Skip to content

Cách tiếp cận dạy của tôi – Phần 2

Có ba yếu tố xác định ra thành công của học sinh: Tri thức, Thái độ, và Động cơ. Nếu các thầy cô giáo có thể đề cập tới ba yếu tố này, họ có thể giúp cho học sinh học và phát triển những kĩ năng thích hợp để thành công trong nghề nghiệp của họ. Để động viên học sinh, tôi thường yêu cầu họ liệt kê ra “các công ti mơ ước” của họ mà họ muốn làm việc và nghiên cứu các yêu cầu kĩ năng của những công ti này rồi nhận diện kẽ hở kĩ năng (tức là, những kĩ năng họ không có) và liệt kê các môn học mà họ phải học để lấp lại kẽ hở này. Bằng việc biết lí do tại sao họ cần học các môn này dựa trên nghề nghiệp của họ, mọi học sinh đều được tự động viên học và làm việc chăm chỉ để phát triển kĩ năng của họ.

Chẳng hạn:

Công ti mơ ước # 1: Flatiron Inc.

Kĩ năng được yêu cầu:

  1. Kinh nghiệm trong Python, Java, C++, và  JavaScript.
  2. Kinh nghiệm làm việc với một số lĩnh vực sau: hệ thống phân bố và song song, học máy, truy lục thông tin,
  3. Thành thạo trong cấu trúc dữ liệu và thuật giải
  4. Kinh nghiệm trong xây dựng các giải pháp đổi qui mô được cho các vấn đề học máy

 

Kẽ hở kĩ năng:

  1. Hệ thống phân bố và song song.
  2. Hadoop và Spark cho học máy

 

Môn học để lấp kẽ hở:

  1. (15 642) Hệ thống phân bố và song song trong học kì mùa xuân
  2. (10 658) Học máy với tập dữ liệu lớn vào học kì mùa thu
  3. (10-642) Hệ thống học máy: Hadoop & Spark vào học kì mùa thu

 

Công ti mơ ước # 2: Deep-mind Inc.

Kĩ năng được yêu cầu:

  1. Kinh nghiệm trong Python và Java
  2. Tri thức về học máy và thống kê
  3. Tri thức về thiết kế thuật giải
  4. Tri thức trong thị giác máy tính
  5. Tri thức trong phân tích ảnh
  6. Tri thức làm việc về TensorFlow hay khung tương tự
  7. Kinh nghiệm với thiết kế đa mạch và tính toán song song/phân bố

 

Kẽ hở kĩ năng:

  1. Tính toán song song và phân bố
  2. Thị giác máy tính
  3. Thống kê

 

Môn học lấp kẽ hở:

1.            (15 642) Hệ thống phân bố và song song vào học kì mùa xuân

2.            (10 658) Học máy với tập dữ liệu lớn vào học kì mùa xuân

3.            (10-674) Thị giác máy tính vào học kì mùa thu

4.            (11-661) Thống kê cho khoa học dữ liệu vào học kì mùa thu.

 

Cách tốt nhất để động viên học sinh học là tích hợp điều họ học trên lớp với thông tin về nghề nghiệp tương lai của họ. Khi học sinh hiểu lí do TẠI SAO họ cần học lớp nào đó, kĩ nằng NÀO họ cần để có được việc làm mơ ước của họ, và KHI NÀO họ học những môn này trước khi tốt nghiệp, phần lớn trong họ sẽ trở thành người có động cơ riêng.  Khi học sinh có khả năng làm điều cần được thực hiện, điều họ phải học để làm lợi cho bản thân họ, họ có lí do và động cơ để hoàn thành các môn này, ngay cả những môn thách thức nhất, không cần ai đó khuyến khích họ.

Để giúp làm mạnh động cơ của họ, tôi thường mời diễn giả khách từ công nghiệp hay các cựu sinh viên trở lại và chia sẻ kinh nghiệm làm việc của họ với các học sinh. Điều đó cũng giúp kết nối giữa tài liệu môn học và nghề nghiệp mà học sinh muốn làm.

 

—English version—

 

My teaching approach part 2

There are three factors that determine students’ success: Knowledge, Attitudes, and Motivation. If the teachers can address these three factors, they can help students to learn and develop the appropriate skills to be successful in their career. To motivate students to learn, I often ask them to list their “dream companies” that they want to work for and research these companies’ skills requirements then identify the skill gaps (i.e., Skills that they do not have) and the list of courses that they must take to fill the gaps. By knowing the reason why they need to take these courses based on their career, all students are self-motivated to learn and work hard to develop their skills.

For example:

Dream company # 1: Flatiron Inc.

Skill Required:

  1. Experience in Python, Java, C++,and  JavaScript.
  2. Experience working with some of the following: distributed and parallel systems, machine learning, information retrieval,
  3. Proficiency in Data Structures and algorithms
  4. Experience in building scalable solutions to machine learning problems

 

Skill Gap:

  1. Distributed and Parallel systems.
  2. Hadoop and Spark for machine learning

 

Courses to fill:

  1. (15 642) Distributed and Parallel System in Spring Semester
  2. (10 658) Machine learning with large datasets in the Fall semester
  3. (10-642) Machine learning System: Hadoop & Spark in the Fall semester

 

Dream Company # 2: Deep-mind Inc.

Skill Required:

  1. Experience in Python and Java
  2. Knowledge of machine learning and statistics
  3. Knowledge of algorithm design
  4. Knowledge in computer vision
  5. Knowledge in image analysis
  6. Working knowledge of TensorFlow or similar frameworks
  7. Experience with multi-threaded design and parallel/distributed computing

 

Skill Gap:

  1. Parallel and distributed computing
  2. Computer vision
  3. Statistics

 

Courses to fill:

1.            (15 642) Distributed and Parallel System in Spring Semester

2.            (10 658) Machine learning with large datasets in Spring Semester

3.            (10-674) Computer Vision in the Fall semester

4.            (11-661) Statistics for Data Science in the Fall Semester.

The best way to motivate students to learn is to integrate what they learn in class with information about their future careers. When students understand the reason WHY they need to take the class, WHAT skills they need to get their dream job, and WHEN they take these courses before graduation, most of them will become self-motivated.  When the students have the ability to do what needs to be done, what they must learn to benefit themselves, they have the reason and motivation to complete these courses, even the most challenging courses, without needing someone to encourage them.

To help strengthen their motivation, I often invite guest speakers from the industry or former students to return and share their work experiences with them. It also helps connect between the course materials and the careers that the students want to work on.