Tầm này anh em muốn sang IT thì lao thẳng vào AI luôn đi nhé

Bác nào cho em xin lộ trình tự học web development với ạ 😭

via theNEXTvoz for iPhone
bao nhiêu tuổi rồi thím? trước mình cũng tự học web đây :D tự học thì học những cái dễ tiếp cận, cộng đồng support lớn. Cứ html, css -> php, Javascript, mysql là dễ nhất
 
bao nhiêu tuổi rồi thím? trước mình cũng tự học web đây :D tự học thì học những cái dễ tiếp cận, cộng đồng support lớn. Cứ html, css -> php, Javascript, mysql là dễ nhất
Mình 26. Thím học các khoá Udemy, coursera hay trung tâm thế

via theNEXTvoz for iPhone
 
Web thấy tuyển nhiều vl ! SG hiện tại đang dịch nên HN đăng tin tuyển 1 đống ! đang cày lại js nodejs ! hẹn SG hết dịch lên kiếm intern làm lại cuộc đời !
 
học 6 tháng là làm đc hết đừng lùa gà nữa.
Lại cài mầy thư viện vào, chạy thử rồi vỗ ngực làm được hết hả cháu sinh viên.
Chú hỏi thử cái reactive programming là gì có khi còn ú ớ.
Hoặc đơn giản promise là multitasks hay multithreads có khi còn éo biết.
 
AI các bác ởng như dễ mà học ấy:
  • AI gọi API rồi transfer learning thì dễ. Nhưng mà cũng cần biết ba cái cở bản như POST Request các kiểu.
  • Nhưng rồi gặp vấn đề thực tế, thì tự mà đi tìm cách mà giải quyết đi. Đấy mới là level đơn giản thôi. Riết ngày nào lên cái group Machine Learning cơ bản, luận văn, project abc xyz gì đó cần hướng dẫn. Từ task OCR, như tạo những vùng ROI trên cái CMND (như field tên, năm sinh...), object detection trong một cái case cụ thể, hoặc như hướng computer vision cho giao thông thì track, đếm phuơng tiện. Đó là task của các bạn, các bạn tự đi mà giải quyết đi, chúng tôi có liên quan gì đâu? :D Critical Thinking không có thì làm sao. Cái này các bạn vẫn chỉ dựa vào những thứ có sẵn là chính nhé, nhưng phải biết dùng nó một cách khéo léo.
  • Rồi từ đó lên level cao hơn, là bắt đầu principle engineering, tức là có một cái task, các bạn biết trình tự mà giải quyết nó một cách tổng thể. Giả dụ như bài toán giờ rất chung chung, như tôi cần kiểm soát mật độ giao thông tốt hơn, tôi muốn OCR để lấy hết data trên cái CMND, hoặc là làm một cái xe tự hành "nho nhỏ"... lúc này các bạn tự thiết kế algorithm thêm rồi, rồi phải đọc paper, thử, sai rất nhiều.
  • Lên level tiếp theo, là khi các algorithm hiện giờ không đủ nữa. Vậy các bạn bắt đầu đi tìm cách để cải thiện nó (nhấn mạnh là cải thiện nhá). Là bắt đầu trong model, trong đống toán, trong đống cảm tính là "cách này sẽ tốt hơn, sẽ State-of-the-art", bắt đầu những ngày bắt cái máy chạy liên tục để thử. Mà quá trình này, dù thử sai, nhưng phải phán đoán được algorithm trông như thế nào, chứ không phải cứ nhiệt tình thử là ra đâu. Như hồi tôi làm một thuật toán để detect cái gờ đường (road curb), tôi mất 2 tháng với nó, với đủ cách từ gradient tới deep learning... và cuối cùng tôi cũng nghĩ ra cách cực kì hiệu quả, cực kì nhanh, cực kì robust (tính đi hội nghị, bên Mĩ tổ chức offline rồi, mà đi là khỏi về nên để dành năm sau) :) Các bạn sẽ không thấy bất ngờ nếu một ngày cái này được trang bị cho một hãng xe nào đó trên camera lùi hoặc camera 360 độ đâu nhé. Trong khi tôi có kinh nghiệm về computer vision tầm 6 năm, rồi đại số tuyến tính, ma trận các kiểu nữa.
  • Lên level tiếp theo, là tạo luôn algorithm mới. Ok cái level này thì không nói làm gì nữa.
 
Nói thẳng là vào tốt cho nó vuông. Bày đặt bằng cấp.
Giải thích sơ cái back propagation nghe nào. Tại sao số lượng neural là rất lớn, thì bài toán tìm "nghiệm" của hệ này sẽ under-determined, thì làm sao người ta đi tìm được trọng số cho mỗi node?
Tôi thừa nhận, bản thân tôi không phải là dân IT hay CS, tôi học cơ khí (sinh năm 96 hay không thì không biết). Tôi gặp dân "AI" (xin lỗi, dân chuyên ngành không bao giờ gọi là AI cả, nghe ngứa cả đít) ứng dụng, tôi thấy bình thường, vì những nghiên cứu cơ bản được dùng vào thực tế là tốt. Nhưng mà tôi chưa dám ai dám ngồi lên đầu researcher cả đâu :LOL:
 
Back
Top