LFS162: 12 giờ học để không lạc trong pipeline CI/CD của khách
Khoá miễn phí này ghi nhãn Beginner, nhưng phần đáng học nhất nằm ở ba chương cuối, và bạn cần biết Linux trước khi vào học.
20/11/2026
Tờ báo của nghề Forward Deployed Engineer
Sách và khoá học giúp bạn chuyển sang nghề FDE, xếp theo thứ tự nên học.
Khoá miễn phí này ghi nhãn Beginner, nhưng phần đáng học nhất nằm ở ba chương cuối, và bạn cần biết Linux trước khi vào học.
20/11/2026
Total TypeScript Essentials đọc miễn phí trên mạng; khoá Pro Essentials có tên gần giống, hơn 200 bài tập, mới là phần phải trả tiền.
John Ousterhout dùng 196 trang để dạy một việc: giấu độ phức tạp sau giao diện nhỏ, vì khách sẽ phải sống với code đó khi bạn đã đi.
Phần file, CSV và API khớp với việc hằng ngày, còn phần LLM và khách hàng thì phải học ở nơi khác.
Tài liệu Weave bổ sung cách tách kiểm tra bằng code khỏi judge, phần đáng mang về site khách hàng nhất.
Đọc chương 6 đến 9 để đóng gói, rồi 15 và 16 để giữ dữ liệu và qua cửa an ninh; phần LLM để sau.
Hơn 600 sandbox chạy ngay trong trình duyệt, nhưng người quen Python nên học JavaScript trước.
Ryan Singer cố định thời gian ở sáu tuần rồi cắt phạm vi cho vừa, và mọi dự án pilot với khách đều cần kỷ luật ấy.
Khoá miễn phí của Harvard dạy bạn cân rủi ro với sự tiện dụng trước khi nhận quyền truy cập vào hệ thống của khách.
Bản 2014 vẫn dùng tốt, còn bản 2027 có thêm hai chương về LLM cho người đang deploy agent.
Ba định luật của Weinberg giúp bạn tìm ra vấn đề thật, thường là chuyện con người.
Khoá của Jeanne Liedtka ở Darden trên Coursera xoay quanh bốn câu hỏi nên đặt cho khách trước khi viết dòng code đầu tiên.
Phần đáng đọc nhất lại nằm ở cuốn viết tiếp năm 2017: người liên lạc dịch phản ứng của đối tác và dập đám cháy nhỏ.
HealthCare.gov có 36 nhà thầu mà vẫn sập; trong Recoding America, Jennifer Pahlka chỉ ra thủ phạm là văn hoá và mô hình thác nước, không phải tiền hay công nghệ.
Phần AgentQ và MCTS chỉ cần lướt, nhưng con số thất bại đi kèm mới là bài học cho FDE.
Viết từ 2012, cuốn sách của Gojko Adzic vẫn giúp FDE chặn scope creep ngay từ buổi discovery.
Không cần đọc hết tám chương: ba chương và bộ lab Wireshark miễn phí đủ để bạn soi một kết nối hỏng.
Khoá hai tiếng của DeepLearning.AI và Anthropic đáng học, miễn là bạn đọc thêm tài liệu của từng nền tảng.
Phần nền tảng API của khoá học vẫn đáng học, còn bằng chứng nên là thứ bạn tự làm ra.
Ý tưởng viết cho startup nhưng lại vừa khít với một deployment: chỉ một con số dẫn đường, và con số ấy phải đổi theo giai đoạn.
Phần notebook nên học ngay, còn phần đưa guard lên production thì bạn phải tự đọc tiếp.
Sách có 24 chương, nhưng FDE chỉ cần bảy chương về file, Excel, CSV và web, và nên đọc theo đúng thứ tự.
Vladimir Khorikov đưa ra một quy tắc mock rất gọn, kèm theo cái giá mà bộ test nào cũng phải trả.
Năm bài nền tảng API phía trước mới là phần đáng học, còn quãng đường từ demo đến agent chạy trên máy khách hàng thì khoá gần như bỏ ngỏ.
Bắt đầu từ resource chứ không phải endpoint, rồi dồn sức vào ba chỗ tích hợp của khách hay vỡ nhất: tác vụ chạy lâu, retry và versioning.
Khoá học một giờ của ông minh hoạ luận điểm đó khá thuyết phục, nhưng 10% còn thiếu thường nằm ở phía khách hàng.
Dồn sức vào chương 9, 10, 12, 13 và 14, rồi tự chạy từng manifest trong repo ví dụ đi kèm sách.
Mỗi bài trong khoá học trên Udacity, từ value proposition tới chi phí, là một câu hỏi FDE cần đặt cho khách ngay tuần đầu onsite.
Đề thi SAA-C03 dành 30% điểm cho bảo mật, cũng là cửa đầu tiên bạn phải qua ở khách hàng.
Ba chủ đề API, xác thực và SSRF dạy bạn nhìn chính tích hợp của mình như cách kẻ tấn công nhìn nó.
Chọn đúng chương, bạn học cách đọc chuỗi gọi đồng bộ, hợp đồng API và sự cố chậm trong hệ thống người khác dựng.
Khoá của Amber Race gói việc thăm dò một API lạ vào sáu mục kiểm tra, rồi đưa chúng vào CI bằng Newman.
Phần còn lại vẫn đáng xem, vì thói quen ghi log và version dữ liệu dùng được ở mọi stack.
Provost và Fawcett dạy cách nghĩ bằng dữ liệu, thứ FDE cần trước dòng code đầu tiên ở chỗ khách.
Cuốn sách về OKR năm 2018 cho FDE cách chốt cam kết triển khai mà cả hai bên cùng chấm điểm được.
Template là pattern đáng giữ nhất, còn giá trị thật nằm ở bài báo arXiv năm 2023 đứng sau khoá, không ở các mẫu câu.
The Goal của Goldratt cho thấy tăng tốc bất kỳ khâu nào ngoài điểm nghẽn đều không tăng đầu ra, chỉ khiến hàng chờ dài thêm.
Teresa Torres viết cho product trio, nhưng ba thói quen cốt lõi của bà khớp gần như trọn vẹn với một dự án tại khách hàng.
Marquet biến người làm theo thành người dẫn dắt, đúng kỹ năng FDE cần để deployment sống sau ngày bàn giao.
Chín tuần miễn phí, từ fetch đến React và CI/CD; riêng bản Harvard Extension chấm 90% điểm qua project.
Mỗi engagement lại biến FDE thành kỹ sư mới, và cuốn sách 288 trang của Riccomini và Ryaboy là checklist cho tuần đầu ấy.
Một trang giấy viết theo góc nhìn của khách sẽ cho bạn thấy đề bài đã rõ hay chưa.
Phần nền tảng dùng được ngay, nhưng tool phía server, MCP connector và batch không chạy y hệt trên Bedrock.
Emmanuel Ameisen viết cho 95% thời gian không dành cho train model, và đó là phần việc của FDE.
Khoá ngắn của DeepLearning.AI và Weaviate dạy RAG đọc ảnh, biểu đồ, lưu đồ và trích chúng thành dữ liệu có cấu trúc.
Sách có mười ba chương, nhưng ba chương và hai phụ lục mới là phần dùng ngay ở site khách.
Cuốn sách năm 2007 của anh em nhà Heath dạy FDE biến một chỉ số khô khan thành câu chuyện mà lãnh đạo khách nhắc lại thay bạn.
Học kế toán trước, để lần sau bạn biết dự án của mình chạm vào dòng nào trên báo cáo của khách.
Influencing People chỉ mất 12 giờ, học riêng được, và dạy đúng việc hằng ngày của FDE là kéo những team không báo cáo cho mình cùng làm.
Cuốn Domain-Driven Design Distilled dày 176 trang của Vaughn Vernon dạy FDE vẽ bounded context trước khi code, và khách cũng đọc được.
Vẫn đáng thi trước một deployment trên AWS: khoảng 26 trên 50 câu tính điểm thuộc GenAI và foundation model, nên điểm nằm ở Bedrock.
Đọc chương nào tùy vòng code: bài thuật toán 45 phút ở Google là sân nhà của sách, còn bài build 60 phút ở OpenAI chỉ cần vài chương.
The Making of a Manager của Julie Zhuo là cuốn nên đọc trước khi đổi chức danh, vì quản lý FDE vẫn phải bám sát khách hàng.
Khoá hai giờ trên DeepLearning.AI dựng graph từ hồ sơ SEC, nhưng hãy có baseline RAG dùng vector trước để chứng minh graph có ích.
Bài tập chấm độ đúng nặng gấp ba phong cách code, một quy tắc rất hợp với script bạn để lại ở chỗ khách hàng.
Cuốn sách đọc miễn phí của Josh Doody giải thích rằng recruiter thường cần một văn bản để trình cấp trên duyệt mức lương bạn đề nghị.
Sáu video, khoảng 22 phút, dạy tạo và chia sẻ skill trong Claude Code, nhưng không bài nào dạy eval để chứng minh skill chạy đúng.
Thinking in Bets của Annie Duke cho rằng quyết định tốt vẫn có thể ra kết quả xấu, bài học cho người phải hứa với khách khi dữ liệu còn thiếu.
LFS101 của Linux Foundation đã vượt một triệu lượt ghi danh, và sáu chương của khoá ứng với từng bước gỡ lỗi khi agent im lặng trên máy Linux trần.
Software Architecture: The Hard Parts theo chân một đội hư cấu qua chuyện tách service, hợp đồng và giao dịch phân tán, những quyết định FDE gặp ở site khách.
Code mẫu năm 2023 đã cũ, nhưng bài học chính, coi prompt là một hàm kiểm thử được, đúng là thứ khách hàng cần ở FDE.
Khoá giải thích tốt sampling và transport, còn stdout sạch, kiểm tra Origin hay người duyệt sampling thì bạn vẫn phải tự cài và tự test.
FDE nào cũng sẽ bị khách hỏi nếu có người cố tình phá chatbot thì sao; khoá 99 phút này giúp trả lời, nhưng notebook dựng trên Giskard v2.
Sách của Sebastian Raschka không biến bạn thành nhà nghiên cứu, nhưng bắt bạn tự viết attention, fine-tuning và LoRA, chạy ngay trên laptop.
ISLP, bản Python ra năm 2023, dạy cách đánh giá trung thực một mô hình trên dữ liệu của khách, và vài chương mang vào dự án tuần sau được ngay.
Câu trả lời bám đúng dữ liệu vẫn có thể sai, và khóa ngắn của DeepLearning.AI với Snowflake chỉ cách tìm lỗi ngay trong kế hoạch của agent.
Vòng Build-Measure-Learn của Eric Ries biến một pilot lửng lơ thành thí nghiệm có giả thuyết, có số đo và có lúc quyết định pivot hay tiếp tục.
Khoá 1h24m của DeepLearning.AI do kỹ sư Redis dạy đáng học ở phần đo lường, còn con số tiết kiệm thì nên nghe có chọn lọc.
Cuốn Talking to Humans năm 2014 của Giff Constable dạy FDE tìm đúng người để hỏi ở site khách và khiến họ kể sự thật.
Trong 1 giờ 31 phút, khoá của DeepLearning.AI dạy một pipeline fine-tuning chạy lại được, có version cho từng thứ, điều khách dùng AWS hay Azure vẫn cần.
Nishant Bhajaria, từng phụ trách quyền riêng tư kỹ thuật ở Netflix, Uber và Google, viết cuốn runbook 384 trang để FDE trả lời trước khi pháp chế hỏi.
The Linux Command Line của William Shotts không đòi hỏi kiến thức nền, dạy từ pipeline, tiến trình đến shell scripting, đúng thứ cần khi khách đang chờ trên cuộc gọi.
11 bài của DeepLearning.AI và Anthropic ra đời trước spec 2026-07-28, nên tự viết lại từng bài sẽ cho thấy chính xác chỗ nào đã đổi.
Trong nghiên cứu gốc, kiểu xây quan hệ chỉ chiếm 7% người xuất sắc, kiểu Challenger gần 40%, và ba động tác của họ đều học được.
Khoá smolagents 54 phút giải thích vì sao agent tự viết code mạnh hơn JSON tool-calling, và đoạn code đó phải chạy ở đâu trước khi đến tay khách.
Khoá của Banghua Zhu trên DeepLearning.AI không dạy vận hành cụm GPU mà chỉ ra khi nào nên dùng SFT, DPO hay online RL.
Cuốn Switch (2010) của Chip và Dan Heath cho rằng nhiều khi trở ngại nằm ở con voi cảm xúc chứ không ở lý trí, và chỉ cách sửa con đường sau go-live.
Delegation và Diligence cho bạn bộ khái niệm dùng được với mọi mô hình: giao việc gì cho agent, và ai chịu trách nhiệm khi agent sai.
Với khách tài chính, chỗ hổng là từ vựng chứ không phải code, và bản ghi hình miễn phí năm 2011 giúp bạn chọn đúng bài cần nghe trước buổi gặp khách.
Thinking, Fast and Slow của Kahneman chỉ ra thiên kiến lạc quan đằng sau những lần trễ go-live và đưa công cụ để sửa; phần priming thì đọc lướt.
Thinking in Systems của Donella Meadows dạy FDE quan sát hệ thống trước khi can thiệp, và vì sao chỉnh con số là đòn bẩy yếu nhất.
Hai khoá Technical Writing One và Two miễn phí của Google dạy kỹ sư viết tài liệu bàn giao để khách tự vận hành, không phải gọi lại hỏi.
Khoá 1 giờ 24 phút của Harrison Chase chia trí nhớ thành semantic, episodic và procedural, cách chia giúp FDE biết nên sửa lỗi lặp ở đâu.
Docs for Developers lấy ví dụ một API dịch tiếng chó sủa, không viết cho FDE nhưng khớp với việc bàn giao, và nên mua bản in lần hai.
Edmond Lau gọi đó là đòn bẩy, tức giá trị trên mỗi giờ bỏ ra, và nó giúp bạn xếp thứ tự khi ở chỗ khách ai cũng bảo việc mình gấp.
Trước khi ra onsite chỉ cần sáu phần, và chương mới về chuẩn bị dữ liệu nên đọc trước mọi chuyện fine-tuning.
Khoá ngắn của DeepLearning.AI dạy cách nối và đo từng lần gọi model, đủ cho một buổi tối nhưng chưa phải tấm vé vào production.
Mô hình trao đổi của Cohen và Bradford, viết cho tổ chức phẳng, gần như mô tả đúng cảnh FDE chờ quyền truy cập tại khách hàng.
Machine Learning in Production dạy tốt cách xác định phạm vi, dựng baseline và xử lý concept drift, nhưng phép đo cho từng khách bạn vẫn phải tự dựng.
Trước khi agent chạm vào dữ liệu thật của khách hàng, bạn phải trả lời được nó đang hành động với danh nghĩa ai và để lại dấu vết gì.
SPIN Selling của Neil Rackham, dựng từ hơn 35.000 cuộc gọi bán hàng được quan sát, chỉ cách dùng câu hỏi biến lời phàn nàn thành nhu cầu khách chịu đầu tư.
Notebook mang tên khô khan nhất trong 19 notebook dạy thói quen giữ con số báo cáo cho khách đứng vững: khóa test set trước mọi quyết định.
Drew Hoskins, kỹ sư chuyển sang làm product manager, viết cho những ai phải xây cho người dùng thật, không chỉ cho người ký ticket.
An Elegant Puzzle của Will Larson không đưa công thức có sẵn, nhưng dạy bạn vẽ, đo và sửa đội như một hệ thống.
Khoá của João Moura bám sát các quy trình khách hàng mang tới, nhưng gần như bỏ qua thứ giúp hệ thống trụ được với dữ liệu thật.
Khoá của DeepLearning.AI và Nexusflow kết thúc bằng việc biến transcript hỗ trợ khách hàng thành dữ liệu SQL, nhưng có chỗ hổng cần biết trước.
Architecture Patterns with Python của hai cựu kỹ sư MADE.com cho thấy một route Flask thành "Big Ball of Mud" ra sao và cách ngăn nó.
Bản 3 của Brett Slatkin, 125 mục cập nhật đến Python 3.13, nên dùng như danh mục kiểm tra khi tiếp quản code, đừng đọc từ đầu đến cuối.
Ba unit đầu, xây quanh model nhỏ SmolLM3 với 3-4 giờ mỗi tuần, đáng thời gian của FDE; có GPU thì tốt nhưng chưa chắc đã cần.
Từ bốn lên sáu người, nhân sự tăng 50% nhưng kênh giao tiếp tăng từ 6 lên 15, theo phép tính của Fred Brooks trong The Mythical Man-Month.
CS 329S của Chip Huyen dành 65% điểm cho một ứng dụng thật, nhưng với FDE, các buổi về monitoring và distribution shift mới đáng học nhất.
Với FDE, giá trị lớn nhất của cuốn Python Testing with pytest của Brian Okken là dạy viết test mà người đến sau đọc hiểu và tin được.
Jerry Liu dạy routing, tool use rồi suy luận nhiều bước, đúng thứ tự nên dùng ở chỗ khách, dù một phần API nhiều khả năng đã bị thay.
Theo cuốn sách năm 2016, khách không mua sản phẩm mà “thuê” nó để tiến lên trong một hoàn cảnh cụ thể, và hỏi về job đó giúp tránh bản deploy không ai mở lại.
Khóa NodeJS của The Odin Project dạy đúng route, xác thực, ORM và testing; kỹ sư có kinh nghiệm không cần học như người mới, nhưng nên theo đúng thứ tự.
Khoá một giờ của Anton Troynikov dạy query expansion, rerank bằng cross-encoder và embedding adapter, nên đi từ kỹ thuật rẻ đến đắt.
Khoá hai giờ của Jerry Liu và Anupam Datta dạy RAG triad, ba phép đo chỉ ra mắt xích nào giữa câu hỏi, ngữ cảnh và câu trả lời đang hỏng.
Cuốn Getting to Yes từ năm 1981 dạy FDE đàm phán phạm vi, thời hạn và cả offer của mình theo lợi ích, thay vì kéo co trên lập trường.
Học khoá 2 giờ của DeepLearning.AI và WhyLabs kèm SelfCheckGPT và LangKit, bạn trả lời được câu “nó có bịa không?” bằng một con số.
Range của David Epstein không hề nhắc tới deployment, nhưng khái niệm môi trường học tập "wicked" mô tả đúng một tuần onsite ở chỗ khách.
Cuốn Prompt Engineering for LLMs của Berryman và Ziegler đáng đọc vì dạy cách gom, lọc và sắp xếp ngữ cảnh cho từng request.
Khoá ngắn làm cùng DeepLearning.AI dạy cách thiết kế pipeline trí nhớ dùng được ở mọi khách hàng; lớp database thì thay được.
Lời khuyên đáng nhớ nhất gói trong một câu, đừng đăng ký ba trăm tool cho agent, còn các chương FDE cần nhất nằm ở nửa sau.
Cuốn Storytelling with Data năm 2015 của Cole Nussbaumer Knaflic bắt đầu từ đúng chỗ FDE cần: người sẽ quyết định mở rộng hay dừng.
Khoá 26 giờ, năm module của Zain Hasan để phần production lại sau cùng, nên FDE học tuần tự dễ bỏ dở trước phần đáng tiền nhất.
Một phần lớn cuốn sách O'Reilly năm 2018 bàn về scale và quản lý thay đổi, giúp bạn hiểu vì sao API của khách có hình dạng như vậy và chỗ nào sẽ gãy.
Các bài 12 đến 17 về regex, web service và cơ sở dữ liệu khớp với file export lộn xộn, endpoint thiếu tài liệu mà khách giao, lại miễn phí.
Douglas Hubbard định nghĩa đo lường là giảm bất định, nên câu “không đo được” có thể thành một khoảng số, đôi khi chỉ từ năm mẫu.
Lướt nhanh phần thực chất là tài liệu sản phẩm Microsoft, dành thời gian cho các bài về đưa agent vào production và khi nào không nên dùng agent.
Data class, type hint và đồng thời là thứ bạn phải đọc nhanh nhất trong tuần đầu ở khách, nhưng sách không dành cho người mới học Python.
Cuốn tiểu thuyết DevOps năm 2013 mở đầu bằng một kỳ lương bị trễ và cho thấy một kỹ sư giỏi nhưng quá tải có thể làm tắc cả hệ thống.
Hơn 1,5 triệu người đã học đợt tháng 11/2025, nên chứng chỉ không còn là lợi thế; thứ đáng giá là điều bạn mang được tới khách hàng.
Nhiều công cụ trong LLM Bootcamp của Full Stack Deep Learning đã cũ, nhưng phần retrieval, kiểm thử và đưa ứng dụng lên production vẫn sát việc của FDE.
Observability Engineering của ba kỹ sư Honeycomb thay việc đi hỏi người lâu năm nhất bằng việc hỏi dữ liệu; ấn bản 2 dài gấp đôi, nên kiểm tra trước khi mua.
Trong 95 phút của khoá DeepLearning.AI do Sharon Zhou dạy, gần 30 phút đầu trả lời câu khách hàng thật sự hỏi FDE: có nên fine-tune không.
Cuốn SRE của Google thay nó bằng error budget được viết ra và thống nhất trước khi hệ thống hỏng, và FDE chỉ cần đọc ba chương.
Harrison Chase và Rotem Weiss dạy kỹ agent dừng ở đâu và ai duyệt, còn chuyện server sập giữa chừng thì khoá mới chỉ mở đầu.
Đại học Helsinki mở khoá năm 2019 vì "full stack" là cụm từ phổ biến nhất trong tin tuyển dụng; nay 14 phần đi từ React tới CI/CD và container.
Theo Geoffrey Moore trong Crossing the Chasm (1991), khách visionary mua sự thay đổi còn khách thực dụng mua sự yên ổn, nên FDE phải triển khai khác nhau.
Khoá học trên Maven của người tạo Instructor dạy đo precision, recall và MRR trên bộ câu hỏi kiểm thử, vì không prompt nào cứu được retriever lấy sai tài liệu.
Enabling team trong Team Topologies khớp với vai trò FDE, dù chính Docker thừa nhận lần áp dụng đầu tiên không giảm được cognitive load.
Nếu dữ liệu của khách đã nằm trên Databricks, bảng trọng số gần như trùng với dự án RAG và agent đầu tiên, còn quản trị chỉ chiếm 8%.
Khoá ngắn của DeepLearning.AI và Arize dạy chấm riêng router, từng skill và cả luồng đầu-cuối, người học chỉ cần biết Python cơ bản.
Radical Candor của Kim Scott viết cho sếp, nhưng chỉ cách báo tin xấu cho khách hàng, những người bạn không có quyền ra lệnh.
Inspired của Marty Cagan viết cho product manager, nhưng dạy FDE đo bằng kết quả thay vì số tính năng, và chỉ rõ phần nào đọc lướt được.
Mỗi unit mất khoảng một tuần, 3-4 giờ; Unit 2 có thể đi nhanh, nhưng đừng bỏ Unit 1, nơi có những từ cần dùng khi ngồi với khách hàng.
Bản làm mới tháng 6/2025 của Cloud Practitioner Essentials thêm bài về AI và machine learning, đúng loại dự án FDE đang triển khai.
Mỗi chương có notebook Colab chạy GPU miễn phí; nên đọc chương RAG trước, rồi mượn hình vẽ để giải thích cho khách hàng vì sao hệ thống trả lời sai.
Clay Bavor bàn về agent ngoài đời thật như một sản phẩm, đúng việc FDE làm ở chỗ khách; muốn nghe Xinyun Chen thì phải tìm hai bản trước.
Working Effectively with Legacy Code của Michael Feathers chỉ cách gắn tính năng AI vào hệ thống chưa có test của khách mà không làm vỡ thứ đang chạy.
Một API của khách treo 30 giây mỗi lời gọi có thể làm cạn thread sau 5 giây; các pattern của Nygard chặn chuỗi đổ vỡ ấy ngay từ khâu thiết kế.
Ba chương đầu đi đúng trình tự một dự án ở chỗ khách, từ dựng baseline bằng pipeline() đến soi dữ liệu, và đã có bản tiếng Việt.
Lãnh đạo bên khách có thể chỉ đọc vài dòng đầu rồi mới quyết định đọc tiếp, nên câu trả lời phải đứng đầu, như giới tư vấn vẫn dặn “make it Minto”.
Khoá học miễn phí của Andrej Karpathy đi từ engine autograd 150 dòng tới tokenizer, và nhảy thẳng vào bài 7 là bỏ lỡ phần đáng giá nhất.
Đây là sách tham khảo, sáu phần chia theo cấp bậc, nên đừng đọc một mạch; ai định chuyển sang FDE nên đọc trước chương về đổi việc.
CS50 SQL dành bảy tuần cho truy vấn, thiết kế bảng và scale trên dữ liệu thực, đi từ SQLite tới PostgreSQL và MySQL.
Cuốn Escaping the Build Trap của Melissa Perri viết cho product manager, nhưng hữu ích nhất với FDE phải đo việc mình bằng kết quả của khách.
Trong The Manager's Path, Camille Fournier coi 30% thời gian code là mức sàn của tech lead, rồi vẽ ra từng bậc từ mentor đến CTO.
Bản làm lại đã bỏ Octave sang Python, đúng loại notebook bạn sẽ gặp ở chỗ khách, và mất khoảng hai tháng nếu học 10 giờ mỗi tuần.
Flawless Consulting coi thoả thuận chỉ là thật khi cả hai bên cùng bỏ ra thứ gì đó, và bản thứ 4 bổ sung cách làm việc với khách từ xa.
Jeremy Howard chỉ đòi một năm viết code: bài đầu dựng mô hình nhận diện chim trên Kaggle, và cả chín bài không cần GPU riêng.
The Culture Map của Erin Meyer giúp FDE phải demo cho cả khách Mỹ lẫn khách Đức trong một quý nghe đúng điều mỗi bên muốn nói.
Module MCP và agent khớp sát tin tuyển FDE của chính Anthropic, và module nên học trước tiên là prompt evaluation, chưa phải RAG.
Cuốn sách năm 2018 dựa trên bốn năm nghiên cứu DORA luyện kỹ năng FDE cần đầu tiên ở site khách: đo năng lực triển khai trước khi đề xuất.
Tuần 5 của CS50P dạy assert, pytest và đóng gói code, nền tối thiểu cho code chạy trên dữ liệu khách và sẽ được người khác tiếp quản.
Lời khuyên “mang phương án đến, đừng mang lời bào chữa” là cách FDE báo tin xấu khi không có trưởng nhóm nào đứng ra đỡ lời.
Kleppmann và Riccomini giữ nguyên các đánh đổi cốt lõi nhưng chỉ ra chúng đã dời đi đâu, điều quyết định cụm máy của khách mở rộng ra sao và tiền đi về đâu.
The Data Warehouse Toolkit của Kimball đã gọi tên cơ chế này từ lâu, và dbt snapshots ngày nay vẫn hiện thực cách xử lý SCD Type 2 của ông.
Công cụ đã đổi nhiều lần từ 2022, nhưng sáu undercurrents trong sách vẫn là bộ câu hỏi FDE cần mang vào buổi gặp khách đầu tiên.
Sách vẫn đáng đọc với ứng viên FDE, vì khung trả lời 4 bước rất giống buổi làm việc đầu tiên với khách hàng.
Sách của Chris Voss thay lựa chọn gật đầu hay cãi lại bằng một câu hỏi, "Làm sao tôi làm được điều đó?", để trả bài toán về cho khách.
Đề cương đặt câu hỏi đầu tiên với khách lên trước bản thiết kế đầu tiên, đúng bước mà người chỉ luyện LeetCode hay bỏ qua.
LLM Zoomcamp của DataTalks.Club dành riêng hai module cho eval và giám sát, đúng câu khách hỏi ở tuần thứ ba, với chi phí chỉ 1-5 USD credit OpenAI.
Software Engineering at Google hỏi code của bạn sẽ ra sao sau khi bạn rời khách hàng, và cả cuốn có bản đọc miễn phí trên mạng.
Data Engineering Zoomcamp đã bỏ Mage sang Kestra năm 2025; công cụ còn đổi, nhưng tự dựng trọn một pipeline mới là kỹ năng ở lại.
Tanya Reilly dạy cách dẫn dắt việc lớn, mơ hồ, đi qua nhiều đội mà không có quyền ra lệnh, đúng tình cảnh của FDE ở phía khách hàng.
Kỹ thuật trong khoá của DeepLearning.AI và AWS đã cũ, nhưng vòng đời dự án từ chọn use case đến deploy vẫn là thứ FDE dùng trước khách hàng.
Bốn design pattern kéo người học tới, nhưng module phân tích lỗi mới sát nhất với việc FDE làm hằng ngày ở chỗ khách hàng.
Câu đắt nhất sách, rằng thuật toán không cứu được dữ liệu huấn luyện tệ, gần như là mô tả công việc FDE, và bốn chương chỉ cách xử lý.
Cuốn sách dạy phần không tutorial nào làm hộ: chọn model nào, đánh giá bằng tiêu chí gì và đưa vào production ra sao.
Quiz lý thuyết đòi tới 80%, khoảng cách cho thấy làm agent chạy được trên dữ liệu thật mới là phần khó, và không cần học theo thứ tự unit.
Crucial Conversations cho rằng khi khách thôi nói thật thì log hay bằng chứng đều vô ích, và việc đầu tiên là khôi phục cảm giác an toàn.
Uy tín, độ tin cậy và sự gần gũi nằm trên tử số, nhưng biến số dưới mẫu số mới quyết định khách hàng có nghe bạn hay không.
Hamel Husain và Shreya Shankar cho rằng tiêu chí eval chỉ lộ ra khi con người chấm output, nên FDE phải tự tìm; cái giá là học phí 4.200 USD.
The Mom Test chỉ cho FDE cách hỏi khách đã thực sự làm gì trong quá khứ, thay vì hỏi họ nghĩ mình sẽ dùng gì.