thảo luận Xin topic để mình làm 1 buổi chia sẻ về career về Software/AI/Data

  • Người tạo chủ đề Người tạo chủ đề khanhdohn
  • Ngày bắt đầu Ngày bắt đầu
Mình nhắm tới các cty tên tuổi như nvidia axon wq thì nên chuẩn bị như nài bác thớt ? Nói qua thì mình đang học master AI ở nước ngoài kiến thức nền tảng tốt có khoảng 4yoe thường làm cx khá dàn trải và đã qua các cty tầm trung kiểu Pana Samsung
Cứ pv tuỳ duyên thôi, đừng đặt nặng đậu rớt quá. Đôi khi pv chơi chơi thì lại đậu, còn pv để chủ định nhảy việc thì cứ mãi rớt :D
Số công ty “high profile” tôi pv rớt chắc hai bàn tay đếm ko hết, mà sau này nghĩ lại thì rất nhiều lần interviewer hãm: fail 1 câu LC: rớt, trick lỏ ko biết: rớt (cái này nhiều vô kể), debate hăng quá: rớt, ko dùng TypeScript (dù quá rành JS): rớt, trả lời chán chê: rớt.
 
Cứ pv tuỳ duyên thôi, đừng đặt nặng đậu rớt quá. Đôi khi pv chơi chơi thì lại đậu, còn pv để chủ định nhảy việc thì cứ mãi rớt :D
Số công ty “high profile” tôi pv rớt chắc hai bàn tay đếm ko hết, mà sau này nghĩ lại thì rất nhiều lần interviewer hãm: fail 1 câu LC: rớt, trick lỏ ko biết: rớt (cái này nhiều vô kể), debate hăng quá: rớt, ko dùng TypeScript (dù quá rành JS): rớt, trả lời chán chê: rớt.
Đúng là pv cũng tùy duyên thật bác ạ.
Nhưng mà mình chuẩn bị kĩ và có 1 cái system để mình follow thì cũng tăng cơ hội thành công của mình lên nhiều. Mình chắc phỏng vấn hết cái thị trường VN này rồi thì bài học của mình cũng nhiều rồi á :))))
 
Scale các project AI của các bác lớn hay nhỏ vậy ? Scale các con dự án e làm toàn PoC bé bé buồn vãi. Có con to nhất thì code tệ vc. Dùng rule base 1 đống đề bù cho lỗii của model
 
Scale các project AI của các bác lớn hay nhỏ vậy ? Scale các con dự án e làm toàn PoC bé bé buồn vãi. Có con to nhất thì code tệ vc. Dùng rule base 1 đống đề bù cho lỗii của model

con gọi là to gần nhất làm thì khoảng 1200+ cam với tầm khoảng 20 node GPUs on-premise :)) đi làm cũng lâu nhưng tính ra ít có cơ hội được sờ mó tí cloud + AI dạo này cũng thấy buồn buồn
 
con gọi là to gần nhất làm thì khoảng 1200+ cam với tầm khoảng 20 node GPUs on-premise :)) đi làm cũng lâu nhưng tính ra ít có cơ hội được sờ mó tí cloud + AI dạo này cũng thấy buồn buồn
Anh sếp vừa giao em task estimate cho hệ thống 1000 cam mà éo biết bao giờ đội sale đạt để gặp bài toán đấy. Phận con kiến đề xuất kiến trúc, giải pháp, demo luồng giả lập ... chờ khách hàng nữa.
 
Anh sếp vừa giao em task estimate cho hệ thống 1000 cam mà éo biết bao giờ đội sale đạt để gặp bài toán đấy. Phận con kiến đề xuất kiến trúc, giải pháp, demo luồng giả lập ... chờ khách hàng nữa.
Mình có dự án thì có thời gian mình cứ suy nghĩ, research, prototype architecture đi bác, ko ai cản mình làm cái này mà. Nếu mà project được chạy thì bác áp vô làm luôn. Chờ đợi gì nữa.
 
con gọi là to gần nhất làm thì khoảng 1200+ cam với tầm khoảng 20 node GPUs on-premise :)) đi làm cũng lâu nhưng tính ra ít có cơ hội được sờ mó tí cloud + AI dạo này cũng thấy buồn buồn
bác làm công ty nào mà có lượng resource cũng khủng đấy kkk
 
Anh sếp vừa giao em task estimate cho hệ thống 1000 cam mà éo biết bao giờ đội sale đạt để gặp bài toán đấy. Phận con kiến đề xuất kiến trúc, giải pháp, demo luồng giả lập ... chờ khách hàng nữa.
Cái này thì lúc nào mình cũng phải làm cả thường thì sẽ tính trên 1 đầu cam/đầu bài toán theo cpu, gpu, ram, bandwidth v..v rồi scale lên. Tùy từng mô hình triển khai thì sẽ tính toán khác nhau nhưng nhìn chung là thế, sau khi có kết quả thì cộng thêm 20-30% padding nữa, đến tay đội tư vấn thì sẽ còn cộng thêm nữa lên cho yên tâm :D


Con này có ứng dụng mlops k bác
con này thì triển khai trên k8s nên cũng có Mlops chứ :))) k có thì scale bằng tay / code thì ngại thí mẹ :))
 
Scale các project AI của các bác lớn hay nhỏ vậy ? Scale các con dự án e làm toàn PoC bé bé buồn vãi. Có con to nhất thì code tệ vc. Dùng rule base 1 đống đề bù cho lỗii của model
Project hiện tại của mình 400 cam, stream + AI inference realtime 5FPS :D , GPU thì 1 con 4090 gánh gần hết các model Vision kể cả tracking.
Em thấy càng scale thêm camera, phần thiếu là CPU với i/o để làm các tác vụ encode rtsp, business logic,..
Mà đối với e, dự án AI Vision lớn không phải là nhiều end user dùng, mà là tổng số lượng object phải detect và track đồng thời trên toàn hệ thống ấy :D kh biết ae có thấy vậy không
 
Project hiện tại của mình 400 cam, stream + AI inference realtime 5FPS :D , GPU thì 1 con 4090 gánh gần hết các model Vision kể cả tracking.
Em thấy càng scale thêm camera, phần thiếu là CPU với i/o để làm các tác vụ encode rtsp, business logic,..
Mà đối với e, dự án AI Vision lớn không phải là nhiều end user dùng, mà là tổng số lượng object phải detect và track đồng thời trên toàn hệ thống ấy :D kh biết ae có thấy vậy không
Mindset của bạn nên là value mang lại cho business user là bao nhiêu nhé. Project đơn giản hay phức tạp ko quan trọng, miễn là đem lại tiền cho công ty. Giờ bạn có làm project có ôm 10k+ camera đi chăng nữa nhưng mà project fail/đốt tiền thì cũng là thất bại. Đây là mình nói đứng ở phương diện người phỏng vấn nhé, còn đương nhiên project nào nó cũng có cái phức tạp riêng. Và theo đó thì bạn cũng nên lựa chọn câu chuyện phù hợp để sell bản thân. Không người phỏng vấn nào muốn tuyển 1 người giỏi thật giỏi nhưng chỉ quan tâm tới technical mà không quan tâm tới chuyện việc của họ làm ra được bao nhiêu tiền cho công ty.
 
Thật ra anh thấy em đang khá là dàn trải. Trừ khi em là siêu nhân thì ko thể nào giỏi hết tất cả các mảng này được. Em nên chỉ chọn 1 hướng em thích nhất + giỏi nhất + nhiều job nhất để invest.

Cái thứ 2 nữa là em đang có vẻ rất thích vào Axon/Nvidia? Nhưng mà phỏng vấn nó không chỉ là về kiến thức, mà đôi lúc chỉ là vì em xui không vào được, thì em sẽ vào công ty nào nếu em học GPU/Inference Optimization? Những thứ này quá niche, em đầu tư thời gian vào đó xong rồi ko đậu vào những công ty kia rồi em tính làm gì tiếp? Đừng nên bỏ hết trứng vào cùng 1 giỏ.

Nếu nói về phỏng vấn vào Axon, thì thật ra em chỉ cần làm thứ hơi hơi relevant là được. Người ta chỉ hỏi về những thứ em từng làm, để xem em làm tới đâu và hiểu sâu tới đâu những cái em làm. Hay là những kiến thức căn bản. Ví dụ linear regression là gì. Làm linear regression thì cần phải hiểu những gì. Loss function là gì. Vì sao lại chọn loss function này mà không chọn loss function kia. Hiện giờ theo anh thấy thì bar pv của Axon cũng không quá cao như lúc trước, em cứ đi phỏng vấn thử. Nếu không đậu thì có thể thử lại sau 12 tháng, ko thành vấn đề lớn.

Cái em cần để cứng lên middle/senior không phải là kiến thức, mà là kinh nghiệm. Dù em có học trường nào ra, bằng cấp cỡ nào, nhưng đi ra ngoài industry người ta chỉ quan tâm là em dùng kiến thức và kinh nghiệm của em để giải quyết vấn đề như thế nào, và có giải quyết được vấn đề của người ta không thôi. Nên cái em cần là phải làm project ngon, hiểu sâu, có contribution tốt. Chứ ko phải học nhiều thêm nhiều kiến thức. Nhiều kiến thức cũng tốt, nhưng nó phải đi kèm kinh nghiệm nữa thì em mới đáng giá.
Cảm ơn a, a chỉ đúng vấn đề của em hiện tại đang dàn trải khá nhiều, nhìn lại chẳng khác gì "full stack AI" cả :D, nếu xét về thích nhất và giỏi nhất của e, e nghĩ là Applied AI/AI Systems, vừa tham gia nghiên cứu, lựa chọn giải pháp, vừa thiết kế backend và hệ thống để đưa model vào production, vận hành và tối ưu như project hiện tại

kiểu gần đây em cx hơi stress chuyện này. E thấy mình làm được khá nhiều vai trò trong một dự án và contribution tốt (sếp đánh giá), nhưng thu nhập hiện tại vẫn chưa đạt kỳ vọng. Vì vậy em mới có xu hướng nhìn sang các công ty như Axon, NVIDIA hoặc những nơi có khả năng trả tốt hơn, chứ không hẳn là em chỉ muốn vào đúng các công ty đó :sleep::D
 
Mindset của bạn nên là value mang lại cho business user là bao nhiêu nhé. Project đơn giản hay phức tạp ko quan trọng, miễn là đem lại tiền cho công ty. Giờ bạn có làm project có ôm 10k+ camera đi chăng nữa nhưng mà project fail/đốt tiền thì cũng là thất bại. Đây là mình nói đứng ở phương diện người phỏng vấn nhé, còn đương nhiên project nào nó cũng có cái phức tạp riêng. Và theo đó thì bạn cũng nên lựa chọn câu chuyện phù hợp để sell bản thân. Không người phỏng vấn nào muốn tuyển 1 người giỏi thật giỏi nhưng chỉ quan tâm tới technical mà không quan tâm tới chuyện việc của họ làm ra được bao nhiêu tiền cho công ty.
Thanks a, e hiểu ý a ạ, 1 phần do trên mxh nên ít dám nhắc đến mấy vụ business a :d

Nhân tiện, a có thể share về cách định lượng value của 1 dự án, 1 tính năng cho doanh nghiệp được không ạ, trong trường hợp doanh nghiệp chưa có các metrics cụ thể để đo lường với đánh giá.. (em làm ở phòng R&D)
 
Sửa lần cuối:
Project hiện tại của mình 400 cam, stream + AI inference realtime 5FPS :D , GPU thì 1 con 4090 gánh gần hết các model Vision kể cả tracking.
Em thấy càng scale thêm camera, phần thiếu là CPU với i/o để làm các tác vụ encode rtsp, business logic,..
Mà đối với e, dự án AI Vision lớn không phải là nhiều end user dùng, mà là tổng số lượng object phải detect và track đồng thời trên toàn hệ thống ấy :D kh biết ae có thấy vậy không
có bao nhiêu model nhỉ với resolution bao nhiêu thế, 400x5 là cũng 2000 FPS rồi :D 1 con 4090 mà gánh được hết mớ này là vip đấy chứ đùa đâu. Còn chưa tính mấy cái I/O, encode/decode400 stream / 1 máy / 1 card :))
 
có bao nhiêu model nhỉ với resolution bao nhiêu thế, 400x5 là cũng 2000 FPS rồi :D 1 con 4090 mà gánh được hết mớ này là vip đấy chứ đùa đâu. Còn chưa tính mấy cái I/O, encode/decode400 stream / 1 máy / 1 card :))
detect, classify, reid nhé bác, resolution thì tùy vào cam, đủ loại, mỗi cam e chạy 5FPS :D model e optimize rồi serving bằng Triton Server ấy bác nên khai thác được hết sức mạnh con GPU
 
Thanks a, e hiểu ý a ạ, 1 phần do trên mxh nên ít dám nhắc đến mấy vụ business a :d

Nhân tiện, a có thể share về cách định lượng value của 1 dự án, 1 tính năng cho doanh nghiệp được không ạ, trong trường hợp doanh nghiệp chưa có các metrics cụ thể để đo lường với đánh giá.. (em làm ở phòng R&D)
nếu bạn chưa vào công ty mà mới chỉ đang pv thôi thật ra rất khó để làm được chuyện này, vì làm project nào còn không biết chứ đừng nói là project đó bao nhiêu tiền.
Còn đang làm trong 1 công ty thì con số pnl cụ thể của 1 project có thể có hoặc không. Tuy nhiên mình phải chủ động tìm ra những con số này. Ví dụ như trong báo cáo tài chính của project trong townhall công ty. Hoặc là tính toán estimate. Ví dụ như là làm project chatbot cho công ty đi, thì có thể estimate được là mỗi tháng tiết kiệm được bao nhiêu man hour của công ty, sau đó nhân lên với lương của nhân viên trực điện thoại, kiểu thế. Nói chung bình thường sẽ ko ai làm chuyện này cho mình, mình phải chủ động làm chuyện này để có con số cụ thể mà ghi vào CV.
Trong CV ghi là mình làm việc với 10k camera, inference real time blah blah sẽ không ấn tượng bằng doanh thu mang lại cho công ty 20 tỷ mỗi tháng, hoặc là dự án được đầu tư 100 tỷ. Người ở công ty khác may mắn lắm thì mới estimate được độ khó hoặc value của dự án của bạn, mà mình đi pv rất nhiều thì hầu như người ta không có thời gian mà quan tâm đâu. Nên mình phải là người chủ động estimate impact của mình trong công ty cũ.
 
chủ nhật tuần này lúc 20h (9/8) mình sẽ có event chia sẻ kinh nghiệm chuyển từ Dev sang AI nha, bạn nào hứng thú có thể join nha. Trong này ko cho share link nên các bạn vào group fb của mình fb/groups/vforceai tìm nha. Cheers.
 

Thống kê chủ đề

Ngày tạo
khanhdohn,
Người trả lời cuối
khanhdohn,
Trả lời
97
Lượt xem
9.986
Quay lại
Lên đầu trang