NGÀNH CNTT TUYỂN SINH NHIỀU CHỈ TIÊU NGÀNH CNTT, CNTT VIỆT NHẬT VÀ KHOA HỌC DỮ LIỆU

Góc học tập

Sinh viên năm nhất ngành công nghệ thông tin cần chuẩn bị những kiến thức gì?

on .

Là sinh viên năm nhất ngành Công nghệ thông tin, bạn chưa cần phải giỏi lập trình ngay. Điều quan trọng là xây dựng nền tảng vững chắc ở ba mảng: tư duy, kỹ năng và kiến thức cơ bản.

1. Tư duy nền tảng

Đây là yếu tố giúp bạn học nhanh, hiểu sâu và không bị “mù code”.

Trước hết, cần rèn luyện tư duy logic và khả năng giải quyết vấn đề. Làm quen với lập luận logic (nếu – thì, và – hoặc, phủ định, mệnh đề). Biết cách phân tích bài toán, xác định đầu vào, đầu ra và các điều kiện ràng buộc. Học cách chia nhỏ vấn đề và tư duy theo hướng “algorithmic thinking”.

Tài liệu gợi ý: How to Think Like a Computer Scientist (miễn phí online).
Bạn có thể luyện tập qua các bài tập logic, toán rời rạc hoặc các bài code đơn giản trên HackerRank, LeetCode (mức Easy).

2. Kiến thức kỹ thuật cơ bản

Ở giai đoạn đầu, không cần học quá sâu, nhưng nên nắm được tổng thể về ngành học của mình.

Tin học cơ sở:
Hiểu về hệ điều hành (Windows, Linux cơ bản), cấu trúc máy tính, phần cứng – phần mềm, cách hoạt động của bộ nhớ, CPU và thiết bị lưu trữ.

Lập trình cơ bản:
Bắt đầu với một ngôn ngữ dễ học như Python hoặc nền tảng như C. Hiểu các khái niệm cơ bản: biến, kiểu dữ liệu, cấu trúc điều khiển (if, loop), hàm, mảng, danh sách. Làm quen với khái niệm thuật toán và độ phức tạp O(n) ở mức cơ bản.

Bạn có thể thực hành lập trình trên các nền tảng như Replit, LeetCode hoặc W3Schools.

3. Toán học và logic cho CNTT

Toán học là nền tảng quan trọng trong lĩnh vực công nghệ thông tin.
Học toán rời rạc (tập hợp, mệnh đề, quan hệ, đồ thị, logic mệnh đề), đại số tuyến tính (ma trận, vector – dùng nhiều trong AI và Machine Learning), xác suất – thống kê (nền tảng cho khoa học dữ liệu) và giải tích (giúp hiểu các thuật toán tối ưu).

Tài liệu gợi ý: Discrete Mathematics and Its Applications – Kenneth Rosen.

4. Kiến thức bổ trợ quan trọng

Tiếng Anh chuyên ngành CNTT là yếu tố không thể thiếu, vì hầu hết tài liệu và mã nguồn đều bằng tiếng Anh. Bên cạnh đó, cần rèn kỹ năng tìm kiếm thông tin hiệu quả trên Google, đọc hiểu tài liệu trên Stack Overflow.

Tập sử dụng Git và GitHub để quản lý mã nguồn. Tìm hiểu thêm về mạng máy tính và Internet: IP, DNS, HTTP, và các khái niệm cơ bản khác.

5. Kỹ năng học tập và làm việc

Học qua dự án nhỏ giúp bạn áp dụng lý thuyết vào thực tế, chẳng hạn như xây dựng trò chơi đơn giản, website tĩnh hoặc chatbot cơ bản.
Học cách ghi chú, quản lý thời gian và làm việc nhóm thông qua các công cụ như Notion, Trello, hoặc GitHub.
Rèn kỹ năng viết báo cáo kỹ thuật ngắn gọn và rõ ràng.

6. Thái độ và định hướng nghề nghiệp

Giữ tinh thần tò mò và kỷ luật trong việc tự học, vì công nghệ thay đổi liên tục.
Tìm hiểu sớm các hướng chuyên ngành trong CNTT như: lập trình phần mềm, trí tuệ nhân tạo và máy học, an toàn thông tin, khoa học dữ liệu, phát triển web, mobile hoặc game.

Quan sát bản thân để dần chọn ra hướng phù hợp từ năm hai.

Sinh viên CNTT cần thay đổi những gì khi AI ngày càng mạnh?

on .

Câu hỏi này rất HOT. Với bối cảnh AI ngày càng mạnh (đặc biệt là các mô hình như OpenAI phát triển), sinh viên CNTT không cần hoảng sợ — nhưng phải thay đổi cách học và cách nghĩ.

Dưới đây là những thay đổi quan trọng nhất:


Từ “người viết code” → “người thiết kế hệ thống”

AI có thể:

  • Viết hàm CRUD (Create – Read – Update – Delete)

  • Sinh API ( Application Programming Interface)

  • Debug lỗi phổ biến

  • Thậm chí sinh cả frontend

Nhưng AI không tự chịu trách nhiệm kiến trúc hệ thống.

Vậy Sinh viên cần:

  • Học sâu system design

  • Hiểu trade-off: scalability, consistency, latency

  • Hiểu kiến trúc: monolith vs microservices

  • Biết đọc và phản biện thiết kế

AI viết code nhanh.
Nhưng kiến trúc sai → hệ thống sập.


Từ “biết làm” → “biết vì sao”

AI có thể cho bạn câu trả lời đúng.
Nhưng nếu bạn không hiểu bản chất, bạn sẽ:

  • Không phát hiện data leakage

  • Không biết khi nào DL sai

  • Không hiểu bias trong dữ liệu

  • Không phân biệt correlation (tương quan) và causation (nhân quả)

(Chủ đề bạn từng hỏi về nhân quả vs tương quan chính là ví dụ điển hình.)

SV Cần học:

  • Xác suất – thống kê nền tảng

  • Optimization

  • Nguyên lý học máy (không chỉ dùng thư viện)


Từ “học framework” → “học nguyên lý”

Framework chết rất nhanh.
Nguyên lý thì sống rất lâu.

Ví dụ:

  • React có thể thay đổi

  • Nhưng nguyên lý state management không đổi ( Nghệ thuật kiểm soát sự thay đổi của dữ liệu trong hệ thống phức tạp)

  • PyTorch có thể thay

  • Nhưng gradient descent vẫn vậy ( Thuật toán đi tìm điểm thấp nhất của hàm bằng cách đi từng bước nhỏ theo hướng dốc nhất xuống)

=> Tập trung vào:

  • Data structures & algorithms

  • Operating systems

  • Distributed systems

  • Database internals


Biết dùng AI như một “đồng đội”, không phải “cái nạng”

Sinh viên yếu sẽ:

Copy AI; nộp cho GV; và SV không hoặc ít hiểu gì

Sinh viên giỏi sẽ:

  • Yêu cầu AI giải thích từng bước

  • So sánh 2 cách giải

  • Hỏi ưu nhược

  • Dùng AI để cấu trúc lại não bộ

AI giúp bạn tăng tốc, nhưng tư duy phản biện mới quyết định đẳng cấp.


Chuyển từ “coder” → “problem solver

AI thay thế người:

  • Viết code lặp lại

  • Làm ticket nhỏ

  • Làm việc theo mô tả sẵn

AI không thay thế người:

  • Xác định vấn đề đúng

  • Thiết kế giải pháp trong bối cảnh kinh doanh

  • Ra quyết định khi dữ liệu không đầy đủ

SV Cần học:

  • Hiểu business

  • Giao tiếp người- người

  • Viết tài liệu kỹ thuật rõ ràng, mọi người hiểu giống nhau.


Học cách “đáng tin”

Chúng ta từng hỏi rằng, vì sao:

Vì sao Deep Learning mạnh nhưng khó tin?

Trong thời đại AI, trust là tài sản lớn nhất.

Sinh viên cần:

  • Hiểu model evaluation

  • Biết validation khác test thế nào

  • Hiểu overfitting

  • Hiểu interpretability

Người hiểu sâu sẽ đáng được tin cậy. Người chỉ prompt giỏi sẽ bị thay.


 

Tóm lại:

Nếu nhìn xa hơn:

  • AI không làm giảm giá trị sinh viên giỏi.
  • AI làm lộ rõ sự khác biệt giữa người hiểu sâu và người chỉ biết thao tác.

Mô tả chi tiết và các tiêu chí của dataset

on .

 Dataset

Các tính chất của 1 dataset là những đặc điểm mô tả tập dữ liệu đó, giúp ta hiểu rõ hơn về bản chất và cấu trúc của nó. 

Dưới đây là một số tính chất quan trọng của một tập dữ liệu:

1. Kích thước:
  • Số lượng bản ghi (samples): Bao nhiêu điểm dữ liệu riêng biệt tồn tại trong tập dữ liệu?
  • Số lượng biến (features): Bao nhiêu thuộc tính hoặc đặc điểm được đo lường cho mỗi bản ghi?
  • Kích thước tập tin: Tập dữ liệu chiếm bao nhiêu dung lượng lưu trữ?

2. Loại dữ liệu:

  • Dữ liệu định lượng: Dữ liệu có thể được biểu diễn dưới dạng số, ví dụ như chiều cao, cân nặng, tuổi tác,...
  • Dữ liệu định tính: Dữ liệu phi số, thường được biểu diễn dưới dạng danh mục, ví dụ như giới tính, màu sắc, loại sản phẩm,...

3. Phân bố dữ liệu:

  • Phân bố đều: Các giá trị dữ liệu xuất hiện với tần suất tương đối bằng nhau.
  • Phân bố lệch: Một số giá trị dữ liệu xuất hiện thường xuyên hơn những giá trị khác.

4. Chất lượng dữ liệu:

  • Tính đầy đủ: Liệu có giá trị nào bị thiếu trong tập dữ liệu hay không? (chú ý, HV thường hay SAI).
  • Tính chính xác: Liệu các giá trị dữ liệu có chính xác và phản ánh thực tế hay không?
  • Tính nhất quán: Liệu các giá trị dữ liệu có được ghi chép theo cùng một định dạng và đơn vị hay không?
  • Tính trùng lặp: Liệu có bản ghi hoặc giá trị nào bị trùng lặp trong tập dữ liệu hay không?
  • Tính đa dạng: vét cạn các trường hợp khả dĩ của các mẫu dữ liệu (chú ý, HV thường hay SAI).
  • Tính tin cậy: nguồn dữ liệu lấy là uy tín.

5. Mối quan hệ dữ liệu:

  • Dữ liệu độc lập: Các bản ghi trong tập dữ liệu không liên quan đến nhau.
  • Dữ liệu có liên quan: Các bản ghi trong tập dữ liệu có mối liên hệ với nhau theo một số cách.

Ngoài ra, một số tính chất khác của tập dữ liệu có thể bao gồm:

  • Nguồn gốc dữ liệu: Tập dữ liệu được thu thập từ đâu?
  • Phương pháp thu thập dữ liệu: Dữ liệu được thu thập như thế nào?
  • Mục đích sử dụng dữ liệu: Dữ liệu được sử dụng cho mục đích gì?
  • Tính bảo mật dữ liệu: Dữ liệu được bảo vệ như thế nào?

Hiểu rõ các tính chất của tập dữ liệu là rất quan trọng để có thể sử dụng nó một cách hiệu quả. Việc phân tích các tính chất này có thể giúp ta xác định các vấn đề tiềm ẩn trong dữ liệu, lựa chọn phương pháp phân tích phù hợp và đưa ra kết luận chính xác từ dữ liệu.

Attachments:
Download this file (Dataset.png)Dataset.png[Dataset]230 kB

Số hóa các chức năng An sinh xã hội tại một Phường ở Thành phố Hồ Chí Minh

on .

Số hóa các chức năng An sinh xã hội tại một Phường ở Thành phố Hồ Chí Minh

Nguyễn Thị Thu Vân – CH1902027

Trong tiến trình chuyển đổi số, Ngành Lao động, Thương binh và Xã hội (LĐTBXH) cần ứng dụng công nghệ thông tin (CNTT) một cách tổng thể và toàn diện, trong đó đặc biệt chú trọng tới xây dựng một cơ sở dữ liệu (CSDL) tập trung và hệ thống quản lý chặt chẽ, thống nhất các nghiệp vụ, quy trình trong tất cả các lĩnh vực, góp phần thúc đẩy triển khai các hoạt động An sinh xã hội (ASXH) đối với mọi người lao động, toàn dân của Ngành LĐTBXH.

Hiện tại, các hệ thống thông tin/phần mềm của ngành LĐTBXH đang hoạt động độc lập, không đồng nhất và thiếu sự kết hợp. Cơ sở dữ liệu phân tán không có khả năng liên kết và kế thừa dữ liệu giữa các phân hệ. Đáng chú ý là nhiều đối tượng hưởng trợ cấp không đúng/ đủ (một đối tượng hưởng cùng lúc nhiều chính sách, hoặc không được hưởng trợ cấp nào).

Căn cứ hiện trạng như trên, đề xuất triển khai giải pháp “Số hóa các chức năng An sinh xã hội tại một Phường ở Thành phố Hồ Chí Minh” bao gồm các phân hệ chính như sau:

  • Phân hệ Quản lý Trẻ em – Bình đẳng giới
  • Phân hệ Quản lý Bảo trợ xã hội – Hộ nghèo
  • Phân hệ Quản lý Hồ sơ Người có công
  • Phân hệ báo cáo và phân tích số liệu ASXH

Kết quả đạt được:

  • Phân tích được bài toán cụ thể: Số hóa một số chức năng ASXH cho một/ nhiều Phường xã có nhu cầu. Hệ thống được xây dựng cho một Phường thực tế là Phường Tân Hưng Thuận – Quận 12 – TP. Hồ Chí Minh, có thể mở rộng triển khai cho 11, Phường trên địa bàn Quận 12.
  • Phân tích và thiết kế hệ thống quản lý dữ liệu về Nhân khẩu/ Hộ gia đình/ HN-HCN/Diện chính sách - NCC, mô tả chi tiết các chức năng chính của Hệ thống.
  • Dữ liệu được tổ chức đầu vào, xây dựng được nhiều biểu đồ thống kê để phân tích số liệu về nhân khẩu/ hộ gia đình, biến động HN-HCN, các chỉ số ảnh hưởng đến biến động HN-HCN, cơ cấu của diện chính sách/ NCC,...

Trân trọng.

TẢN MẠN VỚI NGƯỜI THẦY GIÀ 2

on .

Không có nghề nào là cao quý, chỉ có con người làm cho nghề và chính con người đó trở nên cao quý.
 
Kỹ năng mềm quan trọng hơn chuyên môn, còn con tim phụng sự, chân thật thì lung linh hơn cả kỹ năng mềm.
 
Thích nghi đầu tiên là để sinh tồn, còn để tiến hóa cần trải qua vài thế hệ.
 
Kỹ thuật (TECHNIQUE) giúp bạn làm được, tốt. Còn nghệ thuật (ART) giúp bạn làm xuất sắc, đáng nhớ và quan trọng hơn là nó làm bạn trở nên không phụ thuộc kỹ thuật.
 
Nghệ thuật (ART) giúp bạn làm xuất sắc, đáng nhớ. Còn đạo (DO) giúp bạn trở thành người dẫn đường dựa trên nền tảng tâm và đức.
 
Tình yêu là khái niệm dễ bị nhầm lẫn. Một tình yêu đích thực là sẵn sàng chủ động hy sinh cho người mình yêu.
 
Biết quan sát, biết đặt câu hỏi về thế giới thì quan trọng hơn biết đọc sách.
 
Đọc nhầm sách, sai tư tưởng. Học sai thầy, lệch cuộc đời. Việc chọn nguồn tri thức cho bản thân là rất quan trọng.
 
Tài năng thì chưa chắc tinh hoa. Nhưng tinh hoa thì bao gồm và vượt xa tài năng.
 
 
KHDL2023.