Bỏ qua để đến Nội dung
NVIDIA Tech Roadmap — Lộ trình 5 Bước Chinh phục Đỉnh cao AI
NVIDIA Technology Path · Vietnam 2025

Con Bạn Sẽ Làm Chủ
Công Nghệ AI

Lộ trình 5 bước từ Lớp 9 đến Kỹ sư AI — 10 giờ/tuần,
học ngay hôm nay để dẫn đầu thị trường lao động của ngày mai.

NVIDIA GPU DATA INPUT AI OUTPUT LỚP 9 LỚP 10 LỚP 11–12 ĐẠI HỌC CAREER Kiến trúc CUDA — xử lý song song hàng nghìn lõi
AI Engineer
$120K
/ năm tại Mỹ
ML Engineer
$140K
/ năm tại Mỹ
Data Scientist
80tr+
/ tháng tại VN
AI Product Manager
150tr+
/ tháng tại VN
Khám phá lộ trình

Ai Kiểm Soát GPU,
Người Đó Kiểm Soát AI

NVIDIA không chỉ là hãng card đồ họa. Chip H100 của NVIDIA là não bộ phía sau ChatGPT, Google Gemini, và hầu hết mọi hệ thống AI trên thế giới. Làm chủ hệ sinh thái này = nắm giữ tương lai.

🧠

NVIDIA = Hạ tầng AI toàn cầu

Hơn 80% data center AI trên thế giới dùng chip NVIDIA. Học CUDA và GPU không phải học một công ty — đó là học ngôn ngữ của nền kinh tế tương lai.

📈

Thị trường tuyển dụng bùng nổ

Việt Nam thiếu hụt hơn 500,000 nhân lực AI/IT đến 2030. Các công ty như VinAI, VNG, FPT, và hàng trăm startup đang trả lương cạnh tranh quốc tế.

🚀

Bắt đầu từ Lớp 9 — Lợi thế 8 năm

Hầu hết kỹ sư AI Việt Nam chỉ bắt đầu học lúc đại học năm 2-3. Con bạn bắt đầu từ lớp 9 = có 8 năm lợi thế so với đồng nghiệp tương lai.

Những Công Việc
Bạn Sẽ Làm Được

Sau khi hoàn thành lộ trình 5 bước, đây là những vị trí đang được săn đón nhất — và mức lương không phải là cổ tích.

🤖

AI/ML Engineer

Kỹ sư Trí tuệ nhân tạo
$100K–180K / năm (Mỹ, Singapore)

Xây dựng và triển khai các mô hình AI trong sản xuất. Làm việc với PyTorch, CUDA, và hạ tầng GPU NVIDIA mỗi ngày. Đây là vị trí được trả lương cao nhất ngành tech.

NVIDIAGoogle DeepMindVinAIOpenAI
📊

Data Scientist

Nhà khoa học dữ liệu
60–120 triệu / tháng tại Việt Nam

Phân tích dữ liệu lớn để tìm ra insight, xây dựng mô hình dự đoán cho doanh nghiệp. Nhu cầu tuyển dụng tại Việt Nam tăng 300% trong 3 năm gần đây.

MomoVNGShopeeFPT Software
👁️

Computer Vision Engineer

Kỹ sư Thị giác máy tính
$80K–140K / năm (remote toàn cầu)

Xây dựng hệ thống nhận diện hình ảnh: camera an ninh thông minh, xe tự lái, robot công nghiệp. Đây là lĩnh vực NVIDIA đang đầu tư mạnh nhất tại Đông Nam Á.

VinAIBosch VNIntel VNStartup AI
💼

AI Product Manager

Quản lý sản phẩm AI
100–200 triệu / tháng tại Việt Nam

Dẫn dắt đội ngũ xây dựng sản phẩm AI từ ý tưởng đến thị trường. Vị trí này cần cả kỹ thuật lẫn tư duy kinh doanh — lợi thế của người học từ sớm.

VinGroup AIVNPTTikiGrab AI
5
Bước học
30+
Tuần học
300+
Giờ thực hành
10+
Dự án thực tế
1

Học "Ngôn Ngữ" Của Công Nghệ — Python

Python là ngôn ngữ lập trình dễ học nhất và cũng là vũ khí số 1 trong thế giới AI. Không có Python, bạn không thể tiến đến bất kỳ bước nào tiếp theo. Lớp 9 là thời điểm hoàn hảo để bắt đầu — sớm hơn 4 năm so với đại học.

Lớp 9 – 10 10 tuần · 100 giờ
Lịch học chi tiết từng tuần
Tuần 1–2

Làm Quen Python & Môi Trường

Cài đặt, cú pháp cơ bản, biến, kiểu dữ liệu
Lý thuyết
Python là gì? Tại sao chọn Python?
Cài đặt VS Code + Python. Chạy "Hello World" đầu tiên. Hiểu vì sao Python là ngôn ngữ số 1 trong AI toàn cầu.
3 giờ
Thực hành
Biến, số, chuỗi, in ra màn hình
Viết chương trình tính tuổi, tự giới thiệu bản thân. Bài tập: Tính BMI từ chiều cao và cân nặng nhập từ bàn phím.
4 giờ
Dự án
Máy tính đơn giản
Xây dựng máy tính +, -, ×, ÷ chạy trên terminal. Chia sẻ với bạn bè, nhận phản hồi.
3 giờ
✦ Kết quả đầu ra

Chạy được Python, viết chương trình tính toán đơn giản, hiểu khái niệm biến và kiểu dữ liệu.

Tuần 3–4

Điều Kiện & Vòng Lặp — Não Của Chương Trình

if/else, for, while, logic ra quyết định
Lý thuyết
If/else và tư duy rẽ nhánh
Chương trình biết "suy nghĩ" như thế nào? Điều kiện Boolean, toán tử so sánh, toán tử logic và/hoặc/không.
2 giờ
Thực hành
Vòng lặp for và while
In bảng cửu chương, tìm số nguyên tố, in hình tam giác sao. Thực hành break/continue.
4 giờ
Dự án
Trò chơi đoán số
Máy tính chọn số ngẫu nhiên 1–100, người chơi đoán, chương trình gợi ý "cao hơn/thấp hơn", đếm số lần đoán.
4 giờ
✦ Kết quả đầu ra

Hoàn thành trò chơi đoán số có thể chơi được, hiểu cách chương trình đưa ra quyết định.

Tuần 5–6

Hàm & Danh Sách — Sức Mạnh Tổ Chức Code

def, list, tuple, dictionary, xử lý dữ liệu
Lý thuyết
Hàm: đóng gói logic tái sử dụng
Định nghĩa hàm, tham số, giá trị trả về. DRY principle (Don't Repeat Yourself) — nguyên tắc cốt lõi của lập trình chuyên nghiệp.
2 giờ
Thực hành
List, dict — kho chứa dữ liệu
Lưu danh sách học sinh, tìm điểm cao nhất/thấp nhất, sắp xếp, lọc. Hiểu dictionary qua ví dụ từ điển Anh-Việt.
4 giờ
Dự án
Chương trình quản lý điểm số lớp
Nhập tên + điểm học sinh, tính trung bình, xếp loại, tìm học sinh giỏi nhất, xuất danh sách đã sắp xếp.
4 giờ
✦ Kết quả đầu ra

Ứng dụng quản lý điểm số hoàn chỉnh, hiểu tổ chức code thành hàm.

Tuần 7–8

File, Thư Viện & Tự Động Hóa

Đọc/ghi file, import thư viện, pip install
Lý thuyết
Đọc/ghi file — lưu dữ liệu lâu dài
open(), read(), write(). Làm việc với file CSV, JSON. Hiểu tại sao cần lưu dữ liệu vào file thay vì chỉ trong bộ nhớ.
3 giờ
Thực hành
Dùng thư viện có sẵn: datetime, random, os
Tính số ngày đến sinh nhật, tạo mật khẩu ngẫu nhiên, liệt kê file trong thư mục. Học cách đọc tài liệu thư viện.
4 giờ
Dự án
Nhật ký kỹ thuật số
App ghi nhật ký: thêm ghi chú, đọc lại, tìm kiếm theo ngày, lưu vào file JSON. Dữ liệu tồn tại sau khi tắt chương trình.
3 giờ
✦ Kết quả đầu ra

Ứng dụng nhật ký lưu dữ liệu vào file, biết cách dùng thư viện của người khác để tăng sức mạnh code.

Tuần 9–10

Dự Án Tổng Hợp & Portfolio Đầu Tiên

Chatbot text cơ bản, tự động hóa email, GitHub
Lý thuyết
Tự động hóa với Python: smtplib, requests
Gửi email tự động. Tải dữ liệu từ internet. Giới thiệu về API là gì — giao tiếp giữa các chương trình.
3 giờ
Thực hành
Debug và viết code sạch
Tìm và sửa lỗi có chủ ý. Đặt tên biến rõ ràng, viết comment. Code review lẫn nhau với bạn học.
3 giờ
Dự án
Chatbot hỏi-đáp kiến thức lớp học
Chatbot text đơn giản: người dùng hỏi câu hỏi trắc nghiệm, bot trả lời đúng/sai, tính điểm. Dữ liệu câu hỏi từ file JSON.
4 giờ
⚡ MILESTONE BƯỚC 1

Portfolio 3 dự án: máy tính, quản lý điểm, chatbot. Sẵn sàng học Bước 2 — Data Science.

2

Hiểu Cách AI "Sử Dụng" Dữ Liệu — Data Science

AI không thông minh tự nhiên — nó học từ dữ liệu. NumPy và Pandas là hai công cụ giúp bạn làm chủ dữ liệu như một Data Scientist thực thụ, trước khi bước vào thế giới GPU và Deep Learning.

Lớp 118 tuần · 80 giờ
Lịch học chi tiết từng tuần
Tuần 1–2

NumPy — Tính Toán Nhanh Với Mảng Số

Array, vector, matrix — nền tảng của AI
Lý thuyết
Tại sao AI cần NumPy? Ma trận là gì?
Mảng số (array) là cách máy tính hiểu hình ảnh, âm thanh. Cài NumPy, tạo array, phép toán vector. Hiểu broadcasting.
3 giờ
Thực hành
Tính toán thống kê với NumPy
Mean, median, std, min, max trên dữ liệu thực. Xử lý dữ liệu điểm thi 100 học sinh. Vẽ histogram với Matplotlib.
4 giờ
Dự án nhỏ
Phân tích dữ liệu điểm thi quốc gia
Tải dataset điểm thi thật từ internet, tính thống kê, tìm môn khó nhất, vẽ biểu đồ phân phối điểm.
3 giờ
✦ Kết quả đầu ra

Xử lý được mảng số lớn, hiểu tại sao máy tính "thấy" hình ảnh như là ma trận số.

Tuần 3–4

Pandas — Bảng Dữ Liệu Siêu Mạnh

DataFrame, lọc, nhóm, làm sạch dữ liệu
Lý thuyết
DataFrame: Excel trong Python
Đọc file CSV/Excel. Chọn cột, lọc dòng, xử lý giá trị thiếu (NaN). Pandas là công cụ #1 của Data Scientist.
2 giờ
Thực hành
Làm sạch và biến đổi dữ liệu thực
Tải dataset phim từ Kaggle, loại bỏ duplicate, điền giá trị thiếu, chuyển đổi kiểu dữ liệu, groupby theo thể loại.
4 giờ
Dự án nhỏ
Phân tích dữ liệu Netflix/phim yêu thích
Thể loại nào phổ biến nhất? Năm nào có nhiều phim hay? Đạo diễn nào điểm cao nhất?
4 giờ
✦ Kết quả đầu ra

Phân tích dataset phim thực, trả lời câu hỏi kinh doanh bằng dữ liệu, vẽ biểu đồ báo cáo.

Tuần 5–6

Trực Quan Hóa Dữ Liệu & Kể Chuyện Bằng Số

Matplotlib, Seaborn, biểu đồ chuyên nghiệp
Lý thuyết
Data Storytelling: biểu đồ nào cho dữ liệu nào?
Line chart cho xu hướng, bar chart so sánh, scatter plot tương quan, heatmap. Nguyên tắc thiết kế biểu đồ rõ ràng.
2 giờ
Thực hành
Seaborn — biểu đồ đẹp chỉ 3 dòng code
Violin plot, box plot, pair plot để khám phá dữ liệu. Tùy chỉnh màu sắc, tiêu đề, chú thích chuyên nghiệp.
4 giờ
Dự án nhỏ
Dashboard phân tích thời tiết
Dataset nhiệt độ Hà Nội/HCM 5 năm. Xu hướng nóng lên? Tháng nào nóng nhất? Dự đoán đơn giản bằng trung bình động.
4 giờ
✦ Kết quả đầu ra

Dashboard phân tích thời tiết với 5+ loại biểu đồ, kể câu chuyện dữ liệu có ý nghĩa.

Tuần 7–8

Machine Learning Cơ Bản Với Scikit-learn

Mô hình dự đoán đầu tiên, Linear Regression, KNN
Lý thuyết
AI học như thế nào? Supervised Learning
Train/test split. Overfitting là gì? Accuracy, precision, recall. Giải thích bằng ví dụ phân loại email spam.
3 giờ
Thực hành
Xây dựng mô hình dự đoán đầu tiên
Dự đoán giá nhà với Linear Regression. Phân loại hoa Iris với KNN. Đánh giá mô hình, cải thiện độ chính xác.
4 giờ
Dự án
Dự đoán xu hướng thời tiết
Dùng dữ liệu nhiệt độ cũ để dự đoán nhiệt độ tuần tới. So sánh nhiều mô hình, chọn mô hình tốt nhất.
3 giờ
⚡ MILESTONE BƯỚC 2

Mô hình dự đoán thời tiết hoạt động được. Hiểu vòng đời một dự án Data Science từ dữ liệu thô đến kết quả.

3

Làm Chủ "Hạ Tầng" NVIDIA — GPU & CUDA

Đây là bước chạm vào trái tim của NVIDIA. GPU không chỉ để chơi game — đây là bộ não tính toán song song mạnh nhất hành tinh, và bạn có thể dùng miễn phí qua Google Colab ngay hôm nay.

Lớp 11 – 128 tuần · 80 giờ
Lịch học chi tiết từng tuần
Tuần 1–2

GPU Là Gì? Tại Sao AI Cần GPU?

CPU vs GPU, kiến trúc song song, Google Colab
Lý thuyết
CPU vs GPU: 1 đầu bếp giỏi vs 1000 đầu bếp
CPU = ít lõi, rất mạnh (tuần tự). GPU = hàng nghìn lõi nhỏ, song song. Tại sao nhân ma trận cần GPU? Lịch sử NVIDIA và CUDA.
3 giờ
Thực hành
Thiết lập Google Colab với GPU T4 miễn phí
Tạo notebook, bật GPU (Runtime → Change runtime type → T4 GPU). So sánh tốc độ nhân ma trận CPU vs GPU. Đo thời gian bằng %%timeit.
4 giờ
Dự án nhỏ
Benchmark CPU vs GPU — thấy tận mắt
Nhân hai ma trận 10,000×10,000. CPU mất bao lâu? GPU mất bao lâu? Vẽ biểu đồ speedup. Báo cáo: "GPU nhanh hơn CPU x lần".
3 giờ
✦ Kết quả đầu ra

Dùng được Google Colab với GPU NVIDIA, tận mắt thấy GPU nhanh hơn CPU 100x khi xử lý ma trận.

Tuần 3–4

PyTorch — Framework AI Hiện Đại Nhất

Tensor, autograd, mạng neural đầu tiên
Lý thuyết
Tensor: NumPy array trên GPU
Tensor là gì? Chuyển tensor lên GPU (.cuda()). Autograd: PyTorch tự tính đạo hàm. Đây là nền tảng của mọi AI hiện đại.
3 giờ
Thực hành
Xây dựng mạng neural 3 lớp đầu tiên
Phân loại chữ số viết tay (MNIST). Forward pass, loss function, optimizer, backward pass. Vòng lặp training cơ bản.
4 giờ
Dự án nhỏ
Phân loại chữ số 0–9 bằng NVIDIA GPU
Train trên GPU Colab, đạt >95% accuracy trên MNIST. Vẽ confusion matrix, thử với ảnh chữ số tự viết tay.
3 giờ
✦ Kết quả đầu ra

Mạng neural nhận diện chữ số viết tay chạy trên NVIDIA GPU, hiểu vòng lặp training cơ bản.

Tuần 5–6

Computer Vision Với GPU — Nhận Diện Hình Ảnh

CNN, Transfer Learning, ResNet, YOLO
Lý thuyết
Convolutional Neural Network: mắt của AI
Filter/kernel hoạt động như thế nào? Pooling, stride, padding. Tại sao CNN tốt hơn mạng thường cho hình ảnh?
3 giờ
Thực hành
Transfer Learning: dùng trí tuệ của người khác
Load ResNet đã train sẵn, fine-tune cho bài toán mới chỉ trong 10 phút. Phân loại ảnh chó/mèo/xe/máy bay.
4 giờ
Dự án nhỏ
Nhận diện đồ vật trong ảnh thực với YOLO
Dùng YOLOv8 trên Colab GPU: tải ảnh từ internet, chạy nhận diện, so sánh tốc độ CPU vs GPU (FPS).
3 giờ
✦ Kết quả đầu ra

Chạy được nhận diện đồ vật real-time, hiểu transfer learning — không cần dữ liệu nhiều và máy tính mạnh vẫn làm được AI.

Tuần 7–8

CUDA Cơ Bản & Tối Ưu Hóa GPU

CuPy, mixed precision, profiling chuyên nghiệp
Lý thuyết
CUDA: ngôn ngữ ra lệnh cho chip NVIDIA
CUDA thread, block, grid. Bộ nhớ GPU: global, shared, local. Dùng CuPy (NumPy trên GPU) để tăng tốc tính toán.
3 giờ
Thực hành
Mixed Precision Training & Profiling
FP16 vs FP32: tăng tốc 2x, giảm VRAM. Dùng Nsight Systems để phân tích bottleneck. Điều chỉnh batch size tối ưu.
4 giờ
Dự án
Pipeline tối ưu hóa AI hoàn chỉnh
So sánh: mô hình thường vs mixed precision vs DataLoader tối ưu. Viết báo cáo "tôi đã tăng tốc AI 3x như thế nào".
3 giờ
⚡ MILESTONE BƯỚC 3

Hiểu CUDA và kiến trúc GPU NVIDIA, biết tối ưu hóa AI pipeline, có báo cáo kỹ thuật đầu tiên.

4

Ứng Dụng Thực Tế — Xây Dựng Sản Phẩm AI Đầu Tiên

Đây là bước "wow" — bạn kết hợp tất cả kiến thức để tạo ra sản phẩm AI thực sự có người dùng. Từ chatbot trường học đến hệ thống nhận diện khuôn mặt — những thứ bạn có thể demo cho nhà tuyển dụng.

Lớp 12 – Đại học năm 18 tuần · 80 giờ
Lịch học chi tiết từng tuần
Tuần 1–2

API & Tích Hợp Model AI Có Sẵn

Gemini API, Hugging Face, gọi AI từ code Python
Lý thuyết
API là cánh cửa vào thế giới AI
REST API, JSON, HTTP request. Tại sao dùng model có sẵn thay vì train từ đầu? Tổng quan các provider: OpenAI, Gemini, Mistral, Cohere.
2 giờ
Thực hành
Gọi API AI miễn phí và tích hợp vào Python
Dùng Gemini API (free tier), Groq API (Llama miễn phí). Gửi prompt, nhận response, xử lý JSON. Prompt engineering cơ bản.
4 giờ
Dự án nhỏ
AI trợ lý học tập cá nhân
Chatbot giải thích khái niệm khó bằng tiếng Việt, cho ví dụ phù hợp, tạo câu hỏi luyện tập tự động từ nội dung sách giáo khoa.
4 giờ
✦ Kết quả đầu ra

Tích hợp được AI API vào ứng dụng Python, hiểu prompt engineering cơ bản.

Tuần 3–4

Xây Dựng Chatbot Trường Học

RAG, vector database, Streamlit UI, deploy miễn phí
Lý thuyết
RAG: AI biết đọc tài liệu của bạn
Retrieval-Augmented Generation. Embedding là gì? Vector database lưu trữ kiến thức như thế nào? ChromaDB, FAISS miễn phí.
3 giờ
Thực hành
Xây dựng UI với Streamlit (10 phút ra sản phẩm)
Từ script Python → web app có giao diện. Upload file, chat interface, sidebar settings. Deploy miễn phí trên Streamlit Cloud.
3 giờ
Dự án chính
Chatbot FAQ trường học có URL công khai
Upload nội quy, thời khóa biểu, thông tin trường. Chatbot trả lời câu hỏi học sinh. Deploy và chia sẻ link với thầy cô.
4 giờ
✦ Kết quả đầu ra

Web app chatbot có URL công khai, học sinh trường có thể sử dụng. Dự án ấn tượng nhất trong portfolio.

Tuần 5–6

Camera AI — Nhận Diện Khuôn Mặt Thực Tế

YOLOv8, webcam real-time, hệ thống điểm danh
Lý thuyết
YOLO: You Only Look Once — Chuẩn công nghiệp
Kiến trúc YOLO, bounding box, confidence score, NMS. Tại sao YOLO là chuẩn công nghiệp? So sánh YOLOv5/v8/v11.
2 giờ
Thực hành
Webcam real-time detection
Kết nối webcam, chạy YOLOv8 trên GPU, hiển thị bounding box trực tiếp. Fine-tune YOLO cho đồ vật tự chọn (30 ảnh là đủ).
4 giờ
Dự án chính
Hệ thống camera nhận diện khuôn mặt bạn bè
Chụp ảnh 5 người bạn, train model nhận diện, camera tự nhận ra và ghi tên. Có thể dùng làm điểm danh. Xin phép trước nhé!
4 giờ
✦ Kết quả đầu ra

Hệ thống nhận diện khuôn mặt thực, hiểu cách fine-tune model cho bài toán cụ thể.

Tuần 7–8

Capstone — Sản Phẩm AI Hoàn Chỉnh

Tự chọn đề tài, demo day, GitHub, video portfolio
Lý thuyết
Từ ý tưởng đến sản phẩm: Product Thinking
Xác định vấn đề, đối tượng người dùng, MVP. Trình bày kỹ thuật theo ngôn ngữ phi kỹ thuật. Slide deck cho demo.
2 giờ
Thực hành
Build, polish, và đưa sản phẩm ra người dùng thực
Error handling, logging, UX tốt. Viết README trên GitHub. Quay video demo 2 phút. Test với thầy cô, bạn bè.
5 giờ
Demo Day
Pitch sản phẩm trước nhóm / câu lạc bộ
Demo live, Q&A, nhận phản hồi từ người dùng thực. Đây là trải nghiệm pitch sản phẩm đầu đời — kỹ năng quan trọng nhất của một kỹ sư AI.
3 giờ
⚡ MILESTONE BƯỚC 4

Sản phẩm AI hoàn chỉnh trên GitHub, video demo, có người dùng thực. Đủ để apply học bổng, cuộc thi hoặc internship.

5

Tham Gia Cộng Đồng & Thực Chiến — Học Suốt Đời

Kiến thức một mình là chưa đủ. Cộng đồng, cạnh tranh lành mạnh và chia sẻ với người khác là con đường duy nhất đến đỉnh cao. GitHub là CV thực sự, Kaggle là sân thi đấu, hackathon là nơi bạn gặp tương lai của mình.

Đại học & Suốt đờiLiên tục · 10 giờ/tuần
Lộ trình theo tháng
Tháng 1–2

GitHub — Hồ Sơ Lập Trình Viên Chuyên Nghiệp

Git, open source contribution, README, portfolio
Lý thuyết
Git: máy thời gian cho code
Version control, commit, branch, merge, pull request. GitHub là LinkedIn của lập trình viên — profile của bạn là CV thực sự.
3 giờ
Thực hành
Xây dựng GitHub profile ấn tượng nhà tuyển dụng không thể bỏ qua
README profile, pin 3 dự án tốt nhất, viết documentation cho mỗi repo. Đóng góp vào 1 dự án open source nhỏ.
4 giờ
Mục tiêu
100 contributions trong 6 tháng đầu
Commit mỗi ngày, kể cả chỉ 1 dòng. GitHub contribution graph xanh đậm = bằng chứng consistency mạnh hơn bất kỳ bằng cấp nào.
3 giờ
✦ Kết quả đầu ra

GitHub profile chuyên nghiệp với 3+ dự án, 1 PR được merge vào open source project.

Tháng 3–4

Kaggle — Sân Chơi AI Toàn Cầu

Competitions, medals, notebook sharing, Expert badge
Lý thuyết
Học từ những người giỏi nhất thế giới
Cách đọc Kaggle competition. Học từ public notebooks của người chiến thắng. Ensemble methods, feature engineering nâng cao.
2 giờ
Thực hành
Titanic & House Prices — thi đấu thực sự
Submit lần đầu, cải thiện dần dần. Top 20%? Top 10%? Chia sẻ notebook, đọc discussion, học từ cộng đồng 14 triệu người.
5 giờ
Mục tiêu
Kaggle Expert badge — chứng chỉ quốc tế
5 discussion medals + 1 notebook medal. Sau đó target Competitions Expert: top 10% trong ít nhất 1 cuộc thi >100 team.
3 giờ
✦ Kết quả đầu ra

Kaggle Expert badge, 3+ public notebooks chất lượng cao, network với AI practitioners toàn cầu.

Tháng 5–6

Hackathon & NVIDIA Developer Program

NVIDIA DLI certificates, hackathon, networking chiến lược
Lý thuyết
Hackathon: không phải để thắng — mà để gặp tương lai
Chọn hackathon phù hợp: AI for Good, NVIDIA, Google. Chiến thuật: bài toán nhỏ + demo tốt > giải pháp phức tạp + crash. Pitching skills.
2 giờ
Thực hành
NVIDIA Developer Program & DLI Certificates
Đăng ký NVIDIA Developer (miễn phí). Làm NVIDIA DLI certificates (miễn phí cho sinh viên). Tham gia NVIDIA forum và technical blog.
4 giờ
Mục tiêu
3 hackathon/năm — mạng lưới 50+ người ngành AI
Giải thưởng không quan trọng bằng mối quan hệ. 1 hackathon = gặp 5–10 người giỏi hơn mình. Xây dựng team cố định.
4 giờ
✦ Kết quả đầu ra

2+ NVIDIA DLI certificates, 3 hackathon đã tham gia, network 50+ người trong ngành AI.

Liên tục

Mentor & Content Creator — Dạy Để Hiểu Sâu Hơn

Blog kỹ thuật, YouTube, club AI, personal brand
Lý thuyết
Feynman Technique: nếu bạn không dạy được, bạn chưa hiểu
Viết blog, làm video = cách tốt nhất để consolidate kiến thức và xây dựng personal brand trong ngành.
1 giờ
Thực hành
1 bài blog kỹ thuật mỗi tháng
Chia sẻ trên Medium, Viblo (cộng đồng dev Việt Nam), LinkedIn. "Tôi đã train mô hình nhận diện khuôn mặt như thế nào?" — câu chuyện của bạn.
4 giờ
Mục tiêu dài hạn
Câu lạc bộ AI tại trường — leadership thực sự
Thành lập hoặc tham gia club AI, tổ chức workshop. Teaching others = leadership = điểm cộng cực lớn khi apply học bổng quốc tế.
5 giờ
⚡ ĐỈNH CAO BƯỚC 5

Personal brand trong cộng đồng AI Việt Nam, 12+ bài viết kỹ thuật, network mạnh, sẵn sàng cho internship tại công ty AI hàng đầu.