Tâm sự về cách học Toán cao cấp

Chào mọi người, em/mình là sinh viên năm nhất. Mình vừa thi giải tích cuối kì xong. Thật sự bây giờ chán nản quá. 4 tháng học kì một do mình không tập trung học môn này nên điểm thành phần của mình ở lớp khá thấp. Nên mình tập trung lại đê thi cuối kì gỡ. chắc là cũng sẽ không đáng suy nghĩ nhiều nếu bài cuối kì mình được 9. do mình làm sai một bài không đáng sai (bởi vì mình biết làm bài đấy) nên chắc bây giờ chỉ dc 8(nếu phần còn lại đúng). mình tính ra điểm tổng kết môn chắc chỉ được 7. Mình sẽ không có gì để nói nếu như mình lười. Lý do mình không tập trung học là bởi vì mình đã dành hầu hết thời gian tự học cho Tiếng Anh và học lập trình. Đơn giản là mình nghĩ môn Giải tích là “vô ích” cho công việc sau này, cũng bởi mình thấy thích học lập trình nên thường thời gian tự học mình ít khi động đến Giải tích. Mình từng là học sinh chuyên Toán( ý mình là mình cũng có chút tố chất và khả năng với môn Toán ít nhất là ở cấp độ toán ở trường mình), nhưng trăm hay không bằng tay quen. những bài kiểm tra điểm ở lớp bị thấp chủ yếu là do mình không chịu luyện tập nên hay bị sai lỗi không đáng có. Điều làm mình buồn với tiếc bây giờ là mình sợ bố mẹ mình buồn với lo là mình học kém, lơ là học tập. thực ra là sợ nhất bố mẹ thấy điểm mấy bạn cùng lớp cao hơn nhiều. Mọi người nghĩ như nào về môn học này đối với công việc sau này. Nó có quá quan trọng không?
Kì 2 mình vẫn còn Đại số và Giải tích 2. Có lẽ mình phải xác định lại thái độ học tập. Nhưng thật sự với môn học mà mình không thấy nó giúp ích gì nhiều thì rất khó để tập trung, gần giống như là phải làm một công việc mà mình không yêu thích với nó.Ai đã trải qua rồi cho mình lời khuyên với.
Cảm ơn mọi người đã đọc

2 Likes

Chốt câu cuối cùng mình chưa trải qua nên chắc chắn không thể cho bạn lời khuyên được, nên coi như spam để bài bạn lên top để tìm lời khuyên từ ai đó phù hợp nhé

2 Likes

Trời ạ! Lên đại học rồi mà còn sợ bố mẹ lo là sao. Rồi sợ các bạn khác cao điểm hơn? Đây là suy nghĩ của lúc còn ở THPT. Bây giờ 18 tuổi rồi. Mình muốn gì thì mình học thật tốt, còn lại không thích thì cứ phấn đấu qua môn. Kiến thức thì bao la, thời gian thì có hạn thì phải sắp xếp thời gian hợp lý chứ. Học trên lớp và tự học không thể ngăn cản nhau mà phải bổ sung cho nhau hoặc ít nhất phát triển song song độc lập nhau.

Còn câu hỏi giải tích có quan trọng không?
Có và không

Giải tích áp dụng rất nhiều trong các thuật toán Machine Learning, Xử lý ảnh.

Không vì nhiều kiến thức rất hiếm gặp và trong lập trình hầu như không xài.

Thân

3 Likes

Cái quyết định bây giờ không phải là bạn thích gì. Công việc luôn có những điều bạn không thích, liệu bạn có bỏ việc ngay khi gặp điều gì đó không vui?

Mọi môn học ở Đại học đều có ích, nó sẽ giúp bạn làm quen với suy nghĩ “đây là việc mình phải làm, thôi thì mình sẽ cố làm cho xong kẻo sếp trừ lương” thay vì “làm cái này làm gì, vô dụng vcl, đéo”. Trường đời khắc nghiệt hơn trường học bạn à :slight_smile:

Chưa kể môn giải tích khá là hay ho. Mình cam đoan với bạn là sẽ có lúc bạn phải dùng đến nó đấy. Ví dụ như khi lập trình, trong lúc code thì bạn không dùng đến, nhưng trước lúc code thì bạn sẽ dùng đến nó. Nếu ko dùng giải tích, bạn sẽ chỉ ước lượng được khoảng thời gian, tài nguyên tiêu tốn bằng kinh nghiệm. Nếu có giải tích, bạn có thể tính chính xác hơn :v:

2 Likes

Năm nhất cũng có mấy bạn chuyên cũng tạch Giải tích với Đại số mà :joy:
Tạch là điểm dưới 5 nhé.

Nghĩ lại cũng chả hiểu tại sao tụi nó tạch được hay vậy? mà hỏi thì bị quăng gạch.

2 Likes

em nghĩ nó chỉ đúng khi đi theo ngành Toán hoặc hướng nghiên cứu. Theo em biết thì FPT họ không dạy Toán Lý đại cương. Mấy suy nghĩ đấy làm em không muốn mất nhiều thời gian vào nó. Nhưng về công việc thì nó lại là chuyện khác

Nghĩ thế thì bỏ học luôn, lo gì điểm top đáy của lớp :penguin:

ĐH chứ có phải học sinh cấp 1 đâu mà lo gửi điểm cả lớp về cho bố mẹ :penguin: qua môn là tốt rồi :joy:

1 Like

còn phải xem mục tiêu của bạn là gì đã, bạn có muốn đi theo hướng computer science không? Nếu có thì kiến thức toán không bao giờ là thừa nhé. Cá nhân mình đi theo hướng CG nên các kiến thức toán cao cấp là rất hữu ích.

1 Like

Mò tới mấy ông chủ tịch Hội SV xem mấy ổng có cao kiến gì không?

Tại sao bạn cho rằng TOÁN và XÁC SUẤT THỐNG KÊ là VÔ ÍCH? Bạn cho rằng học tiếng Anh và học lập trình mới là có tương lai ư? Nhầm to. Tiếng Anh và lập trình mà không có TOÁN HỌC chỉ giúp bạn làm THỢ CODE(gần giống THỢ HỒ) vậy thôi.

Sinh viên năm 1 chưa biết gì nên cứ nghĩ code ra chương trình chạy được là ngon. Nhưng để CODE được cái chương trình đó cần có giải thuật, mà một số giải thuật thì cần sử dụng tới TOÁN CAO CẤP và XÁC SUẤT THỐNG KÊ(đặc biệt là bên Data Science). Nếu không có TOÁN thì bạn chỉ tiếp xúc được những giải thuật cấp thấp trong IT, chỉ đủ làm THỢ CODE cho thiên hạ sai vặt thôi.

Cách dễ nhất để nhanh chóng kiếm được lương cao trong IT đó là bạn làm những công việc KHÓ, hoặc công nghệ mới, ít người làm và lợi nhuận cao, ví dụ IoT, Big Data, AI, VR, Robot, xe tự lái, … Và đặc điểm chung của những công việc/ công nghệ này đều được xây dựng dựa trên lý thuyết TOÁN và XÁC SUẤT. Nên nếu bạn muốn kiếm việc lương cao thì có thể cân nhắc những công nghệ mới, và đặc biệt là HỌC CHO TỐT TOÁN VÀ XÁC SUẤT THỐNG KÊ vào, không phải học cho qua, mà là để ứng dụng khi đi vào các công việc/ công nghệ này.

Một ví dụ cho bạn: Một kỹ sư NLP hiện tại với 1 năm KN, có thể có lương cao hơn 1 kỹ sư Full Stack 5 năm KN là chuyện hết sức bình thường. Giờ thì hiểu Toán và Xác suất thống kế làm để làm gì rồi chứ. HACK TIỀN chứ làm gì???

Bạn là chuyên TOÁN thế có hứng thú với AI - Trí tuệ nhân tạo không? Lương bổng thì… gấp vài lân Dev thường, tiền đồ vô hạn. Đối với dân AI thì TOÁN và XÁC SUẤT THỐNG KÊ là QUAN TRỌNG nhất đấy. Nếu hứng thú thì COMMENT lại đây, anh em sẽ tư vấn hướng học AI cho bạn.

Lưu ý nhé: Natural Language Processing hiện thiếu người dữ lắm, và lương thì… gấp vài lần Dev thường(Web, mobile, …), cơ hội làm việc nước ngoài về AI rộng mở, …

3 Likes

Đây là cách nhìn phiến diện và mình không nghĩ có thứ gọi là “Thợ Code”.

Cái này chỉ đúng cho những người mê tiền, bạn phải hỏi xem chủ thớt có phải là người mê tiền không đã. Không phải ai cũng học để kiếm được nhiều tiền, tất nhiên tiền bạc là quan trọng nhưng không phải là tất cả.

3 Likes

Mình vào đây để tư vấn cho chủ thớt, không phải để cãi nhau.

Toán và xác suất chủ yểu được áp dụng vào các Công nghệ cao cấp, lợi nhuận cao. Nếu bạn không thích những lịnh vực này mà muốn làm những công việc về IT không cần Toán thì vẫn OK. Vậy Toán và xác suất sẽ vô ích VỚI BẠN, còn với những người muốn học nhưng thứ cao cấp hơn thì nó lại là điều kiện tiên quyết. Còn trường Đại học bắt các bạn học Toán và xác suất là đúng rồi, bởi vì nhiệm vụ của trường Đại học là cung cấp nền tảng cho các bạn mà, bất kể bạn làm về công nghệ nào đi nữa.

PS: Quả thật mình hết sức thất vọng khi thấy một cựu học sinh CHUYÊN TOÁN lại phán một câu thật NGỚ NGẨN: “môn Giải tích là “vô ích” cho công việc sau này”. Cũng vì vậy mà IT Việt Nam toàn đi làm Outsource mãi mà không khá lên nổi. Mà muốn làm công nghệ cao cấp thì điều kiện tiên quyết là cái gì biết hem? Chính là TOÁN và XÁC SUẤT đấy.

2 Likes

giải tích, xác suất thống kê rồi tiếp theo cần tìm hiểu gì để theo hướng AI nữa, bạn cho mình xin lộ trình với

1 Like

Chương trình học môn Toán của Việt Nam có bố cục rõ ràng, hợp lý nhất rồi đó. Không phải tự nhiên nhắc tới các quốc gia có điểm Toán cao lúc nào cũng có Việt Nam cả.

Tuy nhiên, cách trình bày sách giáo khoa thực sự không hiệu quả, học sinh cảm nhận được môn Toán đa số sẽ phụ thuộc vào trình độ giáo viên. Giáo viên kém thì coi như cái chương trình Toán đi tong luôn. Mình cũng may mắn khi được học chuyên Toán từ lớp 6 đến hết phổ thông, giáo viên giảng dạy đều là người có kinh nghiệm, nên truyền được nhiệt huyết và cái hay của môn Toán.

Bất cập trong SGK môn Toán hiện tại là đi từ định nghĩa (definition), sau đó cho vài định lí (theorem) nhưng lại không chứng minh. SGK giống như 1 quyển sách ghi chú hơn là giáo trình Toán.

Điều đó đem lại hậu quả là lâu ngày mình quên hết, nghe mấy thuật ngữ mới lạ tưởng lĩnh vực mới trong Toán, háo hức tìm hiểu, tìm hiểu xong biết mình đã học rồi. :expressionless:

Nếu bạn nào thích môn Toán, thì trình tự để học mình có thể gợi ý thế này:

  • Xem giáo trình tiếng Anh, nếu không xem sách được thì có thể tham gia các khoá học online, nhưng cuối cùng phải học xong giáo trình cái đã.
  • Xem lại phần ghi chú trong SGK, học thuộc lòng nó, nhất là hình học.
  • Giải các bài tập nâng cao của tiếng Việt (nếu có).

Sách tiếng Anh sẽ giải thích câu hỏi why, tại sao người ta lại phát triển phần này, định lí này quan trọng như thế nào, ứng dụng ra sao,… Sách tiếng Việt chú trọng việc giải bài tập và rèn luyện tư duy nhiều hơn. Do đó bài tập bên tiếng Anh dễ hơn tiếng Việt.


Sau khi giải nhiều bài tập thì sẽ có một số bài cần nhớ, cuốn sách sau tập hợp tất cả công thức toán mà bạn cần tìm, không cần phải tự ghi chú bằng tay nữa, với điều kiện là bạn đã học và thực hành gần hết các phần trong đó, như chưa học trigonometry (lượng giác) mà đi xem mấy công thức đó thì chẳng có ích lợi gì cả.


Cuốn này do chị Rồng share, cũng làm mình học lại Toán một cách nghiêm chỉnh :kissing_heart:


Note: comment này bị off-topic, mong bỏ qua cho mình :frowning:

5 Likes

Khá phù hợp. Thực sự thớt không phải là chuyên Toán vì chuyên ngoài sách còn học thêm mấy cái ngoài chương trình như phương trình hàm :smiley:

Hãy xem đây là hồi chuông cảnh tỉnh vậy.

4 Likes

@Nguyen_Quang_Tri Mình cũng không muốn tốn thời gian cãi nhau trên mạng làm gì (và mình cũng không có thời gian). Nhưng một số quan điểm của bạn mình không đồng ý nên mình mới phản hồi như vậy. Cá nhân mình khuyến khích các bạn mới học IT bồi dưỡng thêm kiến thức toán nhưng mỗi người 1 mục đích, không ai giống ai. Có những người học Toán không phải chỉ để kiếm tiền đâu bạn ạ.
Mình xin hết!

Bác hungsteve là dân nghiên cứu nên toàn tư vấn sách dành cho dân nghiên cứu, khá khó cho các bạn trình độ kỹ sư khi muôn bắt đầu vào AI. Mình xin tư vấn thế này(cho dân Natural Language Processing):

Về bằng cấp:

  • Bắt buộc phải có bằng ĐẠI HỌC: có thể là Toán, Vật lý, Khoa học máy tính, CNTT, Điện tử viễn thông, hay thậm chí Ngoại thương, Kinh tế, Ngân hàng, … vẫn được. Bởi vì AI sẽ bắt đầu với Đại số tuyến tính(linear algebra) và xác suất thống kê(statistic and probability). Mà những môn này chỉ chương trình ĐẠI HỌC mới có, Cao đẳng trở xuống KHÔNG HỀ CÓ. Nên nếu muốn kiếm việc từ AI thì BẠN PHẢI CÓ BẰNG ĐẠI HỌC. Nên nếu bạn chưa có bằng ĐẠI HỌC thì quay lại trường ĐẠI HỌC đi, không thì không ai giao việc về AI cho người không có bằng ĐẠI HỌC đâu.

Về Ngoại ngữ:

  • Tiếng Anh đọc và nghe được: để đọc tài liệu và nghe hiểu các Course trên mạng. Vì học AI bằng tiếng Anh 100%.

Về lập trình:

Về nền tảng Toán và Xác suất:

  • Đọc tài liệu NÀY để nắm kiến thức cơ bản về Toán. Bạn không cần phải hiểu hết cũng được, đọc hiểu nắm các khái niệm cơ bản, dùng để tra cứu là chính cũng được. Nhưng nên đọc để lấy nền tảng Toán và Xác suất.

BẮT ĐẦU THÔI:

MACHINE LEARNING:

  • Bắt đầu với khoá Machine Learning của Andrew Ng trên Coursera và đây là ĐÁP ÁN để tham khảo.Điều đáng tiếc 1 chút là bài tập được viết bằng Octave/Matlab - ngôn ngữ mà chủ yếu chỉ dùng trong nghiên cứu và ít khi được đưa vào các sản phẩm thực tiễn. Theo mình thì khoá này chủ yếu để học lý thuyết là chính vì Andrew Ng dạy các vấn đề phức tạp theo cách mà đa số mọi người hiểu được, còn Matlab thì… chẳng ai dùng để code sản phẩm AI cả.

  • Một lựa chọn khác là khoá Machine Learning A-Z™: Hands-On Python & R In Data Science của SuperDataScience Team. Khoá này thiên về thực hành hơn là lý thuyết, và giảng giải rất chi tiết code, project cũng như template mấu cho các project Machine Learning.

  • Lời khuyên: Bạn nên hoàn thành khoá của Andrew Ng trước, sau đó có thể học tiếp sang Deep Learning nếu tự tin kiến thức của mình. Nếu muốn code thêm nhiều hơn về Machine Learning thì có thể có thể tiếp tục với khoá của SuperDataScienceTeam. Quan điểm riêng là hoàn thành khoá của Andrew Ng xong thì học tiếp Deep Learning, khoá của SuperDataScience Team là Optional.

DEEP LEARNING:

  • Tiếp theo là khoá Deep Learning của Andrew Ng trên Coursera. Khoá này học bằng Python nên là cân bằng cả lý thuyết lần thực hành. Không có gì nhiều để nói ngoài việc BẮT BUỘC phải hoàn thành khóa này nếu muốn theo đuổi AI. Những lựa chọn khác thì mình không đánh giá cao, nhưng bạn vẫn có thể tham khảo các khoá học của Fast.ai, SuperDataScienceTeam hay LazyProgrammer.
    Đây là ghi chú về khoá này và mình nghĩ khá hữu ích nếu bạn muốn xem lại sau này: notes and summaries on DeepLearning.ai specialization courses

  • Về Tensorflow course: Mình nghĩ khoá Tensorflow for Deep Learning Research của Stanford là tốt nhất. Bạn có thể lược bớt, chỉ xem nhưng đoạn mình cần thôi, nhưng mình nghĩ khoá này là tốt nhất rồi.

NATURAL LANGUAGE PROCESSING:

  • Sau khi hoàn thành khoá Deep Learning của Andrew Ng và xác định theo đuổi NLP thì mình nghĩ lựa chọn hàng đầu là khoá Deep Learning: Advanced NLP and RNNs của Lazy Programmer. Bạn sẽ được học rất chi tiết về các kiến trúc của NLP, và giải thích rõ ràng về code các project NLP.
    Lưu ý: Nếu bạn học các khoá của Lazy Programmer, đặc biệt là khoá này, thì BĂT BUỘC phải TAKE NOTE - GHI CHÚ LẠI. Nếu không đảm bảo bạn sẽ chẳng nhớ gì và cũng chỉ là CƯỠI NGỰA XEM HOA mà thôi.

  • Khoá học của Lazy Programmer tuy khá đầy đủ, nhưng sử dụng Keras, mà Tensorflow mới là Framework phổ biến nhất trong giới Deep Learning. Vì vậy mình HIGHLY RECOMMEND - ĐẶT BIỆT KHUYẾN NGHỊ bạn nên học khoá Deep Learning and NLP A-Z™: How to create a ChatBot của SuperDataScience Team. Khoá này hướng dẫn rất chi tiết cách build 1 con Chatbot bằng Tensorflow. Mình khuyến nghị các bạn mới đi làm về Deep Learning nên sử dụng Tensorflow vì đó là Framework quan trọng nhất, và cũng phổ biết nhất trong giới DL.

  • Dành cho các Fan của Pytorch: Tutorial khá chi tiết về cách sử dụng Seq2seq model và Attention technique để build Machine Translation. Ngoài ra bên trái còn có các Tutorial khá chi tiết về các dứng dụng khác như Chatbot, Classifying Names with a Character-Level RNN, … bằng Pytorch.

Hoàn thành xong khoá Deep Learning: Advanced NLP and RNNs của Lazy Programmer và khoá Deep Learning and NLP A-Z™: How to create a ChatBot của SuperDataScience Team là đủ để bạn đi kiếm việc làm về NLP rồi đấy. Tổng thời gian cho cuộc hành trình này chắc cũng trên 1 năm đấy. Chúc các bạn may mắn and ENJOY DEEP NATURAL LANGUAGE PROCESSING.

16 Likes

A post was split to a new topic: Có thể train được trên server Google Colab không?

Chuyện ngoài lề thì lập topic mới nhé.

83% thành viên diễn đàn không hỏi bài tập, còn bạn thì sao?