Em tốt nghiệp ngành Toán học, và ra làm IT trái ngành, vị trí của em hiện tại là Backend Engineer, đi làm em mới thấy là lỗ hổng về mặt tech của em rất lớn, và em bắt đầu cảm thấy mệt mỏi, vì quá nhiều thứ em không thể hiểu được. Nhưng trong thâm tâm em vẫn muốn tiếp tục làm ngành IT, nên em cần một hướng đi phù hợp. Cảm ơn video của anh đã gợi ý cho em hướng đi làm DS này.
IKIGAI - Giao thoa của 4 vòng tròn : Việc bạn giỏi, Việc bạn thích, Việc kiếm ra tiền, Việc xã hội cần. Hiếm lắm mới có người chọn đúng giao của 4 cái này. Nên bớt mơ mộng và làm việc tiếp thôi các bạn =)))
Lời khuyên cho các bạn muốn làm Data Scientist mà không xem video là: - Có đam mê - Ráng học thêm một cái bằng thạc sĩ hoặc tiến sĩ càng tốt. Vậy thôi nè.
Chào anh em rất thích xem video của anh. Kiến thức của anh về Data rất hay. Tuy nhiên, ngành Data Scientist ở Việt Nam cũng phát triển đến một ngưỡng nhất định rồi. Hiện tại, em cũng đang làm Data Scientist cho Zalo. Data Scientist cũng chia làm nhiều loại Data Scientist Research, Core Data Scientist và Big Data Scientist ạ.
Oh vậy hả, cám ơn bạn chia sẽ nhé. Mình không ở VN nên không biết được tại mình thấy tuyển dụng data scientist toàn làm NLP, Computer Vision với Recommendation không à. Mình chưa thấy tuyển dụng Marketing DS hoặc Credit Risk Scientist nên không biết. Thanks again for your information.
@@vuninh2010 đúng rồi, cái project đầu của mình nó hơi hướng về statistian nhiều hơn. Hồi xưa mình học nó cũng là 1 nhánh của Data Sience haha Còn về project thì nó không phải là logistic regression vì data là unsupervise learning. Tụi mình cố gắng để tạo ra công thức dựa theo ý tưởng scale từ 0-1 cho dễ dự đoán. Mấy cái máy đó mà bị gì thì toàn bộ hệ thống lọc dầu ngưng hoạt động liền, mất tiền như chơi nên trong lịch sử chỉ 1 năm chỉ có 1,2 lần xảy ra à
@@truongtop14 ủa vậy là cũng phần nào giống với những gì anh tìm hiểu, vẫn xoay xung quanh NLP và Computer Vision là chính. Cái anh đang muốn nói là thiếu những bạn Data Scientist với những chuyên ngành đặc thù như rủi ro, tín dụng, marketing, hóa học, vi sinh .... Mà anh tin tưởng là thế hệ tụi em sẽ giúp cho ngành Data Science Việt Nam phát triển hơn nữa ^^
E mới học về DE thì thấy học kiến thức thì dễ nhưng áp dụng để giải quyết vấn đề cụ thể thì thật nan giải. Mong a chia sẻ nhiều hơn để e có động lực theo đuổi DE
Cảm ơn những lời tâm huyết của Cảnh. Mình rất xúc động khi nghe chia sẻ của bạn vì con đường mình đi hiện giờ cũng có phần nào giống bạn: Software Engineer (4 năm) -> Data Analyst (hơn 2 năm) -> Data Engineer (tuần sau bắt đầu nhận job ^^). Hơn 2 năm làm DA, công việc mình làm report, phân tích biz, nhưng mình cảm giác lan man, không có đóng góp, ảnh hưởng nhiều đến vận hành cty ( 2 cty mình làm khá lớn, tầm cỡ global). Sau khi tìm hiểu thị trường, công việc bạn bè ở các cty khác lần này mình quyết định làm DE, tuần sau sẽ bắt đầu. Thực sự 2 năm làm DA đã mài giũa cho mình rất nhiều về các soft skills như communication, presentation, research, training... Mình tin chắc đó sẽ là lợi thế rất lớn của mình so với các bạn trước giờ chỉ thuần làm technical. Hi vọng lựa chọn lần này của mình sẽ ổn, phát triển tốt. Mình cũng xin chúc Cảnh luôn thành công trong cuộc sống cũng như công việc nhé. Tiếp tục hóng những video sắp tới của Cảnh ^^!
Wow, chúc mừng bạn nhé. Có khó khăn về DE bạn cứ liên lạc qua fanpage mình nhé, anh em đồng nghiệp với nhau (: Mình không biết nhiều nhưng chắc cũng chém được ít gió :v
Em chưa biết mình có đam mê với DS không nữa. Cứ cố gắng đã, tính sau. Cảm ơn anh, e học được nhiều thứ lắm ạ.😊😊 From freshman of the University of Science with love, kkk
Mình đang học data scientist mà mình là dân gốc hoá dầu nên mình rất hiểu câu chuyện bạn kể. Thật ra là câu chuyện mô hình toán học, mô hình thống kê và mô hình machine learning. Mô hình toán học là các công thức khá chính xác ví dụ trong hoá n = PV/RT đó, mô hình thống kê thì có tính gần đúng và thu từ thực nghiệm. Mô hình ML thì giống thống kê hơn và nó có rất nhiều tham số kết hợp activation function như bạn biết. Thật buồn vì bạn học ML mà bị áp làm theo mô hình toán học xây dựng từ lý thuyết và có phạm vi khá hẹp. Thế nên mình thấy ML là một hướng đi mới và rất tuyệt vời và trải nghiệp buồn của bạn trong cái Refinary kia thật đáng tiếc, bạn nên xem lại vì ML nó không giống vs trải nghiệm của bạn mà nó chỉ là một tai nạn nhỏ của riêng bạn thôi.
Đúng như bạn nói ấy, thật sự thì mình cũng làm 1 ít Machine Learning khoảng thời gian ấy, chủ yếu là nhận diện rò rỉ (liquid leak) từ đường ống. Mà chắc là mình cảm giác mình không hợp lắm với reseacher thì đúng hơn haha.
Em cũng chỉ là sinh viên năm 2, đang trong quá trình tìm hiểu các lĩnh vực của IT, phân tích xem bản thân mình phù hợp lĩnh vực nào. Thật may là em rất có hứng thú với phân tích và xử lý dữ liệu. Rất may lại gặp Video của anh ạ!
@@Adiligentboy Thì em nghe phân tích chuyên ngành trong hội thảo chuyên ngành trường, nghe thêm bởi người đi trước, giảng viên và cố vấn học tập. Dựa vào thế mạnh bản thân để tìm các hướng đi hợp lý, xem thêm một số video về role trong công việc mà bản thân muốn nhắm đến rồi ước lượng. Đặt câu hỏi xem bản thân có thực sự hứng thú về nó không thôi! Nếu thoả hết yêu cầu và thuộc thế mạnh của mình thì ngại gì không thử hh
Rất bổ ích, nghề nào cũng ko như mơ. Nghề sexy nhất thế kỷ liệu cũng thực sự ko hấp dẫn như tưởng tượng nếu ko có đam mê mãnh liệt 😅 Anw, E góp ý các video sau anh làm tiếng to lên nhé
Hi anh, Tuy chưa học master Data science, background lại là Kinh tế. Nhưng em có trải qua vị trí Data Scientist tại bank. Và thật sự, em đã quay đầu. Suy nghĩ của em rất giống của anh. :d 1 subcribe vì kênh bổ ích ạ. Thanks anh!
cảm ơn anh. em hiện tại đang học ngành công nghệ thông tin nhưng chưa biết chọn chuyên ngành nào cho công việc sau này. xem qua nhiều video chia sẻ về các ngành nghề it thì em thấy anh là người chia sẻ thật lòng và nhiều kiến thức thực tế nhất. chúc anh có thật nhiều sức khỏe
Em chào anh Cảnh, em cũng mới biết đến channel của anh tối hôm qua và em đã xem gần hết video của anh rồi ạ :v . Em hiện đang là sinh viên năm 2 ngành điện-điện tử nhưng bản thân em lại cảm thấy không hứng thú lắm, 1 tháng trở lại đây em có tìm hiểu về ngành data thì em cảm thấy thích hơn và có vẻ như em có nhiều tố chất phù hợp với ngành data ạ. Nhưng vì áp lực gia đình và hiện tại em cũng đã gần học hết năm 2 rồi nên em thật sự không dám chuyển ngành và bắt đầu lại từ đầu ạ, thật sự em rất băn khoăn anh ạ. Em có nghe anh nói trong video rằng trong team data scientist của anh cũng có những người có background là electrical engineering. Em không biết liệu em có thể tự tìm hiểu và học hỏi đồng thời học những khóa học online của ibm, google,... trên các nền tảng trực tuyến như coursera, udacity,... để lấy các chứng chỉ của họ sau này đem đi xin việc ngành data được không hay em cần phải có bằng tốt nghiệp đại học ngành máy tính ạ? Mong anh giải đáp thắc mắc của em ạ. Em cám ơn anh vì những video ạ, nó thật sự giúp em có cái nhìn rõ hơn về ngành data.
Dựa vào video của bạn, mình có nhận xét: bạn không giỏi và cũng không đam mê về data scientist thì không nên đưa ra lời khuya cho người khác. Bạn nên tập trung vào data engineer, các video của bạn về lĩnh vực đó rất hay. Mình có comment vậy thôi.
Chứ bạn nghĩ công việc của DS nó ntn ? Bạn đừng nhầm với Data Analyst là phân tích, xài ML, DL cơ bản, mấy cái free source trên mạng về chạy :)) Câu chuyện đó chắc của VN thôi :)) DS phải la người tự chế ra model như ad nói và nó đòi hỏi ngồi research cả ngày. Thực tế
Chế ra model là chế gì? Bạn mới là người ko biết gì về DS. Modeling chỉ là 1 phần trong scope của DS thôi, và modeling thật chất cũng là lựa chọn model, train và tune ntn để phù hợp với bài toán thôi. Muốn đi chế mới thì vào academia mà làm, Data scientist vẫn là industry nên vẫn ưu tiên solution practical nhé.
công việc data sciencetist của bạn chính là công việc của post Doc hay professor nhưng thay vì hoạt động trong academy thì lại đi làm công ty bên ngoài. Việc code của một người không xuất thân từ người học code ngay từ đầu nó rất là khó chịu và không hiệu quả. Nên một team nghiên cứu lúc nào họ cũng muốn tuyển 1 người về code cho mình: Nhưng bù lại, cái người xuất thân từ computer science thì họ không có kiến thức chuyên ngành, học không có hiểu mô hình và cải thiện mô hình của từng chuyên ngành cụ thể. Nên hiện tại những người đang làm trong academy hoặc là họ phải luyện thuật toán để họ giỏi code luôn thì họ sẽ tiến xa được, hoặc là họ bỏ khỏi code khỏi nghiên cứu khoa học luôn, họ đi chuyên về giảng dạy thôi. Hoặc là dở quá thì đi làm những công ty bên ngoài, có mỗi 1 cái mô hình cứ đi copy paste rồi xào xào nấu nấu lại.
Đa số những công ty lớn như tập đoàn mà mình đã làm Yokogawa, General Electric hoặc Roll-Royce đều có R&D center, đây là nơi mà đa phần nhân viên ít nhất đều có bằng Master và phần lớn là PhD, post doc như bạn đã nói. Nói chung cũng tùy vào industry, nếu mình làm R&D ở self-driving car như Roll-Royce thì computer science là background chuẩn, còn mình làm ở oil and gas và machinery thì chịu thôi. Với lại đa phần là kết quả sẽ thành paper hoặc pattern cho công ty chứ cũng không phải products gì. Product sẽ có team khác làm dựa vào Pattern của mình.
Đa số data science hiện nay được áp dụng trong nghành Business and Finance, để predict xu hướng kinh doanh và phân tích thị trường. Và lĩnh vực Healthcare và Medical.
Vô tình trong quá trình tìm hiểu về DA lại thấy video này của anh. Rất cám ơn anh vì sự sharing này, để một đứa Hóa Engineer như em có thêm động lực tìm hiểu và học hỏi thêm để chuyển ngành. Chứ em thấy mấy bạn DA toàn là background kinh tế, IT nên không biết mình có đang đi đúng hướng hay không
Cảm ơn a đã chia sẻ những điều thật bổ ích. Cho e hỏi là e vẫn chưa hiểu lắm về vấn đề xây dựng mô hình dữ liệu như thế nào (cách nó vận hành) với ngành hóa lọc dầu như a nói. E làm về bên mechanical.
Hồi năm 3 đh em phân vân là nên theo DS hay DE. Giờ thì em mới tốt nghiệp và đang làm DS intern. Lý do chính mà em chọn DS là vì DS có nhiều nguồn tham khảo hơn DE rất nhiều. Em xem cái khoá DE best seller của IBM trên coursera thì thấy chỉ dạy về Python, SQL (mà cái này em biết sẵn rồi) và IBM cloud. Nó còn chẳng dạy ETL technique hay là các tool như Hadoop, Spark... Còn nếu học DS thì nguồn tham khảo nhiều vl. Trên youtube với coursera thì vô vàn DS tutorial, mà mỗi thuật toán ML thì lại có 1 tutorial chi tiết riêng, research paper cũng cả đống.
DS học sâu, sâu về toán, hiểu về business, thêm cả sự nhạy cảm về dữ liệu nữa. DE học rộng, rộng để control đc hết tất cả dữ liệu, muốn tối ưu hệ thống, bắt buộc phải trải nghiệm.
Ở Vn tới thời điểm tháng 11/2024 hiện tại mà triển khai DA còn không xong tật, chỉ dừng lại ở mức làm báo cáo, dashboard tự động bằng BI tools, chứ rất ít dùng python, ml, dl để phân tích, vì các phòng ban khác, các stakeholder họ có hiểu dc đâu 😂
Nghe anh bùi ngùi tâm sự thấy cảm ghê. Đi làm mà ko có team thì lạc lõng cực, bất kể ở ngành nào hay vị trí nào. Quyết định khó khăn nhưng dũng cảm, làm tốt lắm anh. Chúc anh nhìu sức khỏe :)
trời ơi cái mà mình muốn làm nè trời :v luận văn thạc sĩ của mình là xây dựng mô hình tính toán dự ứng lực của bê tông tươi dựa vào 7 thông số nhưng mình học kỹ thuật công nghiệp, mình mê mãng này lắm mà chả có ai thuê mình cả :))). H mình phải đi code web python
@@tramtruongngoc2100 không bạn ơi h mình vẫn đang làm dev quèn thoi 1 phần mình cũng 28t rồi nhà điều kiện k tốt nên chấp nhận đi làm à chứ không thể mạo hiểm lần nửa
a giống e thế cũng đang làm phân tích dữ liệu cho cty yamaha sản xuất động cơ phi thuyền,lấy dữ liệu ở dưới mấy con robot lên phân tích như a luôn có nhiệt độn pin rồi thời gian hoạt động các kiểu
@@HungPham-bm9ym do anh chọn không đúng việc anh giỏi thôi à em. BI cần nắm rõ business và phân tích đưa ra nhiều insight cho công ty. Anh thì thích cleaning data cho đẹp và đúng thôi chứ ko giỏi phân tích nên chuyển ngành làm DE :))
Cám ơn bạn đã chia sẻ thông tin hữu ích. background của mình là marketing, có làm Digital marketing và đang học thêm về Data Analytics vì bản thân tò mò và quan tâm công nghệ. Như bạn chia sẻ, vị trí TPM hoặc PM có thể là lựa chọn ưu tiên trong lúc đang học hoặc xác định xem có nên chuyển hẳn sang DA hay ko! Cám ơn bạn
video rõ ràng và dễ hiểu ! thanks. hẳn là role phân chia theo độ nặng nhẹ 3 loại kiến thứ : domain knowledge , math, và computer system m thì lại ko có base nghiên cứu, làm thuần computer system, đang mày mò áp dụng DS vào mấy vấn đề monitoring system. mây blog DS cũng có nói là , DS level entry thì nhiều còn thực tế đáp ứng dc yêu cầu phía công ty lại ít , và nhiều khi công ty ko rõ về DS ,kỳ vọng quá cao. Hi vọng tiếp tục đượ theo dõi thêm video mới ))
HI bạn, mìh ở Vn mình học chuyên ngành tài chính ngân hàng, mình muốn học thêm về data analyst, bạn có thể chia sẻ giúp mình cacd trung tâm/ trường học về chuyên ngành này được k bạn?
Anh Cảnh ơi ! Như lúc anh phân tích dữ liệu xây dựng xong model thì anh sẽ báo cáo bằng gì và như thế nào ạ ? Mong anh ra một video nói chi tiết về cái này đi anh, có demo như bài bài phân tích "Nghiêm túc" thì vui ạ
Anh ơi có việc cho em không. Em background automation engineer , phát triển skill data analytics. Em làm engineer phát triển hệ thống máy móc rồi dần dần thấy data vô cùng quan trọng cho các system.
Thường thì dân có PhD (tiến sĩ) chỉ hợp với việc làm về nghiên cứu. Chứ mà để họ làm trong lảnh vực khoa học ứng dụng thì coi như họ trên mây. Giống như lấy đao to mà đi cắt cổ gà. Còn Data Scientists thì đụng rất nhiều về toán (Math), probability, statistics. Dân IT mà không giỏi về ba lảnh vực nêu trên, thì không nên theo Data Scientists
Yea, cái này thì công nhận. Dân PhD mà làm khoa học ứng dụng thì như trên mây. Còn lấy đao to mổ gà thì hơi kì, vì cơ bản họ có biết khoa học ứng dụng đâu mà làm, toàn nghĩ mấy cái gì lạ hoắc à =))
@@DataGuyStory dao to đi cắt cổ gà, ngụ ý muốn nói họ không biết gì hết . Như một việc rất đơn giản mà họ “xuất thần” rồi đề xuất phương án trên trời dưới đất gì đâu không! Tôi đã từng làm việc trong môi trường có những ông thần như vậy. Nên khi nghe bạn tâm sự, tôi hiểu và cảm thông ngay.
dạ cho em hỏi em dự định vào ngành DE của đại học sư phạm kĩ thuật ạ mà em lại muốn sau này thi đi DEV hay làm về software v em học xong em có thể làm được bên SE không ạ
Mình có thắc mắc là Spark cũng có hỗ trợ SQL thì còn cần dùng Hive làm gì nữa nhỉ? Đặc biệt khi chạy câu lệnh bằng Hive cảm giác xử lý chậm hơn hẳn so với Spark
đúng rồi, fatigue cũng có tính, nó là một biến số trong cái công thức cuối cùng ấy :)). Mục đích cuối là dự đoán được cái máy nào sẽ bị fail trong cái đống hơn 3000 máy lọc dầu mà.
dạ cảm ơn anh đã reply :)) việc em làm cũng tính dự đoán bền cho kết cấu nhưng dựa trên kết quả mô phỏng dựa trên finite element analysis :)) em nghĩ input từ việc tính của bọn em dựa trên output của anh
Để trở thành 1 DE thì bạn có lời khuyên nào cho người có kinh nghiệm làm quản lý bên khối ngành kinh tế nhưng có đam mê về dữ liệu và khao khát tìm tòi về công nghệ muốn chuyển ngành không ạ
Mình đã từng gặp nhiều người chuyển ngành từ quản lý bên khối kinh tế, đa phần hộ sang làm TPM hoặc PM. Là cầu nối giữa Data Engineer/Scientist và Business Users.
anh ơi em đang học it năm 1 chuẩn bị chọn chuyên ngành. Em code ở mức ổn, e thích chơi lego, tư duy logic khá (em làm test dc 23/30) nhma e ko thịc ngồi fix bug, e thích trao đổi với ng khác, e bt cách sắp xếp công việc. A chị nào cho e hỏi e thích hợp ở mảng nào ạ
Cho em hỏi mọi người là DA, DE thì có thể làm freelance được không ạ? Kiểu như nhận các dự án, làm remote,... Nếu không thì nên làm freelance về mảng nào ạ?
Hầu như không làm được freelancer nhé. Làm liên quan đến data cần phải kí rất nhiều giấy tờ và bảo mật quan trọng, đa phần các công ty không tuyển freelancer ngành này nhé. May ra có kinh nghiệm nhiều thì chỉ dừng ở mức consultant thôi
chào anh, em đang muốn theo nghành này ạ cho em hỏi nghành này học có khó không ạ khi làm nghành này có cần sử dụng thành thạo python (có cần viết code nhiều không ạ)
@@hieuTran-bn8kj khuyên bạn học giỏi thì nên theo còn học bth sau này khó xin việc lắm tại nghành này ở Việt Nam vẫn còn là nghành ngách (Nhu cầu rất ít) ,nhu cầu về cntt vẫn lớn hơn , tui đã học 1 năm và đã chuyển sang nghành khác
anh Duy cho e hỏi phân lớp dùng hàm toán học tài liệu như thế nào ạ. Em đang làm bài mà sử dụng mô hình đang không hiệu quả nên khi nghe phương pháp này của anh em muốn tìm hiểu ạ. Em cảm ơn
Phương pháp này là đọc những bài nghiên cứu khoa học có chủ đề tương tự như đề tài mà mình đang làm. Nghiên cứu kĩ những yếu tố (factors) mà người ta đề cập. Sau đó tự định hình, tạo thành một công thức tính dựa trên những yếu tố đó. Thông thường là tính xác xuất nhé
@@DataGuyStory em học bên khoa học dữ liệu nhưng giờ muốn chuyển sang học front end hoặc back end thì có đc ko ạ? Nên học thêm kĩ năng gì để theo đc ạ?
Em chào anh Cảnh. Em đang học Cơ điện tử BK năm 3 và rẽ ngang Data Scientist. Bằng Master mà anh nói đến ở đây là bằng Master về Cơ điện tử hay về Data Science ạ? Em cảm ơn.
Em chào anh ạ . Em hiện đang theo học ngành Data Science được 2 năm rồi . Hiện tại là em có sang năm sau tìm cho mình 1 suất intern để thực tập. Em muốn hỏi anh là một ngày của data engineer họ làm việc thường xuyên với những gì và làm như thế nào ạ ?. Em mong là anh trả lời cụ thể về tech một xíu để e có dự định để trang bị cho mình những background cần thiết ạ. Em hi vọng là anh đọc và trả lời thắc mắc của em . Em cảm ơn ^^
Một ngày thì khoảng 60% tụi anh ngồi code. - Ngôn ngữ thì phần lớn là python, còn lại thỉnh thoảng viết Spark thì sử dụng Scala (python cũng được nhưng tụi anh thích Scala vì nó tốt hơn cho Spark). - Ngoài ra thì còn xây dựng và bảo trì infrastructure. Cái này thì tùy công ty, bên anh hệ thống nằm trên Kubernetes on cloud nên sẽ cần biết kubernetes với kĩ năng devops khác để xây dựng nó. Về infra thì em tưởng tượng nó là hệ thống gồm nhiều thành phần khác nhau như Spark, Airflow, Hive, Presto .... (Những thành phần này phải đảm bảo làm sao nó chịu tải được dữ liệu khoảng 10-20TB / ngày)
Mỗi lần chuyển mảng như vậy khi phỏng vấn người phỏng vấn mình thường nói do mình chưa có kinh nghiệm về mảng này nên chỉ offer mình ở mức trên fresher một chút thôi. Như thế mình có thể làm gì để có một offer tốt hơn hả anh?
Em tốt nghiệp ngành Toán học, và ra làm IT trái ngành, vị trí của em hiện tại là Backend Engineer, đi làm em mới thấy là lỗ hổng về mặt tech của em rất lớn, và em bắt đầu cảm thấy mệt mỏi, vì quá nhiều thứ em không thể hiểu được. Nhưng trong thâm tâm em vẫn muốn tiếp tục làm ngành IT, nên em cần một hướng đi phù hợp. Cảm ơn video của anh đã gợi ý cho em hướng đi làm DS này.
e đang học ngành toán tin ở hcmus, e cũng đang định đi ds ko biết ổn ko ạ
IKIGAI - Giao thoa của 4 vòng tròn : Việc bạn giỏi, Việc bạn thích, Việc kiếm ra tiền, Việc xã hội cần. Hiếm lắm mới có người chọn đúng giao của 4 cái này. Nên bớt mơ mộng và làm việc tiếp thôi các bạn =)))
Lời khuyên cho các bạn muốn làm Data Scientist mà không xem video là:
- Có đam mê
- Ráng học thêm một cái bằng thạc sĩ hoặc tiến sĩ càng tốt.
Vậy thôi nè.
Chào anh em rất thích xem video của anh. Kiến thức của anh về Data rất hay. Tuy nhiên, ngành Data Scientist ở Việt Nam cũng phát triển đến một ngưỡng nhất định rồi. Hiện tại, em cũng đang làm Data Scientist cho Zalo. Data Scientist cũng chia làm nhiều loại Data Scientist Research, Core Data Scientist và Big Data Scientist ạ.
Mình nghĩ cái việc bạn làm đầu tiên thuộc về statistician nhiều hơn. Nghe bạn mô tả thì mô hình có vẻ dùng logistics regression.
Oh vậy hả, cám ơn bạn chia sẽ nhé. Mình không ở VN nên không biết được tại mình thấy tuyển dụng data scientist toàn làm NLP, Computer Vision với Recommendation không à. Mình chưa thấy tuyển dụng Marketing DS hoặc Credit Risk Scientist nên không biết.
Thanks again for your information.
@@vuninh2010 đúng rồi, cái project đầu của mình nó hơi hướng về statistian nhiều hơn. Hồi xưa mình học nó cũng là 1 nhánh của Data Sience haha
Còn về project thì nó không phải là logistic regression vì data là unsupervise learning. Tụi mình cố gắng để tạo ra công thức dựa theo ý tưởng scale từ 0-1 cho dễ dự đoán. Mấy cái máy đó mà bị gì thì toàn bộ hệ thống lọc dầu ngưng hoạt động liền, mất tiền như chơi nên trong lịch sử chỉ 1 năm chỉ có 1,2 lần xảy ra à
@@truongtop14 ủa vậy là cũng phần nào giống với những gì anh tìm hiểu, vẫn xoay xung quanh NLP và Computer Vision là chính. Cái anh đang muốn nói là thiếu những bạn Data Scientist với những chuyên ngành đặc thù như rủi ro, tín dụng, marketing, hóa học, vi sinh ....
Mà anh tin tưởng là thế hệ tụi em sẽ giúp cho ngành Data Science Việt Nam phát triển hơn nữa ^^
E mới học về DE thì thấy học kiến thức thì dễ nhưng áp dụng để giải quyết vấn đề cụ thể thì thật nan giải. Mong a chia sẻ nhiều hơn để e có động lực theo đuổi DE
Cảm ơn những lời tâm huyết của Cảnh. Mình rất xúc động khi nghe chia sẻ của bạn vì con đường mình đi hiện giờ cũng có phần nào giống bạn: Software Engineer (4 năm) -> Data Analyst (hơn 2 năm) -> Data Engineer (tuần sau bắt đầu nhận job ^^). Hơn 2 năm làm DA, công việc mình làm report, phân tích biz, nhưng mình cảm giác lan man, không có đóng góp, ảnh hưởng nhiều đến vận hành cty ( 2 cty mình làm khá lớn, tầm cỡ global). Sau khi tìm hiểu thị trường, công việc bạn bè ở các cty khác lần này mình quyết định làm DE, tuần sau sẽ bắt đầu. Thực sự 2 năm làm DA đã mài giũa cho mình rất nhiều về các soft skills như communication, presentation, research, training... Mình tin chắc đó sẽ là lợi thế rất lớn của mình so với các bạn trước giờ chỉ thuần làm technical. Hi vọng lựa chọn lần này của mình sẽ ổn, phát triển tốt. Mình cũng xin chúc Cảnh luôn thành công trong cuộc sống cũng như công việc nhé. Tiếp tục hóng những video sắp tới của Cảnh ^^!
Wow, chúc mừng bạn nhé. Có khó khăn về DE bạn cứ liên lạc qua fanpage mình nhé, anh em đồng nghiệp với nhau (:
Mình không biết nhiều nhưng chắc cũng chém được ít gió :v
@@DataGuyStory Chắc chắn rồi, cảm ơn Cảnh trước nha. Có dịp về Việt Nam nhắn mọi người gặp mặt, cafe nhé ^^!
a cho e xin it riview dc ko a e ccung sap vao hoc nghanh quan tri va phan tich du lieu khong biet co on khong
tu luc e truot đợt 1 e hoang mang quá cứ đá qua 2 mảng kỹ thuật phần mềm và quan trị & phân tích dữ liệu e phân vân k biết nên hoc gì
giờ anh thế nào rồi.
Chia sẻ của anh hay và chân thực quá ạ, với một sinh viên có đam mê về Data như em cảm thấy được rất nhiều cảm hứng từ nội dung của anh
Em chưa biết mình có đam mê với DS không nữa. Cứ cố gắng đã, tính sau. Cảm ơn anh, e học được nhiều thứ lắm ạ.😊😊
From freshman of the University of Science with love, kkk
Cảm ơn những chia sẻ từ kinh nghiệm thực tế của bạn. Rất hữu ích ạ.
Hồi trước e cũng phân vân theo DE và DS nhưng giờ e quyết định học để theo DE. Cám ơn anh vì 1 video mang đầy tầm huyết và review rất cụ thể nhé!
Lót dép hóng 😁
Wow, thanks Quan nhe
@@DataGuyStory Dạ vâng 😁 Ủng hộ anh Cảnh và các content chia sẻ bổ ích của Data Guy Story
@@CodeXplore Em hóng cả 2 anh ạ:)).
Mình đang học data scientist mà mình là dân gốc hoá dầu nên mình rất hiểu câu chuyện bạn kể. Thật ra là câu chuyện mô hình toán học, mô hình thống kê và mô hình machine learning. Mô hình toán học là các công thức khá chính xác ví dụ trong hoá n = PV/RT đó, mô hình thống kê thì có tính gần đúng và thu từ thực nghiệm. Mô hình ML thì giống thống kê hơn và nó có rất nhiều tham số kết hợp activation function như bạn biết. Thật buồn vì bạn học ML mà bị áp làm theo mô hình toán học xây dựng từ lý thuyết và có phạm vi khá hẹp. Thế nên mình thấy ML là một hướng đi mới và rất tuyệt vời và trải nghiệp buồn của bạn trong cái Refinary kia thật đáng tiếc, bạn nên xem lại vì ML nó không giống vs trải nghiệm của bạn mà nó chỉ là một tai nạn nhỏ của riêng bạn thôi.
Đúng như bạn nói ấy, thật sự thì mình cũng làm 1 ít Machine Learning khoảng thời gian ấy, chủ yếu là nhận diện rò rỉ (liquid leak) từ đường ống. Mà chắc là mình cảm giác mình không hợp lắm với reseacher thì đúng hơn haha.
Many thanks người anh, video thực sự hữu ích ạ ❤
Cảm ơn a đã chia sẽ kiến thức, kinh nghiệm bổ ích
Cám ơn anh rất nhiều về những chia sẻ ❤❤
Đúng là không uổng công chờ hơn 2 tháng video chất lượng quá anh ơi, giúp e định hướng tốt hơn, từ nay sẽ chăm làm kaggle
Cảm ơn chiha sẻ của bạn, mình đang là thạc sỹ toán học và có vẻ Data scientist rất phù hợp với mình.
Cảm ơn anh. Mong anh ra nhiều video!
Em cũng chỉ là sinh viên năm 2, đang trong quá trình tìm hiểu các lĩnh vực của IT, phân tích xem bản thân mình phù hợp lĩnh vực nào. Thật may là em rất có hứng thú với phân tích và xử lý dữ liệu. Rất may lại gặp Video của anh ạ!
Em tìm hiểu như thế nào có thể chia sẻ thêm với không
@@Adiligentboy À em vào chuyên ngành rồi ạ. Bản thân hiện tại đang theo Khoa học dữ liệu rồi
Hihi Đó là em nói về câu hỏi What Còn anh đang hỏi về How ah
@@Adiligentboy Thì em nghe phân tích chuyên ngành trong hội thảo chuyên ngành trường, nghe thêm bởi người đi trước, giảng viên và cố vấn học tập. Dựa vào thế mạnh bản thân để tìm các hướng đi hợp lý, xem thêm một số video về role trong công việc mà bản thân muốn nhắm đến rồi ước lượng. Đặt câu hỏi xem bản thân có thực sự hứng thú về nó không thôi! Nếu thoả hết yêu cầu và thuộc thế mạnh của mình thì ngại gì không thử hh
Rất bổ ích, nghề nào cũng ko như mơ. Nghề sexy nhất thế kỷ liệu cũng thực sự ko hấp dẫn như tưởng tượng nếu ko có đam mê mãnh liệt 😅
Anw, E góp ý các video sau anh làm tiếng to lên nhé
Hi anh,
Tuy chưa học master Data science, background lại là Kinh tế.
Nhưng em có trải qua vị trí Data Scientist tại bank. Và thật sự, em đã quay đầu.
Suy nghĩ của em rất giống của anh. :d
1 subcribe vì kênh bổ ích ạ.
Thanks anh!
Ds tại bank làm những công việc gì vậy ạ
Đúng lúc thật ^^ cám ơn bạn
cảm ơn anh. em hiện tại đang học ngành công nghệ thông tin nhưng chưa biết chọn chuyên ngành nào cho công việc sau này. xem qua nhiều video chia sẻ về các ngành nghề it thì em thấy anh là người chia sẻ thật lòng và nhiều kiến thức thực tế nhất. chúc anh có thật nhiều sức khỏe
Bây h bạn chọn học sâu về cái j rồi bạn
Em chào anh Cảnh, em cũng mới biết đến channel của anh tối hôm qua và em đã xem gần hết video của anh rồi ạ :v . Em hiện đang là sinh viên năm 2 ngành điện-điện tử nhưng bản thân em lại cảm thấy không hứng thú lắm, 1 tháng trở lại đây em có tìm hiểu về ngành data thì em cảm thấy thích hơn và có vẻ như em có nhiều tố chất phù hợp với ngành data ạ. Nhưng vì áp lực gia đình và hiện tại em cũng đã gần học hết năm 2 rồi nên em thật sự không dám chuyển ngành và bắt đầu lại từ đầu ạ, thật sự em rất băn khoăn anh ạ. Em có nghe anh nói trong video rằng trong team data scientist của anh cũng có những người có background là electrical engineering. Em không biết liệu em có thể tự tìm hiểu và học hỏi đồng thời học những khóa học online của ibm, google,... trên các nền tảng trực tuyến như coursera, udacity,... để lấy các chứng chỉ của họ sau này đem đi xin việc ngành data được không hay em cần phải có bằng tốt nghiệp đại học ngành máy tính ạ? Mong anh giải đáp thắc mắc của em ạ. Em cám ơn anh vì những video ạ, nó thật sự giúp em có cái nhìn rõ hơn về ngành data.
Anh ơi cho em hỏi là anh h có học và làm DS nữa ko an
Cảm ơn video của anh ❤️
hay quá anh ơi mong anh ra nhiều clip hơn ạ
sinh viên KHDL năm 2 đang phân vân giữa DS và DE thì thấy vid của anh :Đ cảm ơn những chia sẻ của anh
cho mình hỏi, bạn đang học KHDL trường nào vậy
Dựa vào video của bạn, mình có nhận xét: bạn không giỏi và cũng không đam mê về data scientist thì không nên đưa ra lời khuya cho người khác. Bạn nên tập trung vào data engineer, các video của bạn về lĩnh vực đó rất hay. Mình có comment vậy thôi.
Chứ bạn nghĩ công việc của DS nó ntn ? Bạn đừng nhầm với Data Analyst là phân tích, xài ML, DL cơ bản, mấy cái free source trên mạng về chạy :)) Câu chuyện đó chắc của VN thôi :)) DS phải la người tự chế ra model như ad nói và nó đòi hỏi ngồi research cả ngày. Thực tế
Mình nghĩ a Cảnh đang nói đúng bạn. Thật ra data science nó liên quan về nghiên cứu nhiều hơn và tạo ra value
Chế ra model là chế gì? Bạn mới là người ko biết gì về DS. Modeling chỉ là 1 phần trong scope của DS thôi, và modeling thật chất cũng là lựa chọn model, train và tune ntn để phù hợp với bài toán thôi. Muốn đi chế mới thì vào academia mà làm, Data scientist vẫn là industry nên vẫn ưu tiên solution practical nhé.
Anh chia sẻ về phỏng vấn Job cũng như buổi phỏng vấn DE đầu tiên của a đi ạ
công việc data sciencetist của bạn chính là công việc của post Doc hay professor nhưng thay vì hoạt động trong academy thì lại đi làm công ty bên ngoài.
Việc code của một người không xuất thân từ người học code ngay từ đầu nó rất là khó chịu và không hiệu quả.
Nên một team nghiên cứu lúc nào họ cũng muốn tuyển 1 người về code cho mình: Nhưng bù lại, cái người xuất thân từ computer science thì họ không có kiến thức chuyên ngành, học không có hiểu mô hình và cải thiện mô hình của từng chuyên ngành cụ thể.
Nên hiện tại những người đang làm trong academy hoặc là họ phải luyện thuật toán để họ giỏi code luôn thì họ sẽ tiến xa được, hoặc là họ bỏ khỏi code khỏi nghiên cứu khoa học luôn, họ đi chuyên về giảng dạy thôi.
Hoặc là dở quá thì đi làm những công ty bên ngoài, có mỗi 1 cái mô hình cứ đi copy paste rồi xào xào nấu nấu lại.
Đa số những công ty lớn như tập đoàn mà mình đã làm Yokogawa, General Electric hoặc Roll-Royce đều có R&D center, đây là nơi mà đa phần nhân viên ít nhất đều có bằng Master và phần lớn là PhD, post doc như bạn đã nói.
Nói chung cũng tùy vào industry, nếu mình làm R&D ở self-driving car như Roll-Royce thì computer science là background chuẩn, còn mình làm ở oil and gas và machinery thì chịu thôi. Với lại đa phần là kết quả sẽ thành paper hoặc pattern cho công ty chứ cũng không phải products gì. Product sẽ có team khác làm dựa vào Pattern của mình.
Background của mình là Electrical Engineer, cũng muốn học để chuyển qua Data Engineer, cám ơn bạn Duy đã chia sẻ
Em cũng có dự định giống anh.anh có thể cho em xin thêm kinh nghiệm ko ạ
@@sondang3041 miinh cũng chỉ mới bắt đầu thôi bạn, cũng đang tìm hiểu
Đa số data science hiện nay được áp dụng trong nghành Business and Finance, để predict xu hướng kinh doanh và phân tích thị trường. Và lĩnh vực Healthcare và Medical.
Vô tình trong quá trình tìm hiểu về DA lại thấy video này của anh. Rất cám ơn anh vì sự sharing này, để một đứa Hóa Engineer như em có thêm động lực tìm hiểu và học hỏi thêm để chuyển ngành. Chứ em thấy mấy bạn DA toàn là background kinh tế, IT nên không biết mình có đang đi đúng hướng hay không
Tôi cũng Hóa engineer và đang tìm hiểu DA giống bạn :))
Cảm ơn a đã chia sẻ những điều thật bổ ích. Cho e hỏi là e vẫn chưa hiểu lắm về vấn đề xây dựng mô hình dữ liệu như thế nào (cách nó vận hành) với ngành hóa lọc dầu như a nói. E làm về bên mechanical.
cám ơn bạn đã chia sẻ !
Hồi năm 3 đh em phân vân là nên theo DS hay DE. Giờ thì em mới tốt nghiệp và đang làm DS intern. Lý do chính mà em chọn DS là vì DS có nhiều nguồn tham khảo hơn DE rất nhiều. Em xem cái khoá DE best seller của IBM trên coursera thì thấy chỉ dạy về Python, SQL (mà cái này em biết sẵn rồi) và IBM cloud. Nó còn chẳng dạy ETL technique hay là các tool như Hadoop, Spark... Còn nếu học DS thì nguồn tham khảo nhiều vl. Trên youtube với coursera thì vô vàn DS tutorial, mà mỗi thuật toán ML thì lại có 1 tutorial chi tiết riêng, research paper cũng cả đống.
Haha đúng rồi, vì AI, ML nghe hay hơn là mấy cái Spark Hadoop này nọ. Tới bây giờ vẫn vậy thôi nè, nguồn tài liệu của DE vẫn ít hơn DS
cho em hỏi mức lương của DA với ạ
DS học sâu, sâu về toán, hiểu về business, thêm cả sự nhạy cảm về dữ liệu nữa. DE học rộng, rộng để control đc hết tất cả dữ liệu, muốn tối ưu hệ thống, bắt buộc phải trải nghiệm.
bạn xin intern như thế nào v
bạn cho mình xin lộ trình học DS của bạn được không
Ở Vn tới thời điểm tháng 11/2024 hiện tại mà triển khai DA còn không xong tật, chỉ dừng lại ở mức làm báo cáo, dashboard tự động bằng BI tools, chứ rất ít dùng python, ml, dl để phân tích, vì các phòng ban khác, các stakeholder họ có hiểu dc đâu 😂
Wow, cool intro!
Anh chia sẻ thêm về Data Engineer đi anh!
Nghe anh bùi ngùi tâm sự thấy cảm ghê. Đi làm mà ko có team thì lạc lõng cực, bất kể ở ngành nào hay vị trí nào. Quyết định khó khăn nhưng dũng cảm, làm tốt lắm anh. Chúc anh nhìu sức khỏe :)
Ra video nữa đi a ơi, em xem hết kênh của a r đấy :)))
Mong anh ra thêm nhiều video về DA ạ
Hay quá anh ơi. Cảm ơn a đã làm những vid như này nhé
Đang học chuyên về DS. Nghe tâm sự của anh xong em sẽ chuyển ngành. :3
sao chuyển vậy bác?
trời ơi cái mà mình muốn làm nè trời :v luận văn thạc sĩ của mình là xây dựng mô hình tính toán dự ứng lực của bê tông tươi dựa vào 7 thông số nhưng mình học kỹ thuật công nghiệp, mình mê mãng này lắm mà chả có ai thuê mình cả :))). H mình phải đi code web python
giờ bạn sao rồi, bạn có đi theo hướng data scientist ko ?
@@tramtruongngoc2100 không bạn ơi h mình vẫn đang làm dev quèn thoi 1 phần mình cũng 28t rồi nhà điều kiện k tốt nên chấp nhận đi làm à chứ không thể mạo hiểm lần nửa
a giống e thế cũng đang làm phân tích dữ liệu cho cty yamaha sản xuất động cơ phi thuyền,lấy dữ liệu ở dưới mấy con robot lên phân tích như a luôn có nhiệt độn pin rồi thời gian hoạt động các kiểu
Không cố ý nhưng tay anh đẹp quá ạ :')
vừa nghỉ job Business Intelligence, đang trong giai đoạn dấn thân sang Data Engineer thì UA-cam gợi ý cái video này 🥲
Dạ ko bt a có thể chia sẻ cho e lý do a nghỉ BI ko ạ, e vừa thi đh xog và cũng đang mún theo ngành này ạ!!
@@HungPham-bm9ym do anh chọn không đúng việc anh giỏi thôi à em. BI cần nắm rõ business và phân tích đưa ra nhiều insight cho công ty. Anh thì thích cleaning data cho đẹp và đúng thôi chứ ko giỏi phân tích nên chuyển ngành làm DE :))
trời h e ms thấy vid này.... e vừa chuyển định hướng sang DE từ DS luôn, làm DS làm dữ liệu quá nhiều quá mệt trong khi e chỉ muốn tư duy thôi T.T
hahah, rồi có quyết định chuyển chưa.
Rất bổ ích :)
Ra nhiều video học data engineer đi a
Cám ơn bạn đã chia sẻ thông tin hữu ích. background của mình là marketing, có làm Digital marketing và đang học thêm về Data Analytics vì bản thân tò mò và quan tâm công nghệ. Như bạn chia sẻ, vị trí TPM hoặc PM có thể là lựa chọn ưu tiên trong lúc đang học hoặc xác định xem có nên chuyển hẳn sang DA hay ko!
Cám ơn bạn
video rõ ràng và dễ hiểu ! thanks.
hẳn là role phân chia theo độ nặng nhẹ 3 loại kiến thứ : domain knowledge , math, và computer system
m thì lại ko có base nghiên cứu, làm thuần computer system, đang mày mò áp dụng DS vào mấy vấn đề monitoring system.
mây blog DS cũng có nói là , DS level entry thì nhiều còn thực tế đáp ứng dc yêu cầu phía công ty lại ít , và nhiều khi công ty ko rõ về DS ,kỳ vọng quá cao.
Hi vọng tiếp tục đượ theo dõi thêm video mới ))
Trừ khi bạn làm ở DC mang tầm khu vực, nếu không lượng thông tin không bao giờ đủ để làm DS cả.
mình cũng đang làm DS cho công ty yamaha ở nhật đây thấy cũng oke nek
công việc cụ thể của a là làm những j á
Good job.
Làm thêm cái Eng sub đi, có thể mấy ng nước ngoài có thể muốn xem đấy ;)
Mình nghĩ tương lai Analytics, Programming như English bây giờ ấy, là điều bắt buộc mọi người phải biết.
ước đc làm editor cho anh cảnh, và đc anh chỉ thêm về học phân tích ạ!
Bạn học editor từ dâu vậy? có thể share giúp mình ko?
các video tới dùng mix thu âm cho rõ bạn ơi
haha, để ráng đầu tư 1 cái :))
Hay quá
HI bạn, mìh ở Vn mình học chuyên ngành tài chính ngân hàng, mình muốn học thêm về data analyst, bạn có thể chia sẻ giúp mình cacd trung tâm/ trường học về chuyên ngành này được k bạn?
Anh Cảnh ơi ! Như lúc anh phân tích dữ liệu xây dựng xong model thì anh sẽ báo cáo bằng gì và như thế nào ạ ? Mong anh ra một video nói chi tiết về cái này đi anh, có demo như bài bài phân tích "Nghiêm túc" thì vui ạ
báo cáo bằng slide nhé em. =]]
@@DataGuyStory e tưởng report là việc của DA chứ DE cũng phải làm ạ 😥
mình làm phân tích báo dữ liệu bằng powerpoint
Anh ơi có việc cho em không. Em background automation engineer , phát triển skill data analytics. Em làm engineer phát triển hệ thống máy móc rồi dần dần thấy data vô cùng quan trọng cho các system.
Tất cả chỉ nằm ở hai chữ đam mê !
Anh có thể làm video phỏng vấn AI và khi đi làm thì nó sẽ như thế nào không ạ?
😁em cảm ơn anh đã chia sẻ nhé, em học cơ điện tử và đang muốn đâm đầu vào data science, hì
Thường thì dân có PhD (tiến sĩ) chỉ hợp với việc làm về nghiên cứu. Chứ mà để họ làm trong lảnh vực khoa học ứng dụng thì coi như họ trên mây. Giống như lấy đao to mà đi cắt cổ gà.
Còn Data Scientists thì đụng rất nhiều về toán (Math), probability, statistics.
Dân IT mà không giỏi về ba lảnh vực nêu trên, thì không nên theo Data Scientists
Yea, cái này thì công nhận. Dân PhD mà làm khoa học ứng dụng thì như trên mây. Còn lấy đao to mổ gà thì hơi kì, vì cơ bản họ có biết khoa học ứng dụng đâu mà làm, toàn nghĩ mấy cái gì lạ hoắc à =))
@@DataGuyStory dao to đi cắt cổ gà, ngụ ý muốn nói họ không biết gì hết . Như một việc rất đơn giản mà họ “xuất thần” rồi đề xuất phương án trên trời dưới đất gì đâu không!
Tôi đã từng làm việc trong môi trường có những ông thần như vậy. Nên khi nghe bạn tâm sự, tôi hiểu và cảm thông ngay.
Nỗi khổ của bạn IT làm kỹ thuật, tui hiểu mà vì t học Mechatronic Engineer đam mê Programming😁
Học ngành cơ điện tử ra xin việc liên quan đến lập trình có khó không vậy anh nhỉ
@@sondang3041 quào quao cùng câu hỏi
dạ cho em hỏi em dự định vào ngành DE của đại học sư phạm kĩ thuật ạ mà em lại muốn sau này thi đi DEV hay làm về software v em học xong em có thể làm được bên SE không ạ
Anh ơi a làm ELT tutorial với Spark Kafka đi a
ông theo dõi thêm trang simplilearn với eruka thì có nhiều tutorial về Big data bao gồm Hadoop, Spark, Kafka,... lắm á.
bạn ơi bạn giỏi quá cho mình làm quen nha :))))))
Nghe xong 5s mình cm và out ra haha. Max nhãm nhí.
Mình có thắc mắc là Spark cũng có hỗ trợ SQL thì còn cần dùng Hive làm gì nữa nhỉ? Đặc biệt khi chạy câu lệnh bằng Hive cảm giác xử lý chậm hơn hẳn so với Spark
Hive dùng làm metastore nhé bạn. Chủ yếu sử dụng Hive để chứa metadata của tables chứ không dùng hive engine.
a cho e xin link a đọc tài liệu về AI & ML được không ạ.
em nghe giống anh tính fatigue cho hệ thống bồn chứa :)))) dựa trên kết quả thực nghiệm đo từ sensor
đúng rồi, fatigue cũng có tính, nó là một biến số trong cái công thức cuối cùng ấy :)). Mục đích cuối là dự đoán được cái máy nào sẽ bị fail trong cái đống hơn 3000 máy lọc dầu mà.
dạ cảm ơn anh đã reply :)) việc em làm cũng tính dự đoán bền cho kết cấu nhưng dựa trên kết quả mô phỏng dựa trên finite element analysis :)) em nghĩ input từ việc tính của bọn em dựa trên output của anh
anh có thể chia sẻ những personal project cho sinh viên để làm để luyện tập và học thêm của data engineer không anh ?
Sẽ có video về nó nhé bạn
Anh ra nhiều video về DS hơn nữa nhé anh:))
Bạn có biết cách nào để chuyển database trong XBRL qua Microsoft Access kg ?
em hiện tại sinh viên năm 2, background là kinh tế, anh có thể cho em xin lời khuyên về hướng này dc k ạ, em cảm ơn ak
Học Data thì học gì đầu tiên ạ , a có thể cho e xin lộ trình đc ko ạ? ( E chỉ sợ bước đầu đi sai )
Để trở thành 1 DE thì bạn có lời khuyên nào cho người có kinh nghiệm làm quản lý bên khối ngành kinh tế nhưng có đam mê về dữ liệu và khao khát tìm tòi về công nghệ muốn chuyển ngành không ạ
Mình đã từng gặp nhiều người chuyển ngành từ quản lý bên khối kinh tế, đa phần hộ sang làm TPM hoặc PM. Là cầu nối giữa Data Engineer/Scientist và Business Users.
lâu quá ko ra video a ơi :(
anh ơi em đang học it năm 1 chuẩn bị chọn chuyên ngành. Em code ở mức ổn, e thích chơi lego, tư duy logic khá (em làm test dc 23/30) nhma e ko thịc ngồi fix bug, e thích trao đổi với ng khác, e bt cách sắp xếp công việc. A chị nào cho e hỏi e thích hợp ở mảng nào ạ
Scrum master hoặc Project Manager nhé em
@@DataGuyStory em chưa có kinh nghiệm sao em làm lãnh đạo đc a :v
Bro, we have to do Azure and you're here being a celebrity!
Not my business bro. Haha, I'm counting on you for the Azure
Cho em hỏi mọi người là DA, DE thì có thể làm freelance được không ạ? Kiểu như nhận các dự án, làm remote,... Nếu không thì nên làm freelance về mảng nào ạ?
Hầu như không làm được freelancer nhé. Làm liên quan đến data cần phải kí rất nhiều giấy tờ và bảo mật quan trọng, đa phần các công ty không tuyển freelancer ngành này nhé. May ra có kinh nghiệm nhiều thì chỉ dừng ở mức consultant thôi
chào anh, em đang muốn theo nghành này ạ
cho em hỏi nghành này học có khó không ạ
khi làm nghành này có cần sử dụng thành thạo python (có cần viết code nhiều không ạ)
Cùng câu hỏi 😅
@@hieuTran-bn8kj khuyên bạn học giỏi thì nên theo còn học bth sau này khó xin việc lắm tại nghành này ở Việt Nam vẫn còn là nghành ngách (Nhu cầu rất ít) ,nhu cầu về cntt vẫn lớn hơn , tui đã học 1 năm và đã chuyển sang nghành khác
@@dmtuan1849 thế là hiện tại bạn đang học về mảng nào rồi
anh ơi, em muốn làm date engineer thì học ngành data science hay ngành nào ạ.
anh Duy cho e hỏi phân lớp dùng hàm toán học tài liệu như thế nào ạ. Em đang làm bài mà sử dụng mô hình đang không hiệu quả nên khi nghe phương pháp này của anh em muốn tìm hiểu ạ. Em cảm ơn
Phương pháp này là đọc những bài nghiên cứu khoa học có chủ đề tương tự như đề tài mà mình đang làm. Nghiên cứu kĩ những yếu tố (factors) mà người ta đề cập. Sau đó tự định hình, tạo thành một công thức tính dựa trên những yếu tố đó. Thông thường là tính xác xuất nhé
@@DataGuyStory em học bên khoa học dữ liệu nhưng giờ muốn chuyển sang học front end hoặc back end thì có đc ko ạ? Nên học thêm kĩ năng gì để theo đc ạ?
Em chào anh Cảnh. Em đang học Cơ điện tử BK năm 3 và rẽ ngang Data Scientist. Bằng Master mà anh nói đến ở đây là bằng Master về Cơ điện tử hay về Data Science ạ? Em cảm ơn.
Master về Data Science nha em
Dạ vâng em cảm ơn anh
Dạ cho em hỏi là giờ a còn làm trong lĩnh vực DA DE nữa k anh
Vẫn làm DE nha, chưa có bỏ nghề đâu :))
@ mà mình làm DA,DE có học qua mảng kinh doanh kinh tế gì k a, e nghe bảo làm mỗi chỗ mỗi khác á :)))
DA thì đúng là cần có domain knowledge nên phải biết về bên kinh tế, đa phần các bạn DA không phải là dân IT. Còn DE là SWE mà, thuần IT luôn
Hông biết a giỏi cỡ nào nhưng a đẹp trai quá a :v
A chia sẻ bí quyết vừa làm DE giỏi vừa đẹp trai như a đii
A có thể cho e xin 1 số source đọc các bài nghiên cứu được không ạ ? Thanks a nhiều ạ.
Chào anh data guy
ngành xử lý có học về code hay làm về code không ạ
Anh ơi, nếu muốn theo DA có khác DS lắm không anh¿
Em cần học những certification nào không anh¿
em cảm thấy mình giỏi toán với ngu code thì có lẽ DS là hợp lí đk ạ :)
Em chào anh ạ . Em hiện đang theo học ngành Data Science được 2 năm rồi . Hiện tại là em có sang năm sau tìm cho mình 1 suất intern để thực tập. Em muốn hỏi anh là một ngày của data engineer họ làm việc thường xuyên với những gì và làm như thế nào ạ ?. Em mong là anh trả lời cụ thể về tech một xíu để e có dự định để trang bị cho mình những background cần thiết ạ. Em hi vọng là anh đọc và trả lời thắc mắc của em . Em cảm ơn ^^
Một ngày thì khoảng 60% tụi anh ngồi code.
- Ngôn ngữ thì phần lớn là python, còn lại thỉnh thoảng viết Spark thì sử dụng Scala (python cũng được nhưng tụi anh thích Scala vì nó tốt hơn cho Spark).
- Ngoài ra thì còn xây dựng và bảo trì infrastructure. Cái này thì tùy công ty, bên anh hệ thống nằm trên Kubernetes on cloud nên sẽ cần biết kubernetes với kĩ năng devops khác để xây dựng nó. Về infra thì em tưởng tượng nó là hệ thống gồm nhiều thành phần khác nhau như Spark, Airflow, Hive, Presto .... (Những thành phần này phải đảm bảo làm sao nó chịu tải được dữ liệu khoảng 10-20TB / ngày)
làm ds ok hơn
AI engineer và Data engineer có khác nhau nhiều không ạ ?
Anh ơi em 18t. Anh cho em hỏi anh học ngành gì vậy ạ
DE có cần hiểu biết về kiến trúc máy tính, hệ điều hành và mạng máy tính không ạ
Mấy cái đó là kiến thức nền tảng để học lên chuyên sâu mà em. Bắt buộc phải biết rồi nhỉ
@@DataGuyStory a chia sẻ một chút tài liệu để hk DE đc k ạ?
Bên ngành CE có phổ biến không ạ. Em học CE ở spkt và ngành ít phổ biến ở Việt Nam lắm ạ.
anh không biết CE là gì em
@@datnguyennnx chào bạn spkt ạ
Mỗi lần chuyển mảng như vậy khi phỏng vấn người phỏng vấn mình thường nói do mình chưa có kinh nghiệm về mảng này nên chỉ offer mình ở mức trên fresher một chút thôi. Như thế mình có thể làm gì để có một offer tốt hơn hả anh?
Chứng minh mình đủ khả năng với kĩ năng của mình thôi em. Còn không thì chắc chắn phải chịu start lại và thậm chí chịu cả paycut