dongdoilatleo2
Senior Member
làm ML/AI như bác có cần toán nhiều k ạ
thảo luận Xin topic để mình làm 1 buổi chia sẻ về career về Software/AI/Data
- Người tạo chủ đề khanhdohn
- Ngày bắt đầu
khanhdohn
Senior Member
mình học vừa đủ để hiểu thôi nhé. Ví dụ trong ML thì toán ma trận là nhiều nhất, mà cũng không tới nỗi phức tạp lắm, chủ yếu nhân ma trận với nhau. Làm CNN thì có thêm cái convolution là hết rồi. Probability nếu học thấm được thì tốt, có thể hiểu nhiều hơn về cách tính output với mấy cái advance method. Học probability tốt thì có option là đi apply với WQ cũng khá hay. Bạn đừng sợ toán trong ML nhé. Học để được như mấy anh phD thì khó chứ học để hiểu căn bản thì không khó lắm đâu, chỉ cần kiên nhẫn là được.
Archonis
Senior Member
góc nhìn của ông và những cái ông nói chỉ đang dừng lại ở layer application thôi, đúng hơn thì title của ông nên là Applied Ai Engineernói thật là giờ mình ko biết định nghĩa AI Engineer là gì luôn)) lúc trước AI Engineer chủ yếu là làm model research, đọc paper, bridge giữa research và engineer, làm việc cùng với Data Scientist để support. Còn giờ đọc JD thì có vẻ không giống lắm. Có vẻ mình chưa đọc đủ nhiều JD để xem nhưng có gần đây định nghĩa về role này đang thay đổi, có vẻ như dùng được AI và ứng dụng AI được thì gọi là AI Engineer.
khanhdohn
Senior Member
interesting là bạn ko biết mình làm về cái gì những đã đoán như thế
khanhdohn
Senior Member
mình rồi nhé. Đương nhiên là sẽ cực cực khó. Có 1 giai đoạn mình muốn kiếm project ngoài để làm. Lúc đó công việc chủ yếu của mình là làm ML, job ở ngoài thì toàn fullstack với backend. Thì mình đi pv tầm 40 50 chỗ, chỗ n hỏi ko biết thì mình ghi lại rồi research câu trả lời, xong rồi chỗ n+1 thì mình lấy cái đó ra trả lời. Kinh nghiệm thì mình vẫn có, chủ yếu là lâu quá ko làm ko cập nhật gì nhiều nên phải làm kiểu như vậy. Sau đó thì cũng có 1 startup nhỏ nhận, rồi làm thôi.
Nếu mà bạn làm 1 cái mà chưa làm bao giờ thì nên chuẩn bị 1 cái portfolio nho nhỏ, demo thôi cũng được, để at least là show the effort. Sau đó thì cứ đi apply thôi. Learn from the mistakes. Chắc tầm 40 50 chỗ như mình thì cũng có người nhận thôi, miễn đừng chán nản bỏ cuộc là được.
khoanvm1711
Senior Member
anh có thể chia sẻ một chút về việc tìm job ở ngoài để kiếm thêm thu nhập và up level skill không ạ, em hiện tại khoảng gần 5yoe BE + AI muốn tìm thêm job ngoài vào buổi tối và cuối tuần để kiếm thêm tí cháo mà dạo này thị trường hẻo quá
Sửa lần cuối:
khanhdohn
Senior Member
Đối với mình thì mình sẽ ko ưu tiên tìm việc ở ngoài lắm, vì làm việc ở ngoài thêm thì được thêm chút tiền nhưng mà sẽ phải đóng thuế thu nhập cao lên nên phần dư ra cũng ko bao nhiêu. Mình chủ yếu dành thời gian nghỉ ngơi thư giãn với gia đình, thời gian rảnh thì làm side project gì đó. Mình thấy làm ở ngoài thì ko upskill được gì mấy. Với đúng là thị trường dạo này cũng đang ít job hơn. Bạn có thể tìm trong các group trên fb khá nhiều. Land được job đầu tiên sẽ khá khó nếu chưa làm bao giờ, còn sau đó thì headhunt sẽ biết bạn thì tìm job tiếp theo cũng sẽ dễ hơn. Nếu bạn ko có áp lực tiền bạc như trả nợ vay nhà thì mình recommend tự học thêm để upskill + luyện leetcode để vào công ty tốt hơn thì sẽ thảnh thơi đầu óc hơn. Cheers.
blacksnow2919311
Senior Member
Grow lên senior đi fen. T làm dev 7 năm rồi, bị kẹt ở middle 4 năm nay. Mà t chuyên FE. Qua BE thấy nhọc, khó, rộng, risky
dungbeoo
Senior Member
Em muốn xin góc nhìn của a về lộ trình đi vào AI Engineer.
Quan điểm hiện tại của em là AI Engineer có vẻ giống như một tầng phát triển cao hơn dựa trên nền tảng Data và Computer Science. Tức là để làm AI tốt thì mình vẫn cần hiểu cách dữ liệu được thu thập, xử lý, lưu trữ, pipeline hoạt động như thế nào, rồi từ đó mới xây dựng model/LLM system ở phía trên.
Background của em hơi lệch hướng: sau khi ra trường em có gần 1 năm làm React Native, sau đó khoảng 2 năm làm automation system trong mảng crypto/airdrop. Hiện tại em đang muốn quay lại hướng kỹ thuật bài bản hơn và đang cân nhắc đi theo Data Engineer trước để xây nền tảng, sau đó phát triển lên AI Engineer.
Em đang có vài câu hỏi:
Quan điểm hiện tại của em là AI Engineer có vẻ giống như một tầng phát triển cao hơn dựa trên nền tảng Data và Computer Science. Tức là để làm AI tốt thì mình vẫn cần hiểu cách dữ liệu được thu thập, xử lý, lưu trữ, pipeline hoạt động như thế nào, rồi từ đó mới xây dựng model/LLM system ở phía trên.
Background của em hơi lệch hướng: sau khi ra trường em có gần 1 năm làm React Native, sau đó khoảng 2 năm làm automation system trong mảng crypto/airdrop. Hiện tại em đang muốn quay lại hướng kỹ thuật bài bản hơn và đang cân nhắc đi theo Data Engineer trước để xây nền tảng, sau đó phát triển lên AI Engineer.
Em đang có vài câu hỏi:
- Liệu tư duy "đi từ CS → Data → AI" có phải là hướng hợp lý trong thực tế không?
- Với một người chưa có nhiều kinh nghiệm về data/ML nhưng đã có background software engineering và automation thì nên đi theo roadmap nào?
- Có nhất thiết phải đi qua DE để trở thành AI Engineer tốt không, hay có thể đi thẳng vào LLM Engineer/AI Application Engineer?
- Những nền tảng nào mọi người nghĩ là quan trọng nhất: Data Engineering, Backend Engineering, Math/ML hay Cloud/MLOps?
meomeonopew
Senior Member
. 1 cái để lại thần thức ạ
khuinap123
Senior Member
. hóng. Em cũng đang muốn theo hướng AI Engineer
duonga1ne1
Senior Member
Hi bác, em khá quan tâm đến topic D, đặc biệt là phần grow lên Senior trong mảng AI/ML.
Hiện e đang owner một dự án Camera AI end-to-end. Trong quá trình làm, e thấy phần lớn công việc thực tế không chỉ nằm ở research xây dựng model CV, mà còn là thiết kế backend, triển khai hệ thống và đưa model vào sản phẩm. Vì vậy, em cảm giác hướng của mình đang nghiêng nhiều về Applied AI.
Em có nền tảng khá cân bằng giữa research và engineering, e có làm Agentic AI nhưng bản thân vẫn hứng thú với Computer Vision hơn. bác có thể chia sẻ thêm về thị trường và cơ hội phát triển của CV, Data/ML hiện nay, ngoài làn sóng LLM và Agentic AI không?
Với profile như vậy, để grow lên Senior AI/ML Engineer thì em nên tập trung bổ sung những năng lực nào: system design, MLOps, cloud, tối ưu model, product thinking, leadership hay research? Các chứng chỉ có thực sự hữu ích không, hay nên ưu tiên kinh nghiệm và độ sâu của dự án?
Hiện e đang owner một dự án Camera AI end-to-end. Trong quá trình làm, e thấy phần lớn công việc thực tế không chỉ nằm ở research xây dựng model CV, mà còn là thiết kế backend, triển khai hệ thống và đưa model vào sản phẩm. Vì vậy, em cảm giác hướng của mình đang nghiêng nhiều về Applied AI.
Em có nền tảng khá cân bằng giữa research và engineering, e có làm Agentic AI nhưng bản thân vẫn hứng thú với Computer Vision hơn. bác có thể chia sẻ thêm về thị trường và cơ hội phát triển của CV, Data/ML hiện nay, ngoài làn sóng LLM và Agentic AI không?
Với profile như vậy, để grow lên Senior AI/ML Engineer thì em nên tập trung bổ sung những năng lực nào: system design, MLOps, cloud, tối ưu model, product thinking, leadership hay research? Các chứng chỉ có thực sự hữu ích không, hay nên ưu tiên kinh nghiệm và độ sâu của dự án?
khanhdohn
Senior Member
Nếu muốn grow lên senior nhanh thì tốt nhất là bác nên nhảy việc sang 1 công ty khác có sẵn level senior. Ở lại công ty mãi mà không lên được thì thường ladder nó có vấn đề và sẽ rất khó lên. Đương nhiên bác cũng phải chuẩn bị phỏng vấn khá nhiều để dễ đi phỏng vấn, nhưng mà cái này mình kiểm soát được. Project thì bác chọn làm project nào ngon, khó thì sẽ dễ đi phỏng vấn, tuy nhiên cái này cũng khó nếu mà công ty đơn giản là không có project, hoặc bác không có lựa chọn để được làm.
Bác làm FE thật ra cũng có những bài toán khá hay. Bạn mình ở bên Axon làm FE trong 1 project mà kiểu gì cũng bể, làm mãi không xong, nên FE hay BE thì cũng có những những bài toán khá hay và khó để làm, tuy nhiên mình có được làm hay không thì ko phải control của mình.
Cái gì cũng có cái khó, nhưng mà khó thì nó cơ hội nhiều ấy bác. Mình lúc trước cũng làm fullstack xong nhảy qua AI làm tới tận giờ.
blacksnow2919311
Senior Member
Thanks fen. FE bên cty mình ko có bài toán hay như kiểu build đồ figma, animation, 3D hay game thì đã khoái. Mình toàn làm admin dashboard tech stack hồi 2019 ah
. Ở đây học đc mỗi cái là họ tự kiến trúc microfrontend bằng react-router và dùng yarn workspace làm monorepo. Chắc phải tự lúc rảnh kiếm bài toán làm quá. Thực ra mình ko hám cái title mà kiểu muốn thực sự thuần thục như 1 senior đích thực ý vì mình là dân đá ngang ngoại đạo. Cơ mà 1 mặt phải lên level domain của mình, mặt khác phải xây lại nền CS nó oải 
thực sự
khanhdohn
Senior Member
"Quan điểm hiện tại của em là AI Engineer có vẻ giống như một tầng phát triển cao hơn dựa trên nền tảng Data và Computer Science. Tức là để làm AI tốt thì mình vẫn cần hiểu cách dữ liệu được thu thập, xử lý, lưu trữ, pipeline hoạt động như thế nào, rồi từ đó mới xây dựng model/LLM system ở phía trên." -> hoan nghênh mindset của bác, điều này rất đúng. Với thời đại AI làm mọi thứ như bây giờ thì ai có data và xử lý data tốt hơn là người chiến thắng
- "Liệu tư duy "đi từ CS → Data → AI" có phải là hướng hợp lý trong thực tế không?": tư duy rất đúng. Tuy nhiên Data nó là mảng rất lớn. Dù có AI hay không thì Data vẫn cần được xử lý và lưu trữ large scale. Hầu hết công ty đều cần điều này. Không dễ bác có thể thấy là hầu hết công ty có thể không có team AI nhưng team Data đều phải mạnh, đặc biệt là trong bank. Làm data engineer thì mình thấy gần như ko bao giờ thiếu việc làm. Tuy nhiên ở đây mình concern là thời gian. Ko ai có đủ thời gian để đi đường dài như thế. Nếu bác thích làm về data thì nên mạnh về data. Nếu thì làm về AI thì mạnh về AI, biết đủ về data. Còn học hết thì ko ổn nhé.
- "Với một người chưa có nhiều kinh nghiệm về data/ML nhưng đã có background software engineering và automation thì nên đi theo roadmap nào?": là điểm thứ 2 mình muốn nói. Đúng là data engineer là ngành ko bao giờ hết hot, tuy nhiên vấn đề là lại ít chỗ tuyển. Nguyên nhân chính là những người làm hầu như ít khi nghỉ, nên ko có vị trí trống để cần tuyển. Nếu tuyển thì cũng sẽ tuyển senior, vì junior impact cũng không cao lắm, đặc biệt là trong thời đại AI bây giờ. Nói chung là bệnh chung của cả ngành IT, ko riêng gì data. Roadmap thì mình ko rành mảng này, mình có bạn làm data engineer lead có thể share thêm trong tương lai.
- "Có nhất thiết phải đi qua DE để trở thành AI Engineer tốt không, hay có thể đi thẳng vào LLM Engineer/AI Application Engineer?" -> không. 2 nhánh data và AI đòi hỏi các skillset khác nhau. Hiếm có ai giỏi cả 2 thứ này.
- "Những nền tảng nào mọi người nghĩ là quan trọng nhất: Data Engineering, Backend Engineering, Math/ML hay Cloud/MLOps?". Tùy sở thích của bạn ở đâu thì mỗi cái có 1 cái yêu cầu riêng. Tuy nhiên điều quan trọng chung nhất là leetcode + system design + project tốt trong quá khứ để bạn có thể xin việc, pv tốt thì xin vào vị trí nào cũng sẽ có khả năng hơn.
khanhdohn
Senior Member
Mình thấy profile của bạn có vẻ khá ổn. Nếu bạn research strong nữa là vô địchHi bác, em khá quan tâm đến topic D, đặc biệt là phần grow lên Senior trong mảng AI/ML.
Hiện e đang owner một dự án Camera AI end-to-end. Trong quá trình làm, e thấy phần lớn công việc thực tế không chỉ nằm ở research xây dựng model CV, mà còn là thiết kế backend, triển khai hệ thống và đưa model vào sản phẩm. Vì vậy, em cảm giác hướng của mình đang nghiêng nhiều về Applied AI.
Em có nền tảng khá cân bằng giữa research và engineering, e có làm Agentic AI nhưng bản thân vẫn hứng thú với Computer Vision hơn. bác có thể chia sẻ thêm về thị trường và cơ hội phát triển của CV, Data/ML hiện nay, ngoài làn sóng LLM và Agentic AI không?
Với profile như vậy, để grow lên Senior AI/ML Engineer thì em nên tập trung bổ sung những năng lực nào: system design, MLOps, cloud, tối ưu model, product thinking, leadership hay research? Các chứng chỉ có thực sự hữu ích không, hay nên ưu tiên kinh nghiệm và độ sâu của dự án?
Nếu bạn đã end-to-end thì thường sẽ làm nhiều hơn là research model. Điều này vừa tốt lại vừa ko tốt. Nếu bạn thích đi làm modeling thì làm end-to-end nó sẽ là cái rào cản, các corp hầu hết ko cần người làm end-to-end. Còn bạn làm startup thì nó lại là cái thuận lợi. CV hiện giờ khá ít chỗ tuyển, nhưng đc cái cũng ít cạnh tranh hơn. CV có Axon với 1 vài startup nhỏ theo như mình lướt Linkedin. Về lâu về dài mình nghĩ là nếu mà được làm với LVM hoặc 1 vài model mới với CV thì sẽ rất tốt, tuy nhiên hiện giờ LLM đang khá mạnh luôn cả mảng CV, nên trừ khi bài toán bạn làm khá đặc biệt thì sẽ hơi khó cạnh tranh. Các bài toán của Axon thường là làm CV trên hardware thì ko bị ảnh hưởng mấy, nên nếu bạn thích CV thì nên vào Axon nhé.
Nếu bạn thích vào Axon thì nên làm sâu hơn vào modeling + nền tảng lý thuyết, còn làm startup thì mình thấy profile của bạn hiện giờ cũng khá ổn rồi. Muốn lên senior thì xin vào cty có role senior thôi bạn
Senior nó cũng là cái title thôi, quan trọng contribution của bạn có đủ lớn và sâu để lúc đi qua công ty khác người ta thấy được độ senior của bạn không thôi. Ở Axon thường xuyên pv 1 ông senior rồi offer middle, rất bình thường. Các chứng chỉ gần như không có ý nghĩa mấy trong CV/ML. Chủ yếu là project và độ cứng của bạn về technical và scope công việc thôi nhé.
khanhdohn
Senior Member
Bạn có thể nghĩ tới việc take job ngoài để có thêm project hay hơn.Thanks fen. FE bên cty mình ko có bài toán hay như kiểu build đồ figma, animation, 3D hay game thì đã khoái. Mình toàn làm admin dashboard tech stack hồi 2019 ah
"Cơ mà 1 mặt phải lên level domain của mình, mặt khác phải xây lại nền CS nó oải
thực sự" -> đó là công việc của mỗi người engineer mà bác )) ai cũng face the same challenge, 1 form or another thôi. Lúc trước chưa có AI thì mỗi người có 1 cái ngách ít bị đụng chạm. Giờ có AI làm hết rồi mình thấy ai cũng như ai, ai chịu cày nhiều hơn thì sẽ có prospect tốt hơn thôi. Mình làm mười mấy năm mà còn phải luyện leetcode với ôn pv hoài mà )Chủ đề tương tự
