Nghề nghiệp thứ hai (Second Career)
(March, 2017) Tuần trước, Gary Kolesar, một sinh viên đã tốt nghiệp ba năm trước quay lại Carnegie Mellon để thăm tôi. Vì anh ấy là sinh viên lớn tuổi hơn các sinh viên khác nên tôi đề nghị anh ấy chia sẻ kinh nghiệm của mình cho sinh viên trong lớp của tôi. Sau đây là điều anh ấy nói:
“Khi tôi quay lại trường để theo đuổi bằng thạc sĩ trong trí thông minh nhân tạo (Artificial Intelligence - AI), tôi không thoải mái chút nào vì đã có bằng cử nhân trong kinh doanh (Business Administration) và mười lăm năm kinh nghiệm làm việc. Cho dù tôi đã có việc làm trong một công ti tài chính nhưng tôi biết rằng lĩnh vực này không có tương lai vì thế giới đã thay đổi. Sớm hay muộn, một số việc làm trong văn phòng sẽ mất đi, và tôi không muốn đợi cho đến lúc đó mới xoay sở thì không kịp nữa. Đó là lí do tại sao tôi quyết định trở lại trường để lấy bằng cấp và kỹ năng mới, thích hợp với thời đại hiện nay hơn. Tôi lập kế hoạch nghề nghiệp thứ hai của mình một cách cẩn thận vì tôi muốn chắc rằng tôi học cái gì có nhu cầu cao trong thời gian dài. Tôi đã chọn Trí thông minh nhân tạo (AI) vì đây là một lĩnh vực đang tăng trưởng nhanh chóng và trả lương nhiều hơn bất kì nghề nào.
Với người gần bốn mươi tuổi đầu trở về trường là KHÔNG dễ vì bạn không còn trẻ, và có thể không khớp được với những sinh viên đang trong lứa tuổi hai mươi. Tôi đã xem xét rất kỹ các tuỳ chọn khác trước khi quyết định quay lại trường. Dĩ nhiên tôi có thể học các môn học trực tuyến mở cho đại chúng (MOOCs.) qua Internet vì đó là chọn lựa tốt, dễ hơn và nhanh hơn. Nhiều môn học trực tuyến ngắn, chỉ vài tuần tới vài tháng. Nếu chịu khó học tập chăm chỉ, tuân theo kỉ luật tự giác, tôi sẽ học tốt. Tôi đã học vài môn trực tuyến từ edX và Coursera và kết luận rằng tất cả mọi người đều có thể học nhiều thứ từ MOOCs. Sau khi hoàn thành một số môn học, họ 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 sẽ có người không đồng ý với tôi.
Tôi quyết định đi theo con đường truyền thống trở lại trường để lấy bằng thạc sĩ tại Carnegie Mellon. Việc này lâu và tốn kém nhiều hơn nhưng đã làm việc 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 có thể kéo dài suốt cuộc đời còn lại. Lí do tôi chọn Carnegie Mellon vì nó là trường duy nhất cung cấp chương trình trong Trí thông minh nhân tạo vào thời điểm đó (2014). Sau hai năm học ở đó, tôi đã nhận được bốn đề nghị việc làm ba tháng trước khi tốt nghiệp. Tôi đã chấp nhận đề nghị từ Google. Đến lúc đó, tôi biết rằng tôi đã 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 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 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 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 ứng dụng công nghệ. Để có việc làm, MOOCs là đủ tốt nhưng nếu bạn muốn đi xa hơn và sâu hơn, trường học truyền thống là tốt hơn.
Nhiều sinh viên máy tính tin rằng 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 thăng tiến nghề nghiệp, 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 thông minh nhân tạo và Học máy (Machine Learning), bạn cần có kĩ năng toán học tốt. Khi 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 học thêm vài lớp 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 trong công nghiệp.
Để làm việc trong lĩnh vực Trí thông minh nhân tạo (AI), bạn cần kĩ năng lập trình giỏi và hiểu cách phân tích vấn đề, 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 trong tư duy tính toán vì bạn cần hiểu vấn đề mà bạn muốn giải quyết. Không biết rõ vấn đề, bạn sẽ phạm sai lầm và sẽ không có khả năng tìm ra giải pháp. Bạn cần biết mọi khái niệm và lí thuyết về Học máy để bạn có thể lựa chọn thuật giải thích hợp 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 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 (Input) cho mức tiếp và đó là cách bạn đi sâu hơn để giải quyết các vấn đề phức tạp.
Nếu bạn chỉ cần có việc làm tốt, bằng cử nhân là đủ. Phần lớn các công ti đều tìm thuê người tốt nghiệp có bằng trong lĩnh vực Khoa học máy tính và liên quan. Tuy nhiên, nếu bạn muốn đi xa hơn để làm việc trong lĩnh vực Học máy và Trí thông minh nhân tạo, bạn cần có bằng thạc sĩ hay bằng Tiến sĩ để đi xa hơn và sâu hơn để có thể giải quyết các vấn đề phức tạp. Đây là một kỹ năng cần thiết mà bạn có thể sử dụng trong một thời gian lâu dài và thăng tiến nghề nghiệp.
(Theo Nguyen Van Phuoc - FirstNews)