9h45
Giáo sư Yoshua Benjo: 'Nhân lực AI phải có nền tàng cơ bản về khoa học máy tính'
Giáo sư Yoshua Benjo, Thành viên sáng lập Element AI, Canada là diễn giả mở đầu với với bài tham luận "Phương án tiếp cận đào tạo AI ở các nước đang phát triển và lời khuyên cho nhân lực Việt Nam". Yoshua hiện là giáo sư tại khoa Khoa học máy tính và Nghiên cứu vận hành tại Đại học Montréal, từng nhận giải thưởng Turing, được coi là "giải Nobel" về máy tính. Ông cũng là một nhà tiên phong trong lĩnh vực học sâu - Deep Learning, công nghệ chi phối phần lớn hệ thống AI hiện nay.
Giáo sư Yoshua cho rằng, việc xây dựng thế mạnh tri thức trong các lĩnh vực, trong đó có AI rất quan trọng với các nước đang phát triển. Bởi trong tương lai, phát triển kinh tế luôn gắn liền với phát triển công nghệ. Công nghệ sẽ tạo ra nhiều thay đổi cho nền kinh tế cũng như tạo ra nhiều dịch vụ, sản phẩm mới. Nhân lực AI do đó phải có nền tảng cơ bản về khoa học máy tính và toán tốt.
Giáo sư Yoshua khuyên người trẻ, sinh viên muốn theo đuổi sự nghiệp trong lĩnh vực AI cần có sự chuẩn bị tốt hơn một số nơi khác, điều này phụ thuộc vào văn hoá.
Ông thường để ý thấy điểm làm nên sự khác biệt giữa CV của các sinh viên từ nhiều nước khác nhau là các dự án của họ. Dù chưa tốt nghiệp, sinh viên vẫn có thể tham gia các dự án ở các môn học hoặc tự học. Nhờ đó, họ có thể cấu trúc một thuật toán không có trên sách vở hoặc áp dụng một thuật toán huấn luyện máy học cho một số các điểm chuẩn (benchmark) quốc tế.
"Khi bạn tham gia các dự án như vậy và đề cập chúng trong CV của mình sẽ giúp các giáo sư như tôi nhận ra người này đã có chút kinh nghiệm về các thuật toán, chứ không phải là toàn sách vở", ông nói.
Lời khuyên thứ hai của giáo sư tới sinh viên là hãy tới thư viện. Một trong những thuận lợi cho thế hệ trẻ ngày nay so với 20 năm trước là các thư viện như Pytorch- một dạng thư viện mã nguồn mở được phát triển riêng cho học sâu (Deep Learning). Nó khá dễ dùng so với các thư viện khác cùng loại, được nhiều sinh viên và nhà nghiên cứu sử dụng để tiếp cận học sâu và tái sử dụng mã mở của người khác để kiểm thử các biến số mà họ muốn thử nghiệm.
Ngoài ra, việc tự chuẩn bị cho các kinh nghiệm thực tế rất quan trọng. Sinh viên cần phải hiểu về mặt toán học và các khái niệm của các phương pháp học sâu. Họ cần nền tảng toán cao cấp về giải tích, xác suất và tối ưu để đọc hiểu các nghiên cứu về học máy.
Chẳng hạn, để đọc được sách như "Deep Learning" của Yoshua, nếu không hiểu được các thuật toán trong cuốn sách này, tức là sinh viên cần học thêm cũng như nghiên cứu thêm về các phép toán tương ứng. Nếu không làm được điều này, sinh viên dễ hiểu vấn đề một cách đại khái.
Cuối cùng, học lập trình cũng rất quan trọng, bởi hầu hết những thứ chúng ta đang làm với AI đều đòi hỏi chúng ta phải có khả năng biến từ toán thành mã nguồn. Do đó, khả năng biến từ ý tưởng thành các thí nghiệm thực tế hiệu quả, đòi hỏi bạn phải nắm vững lập trình, "code sạch", kỹ thuật phần mềm, phần mềm thực hành, git hub...
"Bạn phải hiểu văn hoá chia sẻ mã và mã nguồn mở trên thế giới, chủ động đóng góp cho cộng đồng bởi bạn sẽ được làm quen và được ghi nhận từ sự đóng góp đó. Nhờ vào Internet, nhờ đóng góp cho cộng đồng, kết nối với người khác hoặc các dự án hợp tác mà bạn có thể gom được cho mình các kinh nghiệm có ích về sau", ông khuyên.
Riêng sinh viên Việt Nam, với khoảng cách địa lý quá xa với MILA, giáo sư Yoshua nói việc học tập là khó nhưng khả thi, bằng email, các ứng dụng như Slack. Sinh viên không thể trực tiếp đến dự hoặc nghe một bài giảng ông thì có thể nghe lại các bản ghi âm. Các bài nói thường dễ hiểu, ít nhất là phần mở đầu. Nhờ sự học hỏi này, sinh viên có thể có những phần mở đầu tốt, nội dung diễn đạt bớt khô khan hơn.
Click help me: new action movies 2016 - new horror movies 2016 - new sci fi movies 2016 - new comedy movies 2016 - new martial arts movies - new drama movies - new adventure movies - new romance movies 2016
Không có nhận xét nào:
Đăng nhận xét