Tuyển dụng của meta

Có bài báo khoa học hoặc có đóng góp lớn

công việc thực tế

  • cập nhập và nghiên cứu các bài báo liên quan chủ đề nghiên cứu: cần phải xem bài báo đó viết veef thuật toán nào, lên ý tưởng để cải thiện những phương pháp đó. Lập trình đúng những gì đã lên ý tưởng.(code chạy thực nghiệm)

  • Viết bài báo.

  • Trao đổi công việc giữa các đồng đội. Ví dụ làm về tối ưu, hỏi đồng nghiệp về chỉnh sửa ảnh.

  • Khó khăn(AI research):

  • Phải liên tục cập nhập công nghệ AI

  • Đòi hỏi rất nhiều chất xám

  • Chịu áp lực deadline, KPI…

Phải chú ý những hội thảo lớn hằng năm phải làm nn sao cho nộp được bài báo của bản thân.

Cơ hội

  • Cần phải học thêm những kĩ năng nào khác:

  • Tổng quan về AI engineer ở Việt Nam

  • Phải vừa nghiên cứu vừa có sản phẩm.
  • là sao để trở thành AI engneer:
  • đắt quá xin giảm

Công việc hằng ngày :

  • xem công việc hôm qua

  • Viết báo cáo: tuần vừa rồi làm gì, tuần sau sẽ làm gì, vướng mắc ở đâu để hỏi

  • AI nguồn tài liệu:

  • Để tiếp cận đến AI cần: nắm vững các môn liên quan đến cấu trúc dữ liệu và giải thuật

  • làm 1 vài cái product nho nhỏ

  • chờ đến năm 3 để nhà trường phân công đi thực tập: phụ thuộc vào viện, xa gần phải tùy viện

  • Gán dữ liệu: ban đầu sẽ ko có 1 +1 =2, mà phải có cái dữ liệu ban đầu,

  • ban đầu phải có những data có sẵn

  • dữ liệu là 1 tài sản vô cùng quý hiếm. Những người làm lộ đều vi phạm pháp luật

Liên quan đến DE

  • Data phải đc clearn sẵn khi đến AI, …

Sinh ra nguồn dữ liệu cho cái moodol, bài toán của mình,

  • xem bộ dữ liệu đó cho cái bài toán nào

  • Công việc DE khá gần với những người làm web, ngoài coding, câu lệnh sql, truy vẫn, kĩ năng sử lý dữ liệu lớn đạt độ thuần thục

  • cvhn: có dữ liệu thô, và qua quá trình sử lý dữ liệu, liên quan đến recommen gói, khuyến nghị kh nên mua gì

  • quá trình làm tinh dữ liệu: big data, kiến thức về cơ sở dữ liệu big data phải lớn

  • phải lưu data vào đâu cho nó tối ưu

  • hàng tháng phải trả ra kết quả để bên kinh doanh làm việc

  • cơ sở dữ liệu 1 cách tối ưu,

  • luông dữ liệu chỉ vài câu truy vấn là phải có ngay

  • DE phải lưu trữ những data này phải tối ưu

Khác biệt DA, DE, DS

  • DA: làm việc vơi khách hàng, Phân tích về mặt bản thân cái dữ liệu đấy nó có gì, sử lý bước ban đầu,

  • DE: trường dữ liệu, tổ chức data của DA thành 1 hệ thống, đảm bảo cho hệ thống cung cấp data 1 cách liền mạch.

  • DS: sử dụng nguồn dữ liệu của DE, thao tác với nó, sinh thêm dữ liệu
    Model cơ bản machine learning, turning model cho đến khi nào bài toán đạt hiệu quả kinh doanh.

  • kiểu số dư tài khoản hiện tại, ảnh hưởng đến việc đề xuất người dùng nên mua gói nào

Toán có ứng dụng gì: Khi học chưa có ứng dụng gì rõ ràng nhưng cho ta hướng tư duy.

  • đstt:

  • giải tích số : học giải thuật về phương pháp chia đôi, …

  • tối ưu

  • giải tích hàm

ý tượng tạo ra phương pháp đấy

  • mọi mô hình này sẽ biết đc áp dụng toán nào, là 1 trong những lõi quan trọng của AI

  • học toán để:

  • học kĩ những kiến thức cơ bản: tối ưu, thống kê

Lời khuyên : nên đi thực tập sớm: để có background tốt

Thực tập cho ta 1 cái nhìn tổng quan, cái việc biết 1 công nghệ nào đó sẽ cho mình biết những cái mình học trên trường sau này

  • Tự tin vào 1 cái tập thể mình sẽ làm đc, tự tin đi phỏng vấn, trượt bên này sẽ có bên khác.

  • rèn luyện coding nhiều hơn

  • ko nên tham chiếu nhiều cái trên youtobe, đọc nhiều paper

  • tìm 1 nhóm bạn để đi cùng có những người bạn cùng theo hướng của mình thì học sẽ nhanh hơn

  • Trên trường hay có những cuộc thi nghiên cứu khoa học,

  • Hỏi sự trợ giúp từ những thầy cô trong viện

  • càng tham dự những cuộc thi , họp: làm việc nhóm

  • mức lương 10tr ko khó khi vừa ra trường chỉ cần chuẩn bị kĩ kiến thức

Chuyển bị như nào cho tương lai:

Kiến thức cơ bản
Kĩ năng mềm
Ngôn ngữ

  • Phải code làm sao cho chương trình nó chạy nhanh, ctdl và gt đánh giá 1 người ở mức trình độ nào

  • một người dùng cái tích phân để giải độ phức tạp, với người chạy bằng for

  • các công ty lớn thường kiểm tra về ctdl và gt đầu vào

  • clean code là 1 quyển nên đọc để viết code tối ưu

Trích từ một buổi nói chuyện nào đó của viện toán