NGÀNH CNTT TUYỂN SINH NHIỀU CHỈ TIÊU NGÀNH CNTT, CNTT VIỆT NHẬT VÀ KHOA HỌC DỮ LIỆU

Góc học tập

Phân biệt sinh viên khá, giỏi và xuất sắc?

on .

Trong các trường đại học, khá – giỏi – xuất sắc không chỉ khác nhau ở điểm số, mà còn khác ở độ sâu năng lực học thuật và tư duy. Có thể phân biệt theo 3 tầng: chuẩn đánh giá – năng lực thực chất – dấu hiệu nhận biết.

1) Theo chuẩn chính thức (phổ biến)
Chuẩn có thể thay đổi nhẹ giữa các trường, nhưng thường xoay quanh GPA hệ 4.
Xếp loại
GPA (tham khảo):
  • Khá: ~ 2.50 – 3.19
  • Giỏi: ~ 3.20 – 3.59
  • Xuất sắc: ≥ 3.60
Lưu ý: GPA là điều kiện cần, không đủ để phân biệt năng lực thực sự.
 
2) Theo năng lực học tập & tư duy
  • Sinh viên khá
- Nắm vững kiến thức cơ bản
- Làm tốt bài tập chuẩn, theo mẫu
- Học đều, chăm chỉ
- Phù hợp với yêu cầu môn học
Nghĩa là: SV Học tốt cái đã có sẵn
  • Sinh viên giỏi
- Hiểu bản chất vấn đề, biết liên hệ giữa các môn
- Giải quyết được bài toán biến thể
- Có tư duy hệ thống
- Biết tự học, tự mở rộng
Nghĩa là, SV Hiểu sâu cái đã có
  • Sinh viên xuất sắc
- Có tư duy nghiên cứu (đặt câu hỏi ngược, nghi ngờ giả định)
- Tạo ra cách tiếp cận mới / lời giải mới
- Dẫn dắt nhóm học tập, thảo luận học thuật
- Có sản phẩm vượt chuẩn: bài báo, đề tài NCKH, giải thưởng, phần mềm.
Nghĩa là: SV Tạo ra cái chưa có.
 
3) Một cách nói ngắn gọn như sau:
SV Khá: học đúng – làm đúng
SV Giỏi: hiểu đúng – làm linh hoạt
SV Xuất sắc: đặt lại câu hỏi – tạo chuẩn mới

Châu Âu siết quy định với thiết bị 5G có nguồn gốc từ Trung Quốc

on .

Châu Âu đang chuẩn bị thực hiện các biện pháp cứng rắn hơn nhằm loại bỏ thiết bị 5G có nguồn gốc từ các nhà cung cấp Trung Quốc như Huawei và ZTE.

Nếu quy định được Châu Âu áp dụng, các thiết bị 5G có nguồn gốc tại Trung Quốc sẽ bị loại bỏ khỏi cơ sở hạ tầng di động và cố định của các quốc gia thành viên Liên minh Châu Âu (EU).

 Thiết bị 5G của Trung Quốc sắp không còn đất sống trên khắp Liên minh Châu Âu

Thiết bị 5G của Trung Quốc sắp không còn đất sống trên khắp Liên minh Châu Âu

Theo nhiều báo cáo, Ủy ban Châu Âu (EC) đang nỗ lực biến những khuyến nghị trước đây, được biết đến với tên gọi “Hộp công cụ 5G”, thành các mệnh lệnh pháp lý bắt buộc. Mục tiêu là tạo ra sự đồng nhất trong tiêu chuẩn và tốc độ triển khai mạng giữa các quốc gia.

Cuộc tranh luận về vấn đề này không phải là mới, nhưng đã trở nên căng thẳng hơn trong thời gian gần đây. Một số quốc gia tại EU đã cấm hoàn toàn thiết bị của các nhà sản xuất này khỏi mạng lưới cốt lõi, trong khi một số khác vẫn duy trì một phần thiết bị, đặc biệt thiết bị truy cập mạng vô tuyến. Điều này đã tạo ra một bức tranh không đồng đều mà EC đang tìm cách khắc phục.

EC đang xem xét việc chuyển đổi các hướng dẫn “Hộp công cụ 5G" thành các nghĩa vụ pháp lý, bao gồm cả việc đặt ra thời hạn để thay thế thiết bị có nguy cơ cao trong mạng lõi và cả mạng truy cập trong một số trường hợp. Họ cũng đang nghiên cứu các cơ chế giám sát và chế tài đối với các quốc gia không tuân thủ hoặc các nhà khai thác vẫn duy trì thiết bị bị hạn chế trong các dịch vụ nhạy cảm.

Mặc dù chưa có văn bản chính thức hay lịch trình cụ thể, các dự thảo hiện tại cho thấy một phương pháp tiếp cận từng bước với một số ngoại lệ hạn chế nhằm giảm thiểu chi phí và gián đoạn dịch vụ. Đồng thời, EC cũng đang điều chỉnh chiến lược này để phù hợp với các quy định khác như Chỉ thị An ninh Mạng và Hệ thống Thông tin (NIS 2) cũng như các mục tiêu kết nối của Thập kỷ Số.

 Đã đến lúc các nhà cung cấp dịch vụ tại Châu Âu tính chuyện tháo dỡ các thiết bị 5G có nguồn gốc từ Trung Quốc

Đã đến lúc các nhà cung cấp dịch vụ tại Châu Âu tính chuyện tháo dỡ các thiết bị 5G có nguồn gốc từ Trung Quốc

Đức dẫn đầu, Trung Quốc đáp trả

Đức là một trong số các quốc gia EU đã có lập trường cứng rắn hơn khi đặt ra lộ trình rút dần các linh kiện Trung Quốc khỏi mạng lõi 5G trước năm 2026 và mạng truy cập vô tuyến trước năm 2029. Phản ứng trước các hành động này, Trung Quốc cũng đã hạn chế hợp đồng với Nokia và Ericsson trên thị trường của mình.

Với việc EC biến các khuyến nghị thành luật, điều này có thể dẫn đến một số cơ hội và rủi ro cho các doanh nghiệp: Nokia và Ericsson có thể chiếm ưu thế tại Châu Âu, trong khi Huawei và ZTE sẽ phải rút lui khỏi thị trường mà họ nhận được rất nhiều hợp đồng.

Câu hỏi đặt ra là, liệu các hạn chế mà EC đưa ra có thời hạn, phạm vi chính xác cũng như các miễn trừ và hỗ trợ thay thế đối với các quốc gia thành viên bị ảnh hưởng hay không. Dù kết quả ra sao, EC đang gửi đến các nhà mạng trong khu vực rằng: hãy chuẩn bị đẩy nhanh việc tháo dỡ thiết bị có nguy cơ cao trên toàn khu vực.

CTV Kiến An/VOV.VN (biên dịch) Theo GearRice

Nguồn: https://baomoi.com/chau-au-siet-quy-dinh-voi-thiet-bi-5g-co-nguon-goc-tu-trung-quoc-c53742836.epi

Dữ liệu lớn vs dữ liệu nhỏ

on .

Câu hỏi này rất “đúng chất nghiên cứu” 

Dữ liệu nhỏ (small data) không hề thua kém dữ liệu lớn; Ngược lại, trong nhiều bài toán nó còn vượt trội rõ rệt. Ta phân tích theo bản chất bài toán, không theo “mốt big data”.

1. Khi tri thức quan trọng hơn số lượng

Bài toán dựa trên cấu trúc – quy luật – nguyên nhân
Chẩn đoán y khoa chuyên sâu
Cơ học, vật lý, hóa học, sinh học hệ thống
Kinh tế học lý thuyết, tài chính định lượng
 
=> Small data + mô hình đúng > Big data + mô hình mù
 
Ví dụ
100 ca bệnh có gán nhãn cực chuẩn bởi chuyên gia > 1 triệu hồ sơ bệnh án nhiễu
Mô hình sinh lý học tim mạch dựa trên phương trình > ML thuần từ big data

2. Khi dữ liệu hiếm hoặc không thể thu thập nhiều

Các hiện tượng hiếm (rare events): Tai nạn hạt nhân, bệnh hiếm, gian lận tinh vi, sự cố kỹ thuật nghiêm trọng
 
Big data không tồn tại, nên:
Small data + Bayesian
Small data + causal inference
Small data + expert knowledge
 
=> là con đường duy nhất khả thi

3. Khi mỗi mẫu rất đắt

Dữ liệu chi phí cao:  Thí nghiệm y sinh, thử nghiệm lâm sàng, thử nghiệm vật liệu mới, dữ liệu vệ tinh độ phân giải cao
 
Ở đây:
50 mẫu có kiểm soát tốt > 500.000 mẫu thu thập đại trà
 
=> Thiết kế thí nghiệm (DoE) + small data là tối ưu

4. Khi cần giải thích – minh bạch – trách nhiệm

Bài toán cần explainability: Y tế, Pháp lý, Chính sách công, Tài chính – ngân hàng
 
Small data cho phép:
Mô hình tuyến tính
Mô hình nhân quả
Luật quyết định rõ ràng
 
Big data + deep learning: Dự đoán tốt nhưng không giải thích được
 
=> Trong nhiều lĩnh vực, không giải thích = không được dùng

5. Khi môi trường thay đổi nhanh

Concept drift cao: Thị trường tài chính, an ninh mạng, hành vi con người
 
Big data quá khứ:
+ Dễ lạc hậu
+ Dễ overfit lịch sử
 
Small data mới – đúng bối cảnh:
+ Phản ứng nhanh hơn
+ Dễ cập nhật mô hình
 

6. Khi tri thức chuyên gia đóng vai trò trung tâm

Human-in-the-loop
+ Chẩn đoán bác sĩ
+ Phân tích tình báo
+ Đánh giá rủi ro chiến lược
 
Small data:
+ Dễ kết hợp với hiểu biết con người
+ Dễ kiểm soát sai lệch
 
Big data:
Có xu hướng “lấn át” tư duy chuyên gia
 

7. Khi bài toán mang tính nhân quả, không chỉ tương quan

Big data rất giỏi:
“Cái gì thường đi cùng cái gì”
Small data + thiết kế tốt:
“Cái gì gây ra cái gì”
 
Các lĩnh vực:
+ Y học cá thể hóa
+ Chính sách xã hội
+ Kinh tế phát triển
+ Giáo dục
 

8. Bảng tổng hợp nhanh

Tiêu chí Small data thắng:
+ Dữ liệu hiếm 
+ Mẫu đắt 
+ Cần giải thích 
+ Dựa trên lý thuyết 
+ Nhân quả 
+ Thay đổi nhanh 
+ Kiểm soát chất lượng 
 
Big data thắng khi:
+ Hành vi phổ biến
+ Tín hiệu yếu nhưng lặp lại nhiều
+ Không cần giải thích sâu (quảng cáo, gợi ý, nhận diện ảnh)
 

9. kết luận (rất quan trọng)

Big data mạnh ở “thống kê”,
Small data mạnh ở “trí tuệ”.
Trong nghiên cứu nghiêm túc (đặc biệt y – khoa học tự nhiên – chính sách),
small data mới là “đẳng cấp cao”, còn big data chỉ là công cụ khuếch đại.

THPT vs UIT

on .

Những ngày tháng 8 này, không khí chắc hẳn đang nóng hơn bao giờ hết khi các sĩ tử trên cả nước đang hồi hộp chờ đợi các trường đại học chính thức công bố điểm chuẩn. Trong lúc lướt newfeed ngóng tin, có bao giờ bạn dừng lại và thắc mắc về chặng đường sắp tới chưa?

Đặc biệt, với những ai đang đặt trọn hy vọng vào Trường Đại học Công nghệ Thông tin (UIT), hãy nghía qua sự khác nhau giữa những năm cấp 3 và Đại học từ một sinh viên năm 3 tại UIT nhé!

Môi Trường Học Tập: Từ "Cầm Tay Chỉ Việc" Đến Tinh Thần "Tự Bơi"

Ở cấp 3, bạn quen lớp học 30–40 người, thầy cô nhớ mặt gọi tên, nhắc bài, nhắc thi liên tục. Nhưng khi bước vào UIT, đặc biệt là các môn đại cương, sĩ số lớp có thể lên tới hơn 100 sinh viên đến từ nhiều ngành khác nhau. Thầy cô sẽ đóng vai trò là người hướng dẫn, gợi mở vấn đề, chứ không thể theo sát từng người như trước nữa. Tinh thần tự giác và khả năng tự học sẽ là kỹ năng sống còn. Bù lại, UIT có thư viện rất rộng, bàn ghế tự học thoải mái, máy lạnh chạy 24/7, đủ để bạn “đóng đô” cả ngày.

Chương Trình Học: Từ Phổ Thông Toàn Diện Đến Chuyên Sâu Tối Đa

Thay vì học dàn trải nhiều môn như cấp 3, bạn sẽ hoàn toàn tập trung vào ngành mà mình đã chọn. Bạn sẽ được đi sâu dần từ những môn đại cương, cơ sở ngành sau đó tới chuyên ngành - cố vấn học tập sẽ giúp bạn chọn môn phù hợp với sở thích, năng lực và định hướng cá nhân. Ngoài các môn bắt buộc, bạn còn có tín chỉ tự do để học theo sở thích hoặc bổ sung kỹ năng mong muốn. 

Sự Tự Do và Trách Nhiệm: Quyền Lực Đi Kèm Trách Nhiệm

Vào Đại học, thời khóa biểu cố định sáng chiều ở cấp 3 sẽ được thay thế bằng hệ thống tín chỉ linh hoạt. Bạn hoàn toàn có quyền tự đăng ký môn học và sắp xếp lịch trình cho riêng mình. Có thể có những ngày bạn chỉ cần lên lớp 2 tiếng, nhưng cũng có những ngày bận rộn từ sáng đến tối. Đồng phục cũng không còn là quy định bắt buộc, bạn có thể tự do thể hiện cá tính qua trang phục, miễn là lịch sự và phù hợp.

Tuy nhiên, tự do không có nghĩa là buông thả. Bạn phải tự mình quản lý thời gian, cân bằng giữa việc học, làm thêm, hoạt động ngoại khóa và nghỉ ngơi. 

Hoạt Động Ngoại Khóa: Nơi phát triển kỹ năng mềm

Nếu hoạt động ngoại khóa ở cấp 3 thường gói gọn trong các phong trào văn nghệ, báo tường của Đoàn trường thì Đại học - hay UIT, có nhiều lựa chọn hơn hẳn. Nếu mê công nghệ, bạn có thể tham gia các CLB như: CLB Webdev, CLB AI, CLB DSC,...Nếu muốn nâng trình ngoại ngữ, có CLB Open English, CLB Tiếng Nhật - Wakame. Ngoài ra còn có các CLB thể thao, âm nhạc, nhiếp ảnh…

Đặc biệt, các chiến dịch tình nguyện như Mùa hè xanh và Xuân tình nguyện luôn thu hút đông đảo sinh viên, mang lại những trải nghiệm quý giá và cơ hội kết nối bạn bè. Đây là cách tuyệt vời để rèn kỹ năng mềm, mở rộng mối quan hệ và “làm đẹp” CV.

Hành trình từ cấp 3 lên UIT là một bước nhảy vọt cả về tư duy lẫn cách học. Từ môi trường được dẫn dắt sát sao, bạn sẽ bước vào thế giới mà mọi thứ đòi hỏi sự chủ động từ chính mình. Đây vừa là thử thách, vừa là cơ hội vàng để trưởng thành. Chúc bạn may mắn và chinh phục được nguyện vọng mà mình hằng mong muốn.

Phạm Hồng Trà

Nhận định: AI sẽ xóa sổ 60% sinh viên kinh tế kiểu cũ, nhưng làm 10% sinh viên trở nên cực kỳ quyền lực.”

on .

Nhận định “AI sẽ xóa sổ 60% sinh viên kinh tế kiểu cũ, nhưng làm 10% sinh viên trở nên cực kỳ quyền lực”. Chúng ta có thể hiểu theo cấu trúc thay đổi của thị trường lao động tri thức. AI không chỉ thay thế công việc, mà còn tái phân phối quyền lực trí tuệ.

Ta có thể nhìn thành 3 tầng sinh viên kinh tế trong kỷ nguyên AI.

 


 1. 60% sẽ bị AI thay thế (economic clerks)

Đây là nhóm sinh viên làm các công việc:

  • lập báo cáo

  • tổng hợp dữ liệu

  • làm slide

  • phân tích cơ bản

  • viết báo cáo thị trường

Những việc này chủ yếu là: xử lý thông tin + viết lại thông tin. AI hiện làm rất tốt việc này.

Ví dụ:

  • viết báo cáo ngành

  • phân tích dữ liệu bán hàng

  • dự báo xu hướng đơn giản

Các công cụ AI có thể làm nhanh hơn con người hàng chục lần.Điều này tương tự khi Excel xuất hiện: 

  • Thế giới rất nhiều kế toán viên thủ công biến mất. 

     


 2. 30% sẽ làm việc cùng AI (economic operators)

Đây là nhóm biết dùng AI như công cụ. Họ làm:

  • phân tích dữ liệu kinh tế

  • dự báo thị trường

  • tối ưu vận hành doanh nghiệp

  • mô hình tài chính

Những người này cần hiểu:

  • Data Science

  • Machine Learning

  • Econometrics

Họ không phải nhà khoa học AI, nhưng biết cách điều khiển AI. Họ Giống như:

  • phi công điều khiển máy bay

  • không cần tự chế tạo máy bay.

     


 3. 10% sẽ trở nên cực kỳ quyền lực (economic architects)

Đây mới là tầng quan trọng nhất. Họ không làm phân tích đơn thuần, mà thiết kế: 

  • chiến lược kinh tế

  • mô hình thị trường

  • cấu trúc tổ chức

  • luật chơi kinh tế

Họ dùng:

  • Game Theory

  • Behavioral Economics

  • Causal Inference

Nhóm này giống các vai trò: 

  • chiến lược gia kinh tế

  • kiến trúc sư thị trường

  • nhà thiết kế chính sách

  • founder startup

AI trở thành công cụ trí tuệ của họ.

 


 Vì sao AI làm nhóm 10% mạnh hơn?

Trước đây:

Một người thông minh có thể phân tích 10 công ty.

Với AI, Người đó có thể phân tích 10.000 công ty.

Sau này:

Một nhà kinh tế cần đội ngũ 50 analyst.

AI cho phép: 1 người + AI = sức mạnh của cả đội ngũ.

 


 Một ví dụ lịch sử

Khi máy tính cá nhân xuất hiện:

  • 80% công việc đánh máy biến mất

  • nhưng 1% lập trình viên trở nên cực kỳ quyền lực

Ví dụ:

  • Bill Gates

  • Steve Jobs

Họ không chỉ dùng máy tính. Họ thiết kế thế giới máy tính.

 


 Một quy luật rất thú vị của trí tuệ

Công nghệ mới luôn:

xóa tầng trung bình và làm cực mạnh hai đầu.

Trong kinh tế học lao động gọi là:

  • Skill-Biased Technological Change (Công nghệ ưu ái người có kỹ năng cao.)

 


 Lời khuyên thực tế cho sinh viên kinh tế

Nếu là sinh viên hôm nay, nên xây 4 năng lực:

1️⃣ Data literacy

  • hiểu dữ liệu

  • hiểu thống kê

2️⃣ AI literacy

  • hiểu ML

  • biết dùng AI

3️⃣ Causal thinking

  • phân biệt tương quan và nguyên nhân

4️⃣ Strategic thinking

  • hiểu cấu trúc thị trường

  • hiểu hành vi con người

  


 Một điều rất thú vị là:

Những sinh viên kinh tế nguy hiểm nhất trong tương lai có thể không học kinh tế thuần túy.

Họ sẽ là kiểu người:

kinh tế + toán + công nghệ + tâm lý học.

 

Ngta