì không gọi là học AI.
Deep Learning with Python có lẽ là cuốn sách nhập môn về AI, Deep Learning và Python hay nhất đến thời điểm hiện tại. Tác giả của cuốn sách - François Chollet cũng chính là tác giả của Keras, một framework nổi tiếng cho Deep learning và hiện tại đang làm về Deep Learning tại Google.
Hands-on Machine Learning Tác giả gốc của bài viết này đã đọc và nhận thấy những gì ông ấy làm từ trước đến nay và tương lai được đề cập trong quyển sách này!
The Hundred-Page Machine Learning Book Nếu bạn đang là một kĩ sư phần mềm "bình thường" thì cuốn sách này sẽ có thể trở thành kim chỉ nam dẫn đường chỉ lối những ngày đầu trên cuộc hành trình!
Toán học ... chính nó, ko nhìn nhầm đâu, là Toán đấy!
- Khan Academy Introduction to Matrices [Free]
- Khan Academy Linear Algebra [Free]
- Khan Academy Multivariable Calculus [Free]
- Khan Academy Statistics and Probability [Free]
- 3blue1brown YouTube Channel [Free]
- Math for Machine Learning on Coursera [Có phí]
Tui kém toán lắm... sư mơ ba la~
Dọc theo chặng đường phát triển của công nghệ AI chính là sự ra đời của rất nhiều framework và thư viện hỗ trợ nhiều những vấn đề liên quan đến toán học. Nhưng để thật sự "làm chủ" nó thì chúng ta phải trước tiên hiểu những khái niệm, quy tắc và ứng dụng của chúng. Nếu không thì cảm giác "khó chịu tột độ" sẽ xuất hiện vì không hiểu tại sao nó lại thế này, thế kia...
"Ngoại khóa"
- Brisbane AI Meetup [Free]
- Siraj Raval’s YouTube Channel [Free]
- FreeCodeCamp [Free]
- The Learning How to Learn Course on Coursera [Free]
- Google Cloud Data Professional Specialization on Coursera [Cost]
Sao lại "Ngoại khóa"
Một Thầy giáo đại học có nói với bọn mình một ý đại khái thế này: "Hãy dạy ai đó nếu muốn mình học cái gì đó",
và Einstein cũng đã nói:
Nếu bạn không thể giải thích một sự việc một cách đơn giản, tức là bạn hiểu nó chưa đủ.
Vậy hãy tìm một cộng đồng cũng đam mê về cái mà chúng ta đang theo đuổi để có thêm nhiều cơ hội để chia sẻ, trình bày những suy nghĩ, cách hiểu hay các ý tưởng của mình. Theo như Einstein, nếu ta không thể giải thích những khái niệm trìu tượng bằng những từ ngữ, cách diễn đạt đơn giản thì ta đang chưa thực sự hiểu nó.
Việt Nam thì chưa phổ biến nhưng Meetup là một kênh ta có thể tìm kiếm những cộng đồng có cùng mối quan tâm như thế.
FreeCodeCamp là nơi ta có thể dõi theo được tình hình thời sự của công nghệ "ngoài kia". Và, sau khi bạn đã có trên tay một sản phẩm thì cộng đồng trên Free Code Camp có thể hỗ trợ chúng ta việc này!
Một kĩ năng mà mình nghĩ bất kì một học sinh nào cũng bắt buộc phải thành thục đó là kĩ năng học tập. Trong một thời đại mà kiến thức - ít nhất là trong lĩnh vưc ta quan tâm không ngừng được cập nhật, khám phá thêm thì sẽ ra sao nếu chúng ta - đã bị giới hạn bởi 60 năm cuộc đời, không thể tăng tốc khả năng tiếp thu của mình
Vì lẽ đó, chúng ta nên dành thời gian để tôi luyện kĩ năng thiết yếu này. Và một khóa học các bạn có thể tham khảo the ultimate skill
Sau cùng, có sản phẩm rồi, làm thế nào để mọi người có thể tiếp cận sản phẩm của bạn? Phải tự dựng server? mua thiết bị? cấu hình hệ thống mạng? bảo trì? vận hành?? May mắn cho chúng ta là thời buổi "Đám Mây" roài
Những việc "hàn lâm" kể trên đã có nền tảng Điện toán đám mây - Computing Cloud hỗ trợ chúng ta, dịch vụ mạnh nhất đắc lưc nhất với bài toán của chúng ta có lẽ là Serverless Service tức là những cái chuyện liên quan đến server (setup, vận hành, bảo trì này kia) sẽ được phía nhà cung cấp "hầu" mình (một cách tốn tiền)
Khóa học sau sẽ giúp chúng ta hiểu về những dịch vụ này Google Cloud Data Engineering Specialization on Coursera . To see more, see the article, How I Passed the Google Cloud Data Professional Certification Exam.
Tracking tiến độ học tập
Tại sao phải tracking??
Trước khi tracking thì chúng ta nên bàn chuyện Set Goals - hay thiết lập mục tiêu.
Làm mà không có mục tiêu như kiểu đi mà không có đích đến vậy.
Ok, có thể là chúng ta - những bạn mà đang đọc bài viết này đang khá hơn nhiều bạn khác ở điểm là chúng ta biết mình nên "đi", nên làm một điều gì đó, nên học tập, nên thay đổi cái số phận "hẩm hiu" chẳng có gì nổi bật này của mình... thì như thế mới là 10% của câu chuyện thui, 90% còn lại là phụ thuộc vào việc bạn cần phải tìm ra các mục tiêu và không ngừng hoàn thành các mục tiêu lớn - nhỏ, ngắn hạn - dài hạn đó.
Có mục tiêu rồi thì mới "vẽ" ra các đầu việc để hoàn thành mục tiêu đó. Rồi sau đó là sắp xếp thời gian như thế nào, sử dụng chiến thuật nào để hoàn thành các đầu việc đó. Cá nhân mình thì thích chiến thuật "5 phút" (bạn nào quan tâm thì có thể inbox mình, mình sẽ nói thêm nhé)
Để visualize - hữu hình hóa những cái mục tiêu - tiến độ các công việc và để xem bạn đang ở đâu trên con đường đến Master thì bạn có thể dùng Trello board (đây là trello của anh tác giả gốc của bài viết này)
OK, đọc xong rồi, làm gì tiếp đây..
- Bạn có thể tham khảo nhật kí hành trình của tác giả bài viết hàng tuần tại YouTube videos và hằng ngày tại blog posts.
- Tìm ngay cho mình một cuốn sách, hay một khóa học đã được đề cập ở trên để bắt đầu cho nóng
- Khôn ngoan hơn một chút thì vắt tay lên trán - nghĩ xem mình muốn 5 10 năm nữa mình sẽ thành Master hình mẫu như thế nào? Tưởng tượng xem người như thế thì phải giỏi cái gì, rồi đọc lại bài viết này từ đó tìm ra mục tiêu ngắn hạn - dài hạn blah bloh, lên kế hoạch ... (có nhiều bài viết, hay youtube khác về cách lập kế hoạch, các bạn tự tìm hiểu nhé)
Chúc các bạn - và bản thân mình sớm tìm được mục tiêu và kiên trì, bền bỉ, quyết tâm, tập trung với niềm đam mê của mình.
Bài viết gốc: https://towardsdatascience.com/my-self-created-ai-masters-degree-ddc7aae92d0e
All Rights Reserved