Hầu hết mọi người tin rằng bạn cần có bằng khoa học máy tính để làm việc trong lĩnh vực Trí tuệ Nhân tạo.
Đó là lý do tại sao họ trì hoãn việc bắt đầu.
Họ chờ đợi để tốt nghiệp đại học.
Hoặc để có được một chứng chỉ mới.
Hoặc họ tự thuyết phục bản thân rằng lĩnh vực này không phù hợp với họ.
Nhưng sự thật hoàn toàn ngược lại.
Ngày nay, có hàng nghìn kỹ sư AI đang làm việc tại các công ty khởi nghiệp và tập đoàn toàn cầu, và lý do họ được tuyển dụng không phải là tấm bằng.
Mà là những dự án họ đã xây dựng.
Tài khoản GitHub của họ.
Những sản phẩm họ có thể phát triển.
Và những vấn đề thực tế họ đã giải quyết thành công bằng AI.
🔖 Hãy đánh dấu bài viết này ngay bây giờ.
Bởi vì bạn sẽ quay lại nó nhiều hơn một lần trong hành trình học tập của mình, và bạn sẽ thấy rằng mỗi giai đoạn trong đó đều được xây dựng dựa trên giai đoạn trước đó.
Trong bài viết này, tôi sẽ không đưa cho bạn một danh sách dài các khóa học.
Tôi sẽ không yêu cầu bạn học bốn năm tại trường đại học.
Thay vào đó, tôi sẽ chia sẻ với bạn một lộ trình thực tế giải thích những gì bạn nên học, những gì bạn có thể bỏ qua, và cách xây dựng một portfolio mạnh mẽ giúp bạn đủ điều kiện ứng tuyển các vị trí Kỹ sư AI ngay cả khi bạn không có bằng khoa học máy tính.
Nếu bạn cam kết thực hiện lộ trình này và tập trung vào ứng dụng và xây dựng dự án thay vì sưu tập chứng chỉ, bạn sẽ gần hơn rất nhiều so với tưởng tượng để có được công việc đầu tiên trong lĩnh vực này.
Kỹ sư AI thực sự là gì?
Trước khi bạn bắt đầu học bất kỳ ngôn ngữ lập trình hay framework nào, bạn phải biết công việc mình đang theo đuổi.
Bởi vì nhiều người nhầm lẫn giữa Nhà nghiên cứu AI với Kỹ sư AI, mặc dù mỗi người làm việc theo một hướng hoàn toàn khác nhau.
Nhà nghiên cứu AI là người phát minh ra các mô hình mới, phát triển thuật toán, tiến hành nghiên cứu và làm việc trên việc huấn luyện các mô hình từ đầu.
Còn đối với kỹ sư AI, họ là người lấy các mô hình hiện có và sau đó xây dựng các ứng dụng và sản phẩm mà mọi người sử dụng hàng ngày.
Hãy nghĩ theo cách này.
Khi bạn sử dụng một trợ lý thông minh cho dịch vụ khách hàng.
Hoặc một công cụ tìm kiếm hiểu được các tệp tin của công ty bạn.
Hoặc một Agent thực hiện một số tác vụ một cách tự động.
Hoặc một ứng dụng dựa vào Claude hoặc GPT để hoàn thành công việc.
Người đã xây dựng các hệ thống này thường là một Kỹ sư AI.
Đây là lý do tại sao nhu cầu về chuyên ngành này đã tăng lên đáng kể trong những năm gần đây.
Các công ty không phải lúc nào cũng tìm kiếm người có thể huấn luyện một mô hình mới.
Mà họ đang tìm kiếm người biết cách biến các mô hình hiện có thành các sản phẩm giải quyết các vấn đề thực tế.
Và đây là một tin tốt.
Bởi vì con đường trở thành một Kỹ sư AI không bắt đầu bằng việc nghiên cứu các phương trình phức tạp hay huấn luyện các mô hình từ đầu.
Nó bắt đầu bằng việc hiểu về lập trình, biết cách sử dụng các mô hình AI trong các ứng dụng thực tế, và sau đó xây dựng các dự án chứng minh bạn có thể biến ý tưởng thành các sản phẩm thực sự hoạt động.
Vì lý do này, nếu mục tiêu của bạn là có được một công việc trong lĩnh vực này, bạn không cần phải trở thành một nhà khoa học AI...
Bạn cần trở thành một kỹ sư có thể xây dựng.
Sự Thật Mà Những Người Thành Công Khám Phá Ra Sớm
Nếu bạn hỏi hầu hết mọi người:
Điều gì khiến một công ty tuyển dụng một kỹ sư AI?
Bạn sẽ nghe những câu trả lời như:
Bằng đại học.
Bằng Thạc sĩ.
Bằng Tiến sĩ.
Hoặc nhiều năm học tập.
Nhưng khi bạn nhìn vào các công ty đang tuyển dụng Kỹ sư AI ngày nay, bạn sẽ thấy rằng câu hỏi đầu tiên thường không phải là:
Bạn đã học ở đâu?
Mà là:
Bạn đã xây dựng được những gì?
Bạn có một dự án thực tế không?
Bạn có tài khoản GitHub chứa các tác phẩm của mình không?
Bạn có thể gửi một liên kết đến một ứng dụng bạn đã xây dựng không?
Bạn có một portfolio chứng minh bạn có thể biến một ý tưởng thành một sản phẩm thực sự hoạt động không?
Đây là lý do tại sao một số nhà phát triển tự học lại có được việc làm trước những người có bằng cấp học thuật cao.
Không phải vì bằng cấp là vô giá trị.
Nhưng bởi vì các công ty cần những người có thể xây dựng, không chỉ nghiên cứu lý thuyết.
Hãy tưởng tượng một nhà quản lý tuyển dụng có hai người trước mặt.
Người thứ nhất có bằng khoa học máy tính nhưng chưa công bố bất kỳ dự án thực tế nào.
Người thứ hai không có bằng cấp nhưng đã xây dựng một trợ lý thông minh, một hệ thống RAG, và một Agent đa nhiệm, tất cả đều có sẵn trên GitHub và bất kỳ ai cũng có thể dùng thử.
Trong nhiều trường hợp, chủ nhân của dự án sẽ là ứng viên mạnh hơn.
Vì lý do này, nếu bạn muốn bước vào lĩnh vực này, đừng đặt mục tiêu đầu tiên là sưu tập chứng chỉ.
Hãy đặt mục tiêu của bạn là liên tục xây dựng một thứ gì đó mới.
Bởi vì mỗi dự án bạn công bố sẽ đưa bạn đến gần hơn một bước với công việc đầu tiên, trong khi mỗi khóa học bạn xem mà không áp dụng chỉ thêm thông tin... nhưng không thêm bằng chứng về kỹ năng của bạn.
Đó là lý do tại sao giai đoạn đầu tiên trong lộ trình sẽ là học kỹ năng mà mọi thứ khác sẽ được xây dựng dựa trên nó...
Lập trình.
Giai Đoạn Một: Học Lập Trình Đúng Cách
Nếu bạn hỏi bất kỳ kỹ sư AI nào đang làm việc hiện nay:
Kỹ năng đầu tiên tôi nên học là gì?
Câu trả lời thường xuyên nhất sẽ là:
Lập trình.
Điều này có vẻ hiển nhiên, nhưng nhiều người mới bắt đầu cố gắng nhảy thẳng vào các công cụ AI.
Họ học cách viết prompt.
Họ thử nghiệm hàng tá trang web.
Họ theo dõi mọi công cụ mới xuất hiện.
Nhưng khi họ cố gắng xây dựng một ứng dụng thực tế, họ phát hiện ra mình không biết bắt đầu từ đâu.
Lý do rất đơn giản.
AI không loại bỏ nhu cầu về lập trình...
Nó làm cho lập trình trở nên quan trọng hơn.
Vì lý do này, Python được coi là ngôn ngữ tốt nhất để bắt đầu.
Không phải vì nó là ngôn ngữ duy nhất.
Nhưng bởi vì nó đã trở thành tiêu chuẩn chính cho hầu hết các thư viện và công cụ AI.
Nhưng đừng đặt mục tiêu của bạn là ghi nhớ các lệnh ngôn ngữ.
Hãy đặt mục tiêu của bạn là có thể xây dựng một chương trình nhỏ từ đầu.
Học cách xử lý các tệp tin.
Cách gọi API.
Cách đọc và ghi dữ liệu.
Cách xử lý lỗi.
Đồng thời, hãy học cách sử dụng Git và GitHub ngay từ đầu.
Đừng chờ đợi cho đến khi bạn trở thành một chuyên gia.
Mọi dự án nhỏ bạn xây dựng, dù đơn giản, hãy tải nó lên GitHub.
Bởi vì tài khoản này theo thời gian sẽ là portfolio thực sự của bạn, và nó là nơi đầu tiên nhiều nhà quản lý tuyển dụng sẽ nhìn vào khi họ muốn đánh giá trình độ của bạn.
Và hãy nhớ...
Đừng dành hàng tháng chỉ để xem các khóa học.
Sau mỗi khái niệm mới bạn học, hãy xây dựng một dự án nhỏ áp dụng nó.
Bởi vì mục tiêu không phải là biết lập trình...
Mà là chứng minh rằng bạn có thể sử dụng nó để xây dựng một thứ gì đó thực sự hoạt động.
Giai Đoạn Hai: Học Cách Xử Lý Các Mô Hình AI
Sau khi bạn nắm vững những kiến thức cơ bản về lập trình, bạn sẽ đến giai đoạn phân biệt một người dùng AI với một kỹ sư AI.
Hầu hết mọi người sử dụng Claude hoặc ChatGPT thông qua giao diện trò chuyện.
Họ mở trang web.
Họ viết một prompt.
Sau đó họ nhận được câu trả lời.
Nhưng đây không phải là cách các sản phẩm được xây dựng.
Một kỹ sư AI không làm việc thông qua giao diện trò chuyện.
Thay vào đó, họ xử lý các mô hình bằng cách sử dụng API, sau đó tích hợp chúng vào các ứng dụng, trang web và hệ thống thực tế.
Trong giai đoạn này, bạn sẽ học cách ứng dụng của bạn gửi một yêu cầu đến một mô hình AI, cách nó nhận kết quả, và sau đó sử dụng nó để thực hiện một tác vụ trong một sản phẩm thực tế.
Nhưng đừng dừng lại ở việc gửi yêu cầu thành công đầu tiên của bạn.
Học cách làm cho mô hình trả về kết quả nhất quán và đáng tin cậy.
Học cách quản lý lịch sử hội thoại.
Cách xử lý lỗi và giới hạn sử dụng.
Và cách làm cho mô hình trả về dữ liệu ở định dạng có cấu trúc mà chương trình của bạn có thể hiểu được.
Một trong những kỹ năng quan trọng nhất bạn cũng phải học là Function Calling hay Tool Use.
Đó là tính năng cho phép mô hình không chỉ trả lời, mà còn thực hiện các hành động thực tế, chẳng hạn như tìm kiếm cơ sở dữ liệu, gọi một API khác, tạo một tệp tin, hoặc gửi một tin nhắn.
Ở đây bạn sẽ bắt đầu hiểu cách hầu hết các ứng dụng AI hiện đại hoạt động.
Bởi vì chúng không chỉ dựa vào mô hình đơn thuần...
Mà còn dựa vào khả năng của kỹ sư trong việc liên kết nó với các công cụ và hệ thống khác nhau, và biến nó từ một trợ lý trả lời câu hỏi thành một hệ thống có thể hoàn thành các tác vụ và thực hiện các hành động thích hợp.
Giai Đoạn Ba: Xây Dựng Các Dự Án Thực Tế... Đừng Chỉ Dừng Lại Ở Các Khóa Học
Có một sai lầm mà hầu hết người mới bắt đầu mắc phải.
Họ tin rằng việc hoàn thành hàng chục khóa học có nghĩa là họ đã sẵn sàng đi làm.
Nhưng sự thật thì khác.
Các khóa học dạy bạn những điều cơ bản.
Các dự án là thứ chứng minh bạn có thể sử dụng những điều cơ bản này để giải quyết một vấn đề thực tế.
Vì lý do này, nếu một nhà quản lý tuyển dụng hỏi bạn về kinh nghiệm của bạn, câu hỏi quan trọng nhất sẽ không phải là:
Bạn đã hoàn thành bao nhiêu khóa học?
Mà là:
Bạn đã xây dựng được những gì?
Bạn có một Chatbot không?
Bạn đã xây dựng một trợ lý dựa trên AI chưa?
Bạn đã tạo một hệ thống phân tích tệp tin chưa?
Hoặc một ứng dụng sử dụng Claude hoặc GPT để giải quyết một vấn đề thực tế?
Hãy bắt đầu với các dự án đơn giản, nhưng hãy làm cho chúng hoàn chỉnh.
Thay vì xây dựng mười dự án chưa hoàn thành, hãy xây dựng ba dự án mà bất kỳ ai cũng có thể dùng thử.
Ví dụ.
Bạn có thể xây dựng một trợ lý trả lời câu hỏi dựa trên các tệp PDF.
Hoặc một ứng dụng tóm tắt các cuộc họp và trích xuất các nhiệm vụ cần thiết.
Hoặc một hệ thống giúp các nhóm hỗ trợ kỹ thuật trả lời khách hàng bằng AI.
Những dự án này không chỉ chứng minh rằng bạn biết lập trình.
Chúng chứng minh rằng bạn có thể biến một mô hình AI thành một sản phẩm thực tế mà mọi người có thể sử dụng.
Và đừng quên công bố mọi dự án trên GitHub, kèm theo giải thích rõ ràng về vấn đề nó giải quyết, cách bạn xây dựng nó, và những công nghệ bạn đã sử dụng.
Một dự án mà nhà quản lý tuyển dụng có thể chạy và dùng thử mạnh hơn nhiều so với hàng tá chứng chỉ hay khóa học trong CV của bạn.
Vì lý do này, mọi giai đoạn mới trong hành trình của bạn phải kết thúc bằng một dự án mới.
Bởi vì các dự án là ngôn ngữ mà thị trường lao động hiểu.
Các Dự Án Tôi Khuyên Bạn Nên Xây Dựng
Nếu bạn muốn xây dựng một Portfolio mạnh mẽ, chỉ hoàn thành các khóa học là chưa đủ.
Bạn cần các dự án thực tế chứng minh bạn có thể xây dựng các sản phẩm bằng AI.
Đây là một số dự án tốt nhất tôi khuyên bạn nên thêm vào portfolio của mình:
- 🤖 AI Chatbot Một trợ lý thông minh có thể hiểu câu hỏi của người dùng, duy trì lịch sử hội thoại và cung cấp câu trả lời chính xác bằng mô hình AI.
- 📄 PDF Chat Assistant Một ứng dụng cho phép người dùng tải lên các tệp PDF và sau đó đặt câu hỏi về chúng, với câu trả lời được trích xuất trực tiếp từ nội dung tệp.
- 📚 RAG Knowledge Base Một hệ thống tìm kiếm thông minh dựa trên tài liệu công ty hoặc cơ sở kiến thức, và trả lời các câu hỏi bằng dữ liệu thực tế thay vì dựa vào thông tin chung.
- 📧 AI Email Assistant Một trợ lý đọc email, phân loại chúng, viết bản nháp trả lời và đề xuất các hành động thích hợp cho mỗi tin nhắn.
- 📝 AI Meeting Summarizer Một công cụ biến các ghi chú cuộc họp hoặc bản ghi âm thành một bản tóm tắt có tổ chức, trích xuất các nhiệm vụ cần thiết, ngày tháng và tên của những người chịu trách nhiệm.
- 💬 Customer Support Agent Một Agent dịch vụ khách hàng có thể trả lời các câu hỏi phổ biến, tìm kiếm cơ sở kiến thức và chuyển tiếp các vấn đề phức tạp khi cần thiết.
- 🧠 Multi-Agent System Một hệ thống bao gồm một số Agent cộng tác cùng nhau, mỗi Agent có một vai trò cụ thể như nghiên cứu, phân tích và viết lách, sau đó hệ thống kết hợp các kết quả thành một đầu ra duy nhất.
- ⚡ AI Workflow Automation Một hệ thống liên kết AI với các công cụ như Gmail, Notion, Slack hoặc Google Drive để thực hiện các tác vụ lặp đi lặp lại một cách tự động.
Bạn không cần phải xây dựng tất cả các dự án này.
Nhưng nếu bạn hoàn thành 3 hoặc 4 dự án với chất lượng cao và giải thích chúng tốt trên GitHub, bạn sẽ có một Portfolio mạnh hơn nhiều người chỉ dừng lại ở việc nhận chứng chỉ hoặc hoàn thành hàng chục khóa học mà không có ứng dụng.
Giai Đoạn Bốn: Học Cách Xây Dựng Hệ Thống RAG
Nếu bạn nhìn vào hầu hết các ứng dụng AI được các công ty sử dụng ngày nay, bạn sẽ thấy rằng nhiều trong số chúng dựa vào một công nghệ gọi là RAG.
Mặc dù cái tên có vẻ phức tạp, nhưng ý tưởng thì đơn giản.
Bất kỳ mô hình AI nào cũng chỉ biết những gì nó được huấn luyện, hoặc những gì bạn gửi cho nó trong cuộc trò chuyện.
Nhưng điều gì sẽ xảy ra nếu bạn muốn nó trả lời các câu hỏi liên quan đến các tệp tin của công ty bạn?
Hoặc tài liệu của khách hàng?
Hoặc sách hướng dẫn sử dụng sản phẩm của bạn?
Đây là lúc RAG xuất hiện.
Thay vì chỉ dựa vào bộ nhớ của mô hình, hệ thống đầu tiên sẽ tìm kiếm trong các tệp tin của bạn, sau đó mang thông tin phù hợp nhất và gửi nó đến mô hình, để nó trả lời dựa trên dữ liệu của bạn, không phải dựa trên thông tin chung từ internet.
Vì lý do này, nhiều công ty dựa vào nó để xây dựng:
- Trợ lý dịch vụ khách hàng.
- Hệ thống tìm kiếm nội bộ công ty.
- Robot trả lời từ các tệp PDF.
- Cơ sở kiến thức nội bộ.
- Hệ thống tài liệu thông minh.
Trong giai đoạn này, bạn sẽ học cách chia nhỏ tài liệu thành các phần nhỏ, cách biến chúng thành dữ liệu có thể tìm kiếm, và sau đó cách truy xuất thông tin chính xác trước khi gửi câu hỏi đến mô hình AI.
Quy trình này có vẻ kỹ thuật, nhưng nó là một trong những kỹ năng được săn đón nhiều nhất hiện nay.
Theo tôi, nếu bạn phải chọn một dự án để thêm vào Portfolio của mình, hãy để nó là một ứng dụng RAG hoạt động trên các tài liệu thực tế.
Bởi vì loại dự án này chứng minh rằng bạn không chỉ biết cách sử dụng AI...
Mà bạn biết cách xây dựng một hệ thống với nó mà một công ty thực tế có thể dựa vào trong công việc hàng ngày của họ.
Giai Đoạn Năm: Học Cách Xây Dựng AI Agent
Trong hai năm qua, thuật ngữ AI Agent đã trở thành một trong những thuật ngữ phổ biến nhất trong lĩnh vực AI.
Nhưng sự thật là nhiều người nói về nó...
Và chỉ một số ít có thể xây dựng nó.
Ở dạng đơn giản nhất, một AI Agent là một hệ thống không chỉ trả lời một câu hỏi.
Thay vào đó, nó có thể thực hiện một tác vụ hoàn chỉnh.
Nó nhận một mục tiêu.
Chia nó thành các bước.
Sử dụng các công cụ thích hợp.
Sau đó quyết định những gì cần làm tiếp theo cho đến khi đạt được kết quả mong muốn.
Ví dụ.
Thay vì hỏi mô hình:
Các khách sạn tốt nhất ở Ả Rập Saudi là gì?
Bạn có thể xây dựng một Agent thực hiện tìm kiếm, sau đó so sánh giá, sau đó xếp hạng kết quả, sau đó tạo một báo cáo cuối cùng mà bạn không cần phải yêu cầu nó từng bước riêng lẻ.
Ở đây giá trị thực sự bắt đầu.
Các công ty không còn chỉ tìm kiếm người có thể gọi một mô hình AI.
Mà là người có thể xây dựng các hệ thống thông minh thực hiện các công việc hoàn chỉnh với sự can thiệp tối thiểu của con người.
Nhưng có một điểm rất quan trọng.
Xây dựng một Demo đơn giản thì dễ.
Còn xây dựng một Agent có thể được tin cậy trong một môi trường làm việc thực tế, thì hoàn toàn khác.
Bởi vì bạn sẽ cần phải xử lý lỗi, quản lý các công cụ, đưa ra quyết định khi một bước thất bại, và đảm bảo rằng hệ thống đạt được kết quả chính xác mọi lúc.
Vì lý do này, nếu bạn muốn tạo sự khác biệt so với hầu hết các ứng viên xin việc, đừng chỉ dừng lại ở việc xây dựng một Agent thành công trong một buổi trình diễn.
Hãy xây dựng một Agent giải quyết một vấn đề thực tế và có thể được sử dụng bởi bất kỳ ai, sau đó công bố nó trong số các dự án của bạn.
Loại dự án này chứng minh rằng bạn không chỉ biết cách sử dụng AI...
Mà bạn biết cách xây dựng các hệ thống thông minh mà người dùng và công ty dựa vào trong công việc hàng ngày của họ.
Giai Đoạn Sáu: Học Cách Công Bố Các Dự Án Của Bạn Và Làm Cho Chúng Sẵn Sàng Để Sử Dụng
Có một sự khác biệt lớn giữa một dự án hoạt động trên thiết bị của bạn...
Và một dự án mà bất kỳ ai trên thế giới cũng có thể sử dụng.
Sự khác biệt này là điều phân biệt những người nghiệp dư với các kỹ sư chuyên nghiệp.
Các công ty không trả tiền cho bạn vì bạn đã có thể chạy dự án một lần.
Thay vào đó, họ muốn một hệ thống hoạt động liên tục, có thể được tin cậy và có thể phục vụ hàng nghìn người dùng mà không gặp vấn đề.
Vì lý do này, đừng dừng lại ở việc hoàn thành viết mã.
Học cách công bố các ứng dụng của bạn trên internet.
Cách theo dõi hiệu suất của chúng.
Cách phát hiện lỗi trước khi người dùng phát hiện ra chúng.
Và cách quản lý chi phí sử dụng các mô hình AI để chúng không trở thành gánh nặng cho dự án.
Một trong những kỹ năng quan trọng cũng là học cách đánh giá chất lượng hệ thống.
Không đủ để mô hình đưa ra một câu trả lời.
Thay vào đó, bạn phải biết:
Câu trả lời có đúng không?
Nó có dựa trên dữ liệu chính xác không?
Nó có phù hợp với câu hỏi của người dùng không?
Và nó đã trở nên tốt hơn hay tệ hơn sau lần sửa đổi cuối cùng bạn thực hiện?
Những chi tiết này có vẻ nhàm chán so với việc xây dựng một Agent mới hoặc thử một mô hình mới hơn.
Nhưng chúng là một trong những điều phân biệt rõ nhất một kỹ sư AI chuyên nghiệp.
Bất kỳ ai cũng có thể xây dựng một mô hình nguyên mẫu.
Còn người có thể biến nó thành một sản phẩm ổn định mà các công ty có thể dựa vào, họ là người mà thị trường lao động đang tìm kiếm.
Vì lý do này, trước khi bạn thêm bất kỳ dự án nào vào portfolio của mình, hãy tự hỏi một câu đơn giản:
Đây có phải là một dự án mà tôi có thể gửi liên kết cho một nhà quản lý tuyển dụng và tự tin rằng nó sẽ hoạt động mà không gặp vấn đề gì không?
Nếu câu trả lời là có...
Bạn không chỉ đang xây dựng các dự án để học tập.
Bạn đang xây dựng các dự án có thể mở ra cánh cửa cho công việc đầu tiên của bạn trong lĩnh vực AI.
Làm Thế Nào Để Có Được Công Việc Đầu Tiên Với Vai Trò Kỹ Sư AI?
Sau khi bạn học được những điều cơ bản, xây dựng một số dự án và công bố chúng trên GitHub, câu hỏi mà mọi người đều nghĩ đến sẽ đến.
Làm thế nào để tôi có được công việc đầu tiên?
Điều bất ngờ là giai đoạn này không phụ thuộc vào việc học một công nghệ mới.
Nó phụ thuộc vào cách bạn trình bày những gì bạn đã xây dựng.
Thông thường, hai người sở hữu những kỹ năng giống nhau.
Nhưng một người nhận được phỏng vấn và người kia thì không.
Lý do là người đầu tiên biết cách trình bày công việc của họ một cách chuyên nghiệp.
Hãy bắt đầu bằng cách sắp xếp tài khoản GitHub của bạn.
Làm cho mọi dự án đều có mô tả rõ ràng.
Giải thích vấn đề nó giải quyết.
Các công nghệ bạn đã sử dụng.
Và thêm hình ảnh hoặc một video ngắn giải thích cách dự án hoạt động.
Sau đó, tạo một Portfolio đơn giản tập hợp các dự án tốt nhất của bạn ở một nơi.
Đừng đặt hai mươi dự án.
Ba hoặc bốn dự án mạnh mẽ chứng minh bạn có thể xây dựng các sản phẩm thực tế bằng AI là đủ.
Đừng chỉ dừng lại ở việc công bố.
Hãy chia sẻ những gì bạn học được.
Viết về các dự án bạn đã xây dựng.
Giải thích những thách thức bạn đã gặp phải.
Và đăng sự tiến bộ của bạn lên LinkedIn hoặc X.
Nhiều cơ hội ngày nay đến bởi vì ai đó đã nhìn thấy một dự án hoặc một bài đăng bạn đã công bố, không phải vì họ đọc CV của bạn.
Và khi bạn đến buổi phỏng vấn cá nhân, đừng cố gắng thuyết phục họ bằng những gì bạn đã học thuộc từ các khóa học.
Hãy nói về các dự án bạn đã xây dựng.
Giải thích tại sao bạn chọn giải pháp này.
Những vấn đề bạn đã gặp phải.
Và bạn sẽ phát triển dự án như thế nào nếu có cơ hội làm việc lại với nó.
Bởi vì các công ty không tìm kiếm người biết các thuật ngữ...
Mà là người có thể suy nghĩ, xây dựng và cải thiện những gì họ xây dựng một cách liên tục.
Vì lý do này, CV tốt nhất cho một kỹ sư AI là các dự án họ có thể trưng bày, không phải số lượng chứng chỉ họ có được.
Bạn Học Gì Sau Khi Có Được Công Việc Đầu Tiên?
Có được công việc đầu tiên không phải là kết thúc của hành trình...
Đó là sự khởi đầu của nó.
Ở giai đoạn này, bạn sẽ khám phá ra rằng thị trường AI đang thay đổi rất nhanh chóng, và việc học tập liên tục đã trở thành một phần thiết yếu trong công việc của bạn.
Sau khi bạn có kinh nghiệm trong việc xây dựng các ứng dụng cơ bản, hãy bắt đầu đi sâu vào các kỹ năng phân biệt một kỹ sư chuyên nghiệp với những người khác.
Học cách xây dựng các AI Agent phức tạp hơn.
Nghiên cứu các hệ thống Multi-Agent, nơi nhiều mô hình cộng tác để hoàn thành một tác vụ.
Tìm hiểu về MCP (Model Context Protocol) và cách nó giúp các mô hình giao tiếp với các công cụ và hệ thống khác nhau một cách có tổ chức hơn.
Sau đó chuyển sang học Evaluation, đó là kỹ năng cho phép bạn đo lường chất lượng đầu ra của AI và cải thiện chúng một cách liên tục.
Sau đó, hãy học những điều cơ bản về MLOps, cách triển khai các hệ thống AI, theo dõi hiệu suất của chúng, xử lý chi phí và đảm bảo sự ổn định của chúng trong môi trường sản xuất.
Đừng bỏ qua các khía cạnh liên quan đến AI Security và bảo vệ dữ liệu, vì chúng đã trở thành một trong những kỹ năng được săn đón nhiều nhất với sự phổ biến của các ứng dụng thông minh trong các công ty.
Nhưng hãy nhớ...
Đừng cố gắng học tất cả các lĩnh vực này cùng một lúc.
Hãy bắt đầu với những gì bạn cần trong dự án hoặc công việc hiện tại của mình, sau đó mở rộng dần dần.
Các kỹ sư AI giỏi nhất không phải là những người biết mọi thứ...
Mà là những người tiếp tục học hỏi, xây dựng các dự án mới và bắt kịp sự phát triển của lĩnh vực này một cách liên tục.
Những Sai Lầm Khiến Hầu Hết Mọi Người Chậm Lại Trong Nhiều Năm
Sau khi theo dõi hàng trăm người cố gắng bước vào lĩnh vực AI, bạn sẽ nhận thấy rằng vấn đề không phải là thiếu nguồn tài liệu.
Mà là họ học những thứ theo thứ tự sai.
Sai lầm đầu tiên là tin rằng xem các khóa học có nghĩa là bạn đang tiến bộ.
Bạn có thể hoàn thành hàng chục giờ video, nhưng nếu bạn không xây dựng một dự án nào, bạn sẽ không có bất cứ thứ gì chứng minh kỹ năng của mình.
Sai lầm thứ hai là cố gắng học mọi thứ.
Có những người dành hàng tháng để đọc về Machine Learning, Deep Learning, Computer Vision và Data Science, trước khi viết chương trình đơn giản đầu tiên của họ.
Trong khi trong khoảng thời gian này, họ có thể đã xây dựng một số dự án thực tế bằng cách sử dụng các mô hình đã có sẵn.
Sai lầm thứ ba là sợ công bố tác phẩm.
Nhiều người giữ các dự án của họ trên thiết bị của họ vì họ tin rằng chúng chưa hoàn hảo.
Nhưng sự thật là dự án đầu tiên sẽ không phải là dự án tốt nhất.
Cũng không phải dự án thứ hai.
Thậm chí không phải dự án thứ ba.
Kỹ năng đến từ việc công bố, sau đó cải thiện những gì bạn đã xây dựng theo thời gian, không phải từ việc chờ đợi sự hoàn hảo.
Sai lầm cuối cùng là tin rằng AI sẽ thay thế kỹ sư AI.
Sự thật là các công cụ như Claude và GPT đã làm cho các kỹ sư giỏi trở nên năng suất hơn, nhưng chúng không thể xác định vấn đề thích hợp, thiết kế hệ thống, đưa ra các quyết định kỹ thuật, hoặc đánh giá chất lượng của giải pháp cuối cùng.
Vì lý do này, đừng đặt mục tiêu của bạn là cạnh tranh với các công cụ AI...
Thay vào đó, hãy học cách sử dụng chúng để trở thành một kỹ sư tốt hơn, nhanh hơn, có khả năng xây dựng các sản phẩm thực tế hơn.
Lộ Trình Ngắn Gọn
Nếu bạn muốn tóm tắt mọi thứ bạn đã đọc trong bài viết này, hành trình của bạn sẽ theo thứ tự này:
✅ Học những kiến thức cơ bản về lập trình, và chọn Python làm ngôn ngữ chính của bạn.
⬇️
✅ Học cách xử lý các mô hình AI thông qua API, không chỉ thông qua giao diện trò chuyện.
⬇️
✅ Bắt đầu xây dựng các dự án thực tế, và công bố chúng trên GitHub, cho đến khi bạn có một Portfolio phản ánh kỹ năng của mình.
⬇️
✅ Học cách xây dựng Hệ thống RAG mà nhiều ứng dụng AI hiện đại dựa vào.
⬇️
✅ Học cách xây dựng AI Agent có khả năng thực hiện các tác vụ, sử dụng các công cụ và đưa ra quyết định.
⬇️
✅ Công bố các dự án của bạn trên internet, và học cách theo dõi hiệu suất của chúng và cải thiện chúng một cách liên tục.
⬇️
✅ Chia sẻ những gì bạn xây dựng, cập nhật portfolio của bạn một cách liên tục, sau đó bắt đầu ứng tuyển các công việc.
Đừng cố gắng học mọi thứ trong một tuần.
Đừng so sánh bản thân với người đã làm việc trong lĩnh vực này trong nhiều năm.
Hãy tập trung vào giai đoạn bạn đang ở hiện tại.
Làm chủ nó.
Sau đó chuyển sang giai đoạn tiếp theo.
Cuối cùng, các công ty không tìm kiếm người đã xem nhiều khóa học nhất...
Mà là người có thể xây dựng các sản phẩm thực tế, giải quyết các vấn đề thực tế và chứng minh điều đó thông qua công việc của họ.
Các Nguồn Tài Liệu Tôi Khuyên Dùng
Sau khi bạn hoàn thành các giai đoạn trước, bạn sẽ cần các nguồn tài liệu đáng tin cậy để giúp bạn đi sâu hơn vào từng kỹ năng.
Đây là một số nguồn tốt nhất tôi khuyên bạn nên dựa vào trong hành trình của mình:
- 🐍 Tài liệu Python Để hiểu ngôn ngữ Python từ nguồn chính thức và học các phương pháp hay nhất.
- 💻 GitHub Để xuất bản dự án của bạn, khám phá dự án của các lập trình viên khác và xây dựng hồ sơ chuyên nghiệp.
- 🤖 Tài liệu Anthropic Để học cách sử dụng API Claude và xây dựng ứng dụng dựa trên các mô hình Claude.
- 🚀 Tài liệu nền tảng OpenAI Để hiểu cách sử dụng GPT API, Structured Outputs và Function Calling.
- 🔗 LangChain Để xây dựng ứng dụng dựa trên LLM và kết nối chúng với các công cụ và cơ sở dữ liệu.
- 🕸️ LangGraph Để phát triển AI Agent và hệ thống đa tác tử (Multi-Agent Systems) và thực thi các quy trình phức tạp (Workflows).
- ⚡ FastAPI Để tạo ra các API nhanh và hiện đại cho ứng dụng AI.
- 🗄️ Pinecone hoặc ChromaDB Để học về cơ sở dữ liệu vector được sử dụng trong xây dựng hệ thống RAG.
- 🐳 Docker Để chạy và xuất bản dự án của bạn một cách dễ dàng trong mọi môi trường làm việc.
- ☁️ Vercel, Railway, hoặc Render Để xuất bản dự án của bạn và chia sẻ chúng với người khác, để chúng trở thành một phần trong hồ sơ của bạn.
Đừng cố học tất cả những công cụ này cùng một lúc.
Hãy tham khảo từng nguồn khi bạn đến giai đoạn thích hợp cho nó trong lộ trình, và bạn sẽ thấy rằng việc học đã trở nên dễ dàng hơn nhiều vì bạn đang áp dụng những gì bạn học trực tiếp vào các dự án thực tế.
Kết luận
Nếu bạn đã đọc hết bài viết này, bạn đã có trong tay một lộ trình rõ ràng để bước vào lĩnh vực Kỹ thuật AI (AI Engineering).
Hành trình có vẻ dài.
Nhưng nó không phức tạp như nhiều người vẫn nghĩ.
Đừng bắt đầu bằng cách học mọi thứ.
Đừng chờ đợi cho đến khi bạn sẵn sàng 100%.
Hãy bắt đầu bằng cách học lập trình.
Sau đó xây dựng dự án đầu tiên của bạn.
Rồi dự án thứ hai.
Rồi dự án thứ ba.
Với mỗi dự án mới, bạn sẽ tích lũy được kinh nghiệm mà không khóa học hay chứng chỉ nào có thể mang lại cho bạn.
Và hãy luôn nhớ...
Các công ty không thuê người vì họ đã xem hàng trăm giờ khóa học.
Mà là vì họ thấy bằng chứng cho thấy bạn có thể xây dựng các sản phẩm thực tế, giải quyết các vấn đề thực tế và làm việc trên các dự án thực tế.
Nếu bạn bắt đầu hôm nay, và một năm sau bạn nhìn lại, bạn sẽ khám phá ra rằng khác biệt lớn nhất bạn tạo ra không phải là một khóa học cụ thể nào...
Mà là quyết định của bạn để bắt đầu, để xây dựng và để xuất bản những gì bạn xây dựng một cách liên tục.
✍️ Soạn thảo và viết bởi: Adel Ahmed
Nếu bạn thấy hướng dẫn này hữu ích:
❤️ Nhấn Thích (Like) để ủng hộ nội dung.
🔖 Lưu bài viết vào mục yêu thích (Bookmark), vì nó sẽ là tài liệu tham khảo cho bạn trong hành trình trở thành kỹ sư AI.
🔁 Đăng lại (Repost) để tất cả những ai muốn bước vào lĩnh vực này đều có thể hưởng lợi.
👤 Và theo dõi @AdelDeveloperX, vì tôi liên tục chia sẻ các hướng dẫn thực tế về AI, Claude, xây dựng AI Agent và các kỹ năng mới nhất cần thiết trên thị trường lao động.
