<p class="ql-align-justify"><span style="background-color: transparent; color: rgb(0, 0, 0);">Dear FUNiXers,</span></p><p class="ql-align-justify"><span style="background-color: transparent; color: rgb(0, 0, 0);">Thân gửi anh chị và các bạn thư mời cùng link join chương trình </span><strong style="background-color: transparent; color: rgb(0, 0, 0);">xTalk 199: Lập Trình Hướng Đối Tượng: Nền Tảng Cho Sự Nghiệp Lập Trình</strong><span style="background-color: transparent; color: rgb(0, 0, 0);">&nbsp;</span></p><p class="ql-align-justify"><span style="background-color: transparent; color: rgb(0, 0, 0);">Chương trình xTalk tuần này với nội dung về "Lập Trình Hướng Đối Tượng: Nền Tảng Cho Sự Nghiệp Lập Trình" sẽ mang đến cho các bạn cái nhìn thực tế về cách OOP ảnh hưởng đến phát triển phần mềm và sự nghiệp trong ngành CNTT. Với sự tham gia của mentor Nguyễn Cát Tiểu Giang, các bạn sẽ có cơ hội hỏi đáp và khám phá những ứng dụng thực tế của OOP trong công việc hàng ngày. Nhanh tay truy cập vào form </span><a href="https://forms.gle/Shci3YXU7HcwS5MA" rel="noopener noreferrer" target="_blank" style="color: rgb(17, 85, 204);"><strong>ĐĂNG KÝ</strong></a><span style="color: rgb(0, 0, 0); background-color: transparent;"> để gửi câu hỏi tới khách mời và chương trình ngay lúc này!</span></p><p class="ql-align-justify"><span style="background-color: transparent; color: rgb(0, 0, 0);">Chi tiết:</span></p><ul><li class="ql-align-justify"><span style="background-color: transparent;">Thời gian: 20:00 - 21:00, </span><strong>T</strong><strong style="background-color: transparent;">hứ Bảy, ngày 28/09/2024</strong></li><li class="ql-align-justify"><strong>L</strong><strong style="background-color: transparent;">INK ĐĂNG KÝ:</strong><span style="background-color: transparent;"> </span><a href="https://forms.gle/Shci3YXU7HcwS5MA8" rel="noopener noreferrer" target="_blank" style="background-color: transparent; color: rgb(17, 85, 204);">https://forms.gle/Shci3YXU7HcwS5MA8</a><span style="background-color: transparent;">&nbsp;</span></li><li class="ql-align-justify"><span style="background-color: transparent;">Meeting ID: 897 7510 5155</span></li><li class="ql-align-justify"><strong style="background-color: transparent;">LINK THAM GIA:</strong><a href="https://funix-edu-vn.zoom.us/j/82904988654" rel="noopener noreferrer" target="_blank" style="background-color: transparent; color: rgb(17, 85, 204);"> </a><a href="https://funix-edu-vn.zoom.us/j/89775105155?fbclid=IwZXh0bgNhZW0CMTAAAR0kISJvPYryREN7_q02JvQcDryfSu97A279OvTBuD_bTc61Udbm2VxWavw_aem_AXNvWpK8rxBm8UCmP5AnHxJusc4VgFiXJbxhUF8e9hLpk4FcDQpE2hyuD8KPStkdxNervt8CftyYP4VirME1Rgnu" rel="noopener noreferrer" target="_blank" style="background-color: transparent; color: rgb(17, 85, 204);">https://funix-edu-vn.zoom.us/j/89775105155</a></li><li class="ql-align-justify"><span style="background-color: transparent;">Khách mời: </span><strong style="background-color: transparent;">Mentor Nguyễn Cát Tiểu Giang</strong></li></ul><p class="ql-align-justify"><span style="background-color: transparent; color: rgb(0, 0, 0);">Bạn có thể xem lại các chương trình xTalk khác </span><a href="https://youtube.com/playlist?list=PLxW5jnOmXXdyf6izE9_fw9_XXJU-6lU3k" rel="noopener noreferrer" target="_blank" style="background-color: transparent; color: rgb(17, 85, 204);">Tại đây</a><span style="background-color: transparent; color: rgb(0, 0, 0);">.</span></p><p class="ql-align-justify"><strong style="background-color: transparent; color: rgb(0, 0, 0);">Lưu ý:</strong><span style="background-color: transparent; color: rgb(0, 0, 0);"> Khi tham gia xTalk, bạn vui lòng đăng nhập Zoom theo tên đăng ký + MSSV (Ví dụ: FX02197_ Nguyễn Văn A), không để tên mặc định theo tên thiết bị như Iphone, Galaxy…</span></p><p class="ql-align-justify"><span style="background-color: transparent; color: rgb(0, 0, 0);">Hẹn gặp các bạn tại buổi Talk!</span></p><p class="ql-align-justify"><strong style="background-color: transparent; color: rgb(0, 0, 0);">BAN TỔ CHỨC XTALK</strong></p>

<h2><strong>1. Định nghĩa và quy trình một dự án khoa học dữ liệu </strong></h2><p>Mentor Nguyễn Hải Nam Cố vấn kỹ thuật của Nhà thông minh LUMI. Là thạc sĩ Khoa học máy tính tại đại học UNICAS (Ý), anh từng đảm nhiệm vị trí Kỹ sư tối ưu tại VNPT và AI R&amp;D Team Leader tại ASILLA Japan, một start-up chuyên về AI trong lĩnh vực y tế.</p><p>Mentor Nam mở đầu chương trình với định nghĩa của Data Science (Data Science) – Ngành khoa học dữ liệu: tất cả những công việc liên quan đến thao tác, sử dụng dữ liệu: từ thu thập, dự đoán, phân tích, đến đưa ra mô hình, phát triển thành API hoặc dịch vụ, đưa ra quyết định dựa trên dữ liệu… Sự bùng nổ của Data Science trong những năm gần đây là nhờ có sự bùng nổ của khối lượng dữ liệu cùng sự phát triển của thuật toán và các bài báo khoa học.</p><p>Một báo cáo về Bối cảnh ngành công nghiệp IT ở Việt Nam của TopDev cho thấy Machine learning/AI, và Big Data/Data Science là hai trong số các kỹ năng sẽ được các nhà tuyển dụng mong đợi nhất, được săn đón nhất trong tương lai gần. Tuy nhiên, mentor Nguyễn Hải Nam cũng nhấn mạnh, đây không phải kỹ năng đang được tuyển dụng nhiều nhất ở Việt Nam. Do nước ta đang phát triển theo hướng trở thành một nước chuyên về gia công phần mềm, các kỹ năng được tuyển nhiều nhất vẫn là lập trình front-end, web, mobile…</p><p>Tiếp đến anh chia sẻ về 5 bước cơ bản của một quy trình khoa học dữ liệu:</p><ol><li><strong>Obtain</strong> – Thu thập/tìm kiếm dữ liệu: Bài toán Data Science nào cũng bắt đầu bằng việc thu thập data;</li><li><strong>Scrub </strong>– Làm sạch dữ liệu: Data có được trong bước 1 chỉ là dữ liệu thô, cần “làm sạch”, chuyển thành định dạng mà máy có thể đọc hiểu;</li><li><strong>Explore</strong> – Khai phá dữ liệu: Đây là một bước rất quan trọng, liên quan đến việc xử lý, tìm ra thông tin trong data;.</li><li><strong>Model</strong> – Mô hình hóa dữ liệu: Tạo ra mô hình dùng dữ liệu để đưa ra quyết định. Ví dụ như khi bạn cần quyết định đi đường nào để tránh tắc đường thì bạn cần một mô hình với các input như lưu lượng di chuyển trên mỗi con đường, số lượng người trên các con đường xung quanh…. Và output là đi con đường nào đi nhanh nhất. Việc Google Map từ chỗ chỉ có thể đưa ra đường đi ngắn nhất 5-7 năm trước đây cho đến việc có thể tính toán đường đi nhanh nhất chính là một bước tiến trong modeling.</li><li><strong>Interpret</strong> – Diễn giải dữ liệu: Ở bước này, bạn sẽ cần quan tâm đến việc khi đã có mô hình thì làm sao để đưa vào sử dụng, đặc biệt là khi số người sử dụng lên đến con số hàng triệu.</li></ol><p><img src="https://funix.edu.vn/wp-content/uploads/2020/09/zoom-talk-4-1-e1600106126200.png" height="497" width="870">5 bước của một quy trình khoa học dữ liệu (slide diễn giả)</p><p>Quy trình trên được giải thích cặn kẽ hơn trong 10 bước cụ thể. Một dự án về Data Science bắt đầu với việc hiểu rõ bài toán kinh doanh (Business understanding), tiếp đến là quyết định làm thế nào để dùng dữ liệu để giải quyết bài toán kinh doanh (Analytic approach)</p><p>Sau Yêu cầu, thu thập, hiểu, và làm sạch dữ liệu (Data requirements, Data collection, Data understanding, Data preparation), mô hình hóa, đánh giá, triển khai mô hình (Modeling, Evaluation, Deployment). Mentor Nguyễn Hải Nam Nam đặc biệt nhấn mạnh tầm quan trọng của Feedback – một bước rất quan trọng để giúp phần mềm được cải tiến. Anh cho rằng khi một phần mềm được công bố mà không có bất cứ một lỗi nào thì chứng tỏ nó đã được ra mắt quá muộn. Các nhà phát triển chỉ cần một sản phẩm phần mềm có thể sử dụng, có thể mang lại lợi ích là sẽ cho ra mắt, chứ không bao giờ chờ cho đến khi nó hoàn thiện.</p><p>&nbsp;</p><p><img src="https://funix.edu.vn/wp-content/uploads/2020/09/zoom-talk-4-2.png" height="457" width="758">Chi tiết quy trình một dự án Data Science (slide diễn giả)</p><p>&nbsp;</p><h2><strong>2. Các nhóm nghề nghiệp chính trong Data Science </strong></h2><p>Mentor Nguyễn Hải Nam đi sâu vào bốn phân ngành chính trong khoa học dữ liệu, và các mảng việc của mỗi vị trí trong một dự án.</p><p><strong>Data analyst</strong>: Vị trí phân tích dữ liệu tập trung từ bước Business understanding cho đến Data understanding, làm việc với công cụ phân tích dữ liệu như Python, Tableau… Công việc này cần đến các kỹ năng như xử lý dữ liệu, dữ liệu bảng, một số kỹ năng toán và machine learning</p><p><strong>Machine Learning/Deep learning Engineer</strong>: Kỹ sư học máy tập trung vào phần triển khai mô hình, với các bước Data Preparation, Modeling, Evaluation. Nhiệm vụ của ML/DL Engineer là phải tạo được một mô hình với đề bài mà Data Analyst đưa ra, tìm ra được một giải pháp đủ tốt cho bài toán đang được đặt ra.</p><p>Machine Learning/Deep learning có xuất phát điểm chung là Machine Learning. Nhưng 10 năm trở lại đây Deep Learning phát triển đủ mạnh về 2 nhánh (xử lý ngôn ngữ tự nhiên và thị giác máy tính) để tách riêng.</p><p>Machine Learning cần nhiều kiến thức chuyên gia trong ngành (domain expert), để phân tích những trường dữ liệu, thông tin trong dữ liệu (feature) có ích cho mô hình của các bạn. Trong khi Machine Learning cần đến các công cụ liên quan đến xác suất và tư duy, thì Deep Learning lại sử dụng một cấu trúc gọi là neural network – mạng lưới mô phỏng não bộ con người. Ngành này vận dụng các công cụ liên quan đến cách não con người vận hành, suy nghĩ và đưa ra quyết định.</p><p><strong>Data Engineer</strong>: Nhiệm vụ của một Kỹ sư dữ liệu là đưa ra yêu cầu về dữ liệu, thu thập, lưu trữ, truy xuất, xử lý… dữ liệu. Với các công ty có một khối lượng data khổng lồ như Viettel, Shopee… đây không hề là một công việc đơn giản. Đây là vị trí có nhiều việc làm nhất trong Data Science.</p><p><strong>Data Scientist</strong>: Nằm ở một “đẳng cấp” cao hơn các vị trí trên, nhà khoa học dữ liệu cần phải nắm được toàn bộ chu trình của một dự án Data Science từ A đến Z, với sự tập trung đặc biệt vào các bước: Business understanding: nắm được dự án đưa ra để giải quyết bài toán kinh doanh nào, Data understanding: hiểu rõ dữ liệu; Feedback: hiểu được vấn đề đang xảy ra ở đâu. Vị trí này cần có một tầm nhìn rộng lớn, bao quát được toàn bộ dự án.</p><p><img src="https://funix.edu.vn/wp-content/uploads/2020/09/zoom-talk-4-2-e1600106881391.jpg" height="408" width="870">4 vị trí Data Science và những kỹ năng cần thiết ở các mức độ: L – large: kỹ năng sâu, M – Medium: kỹ năng trung bình, S – kỹ năng ở mức nhập môn.</p><p>Chương trình kết thúc với rất nhiều câu hỏi khán giả dành cho mentor Nguyễn Hải Nam:</p><h2><strong>3. Câu hỏi về việc làm ngành Data Science: </strong></h2><p><strong>Công việc thường ngày của một Data Scientist là như thế nào ạ, so với phát triển phần mềm thì có code nhiều không ạ?</strong></p><p><br></p><p>Ngoài code ra thì bạn sẽ cần giao tiếp với khách hàng, sếp, đồng nghiệp. Tuy vậy, code vẫn là một tác vụ rất quan trọng. Nhưng cùng là code nhưng bạn sẽ được trả lương cao hơn các việc lập trình khác vì giá trị bạn mang lại sẽ nhiều hơn.</p><p>Anh cho em hỏi th<strong>eo như một số ý kiến trên internet, thì sinh viên Data Science mới ra trường sẽ có thể chưa làm được Data Scientist ngay mà sẽ bắt đầu từ vị trí Data Analyst hoặc Data Engineer. Anh thấy ý kiến này có đúng ko ạ?</strong></p><p><br></p><p>Ý kiến này đúng. Bạn phải rất xuất sắc, hoặc rất may mắn thì mới xin được làm Data Scientist khi vừa ra trường. Thông thường mọi người sẽ có xuất phát điểm ở ba vị trí kia: Thuần về dữ liệu thì làm Data Engineer, phân tích/xử lý dữ liệu thì Data Analyst, mô hình hóa thì làm Machine Learning Engineer. Data Scientist thì phải đủ “cứng” ở tất cả các kỹ năng trên.</p><p>Mentor cho em xi<strong>n ý kiến về nhu cầu việc làm AI so với Data Science ạ?</strong></p><p><br></p><p>Việc làm về Ai sẽ ít hơn và khó hơn về Data Science, do có ít công ty làm hơn. Ở Việt Nam, khoa học cơ bản nhận được ít sự quan tâm hơn là khoa học ứng dụng.</p><p>Để phát triển l<strong>ên Data Scientist thì theo anh nên bắt đầu công việc là Data Engineer hay Data Analyst, Machine Learning Engineer sẽ phù hợp hơn ạ? Hay mình nên trải qua hết các công việc ạ?</strong></p><p><br></p><p>Bạn nên tìm hiểu về Data Science từ 3-6 tháng rồi sau đó chọn nhánh rẽ, có thể học trước 1-2 môn đầu để xem mình hợp với cái gì, thích cái gì… Bạn thích công nhu cầu cao, không lo thất nghiệp (Data Engineer), hay nhu cầu ít nhưng vị trí tinh hoa, có thể làm việc mà người khác không làm được. Nếu là lựa chọn sau thì bạn phải chấp nhận rủi ro, thu hẹp cơ hội nghề nghiệp của mình.</p><p>Tuy nhiên để xin được việc thì bạn phải đi sâu, nếu đi rộng thì cần 2-5 năm mới đủ để xin việc.</p><p>Mentor, với lư<strong>ợng dữ liệu bao nhiêu thì một công ty có bộ phận Data Science? </strong></p><p><br></p><p>Ở Việt Nam, số lượng công ty có vị trí về Data Science không nhiều, không vượt quá 100. Phần lớn các doanh nghiệp sẽ thuê service provider. Con số các service provider, ví dụ để chạy dịch vụ dữ liệu từ nhà mạng điện thoại, thì có rất nhiều.</p><p>Em xin hỏi tu<strong>ổi nghề ngành này đến bao nhiêu tuổi vậy mentor? </strong></p><p><br></p><p>Ngành mới như Data Science thì khó mà nói về tuổi ngành. Theo mình thì tuổi tác không là vấn đề. Ví dụ như theo mình quan sát, độ “chín” của một lập trình viên ở nước ngoài là 35-40.</p><h2>4. Câu hỏi v<strong>ề việc học ngành Data Science: </strong></h2><p><br></p><p>Bắt đầu Dat<strong>a Science như thế nào? Và làm thế nào để giỏi? </strong></p><p><br></p><p>Hãy bắt đầu bằng cách tìm với Google “How to become a data scientist”, bạn sẽ tìm ra rất nhiều nguồn tài nguyên. Chương trình Machine Learning/Data Science của xSeries sẽ giúp bạn bớt thời gian tự mày mò tìm hiểu. Nhưng nếu bạn muốn đi một mình thì vẫn có thể tìm tòi và đến đích.</p><p>Để giỏi, cần nắm chắc Toán và lập trình, đây là 2 nền tảng cơ bản của Data Science.</p><p>Em kinh ng<strong>hiệm 3 năm làm thống kê, biết lập trình, database có phù hợp với Data Science không ạ? </strong></p><p><br></p><p>Toán rất tốt rồi chỉ cần cày lập trình là làm được Data Science. Data Scientist khi học thì hay gặp vấn đề về lập trình, khi làm thì hay gặp vấn đề về toán. Nếu không nắm đủ sâu về toán thì bạn sẽ không lên đc các vị trí quan trọng, không đi được xa trong ngành này.</p><p>Data Scie<strong>nce cần học tốt những mảng nào của môn Toán?</strong></p><p><br></p><p>Xác suất thống kê (cần nắm rất sâu và chắc), đại số tuyến tính (mức vừa phải), giải tích (không cần quá nhiều).</p><p>Bắt đầu <strong>học về Data Science nên luyện thuật toán trên Codewar, Hackerrank hay tập trung học các kỹ năng analysis như Numpy, Pandas?</strong></p><p><br></p><p>Lập trình là kỹ năng cơ bản của Data Science. Cá nhân mình trước khi chuyển sang Data Science thì đã bỏ ra 3 tháng “cày” để lên top của hackerrank. Nếu bạn đã rất giỏi về lập trình thì chỉ cần học về kỹ năng analysis.</p><p>Nếu xuấ<strong>t phát điểm là lập trình viên, thì phải cần bổ sung những kiến thức gì để nhảy qua được Data Scientist ạ?</strong></p><p><br></p><p>Nếu bạn là một developer giỏi, hiểu rõ về lập trình, thuật toán, database thì cần ôn kiến thức về toán là chuyển sang học Data Science được. Quan trọng là bạn phải xác định kỹ năng lập trình của mình đến đâu. Khi sếp hoặc team BA đưa ra một vấn đề, bạn mất bao lâu để biến ý tưởng của họ thành một thứ có thể chạy trên máy tính? Khoảng thời gian đó sẽ thể hiện trình độ của bạn đến đâu.</p><p>Theo t<strong>rình bày của anh thì em hiểu AI là một mảng nhỏ trong Data Science, giải quyết các bài toán khác với các bài toán trong Data Science. Em muốn học sâu về AI, khóa học Data Science của Funix có dạy sâu về AI không anh? </strong></p><p><br></p><p>Nếu quan tâm đến AI thì bạn nên học Machine Learning. Đây là một công cụ được sử dụng rất nhiều trong AI, vượt trội hẳn so với các kỹ thuật khác trong lĩnh vực này. Bạn có thể học về Machine Learning để hiểu rõ bức tranh về AI rồi chọn một hướng đi sâu hơn.</p><p>Data Science rất khác với AI. Data Science là bài toán sử dụng dữ liệu để tạo ra lợi ích, còn AI là bài toán tạo ra thực thể trên máy tính có thể mô phỏng hành vi/trí tuệ con người. Ví dụ như bài toán phân tích thị trường nhà đất, Google Map là Data Science, bài toán để máy làm các tác vụ mà con người có thể làm tốt như xe tự lái, AlphaGo là AI. Đương nhiên Ai sử dụng data như một công cụ lớn, giống như đi xe cần xăng. Nhưng dữ liệu chỉ là một phần, Ai còn rất nhiều phần khác như khoa học tư duy, khoa học ý thức, khoa học não bộ. Có những bài toán trong AI (ví dụ như cấy chip vào não bộ – Neuralink của Elon Musk) hoàn toàn không phải về Data Science.</p><p>Thưa <strong>mentor, làm về Machine Learning Engineer/AI hay Data Scientist thì đều học cả 2 khóa xSeries Machine Learning và Data Science ạ? Nên học chứng chỉ nào trước hay học cả 2 cùng lúc?</strong></p><p><br></p><p>Bạn không nên học 2 chứng chỉ cùng lúc, vì lượng kiến thức trong 1 CC đã đủ lớn để bằng một chương trình thạc sĩ. Nếu bạn chỉ muốn làm việc với dữ liệu, quan tâm đến việc làm thế nào để tạo ra lợi ích từ dữ liệu thì hãy lựa chọn Data Science. Nếu bạn hứng thú với AI, bài toán mà con người đang muốn máy móc thay thế thì hãy đi theo Machine Learning.</p><p>Sau khi tốt nghiệp Fun<strong>ix, thì mình cần trang bị thêm các chứng chỉ gì khác để hồ sơ xin việc gây được sự chú ý khi nộp cho công việc về Data Science ạ?</strong></p><p><br></p><p>Bằng cấp chỉ là tấm vé để vào cửa. Nhà tuyển dụng sẽ ít quan tâm đến bằng cấp (kể cả các chứng chỉ professional của google), mà chủ yếu là kiến thức, kinh nghiệm, dự án Data Science bạn đã làm. Muốn gây chú ý thì bạn nên có thành tích trong ngành này, thông qua việc tham gia vào các cuộc thi, đóng góp vào các open project, </p><p>repo </p><p>của riêng bạn để push thông tin, dl đủ tốt vào.</p><p>Từ nguồn nào để có <strong>thể tiếp cần được các project tuyển Data Science entry level để build kinh nghiệm cho resume?</strong></p><p><br></p><p>Ở Việt Nam có rất nhiều cuộc thi, ở nước ngoài bạn có thể vào Kaggle. Trên đó có nhiều bài toán thể hiện sự sắc bén về nhãn quan, nhạy bén với dữ liệu. Tài nguyên có rất nhiều, quan trọng là có đủ sự lỳ lợm, cứng rắn để theo đuổi không.</p><p>Table of Contents</p><ul><li><a href="https://funix.edu.vn/chia-se-kien-thuc/kham-pha-data-science-nghe-nghiep-sexy-nhat-the-ky-21/#1_dinh_nghia_va_quy_trinh_mot_du_an_khoa_hoc_du_lieu" rel="noopener noreferrer" target="_blank">1. Định nghĩa và quy trình một dự án khoa học dữ liệu </a></li><li><a href="https://funix.edu.vn/chia-se-kien-thuc/kham-pha-data-science-nghe-nghiep-sexy-nhat-the-ky-21/#2_cac_nhom_nghe_nghiep_chinh_trong_data_science" rel="noopener noreferrer" target="_blank">2. Các nhóm nghề nghiệp chính trong Data Science </a></li><li><a href="https://funix.edu.vn/chia-se-kien-thuc/kham-pha-data-science-nghe-nghiep-sexy-nhat-the-ky-21/#3_cau_hoi_ve_viec_lam_nganh_data_science" rel="noopener noreferrer" target="_blank">3. Câu hỏi về việc làm ngành Data Science: </a></li><li><a href="https://funix.edu.vn/chia-se-kien-thuc/kham-pha-data-science-nghe-nghiep-sexy-nhat-the-ky-21/#4_cau_hoi_ve_viec_hoc_nganh_data_science" rel="noopener noreferrer" target="_blank">4. Câu hỏi về việc học ngành Data Science: </a></li></ul><p>Xem video buổi talk tại đây:</p><iframe class="ql-video" frameborder="0" allowfullscreen="true" src="https://www.youtube.com/embed/asGu6pvfqxg?feature=oembed"></iframe><p><br></p>

<div class="xdj266r x11i5rnm xat24cr x1mh8g0r x1vvkbs x126k92a">
<div dir="auto">AI, trí tuệ nhân tạo đang là những từ khóa được tìm kiếm nhiều nhất, với nhiều ứng dụng siêu việt. Theo một số nhận định, trong tương lai không xa, chúng ta có thể chứng kiến những sản phẩm AI có năng lực vượt xa con người, gọi là những &#8220;Super AI&#8221;. Thực tế, AI đang được ứng dụng vào doanh nghiệp ra sao? Tại sao nhiều doanh nghiệp sẵn sàng chi mạnh để xây dựng bộ sậu phân tích và nghiên cứu trí tuệ nhân tạo hùng hậu và chạy đua trong cuộc đua phát triển các sản phẩm AI?</div>
<div dir="auto"> </div>
<div dir="auto"><img class=" wp-image-91628 aligncenter" src="https://funix.edu.vn/wp-content/uploads/2023/06/356997178_1688971798284812_4472319876373089897_n-300x169.jpg" alt="" width="391" height="220" srcset="https://funix.edu.vn/wp-content/uploads/2023/06/356997178_1688971798284812_4472319876373089897_n-300x169.jpg 300w, https://funix.edu.vn/wp-content/uploads/2023/06/356997178_1688971798284812_4472319876373089897_n-768x432.jpg 768w, https://funix.edu.vn/wp-content/uploads/2023/06/356997178_1688971798284812_4472319876373089897_n-1024x576.jpg 1024w" sizes="(max-width: 391px) 100vw, 391px" /></div>
<div dir="auto"> </div>
<div dir="auto">xTalk tuần này (01/07) sẽ đem đến cho các bạn câu trả lời với sự tham gia của Mentor Nguyễn Anh Tuấn, hiện đang là PM tại Samsung SDS Vietnam. Anh cũng từng có kinh nghiệm khi là AI Engineer tại VinBrain (trực thuộc tập đoàn VinGroup). Đến với chương trình, anh sẽ chia sẻ một số dự án thực tế của các công ty hiện đang trực tiếp ứng dụng AI và đưa ra những lời khuyên cho các bạn muốn làm việc trong ngành này. Ngay bây giờ, hãy nhanh tay ĐĂNG KÝ để biết thêm những thông tin bổ ích và thú vị các bạn nhé</div>
<div dir="auto"> </div>
<div dir="auto">Từ tuần này, Zoom sẽ yêu cầu các bạn đăng nhập bằng email FUNiX. Các bạn lưu ý trước khi tham gia chương trình nhé. Ngoài ra, các bạn hãy để tên theo đúng cú pháp MSV &#8211; Họ tên để được đảm bảo điểm danh khi tham gia chương trình nhá</div>
</div>
<div class="x11i5rnm xat24cr x1mh8g0r x1vvkbs xtlvy1s x126k92a">
<div dir="auto">Chi tiết:</div>
<div dir="auto">&#8211; Thời gian: 20:00-21:00, Thứ 7 ngày 01/07/2023</div>
<div dir="auto">&#8211; Đăng ký qua link: <a class="x1i10hfl xjbqb8w x6umtig x1b1mbwd xaqea5y xav7gou x9f619 x1ypdohk xt0psk2 xe8uvvx xdj266r x11i5rnm xat24cr x1mh8g0r xexx8yu x4uap5 x18d9i69 xkhd6sd x16tdsg8 x1hl2dhg xggy1nq x1a2a7pz xt0b8zv x1fey0fg" tabindex="0" role="link" href="https://forms.gle/Shci3YXU7HcwS5MA8?fbclid=IwAR2POob8Ge_JNHq_HiqEmPYoFrBMNFqWNnnpF2HYUDsYbjJj022KDk-LvA8" target="_blank" rel="nofollow noopener noreferrer">https://forms.gle/Shci3YXU7HcwS5MA8</a></div>
</div>
<div class="x11i5rnm xat24cr x1mh8g0r x1vvkbs xtlvy1s x126k92a">
<div dir="auto">&#8211; Meeting ID: 875 8606 6182 (Passcode: 1111)</div>
<div dir="auto">&#8211; Link THAM GIA: <a class="x1i10hfl xjbqb8w x6umtig x1b1mbwd xaqea5y xav7gou x9f619 x1ypdohk xt0psk2 xe8uvvx xdj266r x11i5rnm xat24cr x1mh8g0r xexx8yu x4uap5 x18d9i69 xkhd6sd x16tdsg8 x1hl2dhg xggy1nq x1a2a7pz xt0b8zv x1fey0fg" tabindex="0" role="link" href="https://funix-edu-vn.zoom.us/j/87586066182?pwd=RFVlWjBocHNOekZNWk56MmE1N2FVdz09&amp;fbclid=IwAR3aJ00627I7Em-xDBtKSUpmnuPhBBcf6civ7yyWRN6yhxmYdn8NNvZyDQc" target="_blank" rel="nofollow noopener noreferrer">https://funix-edu-vn.zoom.us/j/87586066182&#8230;</a></div>
</div>
<div style="display: none;"
    class="kk-star-ratings kksr-valign-bottom kksr-align-right "
    data-id="91626"
    data-slug="">
    <div class="kksr-stars">
    <div class="kksr-stars-inactive">
            <div class="kksr-star" data-star="1">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="2">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="3">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="4">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="5">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
    </div>
    <div class="kksr-stars-active" style="width: 0px;">
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
    </div>
</div>
    <div class="kksr-legend">
            <span class="kksr-muted">Rate this post</span>
    </div>
</div>


<div dir="auto">Tiếp nối thành công của xCoffee tại Hà Nội và TP HCM, BTC quyết định tiến tới tổ chức một buổi xCoffee cho các xTers tại thành phố biển xinh đẹp Đà Nẵng. Hãy đến tham gia buổi trò chuyện thân mật với mentor Tính &#8211; vị mentor có rất nhiều kinh nghiệm trong việc chia sẻ và định hướng career cho các bạn học viên nha!!!</div>
<div dir="auto">Thông tin cụ thể như sau:</div>
<ul>
<li dir="auto">Địa điểm: Saigon Brown Cafe &amp; Eatery &#8211; Lô 02BT9 Tân Trào (giao với Nguyễn Viết Xuân), phường Hòa Minh, quận Liên Chiểu, Đà Nẵng</li>
<li dir="auto">Thời gian: 17h chiều chủ nhật ngày 12/06</li>
<li dir="auto">Host mentor: mentor Phạm Hồng Tính, anh là mentor các môn: WEB101x, PRO192x, DBI202x, LAB101x,&#8230; Anh đã có nhiều năm kinh nghiệm làm việc với vai trò kỹ sư phần mềm tại các công ty lớn như: BRAVO Software JSC, Unitech company, NetPluNetPlus, CodeGym Vietnam,&#8230; Hiện nay, anh đang là giảng viên của Đại học FPT.</li>
<li dir="auto">HẠN ĐĂNG KÝ: các bạn vui lòng đăng ký vào link này trước 12h chủ nhật ngày 12/06: <a class="oajrlxb2 g5ia77u1 qu0x051f esr5mh6w e9989ue4 r7d6kgcz rq0escxv nhd2j8a9 nc684nl6 p7hjln8o kvgmc6g5 cxmmr5t8 oygrvhab hcukyx3x jb3vyjys rz4wbd8a qt6c0cv9 a8nywdso i1ao9s8h esuyzwwr f1sip0of lzcic4wl gpro0wi8 py34i1dx" tabindex="0" role="link" href="https://forms.gle/8SfLAEmiECsAvhcQ6?fbclid=IwAR1cXdI9ehrT0CFMC69qK74XKaVQ4UrQsWGEUMxRjxabKvGUpOSy_knbOQk" target="_blank" rel="nofollow noopener">https://forms.gle/8SfLAEmiECsAvhcQ6</a></li>
</ul>
<p><img class="aligncenter" src="https://scontent.fhan2-2.fna.fbcdn.net/v/t39.30808-6/287245861_2099644393550041_6391968418900478711_n.jpg?_nc_cat=110&amp;ccb=1-7&amp;_nc_sid=5cd70e&amp;_nc_ohc=jpqO4KPezkIAX-uppMN&amp;_nc_ht=scontent.fhan2-2.fna&amp;oh=00_AT-mzkxXovdfph46VrFo4poUyEWyUn1Ed8Tnl-mr63v_7Q&amp;oe=62A80386" alt="Có thể là hình ảnh về đồ uống và văn bản cho biết 'xCoffee ĐÀ NẮNG Thời gian: 17h Chủ nhật, ngày 12/06/2022 Địa điểm: Saigon Brown Cafe &amp; Eatery Lô 02BT9 Tân Trào Trào(giao với Nguyễn Viết Xuân), phường Hòa Minh, quận Liên Chiểu, Đà Nắng Mentor: Phạm Hồ»ng Tính'" width="640" height="537" /></p>
<div style="display: none;"
    class="kk-star-ratings kksr-valign-bottom kksr-align-right "
    data-id="53589"
    data-slug="">
    <div class="kksr-stars">
    <div class="kksr-stars-inactive">
            <div class="kksr-star" data-star="1">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="2">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="3">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="4">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="5">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
    </div>
    <div class="kksr-stars-active" style="width: 0px;">
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
    </div>
</div>
    <div class="kksr-legend">
            <span class="kksr-muted">Rate this post</span>
    </div>
</div>


<p><span style="font-weight: 400;">Theo </span><span style="font-weight: 400;">chị Trần Hạnh Trang &#8211; CEO ENOUVO, mô hình đào tạo trực tuyến của FUNiX không chỉ phù hợp với thời đại công nghệ số, có nhiều ư điểm như:</span><span style="font-weight: 400;"> không giới hạn về không gian, thời gian và áp dụng được với mọi đối tượng học viên. Không những vậy, phương pháp giảng dạy của FUNiX cũng giúp khơi gợi hứng thú học tập, xây dựng và rèn luyện sự chủ động của học viên, đồng thời kết nối với các chuyên gia thuộc các công ty CNTT để hỗ trợ cho học viên trong quá trình học. Đây là cơ sở để FUNiX cho ra đời những lứa nhân sự IT chất lượng, có những tố chất phù hợp với nhu cầu tuyển dụng của doanh nghiệp.</span></p>
<p><span style="font-weight: 400;">“Bên cạnh năng lực kỹ năng nổi bật, thành tích học tập tốt (đối với các bạn sinh viên), Enouvo đánh giá cao các ứng viên có tinh thần cầu tiến, ham học hỏi, thái độ làm việc tích cực, năng động, có ý thức tự rèn luyện, trau dồi kỹ năng để thích ứng với môi trường làm việc” &#8211; chị Hạnh Trang chia sẻ.</span></p>
<p><span style="font-weight: 400;">Từ một công ty CNTT nhỏ với 3 thành viên, từ năm 2013 đến nay, ENOUVO Group đã trưởng thành với tầm 90 nhân viên, bất chấp những khó khăn và tác động của đại dịch COVID-19. Công ty mở rộng phạm vi hoạt động trên toàn cầu, có văn phòng tại Úc và 3 đơn vị con ở Việt Nam gồm Enouvo IT Solutions &#8211; phát triển các sản phẩm phần mềm và giải pháp CNTT, Enouvo Space &#8211; không gian làm việc chung tiên phong và lâu đời nhất tại Đà Nẵng và Enosta &#8211; đơn vị cung cấp dịch vụ ra mắt sản phẩm chuyên nghiệp. Công ty tham gia thực hiện các dự án CNTT và kỹ thuật số trải rộng trên nhiều lĩnh vực từ xây dựng các ứng dụng/phần mềm, sản phẩm SaaS, đến phát triển website, thiết kế&#8230;  phục vụ đối tượng khách hàng là các đối tác lớn, lâu năm, các doanh nghiệp vừa và nhỏ, startups,&#8230; ở các thị trường Úc, Singapore, Anh, Canada, Mỹ và Việt Nam.</span></p>
<figure id="attachment_24327" style="width: 870px" class="wp-caption aligncenter"><img class="wp-image-24327 size-full" src="https://funix.edu.vn/wp-content/uploads/2021/06/Ceo-Enouvo-e1622800283234.jpg" alt="" width="870" height="581" /><figcaption class="wp-caption-text">CEO ENOUVO Trần Hạnh Trang tại lễ ký kết hợp tác online giữa hai đơn vị.</figcaption></figure>
<p><span style="font-weight: 400;">ENOUVO tập trung phát triển kỹ năng công nghệ ở các lĩnh vực frontend and backend web &amp; mobile (với technology base tập trung vào các framework như React, React Native, .NET, Nodejs,v.v&#8230;), database, devops, data analytic, machine learning , kỹ năng phân tích và phát triển ý tưởng, thiết kế các ứng dụng/web (UI/UX) phù hợp với nhu cầu của business, các dịch vụ ra mắt sản phẩm như digital marketing và thiết kế đồ họa. Kèm theo đó là các vị trí tuyển dụng rộng mở như Project Managers, Developers, DevOps, Designers, Testers, Operations, Marketers… </span></p>
<p><span style="font-weight: 400;">Hàng năm ENOUVO thường có các đợt nhận thực tập sinh từ các đối tác đào tạo trên các lĩnh vực như công nghệ thông tin, thiết kế đồ họa, UI/UX, marketing, tổ chức sự kiện. Công ty cũng thường xuyên cập nhật kế hoạch tuyển dụng các vị trí lập trình viên phù hợp với tình hình thực tế. Mục tiêu hằng năm thường là tăng thêm 20-30% số lượng nhân viên (bao gồm nhân viên chính thức và thực tập để tiếp tục đào tạo, nâng cao năng lực và phát triển kỹ năng). </span></p>
<p><span style="font-weight: 400;">“Phương châm của ENOUVO là tạo môi trường làm việc thoải mái nhưng hiệu quả, vui vẻ và có sự thấu hiểu, gắn kết giữa các thành viên. Chúng tôi mong muốn phát huy được lợi thế, năng lực và sự sáng tạo của từng nhân viên, tạo động lực cho sự phát triển cá nhân, từ đó đóng góp vào thành tích chung của công ty” &#8211; CEO</span><span style="font-weight: 400;"> Trần Hạnh Trang khẳng định.</span></p>
<p><span style="font-weight: 400;">Thông qua chương trình hợp tác, phía doanh nghiệp kỳ vọng sẽ đồng hành cùng FUNiX trong các hoạt động đào tạo, hướng dẫn cho các học viên ngành CNTT và đón nhận được nguồn nhân lực có chất lượng, kỹ năng thực hành tốt từ FUNiX. </span></p>
<p style="text-align: right;"><strong>Quỳnh Anh</strong></p>
<p style="text-align: right;">
<p></p>
<div style="display: none;"
    class="kk-star-ratings kksr-valign-bottom kksr-align-right "
    data-id="24325"
    data-slug="">
    <div class="kksr-stars">
    <div class="kksr-stars-inactive">
            <div class="kksr-star" data-star="1">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="2">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="3">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="4">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star" data-star="5">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
    </div>
    <div class="kksr-stars-active" style="width: 0px;">
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
            <div class="kksr-star">
            <div class="kksr-icon" style="width: 24px; height: 24px;"></div>
        </div>
    </div>
</div>
    <div class="kksr-legend">
            <span class="kksr-muted">Rate this post</span>
    </div>
</div>


Các sự kiện liên quan

Khám phá Data Science – nghề nghiệp sexy nhất thế kỷ 21

[xTalk số 139] AI và ứng dụng trong doanh nghiêp thực tế

Đăng ký tham gia xCoffee tại Đà Nẵng cùng mentor Hồng Tính ngày 12/06/2022

Doanh nghiệp IT “chuộng” nhân sự đào tạo trực tuyến

Các sự kiện liên quan

Khám phá Data Science &#8211; nghề nghiệp sexy nhất thế kỷ 21

[xTalk số 139] AI và ứng dụng trong doanh nghiêp thực tế

Đăng ký tham gia xCoffee tại Đà Nẵng cùng mentor Hồng Tính ngày 12/06/2022

Doanh nghiệp IT “chuộng” nhân sự đào tạo trực tuyến

Khám phá Data Science – nghề nghiệp sexy nhất thế kỷ 21