https://speedtest.vn/share?code=1b75ha8

Phải chọn chỗ nào có mạng ngon để thi.

Một người nổi tiếng hợp với tính mình. Và chỉ vậy mà thôi.

Đây là cách mình giữ quan hệ với một thằng đệ của aK. (mà m k thích lắm)

Ngừơi duy nhất bước chân vào trong cuộc sống của m trong suốt một năm qua. Em ấy là một người tốt! Và còn giàu tình cảm nữa. Chỉ có điều, trái tim m đã có Vân mất r.

có vẻ hợp với mình. (cho mình cảm giác tốt, từ thầy đến trò.) Một người hướng dẫn Tiến Sĩ (Doctoral/PhD adviser) tiềm năng.

Nhờ có ông này, m mới có hồ sơ PhD in Robotics. (Trước đây, ông Chong chỉ giúp m có được hồ sơ xin học bổng vef thôi. Đến vòng phỏng vấn thì m đã rời lab ông ấy. Và đến giờ mới tiếp tục apply đến trường.) Mục tiêu trước mắt là được admissions to a PhD program. Đã dành 6-7 tháng nay để theo đuổi ông ấy r. Cố gắng theo ông ấy được thêm 5 năm nữa.

Một người có cả đam mê lẫn tình người.

Cố gắng theo được ông ấy ngay từ đợt apply này. Phương án B sẽ là theo ông Yuke Zhu ở trường Texas Austin.

Xem được 20/100=1/5 số phim hay nhất của nước Mỹ r!

chút tình cha còn sót lại.

tình người của anh Lượng!

tình mẹ. Nói chung là tình cảm gia đình.

tình anh em của M & K.

Cái Mai đã tìm giúp mình trung tâm này, đăng ký cho m thi thử ở đây, và còn gửi tiền học phí cho m nữa. Học ở đây cho tốt đi. Đây là tình cảm anh em của M.

Tình cảm gia đình đã dẫn mình đến đây. Cái Mai dù sao cũng là em gái m. Nó còn được IELTS 7.5 nữa. Phần học phí còn lại đến từ anh Lượng (Tosy Robotics), một người anh rất tốt với mình. Cố gắng học cho tốt, để k phụ lòng mọi người. Đi học được Tiến Sĩ về Robotics nữa. Nên nhớ: trước khi là chú của Bơ, mình là anh của cái M. (dù cho m và nó k hợp tính nhau lắm, nhưng đó là sự thật.)

phí sinh hoạt mẹ gửi cho m.

phim là cả gia tài của mẹ. M mới theo được tính nhân văn, chứ chưa theo được một người tốt.

thi trên giấy. Còn trên máy thì ngày nào cũng thi.

Mối tình đầu của t: một con cave. Giống như trong bộ phim này, mình đã dứt ra được, nhưng mất nhiều thời gian hơn. M thậm chí còn cho cô gái đó thêm một cơ hội nữa. Nhưng cuối cùng, đâu lại hoàn nấy. Cái tính đĩ nó ngấm vào máu em ấy r. Mình đã nhận được một bài học: cái tính lẳng lơ là k thể chấp nhận được. Tránh xa những người có cái tính đó ra.

thật hơn. Mối tình đầu khó lòng mà chấm dứt được ngay lập tức. Phải đi đến cùng với nó, trước khi có thể bước tiếp được.

mối tình đầu.

cho m hỏi chút: bên bạn có đề thi thử của IDP à?

Giỏi và đẹp, nhưng đáng yêu thì k. Mình mới chỉ thích e này.

Có Ph.D. trước Robotics. Phải có một cái hồ sơ PhD để nộp trước khi có thể nói chuyện về robot.

Trở thành nhà khoa học để cho Bơ nó vui. Mà muốn thành nhà KH, mình cần có bằng Tiến Sĩ. Nó là khởi đầu cho con đường này.

ông ấy có cả 3+1 thứ đam mê mà mình từng theo đuổi:

1. Chưa kể còn có cả việc học nữa.
2. toán,
3. Robot,
4. AI.

tiếp tục theo đuổi Robotics ứng dụng Toán.

đây đã từng là thể loại yêu thích của mình. Bộ phim ám ảnh mình nhất trong thời gian gần đây - Bố già - cũng thuộc thể loại này.

Một trong những phim ám ảnh nhất mà mình từng xem, trong thời gian gần đây!

đây là thể loại yêu thích của mình trước đây.

Muốn trở thành nhà khoa học, mình cần có bằng PhD. Đó là khởi đầu cho con đường Khoa Học.

Đi học được Ph.D...

Con có mạng cơ mà.

Nó hay lắm!

Cuốn sách của bố đã đưa mình đi khám phá thế giới trên mạng Internet. Và mình đã tìm thấy Sebastian Thrun & Mooc nói riêng và việc học trên mạng nói chung ở trên đó. Mạng Internet đã đóng vai trò trụ cột trong việc học Thạc Sĩ của mình. (chưa kể cả thời cấp 3 mình đã bắt đầu lên mạng giải toán r.)

Mạng Internet là một trong những môi trường làm việc của mình. Bây giờ, gần như k thể làm việc được nếu như thiếu máy tính và mạng Internet. Phải hiểu chúng nó, để có thể làm việc được.

Lần đầu tiên được nghe tới CPU là ở trường cấp 2. Thầy giáo dạy tin đã dạy cho mình về nó. (hình như là môn hướng nghiệp.)

CPU có thể khiến cho màn hình của mình bị đơ cứng, hay đóng băng. Nghe nói GPU cũng có thể gây ra hiện tượng này khi chạy chương trình Deep Learning.

Card Wifi trong laptop của mình: làm nhiệm vụ kết nối máy tính của mình đến một mạng không dây (wireless) (cục bộ - WLAN). Nhờ thế, mình mới truy cập được vào mạng Internet.

Hiểu mạng máy tính, để có thể làm việc được trên mạng Internet.

Món quà của mẹ khi vào đại học: một cái máy tính để bàn. Cũng là chiếc máy tính đầu tiên của mình. Mẹ đã chủ động mua cho mình, qua một người họ hàng (cậu Giảng, anh cậu Hải), thậm chí ngay cả khi mình chưa cần đến.

Món quà của mẹ khi đi thực tập tốt nghiệp. Thực ra chủ yếu là do công việc yêu cầu. (aHà)

... in Robotics.

Đây là lúc tận dụng kiến thức vật lý, kỹ thuật điện để hiểu về cấu tạo và cách thức hoạt động của máy tính. Hiểu máy tính một cách toàn bộ, trọn vẹn, và từ trong ra ngoài.

Máy tính giống như một con robot mới! AI cho Robotics, ngoài robot ra, còn cần phải có máy tính mới chạy được.

SSD có nhiều điểm nổi trội hơn HDD.

Đây là bộ nhớ được chứa trong ổ C,D và E của hệ điều hành Windows 7. Nó là bộ nhớ được lưu trong máy tính, và k cần nguồn điện để lưu giữ. (sau khi tắt máy đi và bật lên, bộ nhớ vẫn còn ở đó.)

RPM.

thời sinh viên có làm đồ án về sạc pin. (Bắt đầu biết đến xe điện chạy bằng pin. Thậm chí làm cả đồ án về nó.) Máy tính được chế tạo dựa trên kỹ thuật điện-điện tử. Đây đều là những thứ mình đã được học thời sinh viên.

Đừng cắm máy sạc qua đêm.

Y.

Đã thay ổ đĩa cứng HDD. Đồng thời nâng cấp dung lượng lên 500 GB.

Máy tính bây giờ giống như robot trước đây! Phải hiểu nó để có thể làm việc được với nó. AI chạy trên máy tính, giống như Robotics chạy trên robot.

Về Zalo: người Việt chuộng Zalo hơn là Skype, có lẽ vì nó đi kèm với số điện thoại. Nhưng Skype lưu giữ tin nhắn lâu hơn Zalo. (dù là cũng có xóa đi.)

chế độ ngủ đông (hibernate trong windows 7) ảnh hưởng đến (làm hỏng) ổ cứng.

Chế độ ngủ ảnh hưởng đến ổ cứng giống như chế độ ngủ đông.

CPU [cũ] cứ lên là đơ. (người của Sửa chữa 24h)

một người nổi tiếng trong tin học. Thậm chí trước cả khi theo tin, mình đã biết tới ông này. Bài báo đầu tiên và duy nhất của Bill Gates cũng là viết cùng ông ấy.

https://hyp.is/I_6NyBaIEeyRuqvWaESKYw/www.facebook.com/photo/?fbid=1562584560740464&set=a.122968211368780

Mình là chú Trọng Bơ, mình là người tốt.

Bơ ngoan.

Mình là trai ngoan, k phải trai hư. Mình sẽ làm việc tốt, chứ k phải việc xấu.

Wikipedia cũng là một phần của học trực tuyến. Một cuốn sách - bách khoa toàn thư - trực tuyến, mở cho giới đại chúng có thể phát triển, đóng góp. Các khóa học mooc ngày xưa cũng có wiki riêng. (hồi đấy m cũng chỉ đọc chứ chưa đóng góp hay chỉnh sửa j.) Tóm lại, giống như sách, wiki rất gần với mooc, chỉ có điều nó là do cộng đồng, những người dùng giống như mình, phát triển nên. (trong khi sách do chính thầy giáo của khóa học viết nên.)

cô Nguyệt.

Bố già.

Học trò của Donald Knuth. Thảo nào mà ông ấy dạy hay đến vậy.

về mặt giải thưởng mà nói ông này giỏi hơn Isaacson. Tạp chí của ông ấy The New York Times cũng nổi tiếng hơn tạp chí Time hay kênh truyền hình CNN của Isaacson. Đúng là có nhiều người giỏi hơn Isaacson, dù rằng ông ấy là người hợp với mình nhất.

Nhân lần chỉnh sửa đầu tiên: đây là một người đã có ảnh hưởng tích cực lên việc học trên mạng của mình. Tuy rằng tính cách ông ấy k hợp với mình, cả hướng của ông ấy cũng k, nhưng ông ấy là một người đã làm điều tốt cho cuộc sống của mình. (Mình nên biết ơn ông ấy.)

Lần chỉnh sửa đầu tiên Wikipedia, sau khi đã làm điều đó từ thời sinh viên (hè năm 2009). Thực ra k cần phải có đóng góp mới, chỉ cần kiến thức mình đã đọc ở đâu đó, trích dẫn đầy đủ vào là được. Hồi đó cứ nghĩ phải viết điều j đó mới của riêng mình.

Viết nhân lần chỉnh sửa từ điển bách khoa toàn thư Wikipedia thứ 10. Đây là một người nổi tiếng đã và đang có ảnh hưởng tích cực lên mình. Nhờ có ông ấy mới có VinAI, và mình mới có cơ hội được dự seminar của Prof. Nilanjan. Có thể nói, ông ấy (PNV) đã cho mình một niềm hy vọng mới.

100 chỉnh sửa trên Wikipedia. Đây là những đóng góp của mình cho tri thức của nhân loại, đặc biệt là ở Việt Nam. Tuy là chúng mang tính phổ biến kiến thức, gần với dạy hơn là sáng tạo hay khám phá ra tri thức mới. Dù sao mình cũng chỉ làm những việc này vào lúc rảnh rỗi.

một người tốt hiếm hoi. Cô có một cuộc sống bình thường. Nếu là mình, mình sẽ chọn em này, và sống cuộc sống giống của em ấy.

Vì bênh bố (và anh) nên trở thành một người giống vậy. Đây là một người mà xuất phát điểm là tốt, nhưng vì gia đình đã trở thành người xấu.

Cũng (hơi) vui, nhưng vẫn k sướng bằng lập trình được thuật toán Bellman-Ford. Vấn đề là mình nghĩ ra được chứng minh, còn thuật toán thì chỉ code theo sách thôi.

k muốn thành người giống bố, theo đuổi đam mê của bố - mặt tốt đẹp nhất của ông ta.

một bố già ngoài đời.

vì sức khỏe và sự an toàn của bản thân cùng những người xung quanh, sau đó mới đến việc học và yêu cầu của thầy.

nhiều người trong này thậm chí còn là nhà viết tiểu sử giỏi hơn cả Isaacon.

Walter Isaacson chưa phải tác giả sách tiểu sử số 1 thế giới. Vẫn còn có những người viết tiểu sử giỏi k kém j ông ấy, giống như bà tác giả này.

Một nửa Ranma.

Môn học đầu tiên mà mình học giỏi nhất. Tuy rằng mình k có đam mê cho nó, nhưng nó lại là lĩnh vực mà mình theo lâu nhất: 3 cấp và 12 năm. (robotics mới theo được 2 cấp: đại học và cao học, tổng cộng là: 5+3=8 năm. AI được 1 cấp: Thạc Sĩ, trong 3 năm.) Sau khi tốt nghiệp Th.S., và chọn theo đuổi nghiên cứu khoa học, mình đã quay lại với toán, và bắt đầu từ nó. Toán giống như nền tảng để dựa lên vậy. Nó là nguyên lý căn bản, đầu tiên của mình (first principles.); là thân của chiếc cây tri thức (trunk). Tiếp tục theo đuổi đam mê, nhưng k được quên đi gốc rễ của mình là toán học.

Newton-Raphson.

Một trong những nhà khoa học vĩ đại nhất trong lịch sử nhân loại. (cùng với Einstein) Ông ấy có ảnh hưởng lên công việc của mình: ví dụ như Newton's method. (hơn là Einstein)

Đây là những phim hay nhất, nhắm tới giới phê bình. Chúng mang tính hàn lâm hơn, và là những phim kén người xem. (phục vụ thiểu số.)

Đây là những phim kiếm ra nhiều tiền nhất. Nó nhắm đến số đông.

đây là những phim ăn khách nhất, nhắm đến giới đại chúng. Giống như những khóa học có nhiều người học hoàn thành nhất.

tư tưởng.

Lịch sử.

trước đây thích nước Mỹ vì nó là nơi có Sebastian Thrun và MOOC. Giờ thì vì nó có người mình có thể theo học Ph.D.

Vietnamese.

tận dụng kinh nghiệm học & thi của mình với toán trong 3 cấp.

đây mới là những người đạt giải mà có ảnh hưởng lớn nhất đến mình. Luận văn của mình cũng bắt đầu từ những công trình/bài báo của họ: LeNet, AlexNet, Deep Learning book.

vẫn chưa xong với việc học. Phải học xong thì mới đi làm và có giải thưởng được.

điều kiện cần để trở thành nhà khoa học.

ông này dạy cả mooc.

Redwan được nhận bài ở ICRA là nhờ ông này. Con người cũng quan trọng, ngay cả trong nghiên cứu.

Xem bị giật. Máy vẫn chưa sửa được hoàn toàn. Phải quay lại đấy vào cuối tuần.

Ý nghĩa nhân văn của bộ phim này: một người sống trong cùng thời đại với mình, và hợp với mình, mới chính là người mà mình cần. K phải một người tuy giàu có nhưng k hợp, hay một người tuy hấp dẫn nhưng lại sống trong một thời đại khác.

Bơ chính là một người như vậy. (Nửa đêm ở Paris của đạo diễn Woody Allen) Mình cần tìm một người con gái như vậy nữa.

• tưởng chừng chả liên quan j tới AI
• phương pháp tối thiểu hóa năng lượng, và các định lý trong Quang học là nền tảng cho thị giác

chỉ cần cài lại Windows là giải quyết được mọi vấn đề. Máy tính của mình đã bị lỗi Windows - phần mềm hệ điều hành, chứ k phải phần cứng như phỏng đoán ban đầu của họ. Cần phải hiểu những cái mà mình làm việc với nó hàng ngày.

Mình dùng máy này được gần chục năm r. Tuy phải mang đi sửa nhiều nhưng vẫn còn dùng được.

quyển có ứng dụng đọc biển số xe, ngoài ra còn có nhiều dự án khác, như facial tracking dùng AAM (Active Appearance Models) dùng C++

sách hay vọc OpenCV trên C++ và Java (Nhúng và di động)

cần có RAM/server.

algorithm in matlab/python.

La-

problem solving.

nghiên cứu khoa học, đổi mới công nghệ.

thuyết tương đối của Einstein.

tiếng Việt.

sau năm mình '07.

"tĩnh tâm".

bạn.

người lập nên Git_Hub cũng là nhà sáng lập Linux?: Linus Torvalds.

research scientist.

đừng kết thúc cuộc đời giống như Alan Turing. Sống như Turing, nhưng không chết như Turing.

phân tích.

đánh giá.

Phải ứng dụng được topic models trước khi có thể làm phân tích, đánh giá và sáng tạo nó.

learning opencv.

never give up.

vẽ, toán.

Jaist.

luận văn Thạc Sĩ.

cao học.

put yourself into others' shoes.

phòng thí nghiệm, cao học.

khoa học.

my own farther.

Chuyện Pape và Popo Cầu vồng.

"Thay vì theo đuổi những thứ có thể thấy được, tôi muốn trở thành một người vẽ nên những điều không thể nhìn thấy. Ngay giữa một ngày âm u, trong lòng tôi, cầu vồng vẫn mọc. Hãy luôn vun trồng niềm hy vọng!"

Khoa học Máy tính.

Công nghệ Thông tin.

có gán nhãn.

tiếng Việt.

Jaist in Japanese.

educational.

research.

Reyes.

toán.

phòng thí nghiệm Khoa học Dữ liệu.

Overleaf, Share-Latex.

EdTech.

personalized

k phá cũ, k xây mới, mà chỉ cơi nới thôi

unlike the guy in Memento

lẽ ra nên mua quyển này cùng với Prob Rob và CV. Tiếc.

Có LIDAR nên mới nặng như vậy

a Long và t Hiếu: machine learning và data mining

vẫn có thể thi được ACM nếu muốn và có người giúp lý do của mình là chính đáng

tập trung vào một - và chỉ một mà thôi - hướng cụ thể. sau đó mới đưa nó ứng dụng vào các bài toán khác

vẫn trích dẫn Wiki bình thường, đây là contest, được coi như workshop

todai

trường mình mạnh về thi lập trình

deep learning

quy nạp hàm

transfer learning

Plan and Control

;)

lại quay lại với Neuro Science. Hồi mới vào trường cũng code Matlab nó Giờ đã gần ra trường rồi. 3 năm vẫn ngồi quán cà phê, nghiên cứu độc lập Bao giờ cho đến bài báo đây?

đúng

phân phối chuẩn: \frac{1}{\sqrt{2\pi\sigma^2}}\exp(-\frac{(x-\mean)^2}{\sigma^2})

4 năm

:D

đúng thật

let's see

really?

100 epoch

đang down VGG-F

lý do hồi cuối tháng 3 (28) không chạy được: thiếu file mex, compile k đúng cách.

hôm nay mất tập trung vì:

• chạy code về scene recog chưa đúng với mục tiêu đặt ra
• mạng chậm, vẫn chưa down được file VGG-F
• bị xao nhãng bởi giải thương chim xanh
• edtech, kiếm xèng

cần tránh cảm giác hài lòng với bản thân như lúc này

lúc nào cũng cần vượt qua chính mình

True grit!!

I did believe in hypes I still have hope in them. remember, sometimes hopeless is better than hopeful

mới

big VISION

book

deep learning VGGnet

big VISION

làm thực tập được lúc đầu nhờ

img recog

image classification