1. Bức tranh toàn cảnh

1.1 Tổng quan

• Trước khi làm một việc gì đó thì chúng ta cần hiểu tổng quan, nhìn thấy một tổng thể lớn trước. Với AI cũng vậy, việc nhìn rõ được một bức tranh toàn ngành không chỉ giúp chúng ta hiểu rõ được những thứ chúng ta sẽ học mà còn là một kim chỉ nam chỉ dẫn chúng ta.

1.2 Tài liệu

Sách: "Artificial Intelligence: A Modern Approach"

Nguồn: MBA Bookstore

• Đây là cuốn tài liệu thường được dùng để giảng dạy về AI trong các trường đại học lớn trên thế giới (MIT, Stanford, Berkley) về bộ môn trí tuệ nhân tạo.
  Đây là cuốn sách trình bày bao quát nhất mà các bạn có thể tìm hiểu về AI. Trong đây gói gọn không chỉ những kỹ thuật hiện đại như Neural Network mà còn là thuật toán tìm kiếm cổ điển (A*), lý thuyết về trò chơi (Game Theory) và những bộ quy tắc đơn giản nhất có thể giúp chúng ta hiểu về nguồn gốc và những quy tắc mà AI đã dựa trên để phát triển.

• Cách khai thác cuốn sách: Đừng đọc hết một lượt cuốn sách mà hãy đọc chương 1, 2 để có thể hiểu tổng quan về AI và khi học tới nội dung nào thì hãy đọc chương tương ứng với nội dung ấy.

AI for Everyone (Andrew Ng - Coursera)

Nguồn: Montreal AI Ethics Institute

• Khóa học không tập trung vào code mà là những ứng dụng của AI trong cuộc sống thực tế, tập trung vào kinh doanh và quy trình dự án AI.

2. Nền tảng toán học

2.1 Tổng quan

Những thư viện như scikit-learn, Pytorch có thể giúp bạn xây dựng một mô hình nhanh chóng và tiện lợi, nhưng để hiểu những thứ thật sự xảy ra phía sau là cả những công trình và tối ưu toán học đã được tính toán từ trước. Bạn không thể trở nên giỏi AI nếu không nắm vững những kiến thức toán học cơ bản. AI cũng như những môn khoa học khác, được xây dựng dựa trên 3 nền tảng toán học chính:
- Đại số tuyến tính: cách máy tính nhìn dữ liệu và tối ưu hóa thời gian tính toán thông qua sử lý song song.
- Giải tích: là cách mà những mô hình học và tối ưu hóa.
- Xác xuất thống kê: nghệ thuật của sự không chắc chắn và cách một mô hình có thể đưa ra quyết định.

2.2 Tài liệu

Khóa học "Mathematics for Machine Learning and Data Science Specialization" từ Deep Learning AI

Nguồn: DeepLearning.ai

• Nhắc đến AI thì thường ai trong chúng ta cũng sẽ nghĩ về Deeplearning.ai của thầy Andrew Ng. Andrew Ng là một trong những người chuyên dạy về AI và là thành viên sáng lập của Deeplearning.ai chuyên cung cấp những khóa học về AI cho người mới. Khóa học "Mathematics for Machine Learning and Data Science Specialization" của tổ chức tập trung cung cấp những kiến thức về AI căn bản cho những người mới bắt đầu.

Sách "Mathematics for Machine Learning" của Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong.

Nguồn: Amazon.com

• Cuốn sách này gom tất cả các mảng toán rời rạc lại thành một lộ trình thống nhất: Đại số tuyến tính, Hình học giải tích, Ma trận, Giải tích vectơ, Tối ưu hóa, Xác suất và Thống kê.
• Cuốn sách được viết dành riêng cho người học AI, lược bỏ những phần toán lý thuyết rườm rà và tập trung vào ứng dụng trực tiếp để giải quyết 4 bài toán chính: Regression, PCA, Gaussian Mixture Models, và SVM.

Kênh youtube 3Blue1Brown

Nguồn: 3blue1brown

• Kênh youtube 3Blue1Brown là một kênh chuyên làm về những chủ đề toán học trong rất nhiều lĩnh vực bao gồm có về AI theo một cách dễ hiểu và trực quan thông qua những hình ảnh sinh động.

Kênh youtube StatQuest

• Đây là kênh youtube chuyên làm về những chủ đề của xác xuất thống kê một cách sinh động, trực quan và dễ hiểu. Đồng thời, tác giả cũng thường xuyên sáng tác nhạc để lồng vào video để làm sinh động những chủ đề tác giả trình bày trong video ngày hôm đó.

3. Kỹ năng lập trình

3.1 Tổng quan

Bạn không thể giỏi AI nếu chỉ đơn giản là kéo và thả những biểu tượng như trong ngôn ngữ lập trình Scratch hay như ứng dụng Orange mà là đào sâu vào những biến số của mô hình, logic của những thuật toán thông qua việc lập trình.

Python: nhắc đến lập trình AI thì không thể không nhắc tới Python, là ngôn ngữ phổ biến của khoa học dữ liệu và AI. Python là ngôn ngữ với rất nhiều thư viện được xây dựng sẵn phục vụ cho việc xây dựng mô hình trong trí tuệ nhân tạo và học máy.

Kỹ năng lập trình

Biết lập trình là điều thiết yếu để triển khai các ứng dụng AI vì bạn có thể phát triển các thuật toán và mô hình AI, xử lý dữ liệu và sử dụng các chương trình AI. Python là một trong những ngôn ngữ phổ biến hơn cả nhờ vào sự đơn giản và khả năng thích ứng cao. R cũng là một lựa chọn yêu thích khác, cùng với nhiều ngôn ngữ khác như Java và C++.

Cấu trúc dữ liệu

Cấu trúc dữ liệu là một định dạng chuyên biệt dùng để tổ chức, lưu trữ, truy xuất và xử lý dữ liệu. Việc nắm vững các loại cấu trúc dữ liệu khác nhau, chẳng hạn như cây (trees), danh sách (lists) và mảng (arrays), là điều cần thiết để viết mã nguồn nhằm xây dựng nên các thuật toán và mô hình trí tuệ nhân tạo (AI) phức tạp.

3.2 Tài liệu

Sách "Python Crash Course" của Eric Matthes

Nguồn: Amazon.com

• Cuốn sách này là lựa chọn hoàn hảo cho người bắt đầu từ con số 0 về lập trình. Nó không đi quá sâu vào khoa học máy tính hàn lâm mà tập trung vào tính ứng dụng (Pragmatic programming) và học từ những dự án thực tế thay vì những lý thuyết hàn lâm.

Bộ 2 cuốn sách về cấu trúc dữ liệu và giải thuật dùng ngôn ngữ Python: Python Data Structures and Algorithms và Competitive Programming in Python

Nguồn: Packt

Nguồn: Amazon.com

Hai cuốn sách trên bao gồm các kiến thức cơ bản về cấu trúc dữ liệu, cũng như một số toán thông dụng và nổi tiếng, đi kèm code minh hoạ được viết bằng Python.

4. Khoa học dữ liệu

Nếu ví AI là động cơ phản lực, thì Dữ liệu (Data) chính là nhiên liệu và là một nhân tố quan trọng trong việc tạo ra sự đột phá trong trí tuệ nhân tạo. Không phải là sự đột phá trong thuật toán, cũng không phải sự đột phá trong những phát kiến mới và chính là nhờ sự đa dạng, đầy đủ hơn của dữ liệu và năng lực tính toán (song song) của máy tính mà mới cho ra đời ChatGPT, Gemini hay Claude của ngày hôm nay.

Tuy vậy có một thực tế phũ phàng mà it người nhắc tới: 80% thời gian của một kỹ sư AI không phải là xây dựng mô hình, mà là thu thập, làm sạch và xử lý dữ liệu. Trước khi dạy máy học, bạn phải học cách "nói chuyện" với dữ liệu, hiểu câu chuyện mà dữ liệu đang kể và phát hiện những điểm bất thường (outliers).

Để làm chủ giai đoạn này, bạn cần hai vũ khí chính: Kỹ năng thao tác dữ liệu (Wrangling) và Tư duy thống kê thực dụng (Practical Statistics).

Sách "Python for Data Analysis" của Wes McKinney

Nguồn: Amazon.com

• Còn nơi đâu để học về thư viện Pandas hơn là chính tác giả của thư viện ấy. Wes McKinney chính là tác giả của thư viện Pandas. Đọc cuốn sách có thể cho bạn một tư duy như một người đã xây dựng lên thư viện chuyên dùng để xử lý dữ liệu này trong Python.

5. Máy học (Machine Learning)

Đây là giai đoạn "chuyển mình". Bạn sẽ kết hợp Toán học và Python để dạy máy tính học từ dữ liệu.

Bộ sách kèm khoá học An Introduction to Statistical Learning của Standford Online

Nguồn: Amazon.com

• Đây là khóa học nhập môn về học có giám sát, tập trung vào các phương pháp hồi quy và phân loại. Nội dung khóa học trải dài từ lý thuyết và nền tảng toán học đằng sau những mô hình cơ bản như hồi quy tuyến tính, hồi quy logistic... Một số phương pháp học không giám sát cũng được thảo luận: PCA và phân cụm (k-means và phân cụm phân cấp).

Sách Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (Aurélien Géron)

Nguồn: Amazon.com

• Đây là cuốn sách thiên hẳn về thực hành mà không quá khô khan lý thuyết giúp người đọc không quá lan man trong việc phải giải những phương trình toán học mà "hands-on" thực hiện thực tế luôn.

Khóa học "Machine Learning Specialization" của thầy Andrew Ng

Nguồn: DeepLearning.ai

• Andrew Ng giải thích các khái niệm cực kỳ trực quan. Ông biết cách đơn giản hóa các công thức toán học phức tạp để bạn hiểu trực giác (intuition) đằng sau chúng. Khóa học đi qua Supervised Learning (Hồi quy, Phân loại), Unsupervised Learning (Gom cụm), và Best Practices (Cách gỡ lỗi mô hình).

6. Học sâu (Deep Learning)

Deep Learning là tập con của Machine Learning, lấy cảm hứng từ cấu trúc não bộ con người. Đây là công nghệ đứng sau sự bùng nổ của AI hiện tại (Nhận diện khuôn mặt, Dịch máy, ChatGPT).

Sách "Deep Learning" (Ian Goodfellow)

Nguồn: Amazon.com

• Cuốn sách này dành cho những ai muốn trở thành "Researcher" (Nhà nghiên cứu) hoặc muốn hiểu sâu sắc bản chất toán học. Đây là cuốn sách của tác giả Ian Goodfellow (cha đẻ của GANs), Yoshua Bengio (giải Turing - Nobel của máy tính) và Aaron Courville. Cuốn sách này rất nặng về toán. Nó không có nhiều dòng code, mà thay vào đó là các định lý, chứng minh và công thức. Nó giải thích tại sao mạng nơ-ron lại cần hàm kích hoạt (activation function), tại sao vấn đề vanishing gradient lại xảy ra.

Khóa học Deep Learning Specialization (DeepLearning.AI)

Nguồn: DeepLearning.ai

• Đây là khóa học đi sâu vào tùng cấu trúc cơ bản của AI như CNN, RNN, Transformers và đi theo đó là những buổi phỏng vấn trực tiếp với những người có kinh nghiệm, gạo cội trong ngành AI.

Trích nguồn

(1) How to learn artificial intelligence: A beginner’s guide. Coursera. https://www.coursera.org/articles/how-to-learn-artificial-intelligence
(2) Stanford Online. (n.d.). Statistical learning with Python [YouTube playlist]. YouTube. Retrieved January 25, 2026, from https://www.youtube.com/playlist?list=PLoROMvodv4rPP6braWoRt5UCXYZ71GZIQ