Kỹ năng làm software sẽ giúp học tech với code nhanh hơn nhưng cái nghề này đòi hỏi học lý thuyết nhiều, muốn có kiến thức cho tươm tất thì mất khoảng 2 năm. Cài nào ngon thì tùy skills, giống như hỏi làm web hay mobile ngon hơn thì anh nào skills tốt thì anh đó ngon thôi.
Còn lâu lắm vì cái này đụng tới bài toán về General Purpose AI.
Dùng cái nào thì tùy vào yêu cầu bài toán, nhưng theo mình vẫn là dùng những cái cơ bản, đơn giản nhất, khi ko đáp ứng dc thì mới lên phức tạp. ETL thì đôi khi ko cần viết tool mà chỉ cần viết 1 số script, batch jobs cũng được. Ngày xưa thì mình dùng C# code tool, hiện tại dùng python vì muốn đồng bộ tech stack thôi, và nói chính xác thì mình code theo hướng procedural.
Code model đa số xài thư viện: sklearn, tensorflow, pytorch... build model cái chính là feature engineering, feature selection, model tuning and validation. Các giải thuật ML người ta đã code sẵn hết rồi. Còn muốn tạo ra cái các thư viện mới, custom mấy cái mà ví dụ thằng tensorflow nó ko đáp ứng được thì đây là công việc của ML Researcher.
Nói tới đây thế nào chắc cũng vài anh nhảy vào khoe kiến thức giải thuật đao to búa lớn các kiểu blah blah.
Học lại XSTK, Học thêm 1 công cụ chuyên làm data analysis như SPSS Statistics, 1 ngôn ngữ lập trình như Python. Phần còn lại là practice thôi.
Ý kiến cá nhân là bài toán có trước rồi đi học các kỹ năng để giải quyết nó. Vì minh phải biết mục tiêu của mình là gì thì mới đi đúng hướng được. Còn nếu ko biết mục tiêu, bài toán muốn giải quyết là gì luôn thì học kỹ năng để có overview tất cả các mảng nhưng đừng đi sâu quá để tránh lan man.
Câu hỏi về vấn đề nằm ở đâu quan trọng hơn câu hỏi làm thế nào để giải quyết vấn đề.
