Lộ trình học AI từ 0 đến đi làm trong 1–2 năm cần những bước nào?
Giới thiệu
🔑 Keywords (SEO)
lộ trình học AI 1 năm, học AI từ con số 0, roadmap AI cho người trái ngành, học AI đi làm 1–2 năm, học ML DL GenAI, AIO AI Việt Nam
Bạn đang muốn học AI từ con số 0 và trong đầu có hàng loạt câu hỏi:
- “1–2 năm đi làm AI có thực tế không hay chỉ là quảng cáo?”
- “Trái ngành thì bắt đầu từ đâu? Python? Toán? ML? LLM?”
- “Lộ trình chuẩn 1–2 năm chia thành giai đoạn như thế nào để không bị ngợp?”
Bài viết này đưa ra bản đồ thực tế, không màu mè cho người mới:
- 1–2 năm có thể đi làm AI/Data
- Nhưng cần điều kiện gì, học theo giai đoạn nào
- Và mỗi giai đoạn phải đạt mốc gì
Nội dung dành cho:
- Newbie & Non-Tech
- Người đi làm bận rộn
- Sinh viên trái ngành muốn chuyển hướng
- Những ai quan tâm chương trình AIO – khóa AI & Data Science 1 năm của AI VIET NAM
Đi làm AI trong 1–2 năm: Thực tế hay ảo?
Thực tế, nhưng phụ thuộc vào 2 yếu tố:
1. Thời gian bạn đầu tư mỗi tuần
- 15–20 giờ/tuần → 1.5–2 năm để đạt mức junior
- 25–30 giờ/tuần (có mentor + lộ trình) → 1 năm đạt mức junior khá
2. Chất lượng lộ trình
- Tự học rời rạc → dễ chán, thiếu hệ thống, mất 3–4 năm
- Lộ trình chuẩn → ML → DL → CV/NLP → GenAI → Project → Portfolio → Đi làm
3. Mục tiêu nghề
- Data Analyst / BI → 1–1.5 năm
- Data Scientist / ML Engineer → 1.5–2 năm
- GenAI/LLM Engineer → cần ML/DL + NLP → 1.5–2+ năm
Bài viết này sử dụng mốc 1–2 năm theo chuẩn: ≥ 15–20 giờ học/tuần + lộ trình rõ ràng.
Tổng quan lộ trình 1–2 năm (bản đồ “từ trên xuống”)
Bạn có thể chia 1–2 năm thành 4 giai đoạn lớn:
Giai đoạn 0–3 tháng → Nền tảng & Định hướng
Python, Toán “đủ dùng”, hiểu bản chất AI/ML/DL.
Giai đoạn 3–6 tháng → Machine Learning cơ bản + mini-project
Regression, classification, EDA, feature engineering.
Giai đoạn 6–12 tháng → Deep Learning + CV/NLP + GenAI/LLM cơ bản
CNN, RNN/Transformer, sentiment, image classification, RAG cơ bản.
Giai đoạn 12–24 tháng → Chuyên sâu + Portfolio + thực tập/đi làm
Chọn hướng (Data, DS, ML/GenAI), làm 2–3 project lớn, xin job.
Giai đoạn 0–3 tháng: Nền tảng & định hướng
🎯 Mục tiêu
- Hết mơ hồ về AI
- Viết được Python cơ bản
- Hiểu lại Toán cần thiết
- Xác định hướng đi phù hợp
📚 Học gì?
Python cơ bản
- list/dict/tuple
- if/else, loop
- function
- numpy/pandas/matplotlib
Toán cho AI (phiên bản “người đi làm”)
- Vector / ma trận
- Đạo hàm trực quan
- Xác suất cơ bản
Định hướng nghề
- Data Analyst vs DS vs ML Engineer vs GenAI Engineer
- AI trong marketing/tài chính/logistics…
📝 Làm gì?
- 2–5 bài tập Python xử lý CSV
- Một notebook EDA nhỏ
- Ghi chú lại các thuật ngữ đã hiểu
Nếu học AIO
Đây là Pre-AIO: Python + Toán + CS nền tảng cho người trái ngành.
Giai đoạn 3–6 tháng: Machine Learning cơ bản + mini-project
🎯 Mục tiêu
- Nắm pipeline ML A–Z
- Hoàn thành 1–2 mini-project ML
📚 Học gì?
Xử lý dữ liệu & EDA
- pandas: join, groupby, transform
- Biểu đồ: hist, bar, boxplot, scatter
Machine Learning cơ bản
- Linear Regression, Logistic Regression
- KNN, Decision Tree, Random Forest
- XGBoost/LightGBM (nếu đủ nhanh)
Đánh giá mô hình
- Accuracy, Recall, Precision, F1
- MSE, MAE
📝 Làm gì?
Project 1 (Regression)
Dự đoán giá nhà/doanh số.
Project 2 (Classification)
Churn, spam email, fraud.
Nếu học AIO
Giai đoạn ML Core: học kỹ từng mô hình, làm project được mentor sửa.
Giai đoạn 6–12 tháng: DL + CV + NLP + Time-Series + GenAI/LLM
🎯 Mục tiêu
- Hiểu cơ bản Deep Learning
- Làm 2–3 project DL
- Biết ứng dụng GenAI & LLM vào bài toán thực
📚 Học gì?
Deep Learning cơ bản
- MLP
- Loss, optimizer, activation
- PyTorch/TensorFlow
Computer Vision (CV)
- CNN
- Augmentation
- Project: phân loại hình ảnh
NLP
- Tokenization
- Embedding
- Sentiment classification
Time-Series
- Forecast doanh số / traffic
GenAI & LLM cơ bản
- Transformer
- LLM & Prompting
- RAG
- Sử dụng API LLM + làm chatbot đơn giản
📝 Làm gì?
Project DL 1 – CV
Phân loại hình ảnh (sản phẩm, quần áo, chữ số,…)
Project DL 2 – NLP
Phân tích sentiment review.
Mini-project GenAI/LLM
- Tóm tắt tài liệu
- Chatbot Q&A đơn giản
- RAG trên file PDF cá nhân
Nếu học AIO
Bạn đi qua CV → NLP → Time-Series → GenAI/LLM → MLOps căn bản.
Giai đoạn 12–24 tháng: Chuyên sâu + Portfolio + thực tập/đi làm
🎯 Mục tiêu
- Chọn chuyên ngành
- Xây portfolio mạnh
- Có kinh nghiệm thực tập hoặc dự án thật
1. Chọn hướng phát triển (rất quan trọng)
Hướng 1 → Data/BI/Analytics
- SQL mạnh, dashboard, forecasting nhẹ
Hướng 2 → Data Scientist / ML Engineer
- ML/DL chuyên sâu
- Feature engineering & MLOps
Hướng 3 → GenAI/LLM Engineer
- RAG, LLM open-source, fine-tuning
- LLM evaluation
Hướng 4 → AI Product / Domain + AI
- AI trong ngành tài chính/marketing/giáo dục/sản xuất
2. Portfolio cần gì?
Tối thiểu 3 project:
- 1 ML tabular + EDA đẹp
- 1 CV hoặc NLP
- 1 GenAI/LLM (RAG / chatbot nội bộ)
Có README rõ ràng:
- Bài toán
- Dữ liệu
- Giải pháp
- Kết quả & hạn chế
Bonus:
- Demo giao diện bằng Streamlit/Gradio
3. Bước chuyển nghề
- Xin thực tập Data/AI
- Freelance nhỏ (dashboard, chatbot)
- Đề xuất project nội bộ tại công ty
Sau 12–24 tháng, bạn nên tự tin giới thiệu:
“Mình là junior Data/ML/GenAI với các dự án thực tế sau…”
Mốc kiểm tra theo thời gian
Sau 3 tháng
- Python OK
- Hiểu AI/ML/DL
- Có 1 notebook EDA
Sau 6 tháng
- Biết ML cơ bản
- 2 project ML
Sau 12 tháng
- Làm được DL cơ bản
- 1 project CV, 1 project NLP
- 1 project GenAI/LLM
- Portfolio ≥ 3 project
Sau 18–24 tháng
- Thực tập/đi làm
- 1–2 project GenAI nâng cao
- Tự tin ở mức junior
AIO – nằm ở đâu trong lộ trình 1–2 năm?
AIO tương đương toàn bộ 12 tháng đầu tiên:
- Python + Toán + CS (Pre-AIO)
- ML Core
- Deep Learning
- CV, NLP, Time-Series
- GenAI/LLM (Transformer, RAG, prompting)
- MLOps cơ bản
- 22+ dự án có review
Sau AIO, bạn dành năm thứ 2 để:
- Làm thêm project chuyên sâu
- Xin thực tập/việc làm
- Nâng kỹ năng theo hướng bạn chọn
AIO là khung xương sống cho năm đầu tiên:
Bạn không còn mò mẫm → học theo lộ trình + mentor + project thực tế.
Kết & bước tiếp theo cho bạn
Lộ trình AI 1–2 năm:
0–3 tháng → Python + Toán + EDA
3–6 tháng → ML + 2 project
6–12 tháng → DL + CV + NLP + GenAI + 2–3 project
12–24 tháng → Chuyên sâu + Portfolio + thực tập
Việc bạn cần làm ngay:
- Xác định thời gian học mỗi tuần (≥15h).
- Quyết định tự học hay học theo lộ trình có mentor.
- Bắt đầu 3 tháng đầu tiên càng sớm càng tốt.
Bộ tài nguyên AI VIET NAM để bạn bắt đầu:
