Nghề nghiệp thứ hai
Tuần trước, Gary Kolesar người đã tốt nghiệp ba năm trước quay lại Carnegie Mellon để thăm tôi. Vì anh ấy là sinh viên lớn tuổi hơn, tôi đề nghị anh ấy chia sẻ kinh nghiệm của mình cho sinh viên của tôi. Sau đây là điều anh ấy nói.
“Khi tôi quay lại trường để theo đuổi bằng thạc sĩ trong trí tuệ nhân tạo (AI), tôi không thoải mái vì tôi đã có bằng cử nhân trong kinh doanh và mười lăm năm kinh nghiệm làm việc. Cho dù tôi đã có việc làm tốt là kế toán trong một công ti tài chính nhưng tôi biết rằng không có mấy tương lai trong lĩnh vực này vì thế giới đã thay đổi và sớm hay muộn, công nghệ sẽ tiếp quản. Đó là lí do tại sao tôi quyết định trở lại trường để lấy bằng khác. Tôi lập kế hoạch nghề nghiệp thứ hai của mình một cách cẩn thận vì tôi muốn chắc rằng tôi sẽ học cái gì đó mà có thể diễn ra trong thời gian dài. Tôi đã chọn AI vì Khoa học máy tính và các lĩnh vực liên quan đang tăng trưởng nhanh chóng hơn và trả lương nhiều hơn bất kì nghề nào.
Với người gần bốn mươi tuổi đầu trở về trường là KHÔNG dễ dàng vì bạn không còn trẻ và có thể không khớp được với người khác, những người đang trong lứa tuổi hai mươi. Tôi nhìn vào tuỳ chọn khác trước khi làm quyết định quay lại trường. Có một tuỳ chọn cho ai đó như tôi là tôi có thể lên trực tuyến và học từ Các môn học trực tuyến mở cho đại chúng (MOOCs). Đây là chọn lựa tốt và nó là dễ hơn và nhanh hơn. Nhiều môn học trực tuyến ngắn, chỉ vài tuần tới vài tháng và chừng nào bạn còn làm việc chăm chỉ và tuân theo kỉ luật tự giác, bạn sẽ học tốt. Tôi đã học vài môn trực tuyến từ edX và Coursera và kết luận rằng mọi người có thể học nhiều thứ từ MOOCs và sau khi hoàn thành một số môn học, họ có thể có được chứng chỉ rồi đi tìm việc làm. Tuy nhiên, MOOCs KHÔNG dành cho tôi. Tôi nghĩ MOOCs là tốt cho những người cần có việc làm nhanh chóng nhưng để phát triển nghề nghiệp trong thời gian dài, nó có thể không phải là giải pháp tốt nhất. Tất nhiên đó là ý kiến riêng của tôi vì tôi biết ai đó có thể không đồng ý với tôi.
Tôi quyết định đi theo con đường truyền thống của việc trở lại trường để lấy bằng thạc sĩ tại Carnegie Mellon. Việc này lâu hơn nhiều và tốn kém hơn nhưng đã làm việc trong nhiều năm, tôi đã tiết kiệm đủ tiền cho giáo dục của tôi. Tôi muốn học mọi thứ với mức độ sâu nhất để chuẩn bị cho nghề nghiệp của tôi mà có thể kéo dài cho toàn thể cuộc đời tôi. Lí do tôi chọn Carnegie Mellon vì nó là trường duy nhất cung cấp các chương trình trong Trí tuệ nhân tạo vào thời điểm đó. Sau hai năm học ở đó, tôi đã nhận được ba đề nghị việc làm vài tháng trước khi tốt nghiệp và tôi đã chấp nhận đề nghị từ Google. Đến lúc đó, tôi biết rằng tôi đã làm quyết định đúng là quay lại trường.
Là sinh viên Khoa học máy tính, bạn đã biết rằng phần lớn các chương trình máy tính bắt đầu với ngôn ngữ lập trình và các khái niệm cơ bản. Nhiều sinh viên không thích các khái niệm và lí thuyết nhưng ưa thích học về công nghệ vì chúng có liên quan hơn tới điều họ sẽ dùng trong công nghiệp. Nếu bạn đi vào MOOCs, bạn sẽ biết nhiều về công nghệ và cách áp dụng chúng và bạn có thể có được việc làm dễ dàng vì phần lớn các môn học của MOOCs được thiết kế theo cách đó. Chúng giúp bạn học cách áp dụng công nghệ nhanh chóng nhưng KHÔNG cho bạn đủ thời gian để đi sâu hơn vào các khái niệm mà bạn đang dùng. Khi tôi học môn học của MOOCs, tôi có thể làm nhiều thứ nhưng vẫn không hiểu mọi chi tiết. Theo ý kiến tôi, bằng cấp của trường truyền thống hội tụ nhiều hơn vào các lí thuyết và khái niệm nền tảng trong khi các môn học trực tuyến lại được hội tụ nhiều hơn vào các công nghệ và ứng dụng. Để có việc làm, MOOCs là đủ tốt nhưng nếu bạn muốn đi xa hơn nữa và sâu hơn nữa, trường học truyền thống là tốt hơn.
Nhiều sinh viên máy tính tin việc biết lập trình là đủ tốt để có được việc làm. Tất nhiên, phần lớn các việc làm đều yêu cầu kĩ năng lập trình nhưng nếu bạn muốn đi xa hơn và thăng tiến nghề nghiệp của bạn, bạn cần biết nhiều hơn về toán học. Theo ý kiến của tôi, toán là nền tảng cho mọi tính toán, lập luận và logic và để làm việc trong các lĩnh vực Trí tuệ nhân tạo và Học máy, bạn cần có kĩ năng toán học tốt. Khi tôi còn là sinh viên kinh doanh, tôi không thích toán nhưng khi tôi trở lại trường và học môn “Nhập môn hệ thống máy tính”, giáo sư Vũ đã giải thích: “Không có kĩ năng giỏi trong toán, em không thể phát triển được tư duy tính toán và không có khả năng giải quyết các vấn đề phức tạp trong AI và Học máy.” Với sự khuyến khích của thầy, tôi đã theo học vài môn toán học như đại số tuyến tính, tính toán, toán học rời rạc và thống kế và tôi thấy rằng chúng đã giúp tôi học nhiều khái niệm trừu tượng và cung cấp cho tôi những cách nghĩ mới về vấn đề tôi sẽ phải làm việc trong công nghiệp.
Để làm việc trong lĩnh vực Trí tuệ nhân tạo, bạn cần kĩ năng lập trình giỏi và hiểu cách phân tích vấn đề, cách thu thập dữ liệu đúng, cách gán nhãn chúng tương ứng và biết cách mọi thuật giải làm việc. Đây là lí do tại sao tôi nghĩ mọi sinh viên đều phải phát triển những kĩ năng giỏi trong tư duy tính toán vì bạn cần hiểu vấn đề mà bạn muốn giải quyết trước hết. Không biết rõ vấn đề, bạn sẽ phạm sai lầm và sẽ không có khả năng đi vào giải pháp. Bạn cần biết mọi khái niệm và lí thuyết về Học máy để cho bạn có thể lựa chọn thuật giải thích hợp để làm mô hình cho giải pháp của bạn vì sẽ có nhiều hơn một giải pháp để giải nhưng bạn cần giải chúng theo cách tự động hay cách tốt nhất. Điều đó có nghĩa là bạn sẽ phải chia nhỏ vấn đề thành nhiều phần nhỏ để thu hẹp độ phức tạp. Điều đó có nghĩa là bạn sẽ phải phân rã vấn đề thành nhiều vấn đề nhỏ hơn và giải quyết từng vấn đề mỗi lúc. Giải pháp cho vấn đề này có thể là cái vào cho mức tiếp và đó là cách bạn đi sâu hơn để giải quyết các vấn đề phức tạp.
Nếu mọi điều bạn cần là việc làm tốt, bằng cử nhân sẽ là đủ và phần lớn các công ti đều đang tìm thuê người tốt nghiệp có bằng trong lĩnh vực Khoa học máy tính và liên quan. Tuy nhiên, nếu bạn muốn làm việc trong lĩnh vực Học máy và Trí tuệ nhân tạo, bạn cần có bằng thạc sĩ hay thậm chí bằng Tiến sĩ để đi xa hơn và sâu hơn vào giải quyết các vấn đề phức tạp.
Tác phẩm, tác giả, nguồn
- Tác phẩm: Lời khuyên cho sinh viên
- Nguồn: Blog của giáo sư John Vu, Carnegie Mellon University.
- Wiki hóa: https://kipkis.com
