ĐỂ ĐÁNH GIÁ MỘT THỨ CHÚNG TA HAY SO SÁNH VỚI THỨ KHÁC

Bạn có đang độc thân hay không ? Có một mẹo bất ngờ để thu hút bạn tình ở một quán bar: Hay đi cùng một người trông giống bạn, nhưng ít hấp dẫn một chút.điều này sẽ gia tăng đáng kể khả năng thành công của bạn.
tại sao ?
Tâm trí của con người thường có xu hướng tìm kiếm sự so sánh. Hơn nữa, chúng ta thường làm điều này một cách lười biếng nhất có thể: Bằng cách so sánh với đối tượng dễ dàng nhất ở xung quanh.
Bằng việc lên quán bar bên cạnh một phiên bản ít hấp dẫn  của mình, bạn đang cho đối tượng hẹn hò tiềm năng một phương tiện so sánh dễ dàng. Thay vì phải vất vả so sánh nhiều người có bề ngoài khác nhau, họ có thể dễ dàng nhận ra bạn xinh hơn người bạn của bạn và bạn đã chiến thắng cuộc thi này một cách dễ dàng, và người đó lại lười thực hiện các cuộc so sánh khác, bạn có thể sẽ được đánh giá là người dễ thương nhất trong quán.xin chúc mừng ! Chỉ là đừng  kể với bạn kia lý do bạn mời họ.

Khuya hướng tương tự cũng áp dụng cho việc so sánh giá của các sản phẩm, và rất nhiều nhà quảng cáo đã lợi dụng nguyên tắc này bằng việc giới thiệu những sản phẩm " nhử mồi " (decoy product) đắt tiền để làm các món hàng trông có vẻ rẻ hơn khi so sánh, vì vậy một vài nhà hàng tinh ranh sẽ cố đội giá món ăn đắt tiền nhất trên thực đơn, khiến khách hàng cảm thấy món ăn đắt thứ nhì rẻ hơn tương đối và lựa món đó.

Mặc dù so sánh có thể giúp chúng ta ra quyết định, nó cũng có thể khiến chúng ta gặp họa. Liên tục so sánh mức lương, quần áo hay xe hơi của mình với người khác sẽ làm bạn đối kị và luôn trong trạng thái không thỏa mãn với những gì mình có, sau khi bán chiếc siêu xe Porsche boxster của mình, jame Hong, đồng sáng lập của trang hotornot.com, nói rằng:
"Tôi muốn sống cuộc đời của những người sở hữu boxster, bởi vì khi bạn có một chiếc boxster bạn lại ước muốn một chiếc xịn hơn là dòng 911, và rồi bạn lại biết những người có dòng 911 ước gì không ? Họ ước mình có một chiếc Ferrari".

kiến thức tham khảo: Sách Phi Lý Trí+Tramdoc.

Đọc tiếp »

TIME COMPLEXITY ( Part 1 )

Introduction:
Algorithmic time complexity is concerned about how fast or slow particular algorithm performs. We define complexity as a numerical function T(n)- time versus the input size n. A given algorithm will take different amounts of time on the same inputs depending on such factors as: processor speed,  instruction set, disk speed, brand of compiler and etc.

The way around is to estimate efficiency of each algorithm asymptotically. We will measure time T(n) as the number of elementary " step" ( define in any way), provided each such step takes constant time.

Asymptotic Notations
The goal of computational complexity is to classify algorithms according to their performances.
We will represent the time function T(n) using the " big-O" notation to express an algorithm runtime complexity. For example, the statement T(n)=O(n^2) says that algorithm has a quadratic time complexity.

Definition of " big Oh"

Big O specifically describes the worst-case scenario, and can be used to describe the execution time required of the space used by an algorithm.
Examples:

• 1=O(n)
• n=O(n^2)
• log(n)=O(n)
• 2n+1=O(n)

Big-O complexity chart

Constant time : O(1)
An algorithm is said to run in constant time if it requires them same amount of time regardless of the input size.

boolean isFirstElementNull(List<string> elements){
        return elements[0]==null;
}

Examples:

• array: accessing any element
• fixed-size stack: push and pop methods
• fixed-size queue: enqueue and dequeue methods

Linear-Time: O(n)
An algorithm is said to run in linear time if its time execution is directly proportional to the input size, time grows linearly as input size increases.

In the following example, a matching string could be found during any iteration of the loop and function would return early, but Big O notation will always assume the upper limit where the algorithm will perform the maximum number of iterations.

boolean containsValue(List<Sring> elements, string value)
{
       for ( string element:elements){
             if (element==value) return true;
       }
       return false;
}
Examples:

• array: linear search, traversing, find minimum
• ArrayList: contains method
• queue: contains method

Logarithmic time: O(log n)

An algorithm is said to run in logarithmic time if its time execution is proportional to the logarithm of the input size.
int binarySearch( int arr[], int l, int r, int x) {
     if ( r>=1){
          int mid = 1 + ( r - 1 )/2;
          if ( arr[mid] == x)
               return mid;
         if ( arr[mid]  > x)
               return binarySearch( arr, l , mid - 1 , x) ;
         return binarySearch( arr, mid + 1 , r , x ) ;
      }
      return -1;
}
Example: 

• binary search

Quadratic time: O(n^2)

An algorithm is said to run in logarithmic time if its time execution is proportional to the square of the input size.

This is common with algorithms that involve nested  iterations over the data set. Deeper nested iteration will result in O(N3), O(N4) etc.

boolean containsDuplicates(List<String> elements)  {
   for ( int outer = 0; outer < elements.size(); outer++){
       for ( int outer = 0; outer < elements.size(); inner++){
                 if ( outer == linner ) continue;
                 if ( elements [outer] == elements[inner]) return true;
       }
   }
   return false;
}
Examples:

• bubble sort,selection sort, insertion sort.

Exponential time:O(2^n)
O(2^n) denotes an algorithm whose growth doubles with each addition to the input data set. The growth curve of an O(2^N) function is exponential-starting off very shallow, then rising meteorically.An example of an O(2^N) function is the recursive calculation of Fibonacci numbers:

int fibonacc(int number){
      if ( number <= 1) return number;
      return fibonacci(number-2)+fibonacci(number-1);
}

Definition of "big Omega"
We need the notation for lower bound i.e the best-case scenario.A capital omega Ω notation is used in this case.Example:

• n=Ω(1)
• n^2=Ω(n)
• n^2=Ω(n log(n) )
• 2 n+1=O(n)

Definition of "big theta"
This is used to measure average-case complexity of a particular algorithm,i.e to find the upper and lower bounds.Examples

• 2n=Θ(n)
• n^2+2n+1=Θ(n^2)

Analysis of Algorithms
The term analysis of algorithms is used to describe approaches to the study of the performance
 of algorithm.In this course we will perform the following types of analysis:

• the worst -case runtime complexity of the algorithm is the function defined by the maximum number of steps taken on any instance of size a.
• the best-case runtime complexity of the algorithm is the function defined by the minium number of steps taken on any instance of size a.
• the average-case runtime complexity of the algorithm is the function defined by an average number of steps taken on any instance of size a.
• the amortized runtime complexity of the algorithm is the function defined by a sequence of operation applied to the input of size a and averaged over time.

Example: Let us consider an algorithm of sequential searching in an array of size n.

• its worst-case runtime complexity is O(n)
• its best-case runtime complexity is O(1)
• its average case runtime complexity is O(n/2)=O(n)

Amortized time complexity
Consider a dynamic array stack.in this model push() will double up the array size if there is no enough space.Since copying arrays cannot be performed in constant time, we say that push is also cannot be done in constant time.In this section, we will show that push() takes amortized constant time.
Let us count the number of copying operations needed to do a sequence of pushes.

We see that 3 pushes requires 2+1=3 copies.
We see that 5 pushes requires 4+2+1=7 copies.
We see that 9 pushes requires 8+4+2+1=15 copies
Asymptotically speaking, the number of copies is about the same as the number of pushes.
                                                   2^(n+1)-1
                                     limit-------------------=2=O(1)
                                                   n->∞ 2^n+1
We say that algorithm runs at amortized constant time.

Đọc tiếp »

4 Reasons Why Your Choice of Programming Language Doesn’t Matter Much

Xuyên suốt nghề nghiệp là một software developer, tôi đã từng sử dụng nhiều ngôn ngữ lập trình cho nhiều project khác nhau. Ngày này, khi nhìn trở lại, tôi cho rằng C là ngôn ngữ dạy tôi nhiều điều nhất.  Những ngôn ngữ lập trình sau này, khi sử dụng tôi cảm thấy trực quan và thoải mái hơn. Ví dụ, khi tìm kiếm ngôn ngữ java từ C năm 2005, tôi chỉ mất một bit từ để tìm thấy khái niệm OOP( hướng đối tượng) ( Tôi cũng từng học C++ trước java, vì vậy khái niệm OOP không là gì mới đối với tôi.


Bây giờ, khi tôi bắt đầu học một ngôn ngữ mới( gần đây tôi học python và switf), tôi biết chính xác rằng tôi chỉ cần dưới một tháng để học hết những CONCEPTS, sau đó mới bắt đầu lập trình.
Trong bài này, tôi sẽ chia sẻ cho bạn hết những bí quyết mà tôi đã tích góp sau bao năm kinh nghiệm học và làm việc với nhiều ngôn ngữ khác nhau . Tôi huy vọng sẽ giúp ích đối với những beginning programmers mà có chút lưỡng lự về việc chọn ngôn ngữ nào .

Bài viết cũng sẽ giúp cho những experience programmer nhận ra rằng họ đang mạo hiểm khi chỉ biết đến ngôn ngữ mà họ đã với làm việc với nó trong nhiều năm và động lực khuyến khích họ học thêm nhiều thứ mới. Nào chúng ta cùng bắt đầu nào !

PROGRAMMING IS A CONCEPT

Nguyên nhân đầu tiên tôi nghĩ tại sao việc lựa chọn ngôn ngữ lập trình không phải là thứ được ưu tiên mà thực ra việc cài đặt một patterns ( hiểu là mô hình hoặc kiểu mẫu) mới giúp chúng ta xây dựng một machine hiệu quả để giải quyết các vấn đề thực tế. Nó là một khái niệm cốt lõi, nếu bạn  nhặt (pick up) 2 quyển sách lập trình với 2 ngôn ngữ khác nhau và lướt qua 5 chương đầu tiên, rõ ràng bạn sẽ notice được những patterns. Sẽ có lessons  trên các biến đã xác định với những kiểu dữ liệu khác nhau. Phân chia những giá trị theo nhiều biến, tính logic và các hàm toán học được biểu diễn trên nhiều biến.Sẽ cũng có lessons cho bạn về việc dạy computer to take những  quyết định logic như  câu lệnh if, else or switch và thiết lập các vòng lập như while, for.Vì vậy, theo thời gian, bạn sẽ pick up ngôn ngữ lập trình thứ 3, bạn sẽ biết những gì được sẽ có trong 10 chương đầu tiên. Một cách dễ nhận thấy, sẽ có nhiều ngôn ngữ mà có những đặc điểm đặc biệt mà bạn chưa từng thấy trước đó. Nhưng điều đó thì không nên chiếm 30 phần trăm toàn bộ kết quả  đề cần học một ngôn ngữ mới .

Tôi luôn đề nghị những new programmer nên học cách viết một thuật toán tốt. Bất cứ khi nào bạn có một vấn đề mà có thể giải quyết thông qua một quyết định logic dựa trên dữ liệu và tính toán, bạn nên nghĩ về cách mà có thể giải quyết TASK đó nếu bạn phải làm bằng tay và giấy. Sau đó nên ghi lại từng bước trên quyển sổ ghi chép, và suy nghĩ làm sao đó tối ưu hóa đầu ra với số step nhỏ nhất.

Ví dụ, giả thiết rằng chúng ta làm việc cho một công ty bảo hiểm và nếu bạn phải tính toán số tiền  bảo hiểm cần được thu từ một customer tương lai cho việc cung cấp "life cover " benefit với 100000 đô la tiền mặt. Nếu bạn phải làm việc đó mà không dùng đến hệ thống phần mềm doanh nghiệp ( sử dụng pen, paper, calculator và những document ) bạn phải làm theo các bước sau:

1.Xác định số tuổi của khách hàng dựa theo ngày tháng được cung cấp.
2.Tra cứu mức phí bảo hiểm (mỗi bảo hiểm là 1000 đô la tiền mặt) từ biểu đồ thể hiện đặc tính sản phẩm theo độ tuổi.
3.Nhân phí bảo hiểm với số tiền mặt được yêu cầu là 100 000 đô la tiền mặt.
Nếu bạn đã hiểu rõ những bước được đề cập phía trên, thì bạn có thể covert chúng trong một hệ thống phần mềm bằng một ngôn ngữ lập trình mà bạn đã chọn bằng cách theo dõi những bước sau đây:

1.Đưa những input liên quan đến những yêu cầu của khách hàng thông qua giao diện người dùng như desktop or mobile.
2.Sử dụng input để xác định độ tuổi khách hàng bằng cách sử dụng các hàm lịch tiêu chuẩn có sẵn trong ngôn ngữ của bạn.
3.Truy vấn cơ sở dữ liệu doanh nghiệp để tìm kiếm mức bảo hiểm dựa trên độ tuổi khách hàng.
4.Nhận mức phí bảo hiểm theo số tiền mặt yêu cầu để xác định mức phí yêu cầu.
5.In phí bảo hiểm đã được tính ra UI.

Tất cả những ngôn ngữ lập trình phổ biến đều cung cấp cho bạn những phương pháp để giải quyết những bài bước trên.Vì vậy nếu bạn viết một chương trình bằng JAVA để nó làm những việc này, bạn nghĩ bạn mất bao lâu để làm được điều đó bằng python ?

Chương trình máy tính chỉ giúp bạn thực hiện những câu lệnh một cách lặp đi lặp lại và rất nhanh. Nhưng điều đó phụ thuộc vào lập trình viên xác định cách họ viết những câu lệnh đó như thế nào mà điều đó một lần nữa phụ thuộc vào việc bạn viết thuật toán có đủ tốt hay không ?
Nếu bạn có thể phân bố một vấn đề thành các bước nhỏ, riêng biệt và độc đáo một cách khoa học thì khả năng cao bạn sẽ trở thành một lập trình viên giỏi. Thuật toán tồn tại vĩnh viễn. Chúng chèo lái một chương trình phần mềm mà chúng được viết bởi bất kỳ ngôn ngữ lập trình nào. Nếu bạn hiểu thuật toán, bạn có thể dễ dàng thay đổi để chạy một application sao cho minimal effort.

Bạn cũng nên thảo luận về cấu trúc dữ liệu nên có một good understanding of which algorithms work well  on which data structures. Cấu trúc dữ liệu giúp xác định dữ liệu của bạn được tổ chức như thế nào với một  application. All kinds of software manipulate small or large sets of data in order to produce a meaningful result.Vì vậy, chương trình của bạn có làm việc hiệu quả hay không phụ thuộc kind của cấu trúc dữ liệu mà bạn sử dụng. Một vài cấu trúc dữ liệu phổ biến như Lists, Maps, Sets and and N dimensional matrices. Thuật toán làm việc trên cấu trúc dữ liệu để tạo ra sản phẩm.

Một khái niệm mà bạn nên tập trung vào đó là Design patterns ( mô hình thiết kế). Design patterns capture how programming tasks with similar types of challenges can be solved by following a pattern that has proved to be successful in the past and has been able to repeat its success in different kinds of projects.Hầu hết các mô hình thiết kế phổ biến không theo một chuẩn mực nào và có thể được thực hiện bởi bất kỳ ngôn ngữ nào.Một ví dụ đơn giản, mô hình thiết kế phổ biến FACTORY DESIGN mà được tóm gọn trong đối tượng là object-oriented programming languages.

Với những khái niệm như trên, bạn có thể chinh phục bất kỳ ngôn ngữ nào trong một thời gian rất ngắn.Điều mà bạn thật sự cần học cho bất cứ ngôn ngữ nào là những keywords, syntax(cú pháp), application programming interfaces ( APIs) và chắc chắn là các khái niệm. Những khía cạnh này bạn có thể làm chủ nó  bằng cách bắt đầu một dự án mini ngay lập tức.

Cá nhân tôi không thích 'hello wolrd", dự án mà bạn chọn phải là một cái gì đó thực tế dù rằng nó không phải là quy mô lớn. You can simply build to-do list software or a spending tracker for yourself.

Trong một vài ngày đầu tiên, bạn phải xem qua một quyển sách hoặc một tài liệu online cho cú pháp và APIs. Tuy nhiên, bạn càng viết mã nhiều, bạn càng ít cần đọc tài liệu tham khảo hơn.


PROGRAMMING IS COMMUNICATION

Lập trình là hướng dẫn machine hành động để trình diễn để mà giải quyết một vấn đề trong thế giới thật. So efficient communication is more important than the choice of programming language for an efficiently written software program.
Theo kinh nghiệm của tôi, một người với kỹ năng giao tiếp tốt( qua lời nói và viết) có thể trở thành một lập trình viên tốt. Lập trình cách giao tiếp với máy như thế nào đó để thực hiện chính xác từng bước để phần mềm có thể đạt được mục tiêu. Lập trình viên talk với machine bằng ngôn ngữ sao cho trình biên dịch có thể hiểu được, which again converts the instructions into microprocessor-readable instructions.

Khoảng hai mươi năm về trước, các lập trình viên sử dụng ngôn ngữ assembly để mã hóa bộ vi xử lý. Nó là ngôn ngữ cấp rất thấp, mà điều đó đòi hỏi sự hiểu biết về kiến trúc phần cứng. Khi mà lập trình được cải tiến, thì chúng ta có thể tạo ra một ngôn ngữ lập trình mà nó gần gũi với ngôn ngữ tự nhiên. Mục tiêu mà chúng ta luôn luôn hướng đến là tạo ra một ngôn ngữ mà khi sử dụng chúng ta cảm thấy thoải mái nhất, giống như các ngôn ngữ lập trình cố gắng sao cho code mà ta viết phải  clean và dễ hiểu nhất có thể, khoảng cách giữa cú pháp mã hóa cũng đang dần trở nên giảm. This can reduce the learning curve to learn a new programming language.

Lập trình viên Python có thể viết 10 dòng code để giải quyết một vấn đề mà làm mất hơn 100 dòng code nếu được viết bằng ngôn ngữ C. Tuy nhiên, một lập trình viên C có thể học dễ dàng Java nếu như thành thạo các khái niệm OPP ( lập trình hướng đối tượng). Tương tự, một lập trình viên Java có thể dễ dàng chuyển sang ngôn ngữ Python cho sự nỗ lực ít hơn một tháng.

Nếu bạn có thể instruct một machine trong Java, bạn chắn chắn sẽ lảm được điều tương tự trong Python.Vì vậy sự tập trung của bạn nên dành cho việc học bất kỳ popular general-purpose, preferably OOP, language. Nếu bạn làm được điều đó,  khi chuyển qua bất kỳ ngôn ngữ nào không quá khó như những gì bạn nghĩ.

NO PROGRAMMING LANGUAGES IS ONE-SIZE-FIRST-ALL

Một nguyên nhân khác mà bạn không nên tập trung vào bất kỳ đặc biệt ngôn ngữ nào là việc chọn lựa ngôn ngữ nào nó phụ thuộc vào type của vấn đề mà bạn đang cố gắng giải quyết. Đối với phần mềm doanh nghiệp, sẽ rất phù hợp nếu bạn chọn JAVA , đối với những project có liên quan đến khoa học dữ liệu, bạn nên chọn python, đối với mobile development, bạn nên chọn swift.Lý do đằng sau đó là việc có sẵn framework and packages làm cho một ngôn ngữ lập trình phù hợp với những dự án nhất định.Framework nắm giữ nhiều  boilerplate code  và giúp programmer tập trung nhiều hơn vào vấn đề được giải quyết.

Vậy lời khuyên của tôi là hãy master những khái niệm căn bản của lập trình được mô tả trước đó ( algorithm, data structures và design patterns) của ngôn ngữ mà project của bạn đang sử dụng. Nếu bạn làm điều đó một cách hợp phù hợp, nó sẽ dễ dàng cho bạn để move đến bất cứ ngôn ngữ bất kỳ nào khác khi bạn thay đổi dự án, lựa chọn công ty khác hay muốn theo đuổi một dự án cá nhân.

Trước khi bắt tay vào bất kỳ một dự án mới, bạn phải nguyên cứu best fit cho dự án đó. Bạn không nên đi thẳng vào việc giải quyết project, đi thẳng vào ngôn ngữ mà hãy chuẩn bị thật tốt. 3/4 là chuẩn bị, việc giải quyết chỉ chiếm 1/4. Điều đó dễ dẫn đến rủi ro.

THE PROGRAMING LANDSCAPE IS EVOLVING FAST

Công nghệ thì thay đổi rất nhanh. Một vài ngôn ngữ phổ biến như Perl và Ruby đang trên đường tuyệt chủng và những ngôn ngữ khác như Swift, kotlin thì đang phổ biến nhanh.giống như việc chúng ta cố gắng khám phá những cái mới trong ngôn ngữ mà được sử dụng cho việc giải quyết những vấn đề in our life ( home automation, self-driving car, robotic surgevy). Chúng ta liên tục tạo ra những ngôn ngữ mới, nhiều framework, và tools để chúng nhanh hơn và tốt hơn .Vì vậy nếu bạn muốn nắm lấy tương lai nghề nghiệp của bạn trong thời đại này thì bạn phải tiến triển rất nhanh bằng cách học những concepts của những ngôn ngữ mới (ex: deep learning) và ngôn ngữ  để bạn có thể bắt kịp sự thay đổi này và xứng đáng vào ngày mai.Luôn luôn cố gắng tập trung vào những quy tắc lập trình cơ bản (basic programming principles) mà được đề cập phía trên.


Cuối cùng, tôi hy vọng có thể thuyết phục bạn tại sao phải dành sự ưu tiên cho programming concepts hơn ngôn ngữ lập trình. Nếu bạn có kiến thức nền tốt, thì bạn sẽ tồn tại trong thế giới mà công nghệ thay đổi chóng vánh bằng việc học một ngôn ngữ mới phù hợp mục đích của bạn. Điều này giúp bạn đứng vững và không gì lay chuyển được.

NGUỒN: John Somez.

Đọc tiếp »

EBOOK HẠT GIỐNG TÂM HỒN

LINK DOWLOAD:https://drive.google.com/drive/folders/1L4P7F-HipNzGGn6_s8KIauVX86jwaR6k?usp=sharing

Đọc tiếp »

TẠI SAO ?

Trong thương vụ bán cổ phần nhà nước tại Sabeco vừa qua thì tỷ phú người Thái gốc Hoa Charoen Sirivadhanabhakdi mua với giá 4,8 tỷ USD và nắm giữ cổ phần chi phối.
Tỷ phú này cũng là người nắm giữ gần 20% cổ phần của Vinamilk trong đợt chào bán của doanh nghiệp này vừa qua.

Tỷ phú này cũng mua lại các hệ thống bán lẻ lớn ở VN như Big C, Metro để giữ quyền quản lý.
Rất nhiều người biết rằng ông tỷ phú người Thái gốc Hoa này có quan hệ kinh tế mật thiết, chặt chẽ với Trung Quốc. Và khi bạn đã trở thành ông chủ và lãnh đạo các tập đoàn lớn, bạn sẽ phải có và không thể không có quan hệ với cơ quan tình báo nào đó.
Một điều lạ là thị trường hàng tiêu dùng của Việt Nam có trữ lượng hàng trăm tỷ đô nhưng dường như các đại gia trong lĩnh vực này của tư bản phương Tây không thấy có mặt.
Ví dụ như thương vụ bán cổ phần ở Sabeco vừa qua chỉ có duy nhất công ty con của tỷ phú người Thái gốc Hoa này đặt cọc bảo lãnh mua và sau đó trúng thầu (có một cá nhân người VN cũng mua với số lượng không đáng kể).
Không lẽ các đại gia như Cocacola hay Tiger...không muốn chiếm thêm thị phần mà Sabeco đang có, hay vì lý do nào khác mà họ tránh ra (hay bị gạt ra bằng thủ thuật ?)
Chúng ta không bài Hoa nhưng với bối cảnh nhập nhèm chính trị hiện nay cộng với động cơ lấn chiếm từ TQ luôn có thì phải hết sức thận trọng.
Chính trị thì thường không ai nghĩ đến chuyện trùng lặp ngẫu nhiên.

Đọc tiếp »

ĐỂ CÓ TIỀN LÀM SÂN BAY, METRO, CAO TỐC BẮC NAM

Để kinh tế đất nước tăng trưởng thì nhất định phải có đầu tư phát triển. Đầu tiên là phát triển hạ tầng giao thông, từ sân bay, bến cảng, đường bộ cao tốc, đường sắt cao tốc, đường sắt đô thị, đường tàu điện ngầm (metro)... Tiếp theo là đầu tư cho giáo dục, y tế, khoa học kỹ thuật, công nghệ thông tin, nông nghiệp công nghệ cao...
Thế nhưng vấn đề quan trọng nhất với các quốc gia đang phát triển như Việt Nam chúng ta là nguồn vốn ở đâu? Hiện tại Việt Nam đã không còn thuộc nhóm nước nghèo được các tổ chức tài chính quốc tế ưu tiên cho vay ưu đãi. Trong bối cảnh thiếu trước hụt sau thì nên ưu tiên đầu tư cho lĩnh vực nào? Hạ tầng giao thông hay giáo dục, y tế? Công nghệ thông tin hay nông nghiệp?
Nhìn lại cơ cấu chi ngân sách nhà nước 10 năm qua, có thể thấy ngay một vấn đề rất căn bản là chi tiêu thường xuyên của chính phủ đã tăng quá mạnh, đạt tới ngưỡng, chiếm hết phần chi cho đầu tư phát triển.

Nếu như năm 2006, trong tổng chi ngân sách thì chi thường xuyên chỉ chiếm có 44.66% (nếu cộng cả cải cách tiền lương là 54.58%) thì đến năm 2011 tăng lên 60.93% và 64.65% và năm 2017 tăng tiếp lên 64.46% và 64.93%.
Ngược lại chi đầu tư phát triển giảm từ 27.71% tổng chi ngân sách (2006) xuống 20.95% (2011) và 25.69% (2017). Nên nhớ năm 2017 chúng ta chỉ chi 7.1% cho trả nợ, còn năm 2006 chúng ta chi 13.86% cho trả nợ. Nếu chúng ta không dãn nợ thì chi cho đầu tư phát triển chỉ còn có 21% thôi.
Như vậy sau 11 năm (2006-2017) chi thường xuyên đã tăng thêm 10.35% tổng chi ngân sách, tương đương 143.915 tỷ đồng.
Giả thiết rằng nếu chi thường xuyên vẫn giữ ở mức 54.58% như năm 2006 thì năm 2017 chúng ta dư ra 143.915 tỷ đồng và 5 năm 2017-2021 chúng ta sẽ dư ra cỡ 900.000 tỷ đồng tương đương 40 tỷ USD.
Số tiền 40 tỷ USD tiết kiệm này đủ để làm các công trình sau:
(1) Sân bay Long Thành công suất 100 triệu HK năm (16 tỷ USD).
(2) Đường cao tốc Bắc Nam 654 km (5.2 tỷ USD).
(3) 4 tuyến đường sắt đô thị metro cho tp. Hồ Chí Minh (9.4 tỷ USD).
(4) 4 tuyến đường sắt đô thị metro cho Hà Nội (9.4 tỷ USD).
Vậy thì việc giảm chi phí thường xuyên từ mức 64-65% về mức 54.48% như năm 2006 là việc đặc biệt quan trọng, mà đi kèm theo nó là tái cấu trúc bộ máy quản lý nhà nước và tinh giảm biên chế.
Hiện tại lãnh đạo đất nước đã có chủ trương tái cấu trúc bộ máy quản lý nhà nước, tinh giảm biên chế, nhưng có vẻ đang gặp rất nhiều khó khăn, rất nhiều lực cản.
Đề xuất bỏ phòng GDĐT cấp quận huyện là một trong những đề xuất đáng để nghiên cứu và xem xét.

TÁC GIẢ:ĐỖ CAO BẢO-FPT GROUP.

Đọc tiếp »

CÓ THỰC SỰ TRUNG QUỐC CHỈ BIẾT LÀM HÀNG NHÁI ?

ÔNG HÀNG XÓM ĐÁNG SỢ
"Đáng sợ: Trung quốc đang trên đường THỐNG TRỊ công nghệ toàn cầu".
Đấy là nhận định của David Dodwell, cựu nhà báo Financial Times (tờ báo London, đối trọng của Wall Street), đăng trên South China Morning Post.
Bất cứ một người dân Âu, Mỹ nào khi hỏi về công nghệ Trung Quốc, đều cười phá lên và nói rằng "Trung Quốc là quê hương của hàng nhái rẻ tiền, đầy rẫy trên những kệ hàng của siêu thị Walmart".
Người Việt Nam chúng ta cũng thế, tất cả những gì liên quan đến Trung Quốc đều là hàng giả, hàng kém chất lượng, thua kém cả hàng Việt Nam.

Một thương hiệu nổi tiếng bị nhái ở TRUNG QUỐC.

Nhà báo David Dodwell.

Sau 2 năm liên tiếp dự hội nghị ABAC (APEC) ở San Francisco và Thâm Quyến, David Dodwell và các cộng sự đã thay đổi hoàn toàn cái nhìn về công nghệ Trung Quốc.

Cái dễ nhìn nhất là tốc độ Internet ở Thâm Quyến nhanh hơn ở San Francisco và tất cả các vụ mua sắm của các đồng nghiệp người Trung Quốc đều chỉ cần thanh toán qua chiếc điện thoại thông minh mang theo người. Người dân Trung Quốc không cần mang theo tiền mặt và thẻ tín dụng khi mua sắm. Đấy là những điều mà David Dodwell tai nghe mắt thấy.
David Dodwell nhận thấy không có một quốc gia nào mà sự bắt kịp sự bùng nổ công nghệ kỹ thuật số cũng như ứng dụng của nó với cuộc sống thường ngày của hàng trăm triệu người tiêu dùng lại thật và đáng kinh ngạc như ở Trung Quốc.
Ở Thượng Hải, có khoảng 450 ngàn xe đạp đậu xung quanh các tụ điểm trung tâm, người ta chỉ cần bật điện thoại, mở ứng dụng Mobike trên đó, quét mã QR trên xe đạp là có thể dùng nó, AliPay tính tiền sử dụng xe đạp theo giờ, có thể lấy xe ở một điểm và trả xe ở bất kỳ điểm nào mình muốn. Xe đạp được theo dõi bởi hệ thống định vị vệ tinh GPS.

Chỉ cần quét mã QR bằng smartphone là bạn có thể được chiếc xe đạp một cách dễ dàng.

Cuộc cách mạng thanh toán điện tử này ở Trung Quốc đã bỏ xa phần còn lại của thế giới. Trong khi thị trường thanh toán kỹ thuật số của Trung Quốc hiện nay lớn hơn Mỹ 50 lần.
Về CNTT, Trung Quốc đang sở hữu siêu máy tính Sunway TaihuLight có tốc độ xử lý nhanh nhất thế giới (93,015 triệu tỷ phép tính/giây, có 41.000 con chip đạt tổng 10,65 triệu vi xử lý). Trong 500 siêu máy tính mạnh nhất thế giới thì Trung Quốc có 202 chiếc, vượt Mỹ (chỉ có 144 chiếc).

Siêu máy tính của TRUNG QUỐC.

Về Tàu cao tốc, Trung Quốc đã vượt mặt cả Mỹ, Đức, Pháp, Canada, Nhật. Cách đây 2 tháng, Trung Quốc đã chính thức đưa vào vận hành thế hệ tàu Fuxing, được mệnh danh là "quái vật đường sắt", với tốc độ di chuyển 350 km/h (vận tốc cực đại đạt 400 km/h). Trung Quốc đã ghi tên mình vào kỷ lục thế giới hạng mục tàu chạy nhanh nhất hành tinh (với tốc độ này nếu tính điểm xuất phát và điểm đến ở trung tâm Hà Nội và Tp. Hồ Chí Minh thì thời gian chạy tàu cao tốc đúng bằng thời gian đi máy bay).

Đoàn tàu FUXING nhanh nhất thế giới.

Về lĩnh vực năng lượng, Trung Quốc đã cho ra đời trang trại năng lượng mặt trời nổi lớn nhất hành tinh tại tỉnh An Huy có công suất 40 megawatts, cung cấp đủ điện cho 15.000 hộ dân.
Về sử dụng công nghệ tài chính (FINTECH), các hoạt động chuyển tiền, thanh toán, đầu tư, cho vay, bảo hiểm, với tỷ lệ chấp nhận 69% Trung Quốc đã vượt Anh (42%) và Ấn Độ (52%) trở thành quốc gia dẫn đầu thế giới. Kết quả này là nhờ phương thức chuyển tiền và thanh toán di động.

Đặc biệt, tháng 6 năm 2016 Trung Quốc đã khai trương kính viễn vọng vô tuyến lớn nhất thế giới ở Quý Châu, với mục đích khám phá vũ trụ, tìm kiếm sự sống ngoài trái đất. Đây chính là thách thức nghiêm trọng phần còn lại của thế giới về khoa học công nghệ.

Kính Viễn vọng lớn nhất thế giới.

Ngoài ra còn một danh sách các sản phẩm công nghệ cao tại Trung Quốc như công nghệ pin lithium, dịch chuyển hạt proton lên vệ tinh cách trái đất 500km, hay mạch máu được làm từ tế bào gốc bằng công nghệ in 3D…

Để đạt được những điều thần kỳ đó, Trung Quốc đã đầu tư mạnh mẽ cho khoa học, công nghệ, cho nghiên cứu phát triển. Thay vì copy, ăn cắp công nghệ, Trung Quốc chuyển sang giai đoạn tôn trọng quyền sở hữu trí tuệ. Từ con số 0 USD năm 2000, năm 2016 Trung Quốc đã phải trả tới 20 tỷ USD cho bản quyền sở hữu trí tuệ.
Trong cuộc CMCN 4.0, Trung Quốc xác định "Trí tuệ nhân tạo sẽ trở thành động cơ mới cho sự phát triển kinh tế”. Trung Quốc đặt mục tiêu vượt qua các đối thủ công nghệ để trở thành trung tâm trí tuệ nhân tạo (AI) toàn cầu trong vòng chưa đầy 15 năm tới.
Hiện nay, Trung Quốc đang là một trong ba nước đi đầu về nghiên cứu và phát triển trí tuệ nhân tạo cùng với Mỹ và Ấn Độ. Baidu đặt phòng thí nghiệm AI ở Silicom Valey, đầu tư vào công nghệ xe tự lái, còn Alibaba đang nghiên cứu dùng AI để nhận biết hàng giả bán trên trang Alibaba.
Hãng Viễn thông Huawei có đến 68.000 người làm nghiên cứu phát triển thuần tuý (chiếm 40% tổng nhân viên), những kết quả nghiên cứu của họ sẽ đặt nền tảng cho công nghệ 5G trên toàn Trung Quốc vào năm 2020. Năm 2015, Huawei đã trở thành tổ chức công bố bằng sáng chế quốc tế lớn nhất thế giới.
Năm 2014, với 928.000 bằng sáng chế mới, Trung Quốc đã vượt Mỹ (579 ngàn), Nhật Bản (326 ngàn) trở thành quốc gia dẫn đầu thế giới về phát minh sáng chế.
VĨ THANH
Là nước láng giềng có nhiều duyên nợ do lịch sử để lại với Trung Quốc, lại đang có những bất đồng về biển đảo, nên đa số người Việt Nam chúng ta có ác cảm với tất cả cái gì liên quan đến Trung Quốc.
Thế nhưng, việc Trung Quốc thật sự là một quốc gia "đáng sợ" đang trên đường thống trị công nghệ toàn cầu là nguy cơ có thật.
Vì vậy cách thông minh nhất là chúng ta cần có cái nhìn thực tế hơn, đầy đủ hơn về tiềm lực, sức mạnh công nghệ cũng như kinh tế của Trung Quốc. Đặc biệt là chúng ta cần học hỏi cả về tư duy, cách làm của Trung Quốc. Không có gì xấu hổ khi học hỏi những cái hay của người khác, dù đó là người mà mình không ưa.

source:ĐỖ CAO BẢO-CEP FPT (tổng hợp từ south china ....).

Đọc tiếp »