Theo anh Tuấn Anh, Machine Learning phổ biến và được quan tâm vì nó góp phần giải quyết những bài toán thực tế trong cuộc sống, đồng thời chúng ta đang có công nghệ, thiết bị để giải quyết các bài toán này.
Machine Learning có thể coi là một phương thức để tạo nên AI; và vì nó là công cụ (cũng giống như tri thức con người học được để giải quyết các vấn đề thực tiễn) nên đang được áp dụng vào nhiều lĩnh vực. Ngày nay Machine Learning dùng rộng khắp trong cả SmartCity, IoT, Blockchain - Nó là tri thức để giải quyết các vấn đề công nghệ, Tiến sĩ Tuấn Anh nhận định.
Theo Tiến sĩ Khoa học máy tính Trần Tuấn Anh, người học Machine Learning cần lựa chọn chương trình đào tạo chuẩn mực và gắn với thực tiễn.
Với tiềm năng lớn, theo anh Tuấn Anh, công tác đào tạo, chuẩn bị nhân lực về Machine Learning đang được đặt ra cấp bách và có tầm nhìn dài hạn. Giảng viên Đại học Bách Khoa, Đại học Quốc gia TP HCM cho rằng đào tạo Machine Learning có những thuận lợi nhất định như sự phong phú về nguồn học liệu, cộng đồng hay nhóm học, bản thân người Việt cũng rất chịu khó tự học. Bên cạnh đó, việc đào tạo còn có sự tham gia từ nhiều trường học cũng như doanh nghiệp xuất phát từ nhu cầu thực tế.
Nhận xét về tình hình nhân lực tiềm năng, anh Tuấn Anh chia sẻ: "Chúng ta đang có nhiều cơ hội trong lĩnh vực này do khoảng cách về tri thức và công nghệ ngày nay được thu hẹp và trở nên phẳng đối với mọi người. Đội ngũ nhân sự Việt Nam có thể đáp ứng được nhu cầu thậm chí có thể giải quyết các bài toán này".
Tuy nhiên, chính vì là ngành học hot lại khá mới mẻ, theo anh Tuấn Anh, việc đào tạo Machine Learning tại Việt Nam còn nhiều bất cập, phổ biến là tình trạng nhiễu loạn chương trình học.
Các chương trình đào tạo Machine Learning vẫn có tình trạng giảng dạy tràn lan, không có định hướng hay tiếp cận chuẩn mực để người học cảm thấy tin tưởng thực sự. Vấn đề kiểm soát chất lượng đào tạo cũng không rõ ràng, nhiều đơn vị đào tạo thường chỉ công bố một vài tên người dạy để thu hút học viên với nhiều khóa học được cắt ghép. Các bài dạy thường vẫn cách rất xa so với thực tế, thậm chí đôi khi gây cảm giác ảo tưởng cho người học, anh Tuấn Anh nhận định.
Theo đó, giảng viên Đại học Bách Khoa cho rằng thiết kế khóa học tốt cần có sự chuẩn mực và phải gắn liền với thực tiễn. Một trong những chương trình học Machine Learning được chuyên gia AI đánh giá cao về thiết kế và kiến thức thực tiễn là chương trình đào tạo Machine Learning tại FUNiX.
"Nội dung của khóa học tại FUNiX đầy đủ cho đối tượng học rõ ràng. Các tài liệu được chuẩn bị tốt, cách vận hành chuyên nghiệp. Học online có ưu thế là người học tự do, và có thể học và làm việc trực tiếp với các mentor nhiều lần tới khi hiểu và làm được. Đổi lại thử thách là cần người học có ý thức cao hơn trong việc tiếp nhận tri thức một cách chủ động", Tiến sĩ Tuấn Anh nhận xét.
FUNiX ra mắt chương trình đào tạo Machine Learning, chuyên sâu về công nghệ học máy.
Là Reviewer (người đánh giá) khóa học tại FUNiX, đồng thời cũng là một mentor trực tiếp kèm cặp sinh viên, anh đưa ra các lời khuyên cụ thể giúp học viên chinh phục khóa học của FUNiX đó là học tập trung và có định hướng rõ ràng, tránh kiểu học mỳ ăn liền. Để làm được điều đó thì thời gian tự nghiên cứu cũng phải tương ứng. Cuối cùng, làm và hiểu rõ các bài kiểm tra, trắc nghiệm hay bài tập lớn; chủ động mở rộng và liên hệ thực tế sẽ giúp bạn nắm được vấn để.
Anh Trần Tuấn Anh hiện là giảng viên Khoa học máy tính của Đại học Bách Khoa, Đại học Quốc gia TP HCM. Anh tốt nghiệp thạc sĩ Toán ứng dụng tại Đại học Orleans Pháp và hoàn thành bằng tiến sĩ Khoa học máy tính tại Đại học Quốc gia Chonnam Hàn Quốc. Anh có kiến thức chuyên môn về Khoa học máy tính, Học máy, chuyên môn mạnh trong thị giác máy tính và Toán ứng dụng.
Gần 7 năm kinh nghiệm nghiên cứu và giảng dạy trong lĩnh vực CNTT, Toán học và là một AI Researcher cao cấp, Tiến sĩ Trần Tuấn Anh có niềm đam mê tạo ra các sản phẩm AI. Anh tin rằng, sự kết hợp giữa học thuật và công nghiệp sẽ tạo ra những lợi thế lớn trong việc mang lại những ứng dụng thực tiễn cho con người.
Quỳnh Anh