thảo luận AI/ML/DL đang bão hòa?

  • Người tạo chủ đề Người tạo chủ đề Aristides
  • Ngày bắt đầu Ngày bắt đầu
nếu ví 1 cty phần mềm như 1 đội thợ xây dựng, mấy AI/ML engineers giống như KTS, chỉ cần 1-2 ng` thôi, còn software engineers thì giống đám thợ xây, bao nhiêu cũng thiếu. nhưng lương của 1-2 anh KTS có khi = cả đám thợ xây (trừ ông thợ cả) + lại.
Tào lao. Đừng ảo tưởng AI/ML quá, giá trị thực của bọn này mang lại nhiều khi chả bằng thằng dev quèn đâu. Có thì dùng để loè, không có cũng chả sao

Nên doanh nghiệp vừa, nhỏ chả ai đầu tư làm gì. Đa số những ứng dụng AI/ML hiện nay đều có những thằng lớn/ lap nghiên cứu rồi, muốn xài thì bỏ tiền mua cho nhanh, rảnh đâu đầu tư research
 
Sửa lần cuối:
nếu ví 1 cty phần mềm như 1 đội thợ xây dựng, mấy AI/ML engineers giống như KTS, chỉ cần 1-2 ng` thôi, còn software engineers thì giống đám thợ xây, bao nhiêu cũng thiếu. nhưng lương của 1-2 anh KTS có khi = cả đám thợ xây (trừ ông thợ cả) + lại.
ngu
 
các bác ở đây chắc đã đi làm hết rồi, mình xin chia sẻ góc nhìn về ai/ml của lứa sinh viên khmt chính quy hiện tại (tham khảo từ sv bk/khtn đến tdt/bc/cn, từ các công ty vinai/vinbrain/zalo đến fpt/tma và các công ty khác - level intern/fresher/junior) đều có nhận xét chung là làm ai/ml ở vn chán và không có hướng phát triển rõ ràng. Mấy team ai đa phần đều là r&d và không có đóng góp value gì cho công ty. Học cơ bản thì nhanh cứ mấy course trên udemy/coursera học cơ bản, học cách sử dụng tf/pytorch là đi clone model về chỉnh cho khớp yêu cầu rồi train, học thêm xử lý ảnh nếu làm computer vision, học dsp nếu làm iot, học nlp các kiểu là đủ làm ai engineer aka trợ train rồi. Muốn thật sự làm ml thì bét nhất cũng phải học master/ du học rồi làm thị trường nc ngoài chứ ở vn thì bánh vẽ quá. AI/ML thì toán mức khá là làm được, DS mới yêu cầu toán mức cao hơn. Bản thân lớp mình chính quy khmt thì 1/2 là học đủ lấy bằng và chuyển qua làm dev hết, 1 số ít đi làm ai/data engineer thì công việc chỉ là đọc paper tìm model phù hợp + chỉnh sửa cho phù hợp với data công ty rồi train là hết nhiệm vụ. 1 số cực ít thì dự tính tiếp tục lên master/du học thì chắc cũng ổn, nói chung là không có đam mê + khả năng thì làm dev cho khỏe, có chút hứng thú thì dev + kiến thức áp dụng model là ai engineer còn ai research thì ở vn thì nohope :)
 
các bác ở đây chắc đã đi làm hết rồi, mình xin chia sẻ góc nhìn về ai/ml của lứa sinh viên khmt chính quy hiện tại (tham khảo từ sv bk/khtn đến tdt/bc/cn, từ các công ty vinai/vinbrain/zalo đến fpt/tma và các công ty khác - level intern/fresher/junior) đều có nhận xét chung là làm ai/ml ở vn chán và không có hướng phát triển rõ ràng. Mấy team ai đa phần đều là r&d và không có đóng góp value gì cho công ty. Học cơ bản thì nhanh cứ mấy course trên udemy/coursera học cơ bản, học cách sử dụng tf/pytorch là đi clone model về chỉnh cho khớp yêu cầu rồi train, học thêm xử lý ảnh nếu làm computer vision, học dsp nếu làm iot, học nlp các kiểu là đủ làm ai engineer aka trợ train rồi. Muốn thật sự làm ml thì bét nhất cũng phải học master/ du học rồi làm thị trường nc ngoài chứ ở vn thì bánh vẽ quá. AI/ML thì toán mức khá là làm được, DS mới yêu cầu toán mức cao hơn. Bản thân lớp mình chính quy khmt thì 1/2 là học đủ lấy bằng và chuyển qua làm dev hết, 1 số ít đi làm ai/data engineer thì công việc chỉ là đọc paper tìm model phù hợp + chỉnh sửa cho phù hợp với data công ty rồi train là hết nhiệm vụ. 1 số cực ít thì dự tính tiếp tục lên master/du học thì chắc cũng ổn, nói chung là không có đam mê + khả năng thì làm dev cho khỏe, có chút hứng thú thì dev + kiến thức áp dụng model là ai engineer còn ai research thì ở vn thì nohope :)

VinAI mảng paper đẻ paper như gà mà nhỉ. Không rõ mảng applied AI của vinAI sao, chắc bác đang nói mảng này.

Bác nói tương đối chuẩn rồi. Ở vn làm data tốt nhất là ở mấy công ty có sẵn lượng user cực lớn như vng,zalo, gần đây thêm momo hoặc kiểu tập đoàn đa ngành nghề đẻ ra user đa dạng hành vi như fpt. Các chỗ khác có vẻ nohope lắm. Như mình làm applied AI thực sự mang lại value cho công ty nè (mình làm mảng bán lẻ), nhưng đôi lúc cũng nản muốn quay lại làm dev lắm. Nói chung ở trong chăn mới thấy chăn có rận. Chỗ mình cũng có những team RD suốt ngày làm ra prototype rồi nhưng 1-2 năm cứ RD với prototype vậy chứ sản phẩm cũng chẳng biết dùng vào đâu. Nói chung là khó.
 
T thấy toán ML, AI dễ thấy mợ ra mà mấy a cứ khè. Nó còn thua cả toán e t học, tích phân đường tích phân mặt, hàm phức , chưa nói tới nhóm ,vành ,trường, dãy fourier, biến đổi Z, đó cũng là cơ bản thôi. Ng ta nhảy vô vì thấy nó dễ ăn, dăm ba toán ML còn không bằng mấy môn toán đại cương bên t học.
phải ti khung không nhỉ
 
mình thấy làm machine learning engineer cũng phải học nhiều mà mấy bác.

Ví dụ như công ty mình gần đây muốn xây dựng một a/b testing platform, nên mình bắt đầu học về experimental design, học các kĩ thuật nâng cao về hypothesis testing. .... Lúc học mình có đọc thì thấy ở các công ty tech lớn chỉ giỏi mỗi 1 cái mảng testing này thôi thì củ đủ làm nên một sự nghiệp tốt rồi.
đúng rồi bạn, nội việc chọn tập control và treatment cũng khá vất vả rồi
 
đúng rồi bạn, nội việc chọn tập control và treatment cũng khá vất vả rồi

Cái này là khó nhất mà bác. Với mấy bài toán business phổ thông thì phần testing không phải khó, mà khó nhất là chỗ expetimental design (bao gồm khúc chọn tập control/treatment bác nói)
 
giờ tôi thấy AI cũng mở lớp đại trà fresher như mấy ngành khác luôn :oh:
 
Mà mấy bác nói chuyện xa vời quá, có vẻ như mấy bác chỉ nói về các công ty với size cực lớn, chứ nhu cầu của đại đa số doanh nghiệp có vẻ các bác không hiểu lắm thì phải.

Ở hầu hết các doanh nghiệp, để ứng dụng được AI vào nó là một câu chuyện rất dài. Như team mình chỉ nội việc chuẩn hóa và enrich dữ liệu thôi đã mất khoảng gần 1 năm, sau đó mới nghĩ đến ứng dụng. Mà ứng dụng cũng không dễ dàng gì, dữ liệu doanh nghiệp nó không dễ ăn như ba cái ảnh down sẵn trên mạng về. Nói chung rất khó. Mấy bác mà thấy cái xử lí dữ liệu của bọn mình chắc mấy bác khóc thét.
Thấy bác này nói khá giống ý mình.
Mình cũng có đang làm đụng tí AI/ML nhưng thấy khó nhất là việc thu thập, xử lí và chuẩn hoá dữ liệu (data) cho phù hợp với vấn đề cần giải quyết hoặc là phù hợp với model đã chọn.
Cùng một bộ dữ liệu, 2 model cho ra kết quả chênh lệch nhau không nhiều. Nhưng cùng một model sử dụng 2 bộ dữ liệu khác nhau (1 cái xử lí tốt, 1 cái không xử lí chẳng hạn) thì cho ra kết quả chênh lệch rất lớn.
Mà việc liên quan tới thu thập, xử lí dữ liệu mình thấy cần tư duy giải quyết vấn đề nhiều hơn là kiến thức về toán => SWE/DE hoàn toàn làm tốt.
 
VinAI mảng paper đẻ paper như gà mà nhỉ. Không rõ mảng applied AI của vinAI sao, chắc bác đang nói mảng này.

Bác nói tương đối chuẩn rồi. Ở vn làm data tốt nhất là ở mấy công ty có sẵn lượng user cực lớn như vng,zalo, gần đây thêm momo hoặc kiểu tập đoàn đa ngành nghề đẻ ra user đa dạng hành vi như fpt. Các chỗ khác có vẻ nohope lắm. Như mình làm applied AI thực sự mang lại value cho công ty nè (mình làm mảng bán lẻ), nhưng đôi lúc cũng nản muốn quay lại làm dev lắm. Nói chung ở trong chăn mới thấy chăn có rận. Chỗ mình cũng có những team RD suốt ngày làm ra prototype rồi nhưng 1-2 năm cứ RD với prototype vậy chứ sản phẩm cũng chẳng biết dùng vào đâu. Nói chung là khó.
ukm bác, sản phẩm áp dụng ai ở vn loanh quanh detect biển số xe, detect mặt, chấm công, khẩu trang, chatbot, hành vi, bất thường, lâu lâu vài cái generate, gợi ý bán hàng, cảnh báo sức khỏe là .... hết mà đa số còn nằm trên giấy.:giggle:
 
các bác ở đây chắc đã đi làm hết rồi, mình xin chia sẻ góc nhìn về ai/ml của lứa sinh viên khmt chính quy hiện tại (tham khảo từ sv bk/khtn đến tdt/bc/cn, từ các công ty vinai/vinbrain/zalo đến fpt/tma và các công ty khác - level intern/fresher/junior) đều có nhận xét chung là làm ai/ml ở vn chán và không có hướng phát triển rõ ràng. Mấy team ai đa phần đều là r&d và không có đóng góp value gì cho công ty. Học cơ bản thì nhanh cứ mấy course trên udemy/coursera học cơ bản, học cách sử dụng tf/pytorch là đi clone model về chỉnh cho khớp yêu cầu rồi train, học thêm xử lý ảnh nếu làm computer vision, học dsp nếu làm iot, học nlp các kiểu là đủ làm ai engineer aka trợ train rồi. Muốn thật sự làm ml thì bét nhất cũng phải học master/ du học rồi làm thị trường nc ngoài chứ ở vn thì bánh vẽ quá. AI/ML thì toán mức khá là làm được, DS mới yêu cầu toán mức cao hơn. Bản thân lớp mình chính quy khmt thì 1/2 là học đủ lấy bằng và chuyển qua làm dev hết, 1 số ít đi làm ai/data engineer thì công việc chỉ là đọc paper tìm model phù hợp + chỉnh sửa cho phù hợp với data công ty rồi train là hết nhiệm vụ. 1 số cực ít thì dự tính tiếp tục lên master/du học thì chắc cũng ổn, nói chung là không có đam mê + khả năng thì làm dev cho khỏe, có chút hứng thú thì dev + kiến thức áp dụng model là ai engineer còn ai research thì ở vn thì nohope :)
Nghe đồn trước bác làm AI ko qua thử việc . Nhưng mà đổi hướng đi thì tốt r, chứ cái mảng này ở VN kiếm tiền ở trình độ DH ko ăn thua.
 
Nghĩ ra cái mới còn khó chứ cỡ này mà không làm được thì thua cả học sinh lớp 12.

Sent from HUAWEI DBY-W09 using vozFApp
em so sánh những người đi học mấy cái course và framework trên mạng và học kiến thức nền tảng phía bên dưới. Cho nên ngành này mới khó tìm nhân lực phù hợp. Còn toán đấy với bác thì dễ, chứ với đa số người có phải làm được luôn đâu. Thực tế thì cứ nhìn vào phổ điểm thi toán đại học hay là bảng điểm toán của sinh viên Bách Khoa thôi.
 
Mà mình chả hiểu sao mọi người cứ thích nhảy vào làm nghiên cứu sáng chế ra model này nọ nhiều thế nhỉ, thấy ai cũng thế. Thực ra mấy cái này nó đâu có mang lại value gì cho business của doanh nghiệp đâu, nói thẳng là không có đẻ ra tiền. :amazed:
Em ko biết mọi người sao chứ như em làm cái gì mà hiểu bản chất của nó thì mới có thể làm tốt được. Mà vào nghiên cứu tầm 1,2 năm, lăn lộn thử nghiệm thì mới hiểu được phần nào để cải tiến mô hình, hoặc chí ít là biết những paper nào có kết quả tốt thật, paper nào là chỉ chém gió thôi. Cái đấy sau này đi làm cho doanh nghiệp thì sẽ tiết kiệm được công sức thử nghiệm rất nhiều đấy chứ
 
Em ko biết mọi người sao chứ như em làm cái gì mà hiểu bản chất của nó thì mới có thể làm tốt được. Mà vào nghiên cứu tầm 1,2 năm, lăn lộn thử nghiệm thì mới hiểu được phần nào để cải tiến mô hình, hoặc chí ít là biết những paper nào có kết quả tốt thật, paper nào là chỉ chém gió thôi. Cái đấy sau này đi làm cho doanh nghiệp thì sẽ tiết kiệm được công sức thử nghiệm rất nhiều đấy chứ
2 năm thì mấy cái bác nghiên cứu nó lại lỗi thời rồi
 
Xin lỗi cho tay ngang vào còm cái. Tôi từng chửi nhau với thanh niên f33 vụ này rồi. Tôi nói rõ là sau khi mấy cái này hết hot vì doanh nghiệp nhận ra AI/ML không phải là chìa khóa vạn năng làm cái gì cũng được và không giúp ích được cho việc kinh doanh của họ thì họ sẽ bỏ. Cả đám vào chửi tôi ngu thế này thế khác, đọc thớt này thấy hả hê vl :haha:
 
ở mức sản phẩm thì chú trọng quá vào novelties làm gì mà phải nâng cao quan điểm rằng vài năm tới AI/ML chỉ có người làm research mới tồn tại? Mặc dù bản thân tôi cũng đã định hình rằng việc áp dụng một model nào đó vào dữ liệu sẵn có sẽ trở thành kĩ năng rất phổ biến từ 5 năm trước, và hiện nay đúng là gần như ai cũng có thể import 1 model từ Pytorch/TF để train với 1 kho dữ liệu sẵn có. Nhưng ở sản phẩm thực tế, dữ liệu mới là cái cần quan tâm nhất, và con đường ngắn nhất đưa đến mục tiêu.
Một AI/ML Eng. hiệu quả, theo tôi, là cần phải làm chủ được việc mô hình hoá mục tiêu kinh tế từ các bài toán cơ bản, từ đó lựa chọn việc thu thập và xử lý dữ liệu, huấn luyện model, rồi đánh giá model đấy bằng các metrics phù hợp nhất và liên quan trực tiếp đến mục tiêu. Những kĩ năng này có thể nói là thuần engineering, ko cần phải lúc nào cũng là cái mới (novelty).
Đó là chỉ nói đến mức ra model, còn các phần còn lại hiện nay đang được hỗ trợ rất mạnh bởi Pytorch/TF/Nvidia...và có thể sẽ trở thành tác vụ của SWE.
 
Trước đi intern ở 1 cty làm AI, làm hơn 1 năm thấy cty vẽ ra đủ thứ về AI, xong k cái nào ra lên production cả, nhìn nản quá nên em cũng chuyển sang làm web :LOL:
 

Thống kê chủ đề

Ngày tạo
Aristides,
Người trả lời cuối
naruto2507,
Trả lời
140
Lượt xem
44.657
Quay lại
Lên đầu trang