Pipeline ML có thể tái lập
Tổ chức dữ liệu, training và evaluation thành workflow rõ ràng để kết quả dễ kiểm tra và chạy lại.
MLOps Control Room
NGUYỄN VĂN DUY
MLOps Engineer
Building the systems behind machine learning.
AI Systems · Cloud Infrastructure · Automation · Research Engineering
SYSTEM STATUS ONLINE
- CURRENT FOCUS
- REPRODUCIBLE ML PIPELINES
- ACTIVE PROJECT
- MLOPS PORTFOLIO
- ENGINEERING TRACK
- MLOPS / CLOUD / AI SYSTEMS
- LOCATION
- VIETNAM · UTC+7
Về tôi
Tôi là sinh viên Công nghệ thông tin đang phát triển theo hướng MLOps Engineer, với nền tảng từ software, hạ tầng và automation.
Tôi học bằng cách xây dựng dự án nhỏ nhưng có cấu trúc: đóng gói môi trường chạy, viết workflow rõ ràng, kiểm tra giả định và ghi lại quyết định kỹ thuật. Mục tiêu của tôi là xây dựng các hệ thống ML có thể tái lập, triển khai, quan sát và bảo trì thay vì chỉ dừng ở notebook chạy được một lần.
Biến kiến thức ML thành pipeline có thể chạy lại, kiểm tra và cải tiến.
Kết nối nền tảng software, cloud và automation với vận hành mô hình.
Ưu tiên hệ thống rõ ràng, quan sát được và dễ bảo trì khi bài toán lớn dần.
Tôi đang tập trung vào
CI/CD và automation cho ML
Áp dụng Git, script, container và quy trình build để giảm thao tác thủ công khi thử nghiệm hoặc triển khai.
Monitoring và độ tin cậy
Tập trung vào log, metric, lỗi dữ liệu, latency và khả năng điều tra khi model hoặc pipeline hoạt động không như kỳ vọng.
Cloud-native deployment
Rèn luyện nền tảng Linux, Docker, backend và cloud để đóng gói, phục vụ và vận hành hệ thống ML gọn gàng hơn.
Research-oriented AI systems
Quan tâm tới continual learning, document intelligence và distributed AI như các bài toán để học cách thiết kế hệ thống ML có chiều sâu.