Tự đánh giá bản thân

Nhìn lại Hành trình Học tập

I. Kiến thức tích lũy & Tự đánh giá kỹ năng

Thông qua việc thực hiện nghiêm túc 6 bài tập lớn trong học phần này, tôi đã hệ thống hóa và làm chủ được một lượng kiến thức và kỹ năng số vô cùng quan trọng:

Kiến thức cốt lõi

  • Nền tảng hệ thống: Nắm vững cách quản trị tệp tin, phân cấp và cấu trúc bảo mật dữ liệu lưu trữ trên hệ điều hành Windows.
  • Nghiên cứu học thuật: Nắm vững cách xây dựng bộ từ khóa tìm kiếm (toán tử Boolean), cách đánh giá chất lượng và độ tin cậy của tài liệu khoa học theo chuẩn Peer-review (IEEE, ACM).
  • Ứng dụng AI thực tiễn: Hiểu rõ cơ chế hoạt động của các mô hình ngôn ngữ lớn (LLMs), tối ưu hóa kỹ năng Prompt Engineering trong tạo mã và gỡ lỗi.
  • Đạo đức & Liêm chính: Nhận thức sâu sắc chính sách liêm chính học thuật và xây dựng bộ quy tắc ứng xử có trách nhiệm khi sử dụng AI trong học tập.

Mức độ tự đánh giá Kỹ năng

II. Ma trận đối chiếu: Vấn đề & Biện pháp khắc phục

Quá trình hoàn thành bài tập dự án này không chỉ đơn thuần là gõ code mà là một trải nghiệm thực tế quý giá với nhiều thử thách bất ngờ, đòi hỏi tư duy giải quyết vấn đề độc lập:

Vấn đề 1: Đồ thị Python bị méo tỉ lệ (Bài 3)

Khi chạy thử đoạn mã vẽ đồ thị lưới tọa độ sau phép biến đổi tuyến tính do ChatGPT sinh ra, hình vuông bị méo thành hình chữ nhật do tỉ lệ khung hình mặc định của thư viện Matplotlib.

Biện pháp: Sử dụng AI để học hàm thư viện

Tôi đã viết một Prompt hẹp để hỏi AI giải pháp cố định tỉ lệ khung hình. AI đã hướng dẫn thêm câu lệnh `plt.gca().set_aspect('equal')`, giải quyết triệt để lỗi và giữ đồ thị chuẩn xác.

Vấn đề 2: AI đề xuất sai kiến trúc Java (Bài 5)

Trong bài toán thiết kế Class OOP Đấu giá, Google Gemini đề xuất để Class `Auction` kế thừa (`extends`) từ Class `Entity`. Đây là lỗi thiết kế hệ thống nghiêm trọng (vi phạm Domain-Driven Design).

Biện pháp: Phản biện & Sử dụng Composition

Tôi đã chủ động bác bỏ mã nguồn của AI, tự tay viết lại phần phân tích cấu trúc sử dụng quan hệ chứa trong (Composition) thay vì kế thừa (Inheritance), chứng minh tư duy kỹ thuật độc lập lớn hơn 50%.

Vấn đề 3: Xung đột tài liệu & trôi tin nhắn (Bài 4)

Khi làm việc nhóm trực tuyến trên Google Docs, các thành viên hay ghi đè ý tưởng của nhau. Đồng thời, các link tài liệu quan trọng trên Discord nhanh chóng bị trôi mất.

Biện pháp: Thiết lập bộ quy tắc làm việc nhóm

Tôi đề xuất bật chế độ "Suggesting" thay vì "Editing" trên Docs. Đồng thời, tôi chủ động quy hoạch các channels Discord chuyên biệt và ghim các tin nhắn chốt quyết định để dễ dàng tra cứu.

III. Lộ trình phát triển & Định hướng tương lai

Môn học Nhập môn Công nghệ số & Ứng dụng AI mới chỉ là bước khởi đầu. Để chuẩn bị tốt cho sự nghiệp của một Kỹ sư Phần mềm tương lai, tôi tự đặt ra cho mình lộ trình phát triển tiếp theo:

1. Nghiên cứu sâu về Machine Learning và Học sâu (Deep Learning) Học kỳ tới
Dựa trên kết quả bài tập 2 về "Ứng dụng Học máy trong Dự đoán lỗi phần mềm", tôi định hướng sẽ tự học nâng cao toán học (Đại số tuyến tính, Xác suất thống kê) để tự cài đặt các thuật toán dự đoán lỗi.
2. Làm chủ Kỹ nghệ Prompt (Advanced Prompt Engineering) Trung hạn
Không dừng lại ở các prompt trò chuyện thông thường, tôi sẽ nghiên cứu các kỹ thuật prompt nâng cao như Few-shot prompting, Chain-of-Thought để tích hợp AI vào môi trường phát triển (IDE) tối ưu quy trình debug mã nguồn.
3. Áp dụng nghiêm ngặt bộ nguyên tắc liêm chính học thuật Bền vững / Dài hạn
Mọi sản phẩm nghiên cứu, viết code của tôi sau này luôn tuân thủ nguyên tắc "6 Không - 6 Có" đã tự thiết lập ở bài tập 6, đảm bảo sự phát triển bản thân bền vững dựa trên thực chất của tư duy sáng tạo.