Ngô Quang Hưng | 03 tháng 02, 2010 | 
Bản để in
Ngô Quang Hưng | 13 tháng 01, 2010 | Bản để in
Cảm ơn bác Vũ Hà Văn cho câu hỏi số 90 rất dễ thương. Câu 91 là một sinh viên của tôi vừa phỏng vấn ở Google được/bị hỏi. Câu 92 chôm từ chùa THT, do bác Đàm Thanh Sơn truyền bá từ quyển sách thú vị của Mark Levi.
abcxyz, xabcfb, xyzabc có dãy con abc chung.
Ngô Quang Hưng | 06 tháng 01, 2010 | Bản để in
Hôm qua (05 tháng 1, 2010) tôi có một bài nói chuyện ở hội nghị VEF 2010. Hy vọng nó cũng hữu dụng cho một số bạn đọc blog, xin post lại bài ở đây. Do nói bằng tiếng Anh, tôi đã chuẩn bị bài bằng tiếng Anh, và bây giờ không có thời gian dịch nó ra tiếng Việt. Hội nghị đã được tổ chức rất tốt. Tôi gặp được rất nhiều người thú vị và học được nhiều điều. Cảm ơn các bạn trong ban tổ chức đã cho cơ hội.
Hello everyone. Thanks very much for attending my talk. I’m honored to be invited and humbled to be sandwiched between these two hugely successful gentlemen. I actually had no idea what this talk is supposed to be about until roughly a week ago when Tường sent me an email with the following excerpt
Dear anh Hung, Blah blah blah ... In the current agenda, the title of your part in the plenary session is "academic careers". This is really a broad topic under the "All the way home" session name.
That is why you will hear something vaguely in the realm of “academic careers,” about which I have no authority whatsoever.
Why in the world did I agree to go give a talk when I didn’t even know the title, and even after knowing the title I am less than qualified to give it? Here’s why:
Ngô Quang Hưng | 04 tháng 12, 2009 | Bản để in
Bộ giáo dục đào tạo vừa có một dự thảo quyết định quy chế quản lý công dân Việt Nam đang đào tạo ở nước ngoài. Xem toàn văn dự thảo ở đây. Cụm từ “đang đào tạo ở nước ngoài” làm tôi giật mình, may mà đọc vào trong thì thấy ý họ nói về các công dân VN “đang được đào tạo ở nước ngoài”. Như thế có vẻ là tôi không phải là đối tượng của dự thảo này.
Nhưng các bạn du học sinh sang học làm móng tay thì liệu thần hồn, vì quy chế này nhắm vào
Quy chế này áp dụng đối với công dân của nước CHXHCN Việt Nam (sau đây gọi tắt là Việt Nam) đang được đào tạo ở nước ngoài, không phân biệt nguồn kinh phí đào tạo, bao gồm: học sinh, sinh viên, học viên, nghiên cứu sinh, thực tập sinh, người dự khóa học bồi dưỡng ngắn hạn từ 90 ngày đến 1 năm
Các bạn sẽ có nghĩa vụ
7. Báo cáo tình hình học tập, nghiên cứu sau mỗi năm học với Cơ quan đại diện Việt Nam ở nước ngoài.
…
Điều 9. Việc ở lại công tác tại nước sở tại
1. Sau khi tốt nghiệp, lưu học sinh được ở lại làm cộng tác viên khoa học hoặc hợp đồng sản xuất, thời gian ở lại không quá 3 năm kể từ khi tốt nghiệp (sau đây gọi chung là ở lại sau tốt nghiệp).
3. Lưu học sinh được ở lại làm cộng tác viên khoa học, hợp đồng sản xuất (hoặc nghiên cứu theo hình thức hợp đồng được nhận tiền) phải thực hiện nghĩa vụ nộp thuế theo quy định hiện hành của Nhà nước.
Các bạn chịu khó thu gom càng nhiều tips càng tốt trong vòng 3 năm. Do tips là tiền mặt, các bạn đã không phải đóng thuế cho nước sở tại, vì thế nhớ khai nộp thuế cho nhà nước.
Khi các bạn đã thành chuyên giả sơn sửa móng tay, thì phải
3. Lưu học sinh tự túc báo cáo kết quả học tập với Bộ Giáo dục và Đào tạo hoặc Bộ Lao động-Thương binh và Xã hội hoặc Uỷ ban nhân dân các tỉnh, thành phố trực thuộc trung ương.
Kể cũng hơi nhiêu khê. Nếu sau này thất nghiệp, chắc tôi không đi học làm móng tay. Hòa thượng Thích Học Toán mà sinh sau đẻ muộn vài năm thì đừng hòng mơ giải Fields nhé.
Ngô Quang Hưng | 13 tháng 08, 2009 | Bản để in
Bạn Thanh có câu hỏi hay:
Vấn đề là: sau khi mình viết xong 1 cái paper và muốn gửi nó đến 1 journal. Thì ngoài việc tìm ra 1 list những journals có hướng phù hợp, thì mình cần phải chọn ra 1 journal cuối cùng để gửi. Tuy nhiên, thời gian review trong CS thường là rất dài. Nhiều journal xịn, vd như VLDB journal hay ACM Transactions in Database Systems, thường mất cả 1 năm review và 1 năm revise, sau đó mới biết kết quả accept hay không. Như thế là quá dài, khi bị reject thì vấn đề đã cũ và có thể có người khác tìm ra 1 cách giải quyết khác hay hơn rồi, con như phí công. Vậy làm sao để biết thời gian trung bình của quá trình review, revise, và accept của các journals trong CS ?
(Biết được thông tin này thì mình có thể chọn 1 journal tốt, vừa tầm, và thời gian review có thể chấp nhận được mà gửi.)
Cho đến nay thì tôi không biết có chỗ nào lưu lại thông tin về thời gian review trung bình của các journals không. Thỉnh thoảng đọc opinion columns của các editors in chief thì biết, nhưng cái đó tùy journal. Cá nhân tôi thì làm … thí nghiệm (nộp bài), và hỏi đồng nghiệp. Sau một thời gian thì mình biết đại khái các journals chính trong ngành của mình thời gian “trả bài” là bao nhiêu.
Quả là có những journal danh tiếng nhưng mà review lâu quá nên tôi chán không muốn gửi bài vào nữa (IEEE/ACM ToN chẳng hạn, trung bình 2 năm từ lúc nộp đến lúc xuất hiện). Việc review lâu là vấn nạn của toàn bộ CS, tại vì thường các bài báo tốt đã xuất hiện ở hội nghị tốt, chúng ta không có động cơ để nộp vào journal nữa: kết quả đã báo cáo, ai cần đọc đã đọc, bỏ thời gian làm tiếp hoặc làm bài mới thì sướng hơn là lọ mọ sửa câu chữ cho bọn referees khó tính.
Nếu mà mọi người làm tốt việc của mình thì tôi cũng không càm ràm gì về việc journals ngâm bài của mình 2 năm, nhưng bọn referees (nghĩa là bao gồm cả tôi 
) sẽ xếp xó bài báo của mình cho đến khi editor nhắc lần thứ 3 thì mới vội vội vàng vàng viết vài trang báo cáo. Tại sao thế? Tại vì đa số các kết quả không phải là cái gì ghê gớm lắm mà bọn referees phải bỏ ăn trưa đọc ngay. Muốn được review sớm, cách duy nhất là có một kết quả rất hay mà nhiều người muốn đọc!
Thế còn vấn đề “nhỡ bị reject” thì sao? Tôi nghĩ là nên nộp vào một hội nghị (có tiếng) trước, turn-around time dù sao cũng đoán được, và claim kết quả được. Ngoài ra, nên upload bài vào Arxiv hay file một tech report song song với việc nộp bài vào journals nếu bạn sợ người ta claim credits. Với văn hóa ngành hiện nay, hội nghị và kỷ yếu hội nghị là phương tiện chính để ta quảng bá kết quả. Cái journal version thì các bạn nào còn là sinh viên thì cần, có tenure rồi thì … từ từ làm cũng được
Nguyễn Xuân Long | 24 tháng 07, 2009 | Bản để in
Tranh thủ sửa lại response của mình cho bạn Virgo, tôi thấy mấy còm này cũng đáng một blog entry, nên lôi nó ra đây.
Ko biet a HUNG va a XUAN LONG co the vui long viet 1 bai chung ve kinh ngghiem tim va nhat la interview cho assistant prof o US hay khong?
A HUNG hoi cach day may nam co viet 1 bai hay ve PhD. Luc do tui moi BAT DAU hoc PhD o UK thui. Gio dang ngap nghe tim viec ben US. Nen chac la den luc a phai viet bai ve asst prof rui
Tui toi gio cung co 3 job interviews. Mot la qua DT, chac con vai vong nua. 2 truong con lai la phai qua do de interviews.
Rieng ve phong van xin job o UK thi tui cung co kinh nghiem roi. Chi la muon nghe cac anh ke ve kinh nghiem ben do thoi. Chuyen nganh cua tui la MIS.
Cam on 2 anh truoc.
Chúc mừng bác, được mời phỏng vấn nhiều nơi là có nhiều hy vọng.
Bác đã phỏng vấn ở UK rồi thì chắc cũng giống như bên Mỹ thôi. Kinh nghiệm phỏng vấn nhiều người đã viết. Ví dụ vào link của trang nhà bác An Hải khá đầy đủ. Bác chỉ cần bỏ một buổi đọc qua là biết, cũng không phải bận tâm với nó cho đến khi sửa soạn đi.
http://pages.cs.wisc.edu/~anhai/advice.html
Tôi thấy có hai tips rất hữu ích với bản thân, chủ yếu liên quan đến việc manage sự kỳ vọng, lo âu và căng thẳng của quá trình có thể kéo dài rất nhiều tháng này, và sau đó là cách thức quyết định đi đâu khi đã có offer.
Tip thứ nhất là phải compartmentalize (tiếng Việt là gì nhỉ). Trước mùa phỏng vấn nói chung tranh thủ tập trung vào công việc là chính, không nghĩ ngợi về job interviews/ job market rumor làm gì để tránh lo lắng. Suy nghĩ nhiều về công việc giúp khi phỏng vấn sẽ có job talk tốt hơn, và nói chuyện research vision cũng lưu loát hơn. Cái này suy cho cùng là điều quan trọng nhất bạn có thể chuẩn bị được. Chỉ đến khi gửi hồ sơ đi rồi tôi mới bỏ thời gian tìm hiểu cái link trên của bác Hải (về cách thức phỏng vấn, các tips về nghi lễ,…). Trong khi đi phỏng vấn thì không làm việc gì creative được, nên tranh thủ relax. (Tôi kịp đọc xong vài quyển truyện/hồi ký NDM và Rudin, và scan thêm mấy trang quyển Princeton Companion of Math nữa
Tip thứ hai xoay quanh vấn đề quyết định khi đã có offer rồi. Cần bình tĩnh, “calm and cool”. Khi mới apply ai cũng chỉ mong có một cái offer là tốt rồi. Nên không nghĩ đến điều này nhiều. Nhưng thường khi đã có một offer thì cũng sẽ có hai hoặc hơn. Cần đàm phán thế nào, từ chối offer ra sao, rồi quyết định đi đâu, có khi lại nhức đầu hơn, mệt hơn cả quyết định lấy vợ đấy. Nó có ảnh hưởng rất quan trọng đến career sau này của bạn. Cũng giống như khi chuẩn bị, việc đàm phán và đi đến quyết định là một quá trình , không thể vội. Cần phải được dành thời gian đủ dài để suy tính, nói chuyện người này người khác, lắng nghe lòng mình, rồi mới quyết định.
Cả hai lời khuyên trên đều do advisor của tôi góp ý. Lời khuyên đầu trước khi tôi chuẩn bị nộp hồ sơ vài ba tháng. Lời khuyên thứ hai sau khi biết tin tôi được offer đầu tiên. Hình như tôi thực hiện điều đầu tiên tốt hơn điều thứ hai, nhưng nhìn lại cả hai lời khuyên này giúp rất nhiều, làm cho toàn bộ quá trình phỏng vấn (kéo dài 5 tháng, kể từ lúc gửi hồ sơ đi đến khi chính thức quyết định offer) không đến nỗi quá căng thẳng.
Nên có một vài người làm sounding board trong quá trình đi phỏng vấn. Cần một vài mentors trong ngành của mình để cập nhật họ (Phd hoặc postdoctoral advisor chẳng hạn). Ngoài ra tôi có hỏi chuyện một số người như anh Hưng hay anh An Hải, họ có nhiều lời khuyên hoặc tidbits hữu ích, đôi khi trong các tình huống rất cụ thể. Bác Virgo hay bất kỳ bạn SV VN nào muốn gọi phone trực tiếp đến các bác này (có thể kể cả tôi nữa), đặc biệt những người gần gụi ngành mình, thì chắc chắn ai cũng sẽ vui vẻ và nhiệt tình chia sẻ.
Tất nhiên tôi cũng rất thích đọc kinh nghiệm của các bác đã ở cả hai phía của academic job market. Chúc bác thành công có nhiều offers.
Ngô Quang Hưng | 19 tháng 07, 2009 | Bản để in
Why is Science Important? from Alom Shaha on Vimeo.
Trích một đoạn đầu:
Bạn vừa thấy tôi bước qua than đá đỏ hỏn, ở nhiệt độ hơn 500 độ C. Tôi đã có thể bảo bạn rằng tôi tu luyện Thiền đến trình độ xuất thần nhập hóa, nhờ đó mà không bị đau. Sau đó tôi sẽ bảo bạn rằng nếu bạn theo trường phái Thiền của tôi thì bạn sẽ tu luyện được để sống hạnh phúc hơn. Dĩ nhiên là kèm theo ít học phí.
Hoặc, tôi cũng có thể cho bạn biết sự thật, rằng bước chân trần qua than đá nóng không cần công năng đặc dị gì. Than đá dẫn nhiệt tồi, và tôi bước đủ nhanh để nhiệt không đủ thời gian lan truyền (vào chân).
Phân biệt chân lý và sự lừa đảo là một trong các lý do mà khoa học thật quan trọng.
Nguyễn Xuân Long | 03 tháng 07, 2009 | Bản để in
Thị trường công việc cho faculty ở các trường ĐH ở Mỹ năm nay đã khép lại. Tôi đã may mắn tìm được một vị trí mà mình yêu thích, và đang hứng khởi chuẩn bị dọn đến thành phố Ann Arbor, Michigan. Cũng giống như việc chuẩn bị apply vào grad schools để theo đuổi PhD, quá trình nộp hồ sơ, phỏng vấn và thăm viếng các trường ĐH là một rite of passage cho những ai đi theo con đuờng academia, và tất nhiên cũng để lại cho tôi nhiều ấn tượng đáng nhớ. Xin ghi chép lại đôi chuyện và một vài suy nghĩ về triển vọng và cơ hội của ngành thống kê và KHMT (đặc biệt là machine learning) trong thời gian tới.
Mặc dù nộp đơn vào cả hai khoa Thống kê (TK) và KHMT, tôi thích ở bên khoa Thống kê vì thấy văn hóa ngành này phù hợp vói tính cách của mình. Về mặt nghiên cứu, nhất là lĩnh vực machine learning/ data mining thì ở bên KHMT hay bên TK sẽ không có khác biệt gì nhiều với những lĩnh vực tôi quan tâm; tôi đang và sẽ tiếp tục hợp tác với các đồng nghiệp ở cả hai. Vì không làm PhD bên khoa TK nên lúc đầu tôi có nhiều e ngại về khả năng xin việc của mình ở các khoa đó. Thế giới academia về nhiều khía cạnh khá là bảo thủ và rất coi trọng truyền thống. Rất ít khi họ nhận người có PhD từ một khoa khác và ngành TK cũng không phải là ngoại lệ. (Đôi khi một PhD một ngành khác vẫn có thể có những vị trí joint appointment cho hai khoa (ví dụ 50% TK và 50% KHMT), tuy vậy những vị trí như vậy cũng rất hiếm hoi và cũng không mấy được ưa chuộng cho những người ở vị trí Assistant Professor vì lý do xét duyệt tenure phiền phức sau này. Phần lớn các joint appointment mà chúng ta thấy là dành cho senior faculty và là ở dạng courtesy mà thôi, không phải là thành viên thường trực (regular) trong khoa). Rất may tôi không cảm thấy có sự phân biệt nào đáng kể đối với trường hợp của mình (nói cách khác, nếu có sự phân biệt thì đó chính là lợi thế về background KHMT/machine learning của mình). Ngoài cá nhân tôi, năm nay có một người nữa có background về machine learning cũng được nhận vào giảng dạy ở khoa TK Đại học Pennsylvania. Điều này nói lên sự cởi mở của ngành TK tại thời điểm hiện nay, một giai đoạn chuyển dịch thú vị có thể ảnh hưởng lớn đến bộ mặt của các khoa TK và KHMT trong tương lai. Đây là một câu chuyện chính tôi muốn nói trong bài viết này.
Trong quá trình đi phỏng vấn, trò chuyện với nhiều người, tôi nhận thấy hai ngành KHMT và Thống kê có rất nhiều điểm tương đồng. Cả hai đều là ngành trẻ, dẫu có gốc rễ từ lâu nhưng thực sự cả hai chỉ bắt đầu cất cánh vào sau thế chiến 2. Ở Mỹ các khoa Thống kê bắt đầu được thành lập từ những năm 1950, 1960, thường tách ra từ khoa Toán. Các khoa KHMT cũng bắt đầu được thành lập từ những năm 1960’s, 1970’s, cũng tách từ khoa Toán hoặc Engineering. Sự ra đời của các khoa KHMT và TK có thể nói là một phần lớn do nhu cầu giải quyết các vấn đề thực tiễn phát sinh trong chiến tranh, công nghiệp, nông nghiệp và một số lĩnh vực trọng yếu khác. Khác với các ngành KH hay công nghệ khác thường có đối tượng nghiên cứu rất cụ thể (ví dụ, nuôi con nào trồng cây gì), đối tượng nghiên cứu của TK và KHMT mang tính khái quát khá cao (xoay quanh những vấn đề về inference và computation). Vì vậy TK và KHMT cũng có những vấn đề nghiên cứu nội tại khá sâu sắc và lý thú, mang đậm tính lý thuyết và triết lý. Với nhiều người đó có thể là lý do chính (hoặc ban đầu) thu hút họ đến với hai ngành này và bản thân tôi cũng đã bắt đầu như vậy. Nhưng như nói ở trên thì TK và KHMT phần lớn và về bản chất không phải là một ngành lý thuyết thuần túy. Chính tính ứng dụng cao của KHMT và TK, bằng cách tạo ra những công cụ cụ thể để có thể áp dụng trong các khoa học thực tiễn khác, là cái gốc rễ cung cấp động lực để hai ngành này tồn tại và phát triển. Vấn đề gì cần xử lý và phân tích dữ liệu thì cần phương pháp XSTK. Cần cấu trúc dữ liệu và giải thuật phức tạp thì cần công cụ KHMT. Thời đại ngày nay rất dễ thấy rất nhiều vấn đề trong mọi lĩnh vực đều cần cả hai thứ đó.
Công nghệ hiện đại đang cho phép chúng ta quan sát các hiện tượng tự nhiên, xã hội hay tính chất của các máy móc nhân tạo một cách rất tỷ mỷ bằng khả năng thu thập dữ liệu với số lượng rất lớn. Làm sao để “make sense” được núi dữ liệu khổng lồ này là một thử thách cần sự cộng tác của chuyên gia thống kê cũng như chuyên gia KHMT. Chính sự thay đổi vượt bậc về số luợng dữ liệu này đòi hỏi nhiều thay đổi căn bản trong phương pháp xử lý phân tích dữ liệu và các phưong pháp dự báo thống kê. Sự giao thoa giữa inferential efficiency và computational efficiency đang trở nên một vấn đề trung tâm của TK, và tôi tin rằng đây cũng là một vấn đề trung tâm (không chỉ trong machine learning mà cả) KHMT trong tương lai. Tôi đã từng viết ở Blog KHMT về quá trình giải quyết các vấn đề liên quan đến dữ liệu là sự tương tác: Data –> Models –>Algorithms. Theo truyền thống, anh làm TK sẽ tìm hiểu Data (nói chuyện với các chuyên gia về data đó), và xây dựng mô hình và phương pháp cách thức học/inference mô hình thích hợp. Có mô hình rồi, những vấn đề về data structure, thuật toán và implementation cụ thể đuợc đẩy cho anh làm KHMT. Khi data phức tạp, mô hình phức tạp, thuật toán cũng phức tạp theo, thì sự module hóa như vậy không khả thi /hiệu quả nữạ, cần phải có sự tradeoff giữa việc design mô hình và design thuật toán. Vì vậy cần phải có background về cả KHMT và XSTK mới có thể giải quyết vấn đề một cách hiệu quả. Rất có thể, trong tương lai, những khoa kiểu như khoa Machine Learning ở Carnegie Mellon University (CMU) sẽ được thành lập ở nhiều nơi, kết hợp va hấp thụ nhiều thứ đang được dạy/học riêng rẽ ở các khoa TK và KHMT. Khi ấy, bộ mặt khoa TK va KHMT cũng sẽ thay đổi và khác xa những gì chúng ta đang thấy ngày nay.
Trong khi KHMT đã trở nên khá quen thuộc với các thế hệ sinh viên VN gần đây, sự hiện diện của TK còn rất ít ỏi. Trong quá trình phỏng vấn ở 10 trường (có thể coi là trong top 20 ở Mỹ) tôi được dịp làm quen với vài bạn VN ở khoa TK. Một bạn ở Wisconsin-Madison và một bạn ở Florida. Một có background về analysis/PDE, một có background về probability truớc khi sang Mỹ theo đuổi PhD về statistics. Cả hai đều được các GS ở khoa đánh giá rất cao. Nếu tôi đi phỏng vấn ở các khoa KHMT, chắc sẽ có hân hạnh được gặp các SV VN nhiều hơn. Quả thực hiện nay còn quá ít SV người Việt học TK, so với ngành KHMT cũng như các ngành Engineering khác. Trong khi KHMT nghe cool với SV Việt nam, TK có lẽ không (chưa) có gì là cool lắm. Lực lượng giảng dạy và nghiên cứu TK ở Vietnam hình như rất ít ỏi, có lẽ chỉ đếm trên đầu ngón tay. Không rõ đã có trường nào có khoa thống kê riêng chưa. Tôi chắc là một đội ngũ có chuyên môn bài bản về mô hình, xử lý và phân tích dữ liệu có lẽ rất ít. Tôi có cảm giác sự hiểu biết của giới sinh viên đại học ở VN về ngành TK và những cơ hội của XSTK rất hạn chế do thiếu thông tin.
Xin nói tiếp về triển vọng công việc của ngành TK ở Mỹ. Theo tôi biết từ các chủ nhiệm khoa thì những ai tốt nghiệp PhD về TK đều xin việc rất dễ. Các ngành Engineering thì lúc lên lúc xuống, tùy vào “what’s hot and what’s not”. Công nghệ thay đổi rất nhanh, do đó đoán trước cái gì nóng là rất khó. Nhưng bên XSTK thì bao giờ cũng cần người làm cho các công ty tư vấn cho chính phủ, bảo hiểm, y tế, dược, khảo sát về dân số, và các công ty về tài chính. Vì bao giờ cũng có nhiều dữ liệu và các dạng dữ liệu mới, đòi hỏi công cụ phân tích và dự báo mới. Gần đây các công ty high-tech như Google, Yahoo cũng đều có nhu cầu tìm PhD về TK, vì những công ty này kiểm soát một lượng thông tin khổng lồ của thế giới. Trong khi thị trường faculty job cho EECS có phần đình trệ trong vòng 5-10 năm trở lại đây, thì bên TK thì sau một chu kỳ trì trệ của thập niên 80-90 lại bắt đầu khởi sắc. Điều này theo tôi liên quan đến sự chuyển dịch của ngành TK sang hướng computation nhiều hơn, như đã nói ở trên, và sự về hưu của một lớp các GS kỳ cựu lấy bằng PhD những năm 60-70 (đây là lớp PhD đào tạo bài bản đầu tiên ở các khoa TK ở Mỹ). Năm nay tôi nộp hồ sơ đến 15 khoa TK và 9 khoa KHMT, bởi vì chỉ có từng đó vị trí opening cho vị trí tenure-track. Sự chênh lệch này đáng kể vì thông thường các khoa KHMT lớn hơn TK rất nhiều và theo đó lẽ ra thường phải có nhiều opening hơn. Ở Berkeley năm nay chỉ tuyển thêm 1 người (khoa này cực lớn với hơn 80 faculty và 1500 sinh viên), trong khi đó khoa TK (với khoảng 20-30 faculty) cũng được tuyển thêm1 người. Khoa KHMT ĐH Wisconsin-Madison (bác An Hải) cũng không có opening cho đến phút cuối, cuối cùng năm nay cũng tuyển hai người. Khoa TK (nhỏ hơn khoa KHMT như thường lệ) ở Wisconsin cũng tuyển thêm hai người năm nay.
Hiện nay mức độ cạnh tranh về graduate admissions (PhD programs) cho các khoa TK có thể vẫn còn thấp hơn bên EECS nhiều. Ở Duke năm vừa rồi có khoảng 200 hồ sơ, nhận khoảng 10. Như thường lệ, các bạn Trung Quốc và Ấn Độ luôn luôn là những người nhanh nhạy nhất. Nhưng trong số 200 hồ sơ đó có khoảng > 100 hồ sơ là tù Trung Quốc. Một faculty ở Purdue cũng cho hay có khoảng 300 hồ sơ, thì nghe đâu hơn 200 là từ TQ. Đây là điểm các bạn SV Việt nam nên lưu ý. Các khoa ai cũng thích diversity, và nếu học sinh đến từ VN chẳng hạn chắc chắn sẽ có ưu thế. Nhiều vị GS gốc TQ còn nói với tôi là họ không thích nhận nhiều SV từ TQ như vậy. Như đã nói ở trên nhu cầu công việc bên TK luôn tăng trưởng ổn định nên triển vọng về tenure-track position opening bên TK do đó cũng rất tốt. Theo nhiều người nhìn nhận, trong vòng 10 năm tới prospects về academia bên TK sẽ vẫn tốt cho những người có thế mạnh về computation, algorithms (bên cạnh background tốt về TK hiện đại).
Vì vậy các bạn có background tốt về toán, KHMT, các ngành khoa học tính toán (computational sciences), các ngành công nghê ở bậc đại học, nên tham khảo tìm hiểu thêm ngành XSTK trong khi lựa chọn hướng đi (để làm PhD) của mình. Thú thực hồi học ĐH tôi có học một vài courses về TK, học cộng trừ nhân chia mấy cái mean và variance thấy không thú vị gì cho lắm. Ở mức độ ĐH thường người ta chỉ dạy các dạng recipe cookbooks về XSTK, rất lạc hậu và tẻ nhạt. Thấy giống như học calculus bên Toán hay học lập trình Pascal bên KHMT vậy. Đó không phải là bức tranh thực sự của XSTK. Ngành XSTK hiện đại đang trở thành ngôn ngữ và công cụ cho khoa học và công nghệ hiện đại giống như ngành toán học đối vơi vật lý vậy. Các vấn đề trong nghiên cứu về XSTK rất dồi dào và phù hợp cho các tính cách khác nhau: những ai thích học toán, hoặc thích sáng tạo thuật toán, hoặc thích tạo ra mô hình cho các hiện tượng tự nhiên và xã hội, thích nghịch ngợm với dữ liệu các kiểu, hoặc thích nghiên cứu của mình có ứng dụng trực tiếp đến cuộc sống, đều có thể tìm được cho mình một mảng đề tài phù hợp. Nếu bạn từng được vấn đề trong trí tuệ nhân tạo, machine learning, signal processing, communication theory, hay information theory kích thích trì tò mò và say mê, thì rất có thể ngành Xác suất thống kê là ngành thích hợp cho khả năng và tính cách của mình.
Bài viết này có thể hơi self-center về ngành TK một chút. Xin được nói ngay là có rất nhiều ngành hay khác nhau và những cơ hội khác nhau cho tất cả mọi người. KHMT hay TK chỉ là một vài lựa chọn trong rất nhiều lựa chọn đó. Mong muốn của tôi ở đây chủ yếu là cung cấp thêm một số thông tin có thể sẽ hữu ích để tham khảo, đặc biệt những ai xuất thân từ KHMT, toán, hoặc các ngành kỹ thuật khác, đang loay hoay tìm kiếm một con đuờng đi tiếp cho nghiên cứu lâu dài cho mình. Hy vọng trong tương lai không xa sẽ có thêm đồng nghiệp VN, không chỉ trong KHMT mà cả trong XSTK nữa.
Ngô Quang Hưng | 02 tháng 04, 2009 | Bản để in
Mới biết là bác Nguyễn Tiến Dũng cũng viết blog (hay cái gì đó tương tự như blog). Trong đó có 2 bài mới:
Ngô Quang Hưng | 14 tháng 03, 2009 | Bản để in
Thầy cho em hỏi nếu em dùng kết quả ở một paper chắp với kết quả ở một paper khác rồi tỉa tót thì có bị xem là đạo văn không ạ?
Về mặt cơ học thì câu trả lời rất rõ ràng: 1. Cái gì (kỹ thuật, kết quả, giả thuyết, chứng minh, v.v.) lấy từ paper khác thì cite lại nguồn. Không cite lại nguồn là “đạo”. Chỉ những thứ là “tri thức chung” thì không cần dẫn nguồn. 2. Còn nếu lấy vài kết quả của người khác (hay của mình) nhưng có citation cẩn thận, rồi dùng chúng để chứng minh kết quả mới thì không phải là “đạo”, dù rằng cái mới đó chỉ nhỏ thôi.
Thật ra tôi nghĩ không cần hỏi câu “X có bị xem là đạo văn không”? Câu hỏi của một người làm nghiên cứu luôn luôn phải là “X có đáng để mình mất thời gian quí báu của cuộc sống vào làm không?.
Ví dụ, có thể hỏi:
Tôi sẽ trả lời: “làm thế nào mà thấy thanh thản trong lòng là được.”
Ngô Quang Hưng | 04 tháng 03, 2009 | Bản để in
Đây là mấy câu hỏi phỏng vấn kinh điển. Rất nhiều các câu hỏi PV của Microsoft và Google là biến thể của hai câu sau đây:
int significant_place(uint32_t x) bằng ngôn ngữ C, trả về vị trí của bit 1 cuối cùng bên trái của x (position of the most significant bit)
int count_ones(uint32_t x) bằng ngôn ngữ C, trả về tổng số bít 1 trong biểu diễn nhị phân của x. Hàm chạy càng nhanh càng tốt. (Có khá nhiều cách trả lời khác nhau cho bài này, mỗi cách có cái hay riêng. Quyển Beautiful Code
có hẳn một chương về bài này.)
Cập nhật 4 tháng 3: một sinh viên của tôi vừa phỏng vấn với Bloomberg chiều nay. Một trong số các câu hỏi là một câu hỏi kinh điển của cấu trúc dữ liệu:
Ngô Quang Hưng | 19 tháng 02, 2009 | Bản để in
Cả hai câu hỏi đều rất hay.
Họ phải làm sao để được thả?
Kế hoạch của các tù nhân như thế nào để xác suất được thả là lớn hơn 30 phần trăm?
Ngô Quang Hưng | 30 tháng 01, 2009 | Bản để in
A cần bao nhiêu “vệ sĩ”, và đặt ở đâu, để cho không có bất kỳ tia laser nào từ B có thể bắn trúng A. Một số hữu hạn các vệ sĩ có đủ không?
Ngô Quang Hưng | 18 tháng 08, 2008 | Bản để in
Như mọi năm, đến gần thời gian mà các sinh viên chuẩn bị nộp đơn vào grad school tôi nhận được khá nhiều emails từ các prospective students từ nhiều nơi trên thế giới. (Nhiều nơi = TQ và Ấn.) Hôm nay mới nhận được một thư khá dài dòng, kể thành tích nghiên cứu MPLS, traffic engineering đủ loại, xong rồi kết luận, và tôi trích nguyên văn
I hope we can keep touching
Email còn gửi kèm ảnh, một chú … húi cua đeo kính cận.