Tôi đang học |
Sinh viên Data Science đam mê AI Ethics, Machine Learning và xây dựng các hệ thống AI có trách nhiệm. Portfolio này ghi lại hành trình học tập thực chất — không chỉ kết quả, mà cả quá trình.
Data Science Student
Tôi là sinh viên năm 2 ngành Khoa học Dữ liệu tại VNU-UET, quan tâm đến giao điểm giữa kỹ thuật phân tích dữ liệu và đạo đức AI. Tôi tin rằng một Data Scientist giỏi không chỉ biết build model, mà còn phải hiểu khi nào không nên build.
Trong học kỳ này, tôi sử dụng Claude và NotebookLM như "thought partner" trong quá trình học — với nguyên tắc: AI hỗ trợ tư duy, không làm thay tư duy.
Tất cả 8 tiêu chí của học phần Kỹ Năng Số — mục tiêu Mức 4
Portfolio website với Design Rationale, Information Architecture, Color Psychology và User Journey Map.
Cấu trúc thư mục chuẩn SE với Naming Convention Guide và phân tích nguyên tắc Separation of Concerns.
Kịch bản tìm kiếm 7 operators (site:, filetype:, intitle:...) với Search Log thực tế và CRAAP evaluation.
Phân tích Tokenization, Attention Mechanism, Hallucination risk qua lăng kính NLP với so sánh prompt TCROSE vs cơ bản.
Agile workflow với Kanban board, pipeline Notion→Claude→GitHub và phân tích so sánh trước/sau khi áp dụng PM tools.
Dataverse UET: The Freshman's Codex — series 4 bài viết với AI Orchestration 5 tools và AI Usage Log minh bạch.
Framework 6 nguyên tắc đạo đức AI cá nhân (Transparency → Human Flourishing) với case study tín dụng AI tại Việt Nam và Personal Ethics Pledge.
Bài phản ánh Gibbs' Reflective Cycle liên kết Metacognition Theory & Cognitive Load Theory với kế hoạch 3 giai đoạn (6 tháng / 2 năm / 5 năm).
Sử dụng ML để dự đoán các lượt ban/pick map trong tựa game Valorant với xác suất ~70%
Dựa trên ML và AI, dự đoán được tay đua F1 nào có thành tích tốt nhất ở các chặng đua trong năm 2026
Thêm project của bạn vào đây
Mở index.html → chỉnh section ProjectsTiêu chí 5 — Agile workflow với Kanban board và pipeline AI-enhanced
Gibbs' Reflective Cycle — Tiêu chí 8
Thực hành 6 kỹ năng số: Prompt Engineering, File Management, Academic Search, Collaboration, AI Ethics, AI Content Creation.
Từ skeptical ("học đặt tên file làm gì?") → nhận ra "hỏi hay" là kỹ năng thực sự. Lo ngại về ranh giới ỷ lại AI.
Tăng trưởng trung bình +2.0/5 qua 6 kỹ năng. Prompt Engineering & AI Ethics: tăng mạnh nhất (+3). Điểm yếu: tính nhất quán ngoài deadline.
Metacognition Theory: Viết prompt tốt buộc tư duy rõ ràng hơn. Cognitive Load Theory: AI giảm extraneous load — nhưng rủi ro bỏ mất germane load.
Test cốt lõi: "Sau khi AI trả lời, tôi giải thích lại được không?" Ranh giới không nằm ở công cụ mà ở ý thức người dùng.
6 tháng: Xây thói quen. 2 năm: Tích hợp vào DS workflow & Anthropic API. 5 năm: Data Scientist hiểu khi nào không nên build model.
"Technology is neither good nor bad; nor is it neutral." — Melvin Kranzberg, First Law of Technology