Tự đánh giá

Trong suốt thời gian thực tập tại First Cloud Journey (FCJ) - AWS Study Group từ ngày 8 tháng 9 năm 2025 đến ngày 9 tháng 12 năm 2025, tôi đã có cơ hội học hỏi, thực hành và áp dụng kiến thức điện toán đám mây AWS vào các dự án thực tế. Trong 12 tuần, tôi đã tiến bộ từ kiến thức AWS cơ bản đến triển khai hoàn chỉnh một hệ thống Chatbot tích hợp AI để quản lý tư vấn viên sử dụng Amazon Bedrock, Lambda, RDS, S3, DynamoDB, API Gateway, CloudFront và AWS CDK.

Tóm tắt hành trình học tập

Giai đoạn 1 (Tuần 1-3): AWS Fundamentals & Core Services

• Thành thạo quản lý tài khoản AWS với các best practices về IAM, thao tác CLI/Console, và tối ưu chi phí bằng Budgets và Spot Instances
• Hiểu sâu về AWS Networking: VPC, Subnets, Security Groups, NACL, VPN, Transit Gateway, Load Balancing
• Thực hành với EC2, Auto Scaling Groups, giám sát CloudWatch, và Tags & Resource Groups
• Học các dịch vụ AWS Storage: S3, Storage Gateway, AWS Backup, FSx và EFS
• Nắm vững kiến thức nền tảng về AWS Security: IAM Roles, Policies, Permission Boundaries và mã hóa KMS

Giai đoạn 2 (Tuần 4-5): Security, Identity & Databases

• Các khái niệm IAM nâng cao: Cognito, AWS Organizations, Identity Center (SSO) và Condition Keys
• Thực hành kiến thức cơ sở dữ liệu cơ bản: OLTP vs OLAP, RDBMS vs NoSQL
• Làm việc với các database AWS: Amazon RDS, Redshift, ElastiCache và DynamoDB
• Hoàn thành các bài lab về Security Hub, KMS Workshop và kiểm soát truy cập dựa trên tag
• Dịch 3 bài blog kỹ thuật AWS để cải thiện kỹ năng tài liệu kỹ thuật

Giai đoạn 3 (Tuần 6-9): Architecture Design & Project Planning

• Học thiết kế kiến trúc AWS bằng draw.io và Q Developer CLI
• Nghiên cứu các kiến trúc chatbot dựa trên RAG và AI Agents từ AWS Solutions Library
• Tham dự workshop “Data Science on AWS” để mở rộng kiến thức về ML pipelines
• Hoàn thành bài kiểm tra giữa kỳ bao gồm tất cả các nhóm dịch vụ AWS
• Thiết kế và đề xuất kiến trúc chatbot hoàn chỉnh sử dụng Bedrock, Lambda và các thành phần serverless
• Ước tính chi phí dự án bằng AWS Pricing Calculator

Giai đoạn 4 (Tuần 10-12): Full-Stack Deployment & Infrastructure as Code

• Triển khai hạ tầng hoàn chỉnh bằng AWS CDK (VPC, RDS, Lambda, S3, API Gateway, CloudFront, Cognito)
• Triển khai Admin Dashboard với xác thực (Cognito), quản lý database (RDS) và phân tích dữ liệu (Athena DDL)
• Xây dựng tích hợp Messenger Bot với Meta Developers webhook
• Tạo cơ chế lưu trữ tự động RDS ↔ S3 với tối ưu checksum để giảm chi phí
• Tái cấu trúc code backend với kiến trúc service-layer rõ ràng để dễ bảo trì
• Quản lý lịch trình EventBridge cho việc lưu trữ dữ liệu tự động
• Tối ưu hóa quy trình triển khai và quản lý tài nguyên qua nhiều lần lặp

Trong suốt quá trình thực tập, tôi đã cải thiện kỹ năng về thiết kế kiến trúc đám mây, infrastructure as code (CDK), serverless computing, quản lý database, các best practices về bảo mật, tối ưu chi phí, tài liệu kỹ thuật và dịch tiếng Anh.

Tôi luôn cố gắng hoàn thành nhiệm vụ đúng hạn, chủ động nghiên cứu giải pháp cho các thách thức kỹ thuật, và hợp tác hiệu quả với các thành viên trong nhóm để cung cấp giải pháp AWS sẵn sàng cho sản xuất.

Tự đánh giá dựa trên các tiêu chí chính

Đánh giá chi tiết

Điểm mạnh đạt được:

1. Kiến thức và kỹ năng chuyên môn (Tốt)

   • Thành thạo các dịch vụ AWS trên tất cả các lĩnh vực: Compute, Storage, Networking, Database, Security, Analytics và AI/ML
   • Thành thạo sử dụng AWS CLI, Console và CDK để triển khai hạ tầng
   • Chứng minh khả năng thiết kế, triển khai và tối ưu hóa kiến trúc đám mây
   • Hoàn thành hệ thống chatbot sẵn sàng cho sản xuất từ đầu sử dụng hơn 10 dịch vụ AWS

2. Khả năng học hỏi (Tốt)

   • Nhanh chóng tiếp thu các khái niệm AWS phức tạp và áp dụng vào thực tế
   • Tự học các chủ đề nâng cao như CDK, Bedrock, Athena DDL và kiến trúc serverless
   • Thích nghi với các yêu cầu dự án thay đổi và chuyển hướng quyết định kiến trúc (ví dụ: Glue → Athena DDL)

3. Chủ động (Tốt)

   • Chủ động đề xuất cải tiến để giảm chi phí (DynamoDB cache thay vì OpenSearch, cơ chế checksum cho S3)
   • Nghiên cứu và đề xuất thay thế Lex bằng Custom Webhook + Bedrock để có phản hồi tự nhiên hơn
   • Chủ động dịch tài liệu kỹ thuật và tạo tài liệu chi tiết

4. Tinh thần trách nhiệm (Tốt)

   • Hoàn thành nhiệm vụ hàng tuần đúng lịch trình
   • Duy trì worklog và tài liệu chi tiết cho tất cả 12 tuần
   • Đảm bảo tính ổn định của hệ thống thông qua xử lý lỗi và logging phù hợp

5. Kỷ luật (Tốt)

   • Tuân thủ lịch trình hàng tuần và nộp worklog đúng hạn trong suốt 12 tuần
   • Tuân theo quy trình triển khai và các best practices của AWS trong toàn bộ dự án
   • Duy trì tài liệu có tổ chức và thực hành kiểm soát phiên bản tốt
   • Tôn trọng thời gian họp nhóm và yêu cầu của chương trình thực tập

6. Tính cầu tiến (Tốt)

   • Sẵn sàng đón nhận phản hồi trong các cuộc họp nhóm và điều chỉnh kiến trúc phù hợp
   • Liên tục cải thiện chất lượng code thông qua refactoring và tách service-layer
   • Học hỏi từ những sai lầm (ví dụ: yêu cầu multi-AZ của VPC, giới hạn Lambda VPC)

7. Hợp tác nhóm (Tốt)

   • Hợp tác hiệu quả trong các cuộc họp nhóm để hoàn thiện hướng đi của chatbot
   • Tham gia đánh giá kiến trúc và kết hợp đề xuất của nhóm
   • Chia sẻ kiến thức thông qua tài liệu Notion chi tiết

8. Giao tiếp (Tốt)

   • Tạo tài liệu viết toàn diện cho tất cả 12 tuần học tập
   • Dịch 3 bài blog kỹ thuật AWS, chứng minh khả năng hiểu tiếng Anh tốt
   • Trình bày hiệu quả các đề xuất kiến trúc và ước tính chi phí cho nhóm
   • Duy trì ghi chú Notion rõ ràng và chi tiết để chia sẻ kiến thức
   • Truyền đạt các quyết định kỹ thuật và đánh đổi trong các cuộc họp nhóm

9. Ứng xử chuyên nghiệp (Tốt)

   • Tôn trọng các thành viên trong nhóm và duy trì giao tiếp chuyên nghiệp
   • Tuân thủ các best practices và tiêu chuẩn bảo mật của AWS
   • Tuân thủ hướng dẫn thực tập và cấu trúc chương trình

10. Tư duy giải quyết vấn đề (Tốt)

• Giải quyết các thách thức kỹ thuật: vấn đề timeout với prompts tiếng Việt, xung đột Glue Catalog + Lambda VPC
• Thiết kế cơ chế checksum để tối ưu chi phí S3 và giảm upload không cần thiết
• Tạo logic đồng bộ dữ liệu để xử lý dữ liệu động (appointments) so với dữ liệu tĩnh (consultants)

11. Đóng góp vào dự án/nhóm (Tốt)

• Cung cấp giải pháp chatbot hoàn chỉnh, có thể triển khai với admin dashboard
• Tạo tài liệu kiến trúc toàn diện và ước tính chi phí
• Đề xuất và triển khai các tối ưu hóa tiết kiệm chi phí

Lĩnh vực cần phát triển thêm:

Mặc dù đạt được thành tích tốt trên tất cả các tiêu chí, tôi nhận thấy vẫn còn nhiều cơ hội để phát triển:

1. Quản lý thời gian

   • Có thể tối ưu hơn việc cân bằng giữa học nhiều dịch vụ AWS cùng lúc và tìm hiểu sâu các chủ đề cụ thể
   • Cơ hội cải thiện kỹ năng ước lượng thời gian cho các tác vụ triển khai phức tạp

2. Giao tiếp kỹ thuật

   • Mặc dù tài liệu viết đã toàn diện, tôi có thể tiếp tục cải thiện khả năng giải thích kiến trúc phức tạp bằng lời nói cho đối tượng phi kỹ thuật
   • Luyện tập trình bày các đánh đổi kỹ thuật ngắn gọn hơn trong các cuộc họp có giới hạn thời gian

3. Phòng ngừa vấn đề chủ động

   • Mặc dù đã giải quyết vấn đề thành công, tôi có thể phát triển khả năng dự đoán các vấn đề tiềm ẩn tốt hơn trước khi chúng xảy ra
   • Tăng cường quy trình kiểm tra trước triển khai để phát hiện lỗi cấu hình sớm hơn

Bài học kinh nghiệm chính

1. Infrastructure as Code (IaC): CDK cung cấp abstraction mạnh mẽ cho các tài nguyên AWS, nhưng đòi hỏi quản lý dependency cẩn thận và hiểu biết về CloudFormation
2. Tối ưu chi phí: Các quyết định kiến trúc nhỏ (Glue vs Athena DDL, cơ chế checksum) có thể tác động đáng kể đến chi phí
3. Kiến trúc Serverless: Lambda + API Gateway + S3 cung cấp giải pháp có khả năng mở rộng, tiết kiệm chi phí nhưng yêu cầu cấu hình VPC và IAM phù hợp
4. Best Practices về bảo mật: Luôn sử dụng IAM roles thay vì access keys, triển khai các chính sách least-privilege và bật mã hóa at rest
5. Phát triển lặp: Các hệ thống phức tạp đòi hỏi nhiều lần lặp; đừng hướng đến sự hoàn hảo ở lần triển khai đầu tiên

Mục tiêu phát triển tương lai

1. Mở rộng chuyên môn về các dịch vụ AI/ML (SageMaker, Bedrock, Comprehend) cho khả năng chatbot nâng cao
2. Nghiên cứu các thực hành DevOps (CI/CD pipelines, automated testing, giám sát với CloudWatch/X-Ray)
3. Đóng góp vào các dự án AWS mã nguồn mở và chia sẻ kiến thức thông qua các bài blog
4. Khám phá kiến trúc đa vùng và các chiến lược disaster recovery

Kết luận: Kỳ thực tập 12 tuần tại First Cloud Journey đã cung cấp kinh nghiệm thực hành vô giá với các dịch vụ AWS cloud và phát triển dự án thực tế. Tôi đã chuyển đổi thành công từ người mới bắt đầu với AWS đến có khả năng thiết kế và triển khai các giải pháp đám mây sẵn sàng cho sản xuất. Kiến thức và kỹ năng đạt được sẽ là nền tảng vững chắc cho sự nghiệp của tôi trong lĩnh vực điện toán đám mây.