CTO Academy x NextGen CTO Vietnam

Top 1000 universities ranking:

1. 🇺🇸 Harvard
2. 🇺🇸 MIT
3. 🇺🇸 Stanford
4. 🇺🇸 Berkeley
5. 🇬🇧 Oxford
6. 🇺🇸 Washington Seattle
7. 🇺🇸 Columbia University
8. 🇬🇧 Cambridge
9. 🇺🇸 Caltech
10. 🇺🇸 John Hopkins

11. 🇺🇸 Yale University
12. 🇬🇧 UCL
14. 🇺🇸 UCLA
18. 🇨🇦 University of Toronto
21. 🇺🇸 Cornell
23. 🇨🇳 Tsinghua University
26. 🇸🇬 National University of Singapore
27. 🇦🇺 University of Melbourne
28. 🇦🇺 University of Sydney
29. 🇨🇭 ETH Zürich
30. 🇸🇬 Nanyang Tech University
35. 🇨🇦 University of British Columbia
39. 🇨🇳 Peking University
40. 🇳🇱 University of Amsterdam
42. 🇩🇰 University of Copenhagen
44. 🇳🇱 Utrecht University
47. 🇩🇪 University of Munich
48. 🇫🇷 Sorbonne
50. 🇧🇪 KU Leuven
51. 🇸🇪 Karolinska Institutet
53. 🇭🇰 Chinese University of Hong Kong
65. 🇸🇦 King Abdulaziz University
81. 🇯🇵 University of Tokyo
86. 🇪🇸 University of Barcelona
89. 🇳🇴 University of Oslo
99. 🇫🇮 University of Helsinki
115. 🇮🇹 University of Padua
120. 🇧🇷 Universidade de São Paulo
122. 🇮🇹 University of Bologna
123. 🇳🇿 University of Auckland
125. 🇿🇦 University of Cape Town
127. 🇸🇪 Uppsala University
129. 🇰🇷 Seoul National University
134. 🇮🇱 Weizmann Institute of Science
173. 🇹🇷 Cankaya University
202. 🇵🇹 Universidade de Lisboa
206. 🇦🇹 Medical University of Vienna
215. 🇮🇪 Trinity College Dublin
223. 🇻🇳 Ton Duc Thang
226. 🇨🇿 Charles University Prague
250. 🇬🇷 National & Kapodistrian University
256. 🇪🇪 University of Tartu
329. 🇮🇷 University of Tehran
339. 🇵🇱 Jagiellonian University
349. 🇳🇬 University of Ibadan
335. 🇷🇺 Moscow State University
363. 🇪🇬 Cairo University
368. 🇭🇺 Eotvos Lorand University
405. 🇲🇽 Universidad Nacional Autonoma de México
426. 🇦🇷 University of Buenos Aires
441. 🇵🇰 CUI
452. 🇮🇳 TIFR
472. 🇱🇧 American University of Beirut
478. 🇵🇰 Aga Khan University
493. 🇪🇹 Mekelle University
512. 🇹🇭 Mahidol University
551. 🇮🇳 IISC Bangalore
564. 🇦🇪 University of Sharjah
598. 🇨🇴 University of the Andes Colombia
717. 🇷🇴 Babes Bolyai University
725. 🇧🇾 Belarusian State University
725. 🇮🇳 IIT Gandhinagar
826. 🇦🇲 Yerevan Physics Institute
948. 🇵🇪 Universidad Peruana Cayetano Heredia
970. 🇮🇩 University of Indonesia
977. 🇧🇩 University of Dhaka
1000. 🇮🇳 Thapar Institute of Engineering & Technology

According to U.S. News and World Report, 2022-2023. These institutions from the U.S. and more than 90 other countries have been ranked based on 13 indicators that measure their academic research performance and their global and regional reputations.

© World of Statistics

Mark your calendars for 1st May! Join us for for a live keynote by Satya Nadella, to learn about the latest in AI. Catch this live at Queen Sirikit National Convention Center. 📅 ➡️ http://msft.it/6180cLMTy

Report Tourism Flows in Vietnam từ nhà Euromonitor trị giá 1,195 USD và Report Tourism industry in Vietnam từ nhà Statista trị giá 495 USD tặng free cho cả nhà. Đăng ký ngay tại đây: https://event.cto.vn/new-growth-engines-for-vietnam-hospitality-and-tourism-business
Các anh chị kéo xuống cuối trang có chỗ điền form đăng ký nhận report nha!

Module 11: The Art of Monitoring: Effectively Choosing and Utilizing Metrics in Enterprises

Link đăng ký: https://forms.gle/NoPSX7x7tLZSW6s76

Sơ lược về Module 11 với chủ đề: “The Art of Monitoring: Effectively Choosing and Utilizing Metrics in Enterprises” với chia sẻ từ Mr. Nguyễn Hải Linh - CTO tại GoTrust (Healthcare Tech).

Về nội dung chia sẻ tại buổi học, anh Nguyễn Hải Linh sẽ chia sẻ các nội dung sau:
1. Session 1: Introduction to Monitoring and Metrics
- Importance of Monitoring in Enterprises
- Types of Monitoring
- Introduction to Monitoring Metrics

2. Session 2: Selecting Effective Monitoring Metrics
- Defining Monitoring Goals and Objectives
- Applying the Golden Signals Framework
- Monitoring Metrics for Different Layers

3. Session 3: Implementing Monitoring Solutions
- Choosing Monitoring Tools and Platforms
- Hands-on: Setting Up Metric Collection and Aggregation

4. Session 4: Analyzing and Interpreting Monitoring Data
- Identifying Trends and Anomalies
- Hands-on: Troubleshooting and Root Cause Analysis
- Continuously Improving Monitoring Strategies

5. Session 5: Best Practices in Monitoring
- Defining and Implementing Alerting Strategies
- Monitoring Data Management and Retention
- Continuous Monitoring Improvement

Đôi nét giới thiệu về giảng viên module 11 - Anh Nguyễn Hải Linh:

🌟 Bắt đầu con đường lập trình từ năm 15 tuổi, với hơn 25 năm kinh nghiệm tích luỹ được trong lĩnh vực lập trình.
🌟 Anh Linh từng tham gia lãnh đạo đội ABU Robocon của Việt Nam (gồm 7 bạn sinh viên trường Đại học Bách Khoa (ĐHBK) TPHCM trong cuộc thi Robocon 2004 dành cho sinh viên khu vực Châu Á Thái Bình Dương tổ chức tại Seoul.
🌟 Hiện tại anh đang tập trung xây dựng giải pháp công nghệ trong lĩnh vực Healthcare, tham gia nghiên cứu và tối ưu hoá Software Architecture.

Để tham gia lắng nghe chia sẻ những nội dung đút kết từ kinh nghiệm thực tiễn với chủ đề The Art of Monitoring: Effectively Choosing and Utilizing Metrics in Enterprises , đăng ký ngay với admin nếu anh/chị không phải là học viên CTO nhé

Hẹn gặp mọi người tại lớp thứ 7 ạ

Link đăng ký: https://forms.gle/NoPSX7x7tLZSW6s76
————————————————-
Địa điểm:
* TP. Hồ Chí Minh: Cơ sở B - Trường Đại học Kinh Tế TP.HCM, 279 Nguyễn Tri Phương, Phường 5, Quận 10, TP. Hồ Chí Minh.
* Hà Nội: Tầng 10, Toà nhà Sudico, Đường Mễ Trì, Phường Mỹ Đình 1, Quận Nam Từ Liêm, Hà Nội.

Giống tình hình DX Vietnam không anh em?

AI & Digital Transformation 2.0 With MarTech

Phương pháp Agile Results Productivity áp dụng trong quản lý doanh nghiệp. Một ví dụ minh chứng cho phương pháp Agile Results Productivity System là cách mà công ty Microsoft áp dụng nó trong quản lý dự án và phát triển phần mềm.

Microsoft đã sử dụng hệ thống này để cải thiện năng suất, sáng tạo và hài lòng của nhân viên1. Một số điểm nổi bật của hệ thống này tại Microsoft là:

Nhân viên được khuyến khích xác định ba chiến thắng cho mỗi ngày, tuần, tháng, quý và năm, và ghi chúng vào một công cụ quản lý công việc trực tuyến.

Nhân viên được đánh giá dựa trên kết quả đạt được, chứ không phải dựa trên thời gian làm việc hay hoạt động thực hiện.

Nhân viên được tự do lựa chọn những lĩnh vực mà họ có tài năng, đam mê và giá trị, và được hỗ trợ để phát triển những lĩnh vực đó.

Cre: Lee Van
CTO Founder StartUP LaunchPad x TechPreneur Community

Amazon presents ViGoR

Improving Visual Grounding of Large Vision Language Models with Fine-Grained Reward Modeling

paper page: https://huggingface.co/papers/2402.06118

By combining natural language understanding and the generation capabilities and breadth of knowledge of large language models with image perception, recent large vision language models (LVLMs) have shown unprecedented reasoning capabilities in the real world. However, the generated text often suffers from inaccurate grounding in the visual input, resulting in errors such as hallucinating nonexistent scene elements, missing significant parts of the scene, and inferring incorrect attributes and relationships between objects. To address these issues, we introduce a novel framework, ViGoR (Visual Grounding Through Fine-Grained Reward Modeling) that utilizes fine-grained reward modeling to significantly enhance the visual grounding of LVLMs over pre-trained baselines. This improvement is efficiently achieved using much cheaper human evaluations instead of full supervisions, as well as automated methods. We show the effectiveness of our approach through numerous metrics on several benchmarks. Additionally, we construct a comprehensive and challenging dataset specifically designed to validate the visual grounding capabilities of LVLMs. Finally, we plan to release our human annotation comprising approximately 16,000 images and generated text pairs with fine-grained evaluations to contribute to related research in the community.

CTO Academy x The NextGen CTO Vietnam x CTO Mentoring Program

Yann LeCun đã là người tin tưởng vào sức mạnh của mạng lưới thần kinh từ rất lâu trước khi chúng trở thành mốt.

Vào cuối những năm 1980, cùng với các đồng nghiệp tại Bell Labs, ông đã thiết kế mạng lưới thần kinh đầu tiên có thể nhận dạng các con số viết tay ở mức độ chính xác cao. Đó là ví dụ ban đầu về mạng nơ-ron tích chập, một thuật toán học máy cho phép AI nhận dạng hình ảnh, giọng nói và video trở nên chính xác hơn nhiều trong những năm và thập kỷ tiếp theo.

Hiệp hội Máy tính đã trao tặng LeCun—cùng với những người cùng thời với ông là Geoffrey Hinton và Yoshua Bengio, cùng được gọi là “Bố già của AI”—Giải thưởng Turing năm 2018 cho cái mà họ gọi là “những đột phá về mặt khái niệm và kỹ thuật đã tạo nên mạng lưới thần kinh sâu” thành phần quan trọng của máy tính.” Giải thưởng Turing được nhiều người coi là giải thưởng danh giá nhất trong lĩnh vực khoa học máy tính.

Hiện nay, LeCun là giáo sư tại Đại học New York và là nhà khoa học AI trưởng tại Meta, một công ty đi đầu trong lĩnh vực nghiên cứu AI. Mark Zuckerberg, Giám đốc điều hành của Meta, đã công bố vào tháng 1 rằng mục tiêu mới cho công ty của ông là tạo ra “trí tuệ nhân tạo nói chung”. LeCun và nhóm của anh ấy, những người trước đây làm việc chủ yếu cho công ty với năng lực học thuật về nghiên cứu cơ bản, đã được chuyển sang bộ phận ứng dụng của công ty chịu trách nhiệm xây dựng các sản phẩm mới. Chris Cox, giám đốc sản phẩm của Meta, viết trong một ghi chú cho nhân viên: “Với sự thay đổi này, chúng tôi nâng cao tầm quan trọng của nghiên cứu AI như một thành phần thiết yếu cho sự thành công lâu dài của công ty và các sản phẩm của chúng tôi”.

LeCun là một nhân vật gây tranh cãi trong thế giới AI, không ngại nói lên suy nghĩ của mình trên Twitter và trước công chúng. Nhà khoa học—người trước đây đã dự đoán rằng AI sẽ tạo ra “một thời kỳ phục hưng mới cho nhân loại”—cũng gọi ý tưởng rằng AI gây ra rủi ro hiện hữu cho loài người là “phi lý” và bác bỏ các nhà đạo đức học AI đã gắn cờ những kết quả đầu ra có hại từ một trong các mô hình của Meta với tư cách là một “đám đông Twitter cuồng nhiệt”.

LeCun cũng là người ủng hộ trung thành cho nghiên cứu mở, một quan điểm đã giúp anh có được nhiều người hâm mộ cũng như có nhiều người gièm pha. Dưới sự lãnh đạo tinh thần của ông, bộ phận AI của Meta đã cung cấp nguồn mở cho các mô hình có khả năng nhất của mình, gần đây nhất là chiếc Llama-2 mạnh mẽ. Chiến lược này khiến Meta khác biệt hoàn toàn so với các đối thủ cạnh tranh chính (đứng đầu trong số đó là Google DeepMind, OpenAI do Microsoft hậu thuẫn và Anthropic do Amazon hậu thuẫn), những người từ chối tiết lộ trọng lượng hoặc chi tiết bên trong của mạng lưới thần kinh của họ vì cả lý do kinh doanh và lo ngại về an toàn. . “Phần mềm nguồn mở thường trở thành một tiêu chuẩn ngành,” Zuckerberg nói với các nhà đầu tư trong cuộc gọi báo cáo thu nhập vào ngày 1 tháng 2. “Khi các công ty tiêu chuẩn hóa việc xây dựng bằng hệ thống của chúng tôi, việc tích hợp các cải tiến mới vào sản phẩm của chúng tôi sẽ trở nên dễ dàng hơn”. (Có một số tranh luận giữa những người theo chủ nghĩa thuần túy nguồn mở về mức độ mà Llama-2 có thể được gọi là nguồn mở thực sự, nhưng bất chấp điều đó, nó vẫn mở hơn nhiều so với các đối thủ cạnh tranh.)

Đối với LeCun, cách tiếp cận tương đối cởi mở của Meta không chỉ là trò chơi kinh doanh hiểu biết mà Zuckerberg thấy. LeCun coi đó là một nhu cầu đạo đức. Ông nói: “Trong tương lai, toàn bộ chế độ ăn uống thông tin của chúng ta sẽ được điều phối bởi hệ thống [AI]”. “Về cơ bản, chúng sẽ tạo thành kho lưu trữ tất cả kiến ​​thức của con người. Và bạn không thể có kiểu phụ thuộc này vào một hệ thống khép kín, độc quyền.”

“Mọi người sẽ chỉ làm điều này nếu họ có thể đóng góp cho một nền tảng mở có sẵn rộng rãi. Họ sẽ không làm điều này cho một hệ thống độc quyền. Vì vậy tương lai phải là nguồn mở, nếu không có gì khác, vì lý do đa dạng văn hóa, dân chủ, đa dạng. Chúng tôi cần một trợ lý AI đa dạng vì lý do tương tự như chúng tôi cần một nền báo chí đa dạng.”

Hồ sơ này được xuất bản như một phần của sáng kiến ​​Giải thưởng Tác động TIME100 của TIME, nhằm công nhận các nhà lãnh đạo trên khắp thế giới đang thúc đẩy sự thay đổi trong cộng đồng và ngành của họ. Lễ trao giải TIME100 Impact tiếp theo sẽ được tổ chức vào ngày 11 tháng 2 tại Dubai.

Biến Ukraine thành phòng thí nghiệm chiến tranh AI

Cre: Time
Link below comment

CTO AI-First Company x AI In Business x AI Product Vietnam

Nguồn:, “Could AMD break Nvidia’s chokehold on chips?” The Economist, 31/01/2024.

Biên dịch: Đỗ Đặng Nhật Huy

“Đây là công cụ tăng tốc AI (AI accelerator) tiên tiến nhất trong ngành,” Lisa Su, CEO của Advanced Micro Devices (AMD), tuyên bố tại buổi ra mắt chip MI300 mới của công ty vào tháng 12. Bà Su trình bày một loạt thông số kỹ thuật: 153 tỷ bóng bán dẫn, 192 gigabyte bộ nhớ, và băng thông bộ nhớ 5,3 terabyte mỗi giây. Tức là lần lượt gấp khoảng 2, 2,4 và 1,6 lần so với H100, chip trí tuệ nhân tạo hàng đầu của Nvidia. Trong năm qua, sức mạnh của Nvidia trong vai trò công ty hàng đầu cung cấp phần cứng cho cuộc đua AI đã đưa họ trở thành công ty có giá trị thứ năm nước Mỹ, với vốn hóa thị trường lên tới 1,5 nghìn tỷ USD. Tuy nhiên, hầu hết các chuyên gia đều đồng ý rằng cả những con số lẫn bà Su đều không hề nói dối: MI300 thực sự vượt trội hơn H100. Các nhà đầu tư cũng thích nó – thể hiện qua việc giá cổ phiếu AMD tăng 10% trong ngày hôm sau.

Vào ngày 30 tháng 1, trong cuộc họp báo cáo thu nhập quý, AMD thông báo họ dự kiến đạt doanh số 3,5 tỷ USD trong năm nay đối với MI300. Họ cũng báo cáo doanh thu mạnh mẽ 23 tỷ USD trong năm 2023, gấp bốn lần so với năm 2014, thời điểm bà Su trở thành giám đốc điều hành. Giá trị thị trường của AMD tăng gấp 100 lần trong thời gian bà Su tại nhiệm, lên tới 270 tỷ USD. Nếu so với lợi nhuận dự báo trong 12 tháng tới, mức định giá của AMD thậm chí còn cao hơn cả Nvidia. Năm ngoái, AMD đã vượt mặt Intel, công ty từng thống trị ngành sản xuất chip của Mỹ, để trở thành công ty bán dẫn có giá trị thứ hai ở đất nước này. Giờ đây họ đang nhắm đến mục tiêu lớn nhất.

Chỉ mười năm trước tham vọng như vậy thật là viễn vông đối với AMD. Khi đó công ty này còn đang trải qua một “cuộc khủng hoảng sống còn,” theo lời của Mark Papermaster, giám đốc công nghệ của AMD. Năm 2008, hãng đã tách hoạt động kinh doanh chế tạo chip để tập trung vào thiết kế bộ vi xử lý, chuyển mảng gia công sản xuất cho các nhà sản xuất chip như TSMC của Đài Loan. Ý tưởng là để có thể cạnh tranh tốt hơn trên mặt trận thiết kế với Intel, công ty có năng lực chế tạo khổng lồ mà AMD không thể hy vọng sánh kịp.

Nhưng chiến lược ấy đổ vỡ. Một số chip của AMD đã thất bại. Doanh số bán bộ xử lý trung tâm (CPU), chủ yếu dành cho máy tính cá nhân, giảm mạnh. Đến năm 2013, họ thậm chí phải bán và thuê lại trụ sở ở Austin để huy động tiền mặt. Một năm sau, bà Su thừa kế một đống nợ ròng hơn 1 tỷ USD, lỗ ròng hàng năm 400 triệu USD và giá trị thị trường chưa đến 3 tỷ USD, giảm so với mức 20 tỷ USD của năm 2006.

Bà nhận ra rằng cách duy nhất để AMD quay trở lại cuộc chơi là tránh xa thị trường máy tính đang bão hoà và tập trung vào các lĩnh vực hứa hẹn hơn như CPU cho máy chủ trung tâm dữ liệu và bộ xử lý đồ họa (GPU). Bà và ông Papermaster đã đánh cược vào một kiến trúc CPU mới được thiết kế để đánh bại Intel không chỉ về giá mà còn về hiệu năng.

Ý tưởng là sử dụng cách tiếp cận giống như Lego để chế tạo chip. Bằng cách chia chip thành các phần nhỏ, AMD có thể trộn và ghép các khối để lắp ráp các loại chip khác nhau với chi phí thấp hơn. Khi những con chip tổng hợp đầu tiên theo kiểu này được phát hành vào năm 2017, chúng có hiệu số nhanh hơn và rẻ hơn hẳn so với các sản phẩm đối thủ của Intel, một phần do Intel tự bắn vào chân mình (nhất là những sai sót liên tục trong sản xuất khi sản xuất các bóng bán dẫn ngày càng nhỏ). Trong mười năm qua, thị phần CPU máy chủ béo bở của AMD đã tăng từ con số 0 lên 30%, phá vỡ thế độc quyền của Intel.

Sau khi đánh bại một gã khổng lồ, giờ đây AMD lại đương đầu với một Goliath khác. Cuộc đua với Nvidia khác cuộc đua với Intel. Nhưng nó cũng có thể là vấn đề cá nhân – bà Su và Jensen Huang, ông chủ gốc Đài Loan của Nvidia, là họ hàng xa. Song không như Intel, cả Nvidia lẫn AMD đều chỉ thiết kế chip, và do đó ít bị mắc sai sót trong sản xuất. Và quy mô thị trường cũng lớn hơn. Giá trị thị trường 1,5 nghìn tỷ USD của Nvidia được xác định bởi sự thống trị của họ trên thị trường GPU — không phải vì tính hữu dụng của chúng trong chơi game mà vì chúng là loại chip tốt nhất để đào tạo các mô hình AI. Bà Su dự đoán doanh số bán chip AI toàn cầu sẽ đạt 400 tỷ USD vào năm 2027, tăng từ 40 tỷ USD của năm ngoái. Liệu bà có cơ hội trước Nvidia không?

Nvidia là một đối thủ đáng gờm. Cả doanh thu và lợi nhuận hoạt động của họ đều gấp ba lần AMD. Theo ngân hàng đầu tư Jefferies, Nvidia đang thống trị thị trường chip tăng tốc AI, chiếm 86% doanh số toàn cầu của loại linh kiện này; và trước khi ra mắt MI300, AMD hầu như không có chân trong cuộc chơi. Ngoài phần cứng chip, Nvidia còn cung cấp thiết bị mạng kết nối các cụm chip và phần mềm, được gọi là CUDA, để quản lý khối lượng công việc AI. Doug O’Laughlin đến từ Fabricated Knowledge, một công ty nghiên cứu, cho biết Nvidia thống trị ngành sản xuất chip AI vì họ cung cấp những con chip tốt nhất, bộ kết nối mạng tốt nhất, và phần mềm tốt nhất.

Bộ xử lý mới của AMD cho thấy nó có thể cạnh tranh với Nvidia về phần cứng bán dẫn. Giám đốc công nghệ Papermaster cho biết đây là thành quả của sự đầu tư kéo dài 10 năm qua. AMD đang chi gần 6 tỷ đô la mỗi năm cho nghiên cứu và phát triển, gần bằng Nvidia — tức là gấp đôi theo tỷ trọng trên doanh thu. Điều này cho phép họ điều chỉnh cách tiếp cận Lego của mình cho GPU. Việc kết hợp hàng chục khối — hoặc “chiplets” — vào một con chip duy nhất cho phép AMD đặt các bộ xử lý và bộ nhớ gần nhau, giúp tăng tốc độ xử lý. Vào tháng 12, OpenAI, nhà phát triển ChatGPT và là công ty khởi nghiệp AI nổi tiếng nhất thế giới, cho biết sẽ sử dụng MI300 cho một số hoạt động huấn luyện AI.

Để vượt qua Nvidia về mạng và phần mềm, AMD đang hợp tác với các công ty khác. Trong tháng 12, họ đã công bố hợp tác với các nhà sản xuất thiết bị mạng, trong đó có hai công ty lớn nhất là Broadcom và Cisco. Họ cũng đang hậu thuẫn một sáng kiến nguồn mở cho giao tiếp giữa chip với chip mang tên Ultra Ethernet Consortium, như một giải pháp thay thế cho InfiniBand của Nvidia.

Vị trí dẫn đầu về phần mềm của Nvidia là khó đuổi kịp hơn. Họ đã đầu tư vào CUDA từ giữa những năm 2000, rất lâu trước làn sóng AI hiện nay. Các nhà phát triển và nhà nghiên cứu AI rất thích nền tảng này, vốn cho phép họ tinh chỉnh hiệu suất của bộ xử lý Nvidia. AMD hy vọng sẽ thu hút khách hàng rời xa Nvidia bằng cách mở mã nguồn của phần mềm họ tự làm, ROCM, và cung cấp các công cụ để giúp việc chuyển đổi mượt mà hơn, bằng cách dịch các chương trình CUDA sang ROCM.

Đánh bại Nvidia trên sân nhà của chính họ sẽ không dễ dàng. Công ty của ông Huang không đứng yên. Gần đây, hãng đã công bố kế hoạch tung ra một con chip mới hàng năm thay vì hai năm một lần. Những gã khổng lồ công nghệ với tham vọng lớn nhất về AI — Alphabet, Amazon, Meta và Microsoft — đang bận rộn thiết kế chip tăng tốc của riêng họ. Bất chấp doanh số bán hàng mạnh mẽ, các nhà đầu tư vẫn thất vọng với dự báo của AMD về ngày giao hàng MI300. Giá cổ phiếu AMD đã giảm 3% chỉ một ngày sau khi tập đoàn công bố kết quả mới nhất.

Tuy vậy, AMD có một lá bài quan trọng. Họ không phải là Nvidia. Các công ty AI đang mỏi mắt đi tìm một giải pháp thay thế cho Nvidia, khi công ty này dựa vào thế thống trị để tính giá cao và đặt giới hạn mua cho từng công ty (vì nhu cầu cao hơn khả năng sản xuất). Vivek Arya của Bank of America lưu ý, bất chấp những nỗ lực tự thiết kế phần cứng, các công ty công nghệ lớn vẫn sẽ phải dựa vào các nhà sản xuất chip trong một thời gian, và AMD mang đến cho họ một lựa chọn thay thế. Microsoft và Meta đã công bố kế hoạch sử dụng GPU của AMD trong trung tâm dữ liệu của họ. Và nếu Nvidia trượt chân, AMD sẽ có mặt để nhặt nhạnh những mảnh Lego. Cứ hỏi Intel thì biết./.

CTO Academy x The NextGen CTO Vietnam x CTO Mentoring Program

Sách Data cày trong dịp tết.

Hello các bạn, nhìn lại hành trình 10 năm làm data của mình thì sách cần cày cuốc qua cũng gần đến hàng trăm (mỗi dự án mới 5-7 cuốn là chuyện bình thường).

Để giới thiệu cho các bạn mới bắt đầu thì một số cuốm sách sau bật ra trong đầu mình. Mình đã học được khá nhiều trong đó, một số quyển như kiểu từ điển, thi thoảng cần thì lại lôi ra ngẫm lại.

TÓM LẠI, LIST NÀY ÍT NHƯNG CHẤT. CÁC BẠN LƯU LẠI NGHIÊN CỨU.

Nếu cần thêm về chủ đề, lĩnh vực nào thì nhắn mình nhé:

1. Data Analytics for Dummies - Data Analytics for Dummies (https://www.analyticsinsight.net/data-analytics-for-dummies/)

Đúng tính chất series sách for Dummies - Tổng quan về Data Analytics một cách xúc tích dễ hiểu.

2. HBR Guide to Data Analytics Basics for Managers - HBR Guide to Data Analytics Basics for Managers ^ 10185 (https://store.hbr.org/product/hbr-guide-to-data-analytics-basics-for-managers/10185)

Sách viết khá dễ hiểu cho tầng Manager hiểu về các ứng dụng dữ liệu trong doanh nghiệp. Dạng collect các chủ đề đơn lẻ nên dễ đọc lúc rảnh. AE bắt đầu làm dữ liệu cũng nên đọc qua để giải thích với các sếp khi cần.

3. Big Book of Dashboard - Big Book of Dashboards (https://www.bigbookofdashboards.com/)

Tổng quan về trực quan hoá dữ liệu một cách rất dễ hiểu. Đi sát theo từng Use-case một cùng với giải thích rõ ràng, có thể dùng được luôn. Mình thích quyển này hơn kinh thánh Storytelling with Data. Thi thoảng làm về domain nào thì lôi ra đọc lại lấy ý tưởng.

4. Definitive Guide to DAX - https://www.amazon.com/DEFINITIVE-GUIDE-DAX-INTELLIGENCE-MICROSOFT/dp/9353945488

Sách gối đầu giường với Power BI Dev, nếu đọc và cày được hết thì quá ổn. Hơi nặng kĩ thuật, nếu các bạn không định/chưa có dịp đào sâu thì follow với giáo trình PL 300 cũng okie. Không cần ưu tiên quá.

5. The Data Warehouse Toolkits (https://github.com/ms2ag16/Books/blob/master/Kimball_The-Data-Warehouse-Toolkit-3rd-Edition.pdf)

Sách gối đầu giường của Data Architect. Đọc trước 2 chương đầu để có foundation về Dimensional Modeling trước, các chương sau đi vào từng domain cụ thể và ứng dụng thì cứ theo ưu tiên dự án mà đọc. Thi thoảng mình vẫn lôi ra đọc lại khi có các dự án liên quan đến domain tương ứng.

Mình đang không tiện để up pdf, quyển nào các bạn không tìm được thì cứ nhắn mình hoặc comment tại đây, mình tìm lại bản ebook rồi gửi các bạn.
Chief Data Officer (CDO) Data & AI Driven Marketing Automation x CDP | CDxP

Chief Data Officer (CDO) Data & AI Driven Marketing Automation x CDP | CDxP

github.com {"payload":{"allShortcutsEnabled":false,"fileTree":{"":{"items":[{"name":"Algorithhms 4th Edition by Robert Sedgewick, Kevin Wayne.pdf","path":"Algorithhms 4th Edition by Robert Sedgewick, Kevin Wayne.pdf","contentType":"file"},{"name":"Algorithms_Illuminated_Part_1.pdf","path":"Algorithms_Illuminat...

CTO Tech Talent x Best Tech Job x AI & Emerging Technologies Talent

Mỗi tháng 1 buổi pitch với Investors & mời Co-Founder trong năm 2024, anh em join ngay nhé
👇 👇 👇
CTO Founder StartUP LaunchPad x TechPreneur Community

Công cụ AI hỗ trợ đọc và nghiên cứu

1. Elicit (https://elicit.com/):

• Nhập vào 1 câu hỏi với ngôn ngữ hỏi tự nhiên (VD How does a child learn languages?), Elicit sẽ (1) đưa ra list các paper liên quan ở dạng bảng với thông tin tiêu đề, tác giả, số lượt citation, abstract và (2) tóm tắt abstract của 4 paper để đưa ra câu trả lời ngắn gọn cho câu hỏi mình đặt ra. Tuy nhiên theo trải nghiệm của mình thì nhiều lúc Elicit miss những paper có ảnh hưởng nhất trong mảng đó, nên khi dùng cho literature review thì không nên dựa hoàn toàn vào Elicit.

• List of Concept giúp mình hiểu về một khái niệm nào đó, khá tiện khi làm phần definition trong research/essay. Cụ thể mình có thể search 1 concept, ví dụ CLIL, Elicit sẽ cho ra 1 danh sách bài liên quan đến concept đó và có ghi rõ bài này cung cấp thông tin gì (định nghĩa, ví dụ, pros and cons,...).

• Extract Data from Paper: tên gọi sao thì tính năng vậy, nôm na là khi mình không muốn skim cả paper mà chỉ muốn đọc riêng 1 phần nào đó, ví dụ Discussion và Limitation thôi, thì Elicit sẽ nhặt riêng phần đó ra cho mình. Tuy nhiên mình dùng thử thấy lag quá, tự skim còn nhanh hơn nên không dùng.

2. Scispace Copilot (https://typeset.io/)

• Gần giống Elicit nhưng có thêm tính năng Read with AI Copilot rất hữu ích, có thể up PDF lên và hỏi bất cứ câu hỏi gì liên quan đến bài PDF đó cũng như highlight 1 đoạn text và nhờ giải thích. Thật ra tính năng này tương tự với việc thầy cô mở file PDF bằng Microsoft Edge (đơn giản là drag file pdf vào browser) và mở Copilot (tiền thân là Bing Chat) song song ngay trên browser để hỏi ạ. Khi hỏi Copilot giải thích kiến thức, thầy cô cẩn thận nhé ạ vì theo mình hiểu thì GPT-4 không được train bằng data khoa học nên nó trả lời sâu chuyên ngành nhiều khi cũng ba láp ấy ạ. Tốt nhất là khi đọc câu trả lời nên có trước kiến thức về chủ đề đó để có thể tự đánh giá câu trả lời có chính xác hay không.

3. Semantic Scholars (https://www.semanticscholar.org/): Dùng để tìm tài liệu, tương tự Google Scholars (GS) nhưng

• Ứng dụng AI để tóm tắt bản TL;DR cũng như gợi ý các paper liên quan

• Kết quả ra không sát keywords bằng GS

• Không hỗ trợ Boolean search hoặc là mình mò chưa ra

4. Research Rabbit (https://www.researchrabbit.ai/):

• Nhập vào tên hoặc doi của 1 paper, Research Rabbit sẽ cho ra các paper liên quan (cùng chủ đề, cùng tác giả, cite/refer đến paper đó,...) biểu diễn dưới dạng citation web (như hình), rất tiện để tìm bài đọc khi làm Literature Review. Đây là tool có lẽ là khó dùng nhất trong list, mình xin gửi kèm guide ở link này mình thấy khá chi tiết https://library.smu.edu.sg/topics-insights/new-literature-mapping-tool-researchrabbit

Trên đây là một số tool tích hợp AI mình biết và đã dùng khi làm bài tập, tiết kiệm được kha khá thời gian đọc, mong sẽ hữu ích cho các thầy cô. Các công cụ này chỉ hỗ trợ cho việc tìm và đọc thôi chứ không thay thế hoàn toàn, các thầy cô kết hợp theo cách phù hợp nhé ạ.

Chief Technology Officer

CTO Founder StartUP LaunchPad x TechPreneur Community

Các chuyên gia công nghệ ở Davos: Sắp xuất hiện một AI vượt trội hơn trí tuệ con người

Giám đốc cấp cao tại một số cơ sở nghiên cứu trí tuệ nhân tạo (AI) hàng đầu thế giới cho biết một dạng AI ngang bằng hoặc thậm chí vượt xa trí tuệ con người sẽ xuất hiện trong tương lai gần

Tại Diễn đàn Kinh tế Thế giới năm 2024 ở Davos (Thuỵ Sỹ), lãnh đạo của các cơ sở nghiên cứu AI hàng đầu thế giới như OpenAI, Cohere, DeepMind và giám đốc của một số gã khổng lồ công nghệ như Microsoft, Salesforce đã chia sẻ nhận định về rủi ro và cơ hội mà AI mang lại.

Họ cho biết một dạng AI ngang bằng hoặc thậm chí vượt xa trí tuệ con người sẽ xuất hiện trong tương lai gần. Song, siêu trí tuệ nhân tạo này (hay còn được gọi là AGI) trông như thế nào hay sẽ được áp dụng ra sao vẫn còn là một điều bí ẩn.

AI đã trở thành chủ đề được quan tâm của các doanh nghiệp trên toàn cầu trong khoảng một năm qua, một phần không nhỏ là nhờ vào thành công của ChatGPT - chatbot AI do OpenAI phát triển.

Điều đó khiến chính phủ nhiều nước và không ít tổ chức trên thế giới lo ngại về rủi ro xoay quanh tính minh bạch của các hệ thống AI, nguy cơ người lao động mất việc làm do tự động hoá ngày càng phát triển, quyền riêng tư dữ liệu,...

Có thể phát triển thành công trong tương lai gần

Ông Sam Altman, CEO kiêm đồng sáng lập OpenAI, tin rằng AGI có thể sẽ sớm trở thành hiện thực và các nhà nghiên cứu có thể phát triển thành công dạng AI này “trong tương lai gần”.

Vị CEO cũng lưu ý rằng nhiều người đã thổi phồng nỗi sợ về AGI khi cảnh báo công nghệ này sẽ định hình lại và phá vỡ thế giới.

“AGI sẽ không thay đổi thế giới nhiều như những gì chúng ta đang nghĩ và nó cũng không tác động nhiều đến việc làm như trí tưởng tượng của chúng ta”, Altman nhấn mạnh tại cuộc thảo luận do Bloomberg tổ chức ở Davos.

Altman đã thay đổi quan điểm về mối nguy hiểm của AI kể từ sau khi công ty của ông bị các cơ quan quản lý đưa vào tầm ngắm vào năm ngoái.

Chính phủ Mỹ, Anh, Liên minh châu Âu (EU) và một số nước khác đang tìm cách kiềm chế các công ty công nghệ nhằm giảm bớt những rủi ro mà công nghệ AI gây ra.

Trong một cuộc phỏng vấn vào tháng 5/2023 với ABC News, Altman cho biết ông và OpenAI “sợ hãi” trước những mặt trái của AGI. “Chúng ta phải cẩn thận. Tôi nghĩ mọi người nên vui mừng vì chúng tôi có chút e sợ”, vị CEO nói.

Sau đó, Altman cho biết ông quan ngại về khả năng AI được sử dụng để lan truyền “thông tin sai lệch trên quy mô lớn”. “AI đang giỏi viết code máy tính hơn, chúng có thể được dùng cho các cuộc tấn công mạng”, ông bày tỏ với ABC News.

Trong cuộc trò chuyện với CNBC ở Davos, ông Aidan Gomez, CEO kiêm đồng sáng lập công ty khởi nghiệp Cohere, cũng lặp lại quan điểm của Sam Altman rằng AGI có thể sẽ xuất hiện trong tương lai gần. “Tôi nghĩ chúng ta sẽ sớm có được công nghệ đó”, ông Gomez bày tỏ.

Tuy vậy, AGI thực sự là gì và cuối cùng sẽ trông như thế nào là một chủ đề khiến nhiều chuyên gia trong lĩnh vực AI bối rối.

Bà Lila Ibrahim, COO phòng nghiên cứu AI Deepmind của Google, nói không ai thực sự biết AGI thực tế là gì. Song, bà lưu ý rằng các nhà nghiên cứu cần phát triển công nghệ này một cách an toàn.

Những lời cảnh báo

Sam Altman của OpenAI không phải là giám đốc công nghệ cấp cao duy nhất được hỏi về rủi ro của AI tại Davos.

Ông Marc Benioff, CEO hãng phần mềm Salesforce, nhấn mạnh rằng các công ty công nghệ đang thực hiện các bước nhằm đảm bảo cuộc đua AI không dẫn đến “khoảnh khắc Hiroshima”.

Nhiều nhà lãnh đạo công nghệ từng cảnh báo rằng AI có thể nguy hiểm đến mức máy móc trở nên quá mạnh mẽ và vượt khỏi tầm kiểm soát của loài người.

Một số nhân vật có tiếng trong lĩnh vực AI và công nghệ như CEO hãng xe điện Tesla Elon Musk, đồng sáng lập Apple Steve Wozniak và cựu ứng viên tổng thống Mỹ Andrew Yang đã kêu gọi tạm dừng nghiên cứu AI.

Họ cho rằng việc tạm dừng phát triển trong khoảng 6 tháng sẽ giúp xã hội và các cơ quan quản lý bắt kịp đà tiến của AI.

Geoffrey Hinton, người được mệnh danh là “cha đỡ đầu của AI”, trước đây cũng từng cảnh báo rằng các chương trình tiên tiến “có thể thoát khỏi tầm kiểm soát [của con người] bằng cách tự viết code để tự biến đổi”.

Cre: Davos Vietnambiz
CTO AI-First Company x AI In Business x AI Product Vietnam