Hãy thử cách này nếu bạn muốn tìm job AI/Data Science nhưng chưa có kinh nghiệm làm việc

Tóm tắt Video: Con Đường Sự Nghiệp AI/Data cho Người Mới Bắt Đầu tại Việt Nam

Key Concepts:

• Data Scientist, Machine Learning Engineer, AI Engineer: Các vị trí công việc mơ ước trong lĩnh vực AI/Data.
• Data Analyst, Data Engineer: Các vị trí "bệ phóng" để tiếp cận các vị trí AI/Data cao cấp hơn.
• Kinh nghiệm làm việc: Yêu cầu bắt buộc của hầu hết các công ty tuyển dụng AI/Data tại Việt Nam.
• Tư duy phân tích, kỹ năng lập trình, kiến thức về cơ sở hạ tầng dữ liệu: Các kỹ năng cần thiết để thành công trong lĩnh vực AI/Data.
• Networking: Mạng lưới quan hệ với các phòng ban khác trong công ty.
• Ưu điểm và nhược điểm của con đường "đi vòng" thông qua Data Analyst/Engineer.

1. Vì Sao Xin Việc AI/Data Khó tại Việt Nam?

• Sự trỗi dậy của AI: Các công cụ AI như ChatGPT đã tự động hóa nhiều công việc của junior, khiến công ty ưu tiên tuyển senior.
• Đặc thù công việc: Công việc AI/Data đòi hỏi kiến thức và kỹ năng thực tế mà sinh viên mới ra trường thường thiếu, ví dụ:
  • Thu thập, phân tích, tiền xử lý dữ liệu.
  • Triển khai mô hình AI vào thực tế.
  • Kết nối các mô hình AI trong pipeline.
• Cạnh tranh cao: Số lượng người học và ứng tuyển vào các vị trí AI/Data quá lớn, khiến các công ty nâng cao tiêu chuẩn đầu vào.
• Nguồn lực đào tạo: Đào tạo một data scientist từ con số 0 tốn nhiều thời gian, tài nguyên và rủi ro, nên công ty ưu tiên người có kỹ năng sẵn có.

2. Giải Pháp: Con Đường "Đi Vòng"

• Không nên ứng tuyển trực tiếp: Ứng tuyển trực tiếp vào các vị trí Data Scientist/Machine Learning Engineer khi chưa có kinh nghiệm thường không hiệu quả.
• Tích lũy kinh nghiệm ở vị trí liên quan: Bắt đầu với vị trí Data Analyst hoặc Data Engineer để tích lũy kinh nghiệm và kỹ năng.
• Sau 1-2 năm, ứng tuyển vào vị trí mơ ước: Sau khi có kinh nghiệm, CV sẽ có sức nặng hơn và cơ hội thành công cao hơn.

3. Data Analyst: Bệ Phóng Tuyệt Vời

• Rèn luyện tư duy phân tích: Hiểu cách doanh nghiệp khai thác dữ liệu để giải quyết vấn đề kinh doanh.
• Thành thạo công cụ: SQL, Python, Pandas, NumPy, Matplotlib.
• Tạo networking: Làm việc với các phòng ban khác (sales, marketing, operations) giúp hiểu bài toán và triển khai mô hình hiệu quả hơn.

4. Data Engineer: Nền Tảng Vững Chắc

• Hiểu cơ sở hạ tầng dữ liệu: Xây dựng pipeline thu thập, xử lý và lưu trữ dữ liệu.
• Học hỏi quy trình DevOps: Làm việc với CI/CD, Hadoop, Spark, AWS, Azure.
• Rèn luyện kỹ năng lập trình: Code nhiều và tối ưu hiệu năng xử lý dữ liệu.

5. Lưu Ý Quan Trọng

• Không ngừng học hỏi: Trong thời gian làm Data Analyst/Engineer, cần liên tục củng cố kiến thức về AI/Machine Learning.

6. Ưu Điểm của Con Đường "Đi Vòng"

• Tích lũy kinh nghiệm thực tế: Làm việc với dữ liệu thực tế, học quy trình làm việc và phối hợp với đồng nghiệp.
• Trang bị kiến thức nền tảng: Vừa làm việc vừa tự học AI/Machine Learning.
• Gia tăng giá trị bản thân: Ứng viên có kinh nghiệm phân tích, xử lý dữ liệu và hiểu biết về AI/Machine Learning được đánh giá cao hơn.
• Mở rộng cơ hội tuyển dụng: Có thể ứng tuyển vào các công ty đang tìm Data Scientist/Machine Learning Engineer ở mức junior/mid-level.

7. Nhược Điểm của Con Đường "Đi Vòng"

• Mất thời gian hơn: So với con đường đi thẳng.
• Có thể bị "kẹt lại": Một số người có thể hài lòng với vị trí hiện tại và không muốn chuyển sang AI/Machine Learning.

8. Kết Luận

Con đường "đi vòng" thông qua Data Analyst/Engineer là một lựa chọn phù hợp cho những bạn trẻ mới ra trường hoặc chưa có kinh nghiệm muốn theo đuổi sự nghiệp trong lĩnh vực AI/Data tại Việt Nam. Mặc dù tốn thời gian hơn, nhưng nó mang lại nền tảng vững chắc, kinh nghiệm thực tế và cơ hội thành công cao hơn. Quan trọng nhất là phải không ngừng học hỏi và trau dồi kiến thức về AI/Machine Learning trong quá trình làm việc.

9. Các Khóa Học Online (Thông tin thêm)

• Python và AI cơ bản: Dành cho người trái ngành, chưa có kinh nghiệm lập trình.
• Data Science và Machine Learning nâng cao: Dành cho người có kinh nghiệm lập trình, cung cấp kiến thức toàn diện về Data Science và Machine Learning.
• Deep Learning for Computer Vision cơ bản: Dành cho người có kiến thức cơ bản về Machine Learning, tập trung vào Deep Learning và thị giác máy tính.
• Deep Learning for Computer Vision nâng cao: Dành cho người đã hoàn thành khóa cơ bản, tìm hiểu về các topic nâng cao như object detection, image segmentation, GANs.
• Toán dành cho AI: Bổ trợ kiến thức toán (xác suất thống kê, đại số tuyến tính, giải tích) cho người muốn theo đuổi AI/Data/Machine Learning.