Thạc sĩ Trực tuyến về AI: Có Đáng Đầu Tư Hay Không?

Tôi là một kỹ sư học máy (Machine Learning Engineer) giàu kinh nghiệm, từng làm việc tại các công ty công nghệ lớn như Meta, Google và LinkedIn. Dù đã có một công việc tốt tại một công ty hàng đầu và cơ hội giải quyết các vấn đề học máy thú vị, tôi vẫn quyết định theo đuổi chương trình thạc sĩ bán thời gian trực tuyến tại Đại học Texas tại Austin (UT Austin), và tôi mới hoàn thành nó gần đây. Trong bài viết này, tôi xin chia sẻ suy nghĩ của mình về việc liệu bằng thạc sĩ trực tuyến về AI, Khoa học Dữ liệu (Data Science) hay Khoa học Máy tính (CS) có thực sự xứng đáng để xây dựng sự nghiệp trong lĩnh vực này hay không.

Các chương trình Thạc sĩ Trực tuyến về AI

Trong vài năm qua, nhiều trường đại học hàng đầu đã cung cấp các chương trình thạc sĩ trực tuyến về khoa học máy tính, AI và khoa học dữ liệu. Một số cái tên nổi bật bao gồm:

• OMSCS tại Georgia Tech
• Thạc sĩ Khoa học Máy tính tại Đại học Stanford (chỉ dành cho cư dân Mỹ)
• Thạc sĩ Khoa học Máy tính, AI hoặc Khoa học Dữ liệu tại Đại học Texas tại Austin
• Thạc sĩ ML và DS tại Imperial College London
• Thạc sĩ Thông tin và Khoa học Dữ liệu tại UC Berkeley

Các chương trình này hoàn toàn tương đương với các chương trình học tại trường. Sinh viên học cùng các môn học, giảng dạy bởi cùng những giáo sư, hoàn thành cùng bài tập và nhận bằng tốt nghiệp giống hệt nhau (ví dụ tại UT Austin, sinh viên thạc sĩ trực tuyến cũng được mời tham dự lễ tốt nghiệp cùng sinh viên chính quy).

Sự khác biệt duy nhất là hình thức truyền đạt. Các bài giảng được ghi hình và xem trực tuyến, mọi tương tác giữa giáo sư, trợ giảng và sinh viên diễn ra online (qua Zoom, diễn đàn nội bộ hoặc phòng chat), tất cả bài tập và bài thi đều được hoàn thành và nộp trực tuyến.

Liệu chúng có xứng đáng?

Đối với những người đã làm việc trong ngành, tôi nghĩ là có, miễn là bạn có lý do đúng đắn để theo học và chọn được một chương trình tốt. Dưới đây là lý do của tôi được hỗ trợ bởi dữ liệu thực tế và kinh nghiệm cá nhân.

Lợi ích

Chương trình học khuyến khích hoàn thành (và do đó, là việc học)

Mặc dù hầu hết kiến thức về khoa học dữ liệu, học máy và AI đều có sẵn miễn phí trên internet ngày nay, một chương trình bằng cấp có cấu trúc sẽ thúc đẩy bạn thực sự làm việc qua nó và hoàn thành đến cùng.

Hãy xem một số dữ liệu thực tế. Tỷ lệ hoàn thành của các chương trình bằng cấp thực tế này cao hơn đáng kể so với các khóa học trực tuyến mở lớn (MOOCs), như được chứng minh bởi biểu đồ dưới đây, cho thấy dữ liệu từ các chương trình với các hình thức truyền tải khác nhau — MOOC, bằng cấp trực tuyến, và bằng cấp tại trường. Trong dữ liệu này, các chương trình bằng cấp trực tuyến có xu hướng có tỷ lệ hoàn thành cao hơn đáng kể so với MOOCs. Các chương trình tại trường tất nhiên có tỷ lệ hoàn thành cao nhất, nhưng đi kèm với chi phí cao hơn nhiều so với các chương trình trực tuyến.

Tỷ lệ hoàn thành các chương trình học

Từ kinh nghiệm cá nhân của tôi: trước khi bắt đầu học bằng, tôi đã lưu hàng chục danh sách phát YouTube, mua sách và các khóa học MOOC về Học tăng cường (Reinforcement Learning) và Đại số Tuyến tính Nâng cao. Tuy nhiên, tôi chưa bao giờ hoàn thành tất cả chúng. Danh sách chỉ tiếp tục dài thêm. Nhưng khi tôi nhập học chương trình thạc sĩ, tôi bị thúc đẩy phải hoàn thành các khóa học mình đăng ký. Ví dụ, như một phần của khóa học RL, tôi buộc phải đọc cuốn sách "kinh điển" về Học tăng cường của Barto và Sutton toàn bộ, ghi chép, hoàn thành bài tập và ôn thi. Tôi có thể chắc chắn rằng nếu không có chương trình này, tôi sẽ không bao giờ nghiên cứu chủ đề đó ở độ sâu như vậy.

Khi tôi hoàn thành các khóa học trong chương trình, tôi có thể bắt đầu thấy tác động tích cực đến công việc của mình với tư cách là một kỹ sư ML. Ví dụ, tôi đã áp dụng contextual bandits (được học từ khóa học Học tăng cường) để cá nhân hóa việc xếp hạng quảng cáo cho người dùng, và các kỹ thuật quantization (lượng tử hóa) cũng như low-rank adapters trong học sâu (từ khóa học Advances in DL) vào các mô hình lớn. Hơn nữa, những điều tôi học được giúp tôi tham gia vào các cuộc thảo luận với đồng nghiệp tại công việc, xem xét công việc của họ và hỗ trợ vai trò lãnh đạo kỹ thuật của mình.

Cung cấp bộ khóa học AI phong phú

Hầu hết các chương trình tốt mà tôi đã xem đều cung cấp nhiều mô-đun đa dạng liên quan đến AI và Khoa học Dữ liệu. Thật thú vị khi thấy rằng một số tài liệu mô-đun dựa trên các bài báo được công bố cách đây chỉ một hoặc hai năm, cho thấy các trường đại học đang cố gắng giữ cho tài liệu phù hợp với thời đại.

Dưới đây là một số mẫu các mô-đun từ các trường đại học khác nhau:

• Các khóa học Toán học: Đại số Tuyến tính Nâng cao (UT Austin), Phân tích Số (University of Illinois Urbana-Champaign), Nền tảng Toán học cho ML (UPenn).
• Các khóa học Thống kê: Thí nghiệm và Suy luận Nhân quả (UC Berkeley), Thống kê Bayes (Georgia Tech).
• Khóa học ML / Deep Learning / RL chung: Học máy (lý thuyết hơn) (UT Austin), Học sâu (UT Austin), Học tăng cường (UT Austin).
• Các khóa học AI tạo sinh (Generative AI): Tiến bộ trong Mô hình Tạo sinh Sâu (UT Austin), Khóa học AI tạo sinh (UC Berkeley), NLP (Stanford).

Chứng chỉ có ích

AI đã trao quyền cho mọi người để xây dựng các sản phẩm tuyệt vời một cách độc lập (hoặc trong các nhóm nhỏ), nhưng thực tế ngay cả ngày nay là nếu bạn muốn làm việc tại một công ty, hoặc tìm đồng sáng lập cho startup AI của mình, chứng chỉ của bạn rất có thể sẽ quan trọng. AI đã nâng cao năng suất và chất lượng công việc cơ bản của mọi người lên một mức độ nhất định, và do đó một cách bổ sung để nổi bật hơn sẽ là có được các chứng chỉ tốt.

Điều này được hỗ trợ bởi dữ liệu về bằng cấp thực tế mà những người làm việc trong các vai trò kỹ sư phần mềm, nhà khoa học dữ liệu và nhà khoa học nghiên cứu đang nắm giữ. Lực lượng lao động trong các vai trò khoa học dữ liệu và nghiên cứu có khả năng nắm giữ bằng thạc sĩ hoặc tiến sĩ cao hơn nhiều, trong khi kỹ thuật phần mềm truyền thống vẫn chủ yếu là lĩnh vực cấp cử nhân.

Tỷ lệ bằng cấp trong các lĩnh vực kỹ thuật

Điều này, kết hợp với thực tế là công việc đã trở nên cạnh tranh hơn, có thể làm nổi bật tầm quan trọng của việc có được các chứng chỉ này. Các biểu đồ dưới đây cho thấy sự thay đổi phần trăm trong tin tuyển dụng theo vai trò giữa năm 2020 và 2025 tại Mỹ. Trong khi tin tuyển dụng kỹ sư phần mềm nói chung đã giảm, lại có sự gia tăng trong các công việc học máy.

Xu hướng tin tuyển dụng kỹ thuật tại Mỹ

Chi phí thấp hơn và Chi phí cơ hội giảm

Với bằng thạc sĩ trực tuyến, bạn có thể tiếp tục được giữ việc làm ở công ty hiện tại và theo đuổi bằng cấp của mình. Điều này có nghĩa là có rất ít chi phí cơ hội liên quan đến việc theo đuổi các bằng cấp này. Bạn không chỉ kiếm được tiền thông qua công việc của mình mà còn duy trì sự liên tục trong ngành và không mất cơ hội thăng tiến.

Thách thức thực tế về Nhập cư

Các chương trình trực tuyến, mặt khác, hoàn toàn bỏ qua các quy tắc nhập cư này — bạn có thể thực hiện chương trình ngay tại quốc gia của mình.

Những bất lợi

Thách thức trong việc làm Luận văn

Làm luận văn có thể là một cách tuyệt vời để đi sâu vào nghiên cứu. AI chắc chắn là một lĩnh vực đang được nghiên cứu tích cực (khác với các hình thức kỹ thuật phần mềm truyền thống hơn). Tuy nhiên, việc kết nối trực tuyến và đảm bảo sự hỗ trợ của một giáo sư cho luận văn của bạn khó khăn hơn.

Không có Hội chợ việc làm Quốc tế

Đối với sinh viên quốc tế hoàn thành chương trình trực tuyến từ quốc gia của họ, bạn phải tự lo việc tìm kiếm việc làm vì bạn sẽ không có các hội chợ việc làm địa phương. Tuy nhiên, điều này ít có khả năng là mối quan tâm của hầu hết mọi người. Giống như tôi, hầu hết những người làm các chương trình như vậy đều đã làm việc toàn thời gian và không nhất thiết đang tìm kiếm việc thay đổi ngay lập tức sau chương trình.

Lời kết

Tôi chắc chắn nghĩ rằng các chương trình trực tuyến như vậy đáng để làm đối với những người trong ngành, chủ yếu là nhờ con đường học tập tăng tốc mà nó đặt bạn lên, đặc biệt là trong thế giới AI nơi mọi thứ thay đổi mỗi ngày. Việc bắt kịp là điều bắt buộc, và làm một chương trình như vậy có thể giúp ích rất nhiều.

Vì vậy, tôi khuyên bạn nên "nhảy" vào nếu tất cả các điều kiện sau áp dụng với bạn:

1. Bạn có ý định học tập mạnh mẽ về các môn cụ thể: Hãy xem trước chương trình học và lập một danh sách cụ thể các khóa học mà bạn thực sự quan tâm.
2. Bạn có thể vào được một chương trình tốt: Không phải tất cả các chương trình đều có chất lượng như nhau. Nên kiểm tra xem phiên bản tại trường của cùng một bằng cấp đó có uy tín như thế nào.
3. Bạn có kỳ vọng thực tế: Tôi nghĩ động lực chính nên là để có được kiến thức nền tảng sâu sắc về các môn học. Việc áp dụng những kỹ năng đó để thăng tiến sự nghiệp sẽ là con đường mà bạn phải tự mình mở ra.