Bài 28: Viết phần Experience khi chưa có kinh nghiệm AI chính thức

1

Mục Tiêu Bài Học

Sau khi hoàn thành bài này, bạn sẽ:

Hiểu tại sao JD yêu cầu "X year AI experience" không đồng nghĩa với bạn không đủ điều kiện
Biết 3 chiến lược cụ thể để viết Experience section khi background không phải AI
Rewrite được bullet cũ theo hướng AI-adjacent có quantified result
Biết cách list self-study project và freelance work trung thực, không gây nhầm lẫn
Tránh được các pitfall về tense, format, và over-claim thường làm CV bị filter

2

Vấn Đề Của Người Trái Ngành

JD AI Engineer thường có dòng: "2+ years of ML/AI experience required." Đây là ngưỡng mà nhiều người đọc theo nghĩa đen, rồi kết luận "tôi không đủ điều kiện" và không nộp.

Vấn đề thực tế phức tạp hơn:

Data analyst 4 năm có thể đã dùng Python, SQL, biết feature engineering — chỉ là chưa gắn nhãn "ML experience".
Backend developer có thể đã tích hợp API, thiết kế pipeline, optimize query — kỹ năng gần với MLOps và inference serving.
Accountant hoặc marketing thường khó translate hơn nhưng vẫn có thể show domain knowledge (fraud, customer behavior, funnel metrics) là bối cảnh cho AI project.

Recruiter ATS (Applicant Tracking System) filter theo keyword. Nếu CV bạn viết đúng như mô tả công việc cũ mà không có AI keyword nào, CV sẽ bị loại trước khi con người đọc. Giải pháp không phải là bịa kinh nghiệm — mà là translate thật sự những gì bạn đã làm thành ngôn ngữ AI Engineer.

Ba hướng tiếp cận

Reframe bullet của job cũ để nhấn AI-adjacent skill
Thêm role "AI Engineer (Self-Directed Projects)" với date range rõ ràng
List freelance hoặc OSS contribution nếu có

Ba hướng không loại trừ nhau — bạn có thể dùng cả ba trong cùng một CV tùy background.

3

Chiến Lược 1 — Reframe Non-AI Job

Mục tiêu là giữ đúng title, công ty, date — không thay đổi fact. Chỉ rewrite bullet để nhấn mạnh phần có giá trị nhất với AI Engineer role.

Ba bước thực hiện

List tất cả task đã làm ở job đó (kể cả nhỏ)
Đánh dấu task nào liên quan đến: data, automation, Python/SQL, analysis, system build, mentoring
Rewrite bullet đó với action verb mạnh + tech stack cụ thể + số đo kết quả

Ví dụ: Data Analyst

Trước — viết theo kiểu mô tả công việc:

Data Analyst                                          2021 — 2025
Company X
• Created weekly reports for management
• Maintained Excel dashboards
• Did data cleaning for various stakeholders

Sau — nhấn AI-adjacent skill:

Data Analyst                                          2021 — 2025
Company X, Ho Chi Minh City
• Built Python pipeline analyzing 500K+ customer transactions/week,
  replacing 4 manual Excel reports
• Designed SQL queries for ML feature engineering
  (customer segmentation, churn signals)
• Automated 20 hours/week of reporting using pandas + Airflow
• Migrated team from spreadsheet to Tableau (5 users),
  reducing reporting cycle from 3 days to 4 hours

Điểm cần chú ý:

Không thêm title mới, không nói "AI Engineer" trong role này — fact không thay đổi
"ML feature engineering", "customer segmentation" là AI vocabulary, nhưng nếu bạn thực sự đã làm tác vụ đó (dù gọi tên khác), translate là hợp lý
Mỗi bullet có số cụ thể: 500K transactions, 4 reports, 20 hours, 5 users
Tech stack xuất hiện trong context ("pandas + Airflow") thay vì chỉ list ở Skills section

Lưu ý về over-claim

Chỉ dùng AI vocabulary khi bạn thực sự đã làm tác vụ đó, dù tên cũ là gì. "Customer segmentation" = grouping khách theo đặc điểm → hợp lý translate. Nhưng nếu bạn chỉ nhìn vào bảng pivot và tổng hợp số, không tự build model hay pipeline, đừng viết "built ML feature engineering pipeline" — recruiter kỹ thuật sẽ hỏi sâu trong interview.

4

Chiến Lược 2 — Thêm Self-Directed Project Role

Nếu bạn đã build project AI trong quá trình tự học (như các project ở Module 3 của series này), bạn có thể list như một role riêng trong Experience section.

Template

AI Engineer (Self-Directed Projects)                 Jan 2024 — Present
Personal Portfolio | Ho Chi Minh City

• Built 4 production-ready AI projects spanning RAG, ML classifier,
  computer vision, and agentic systems
• Architected end-to-end pipelines: data ingestion → model training
  → FastAPI deployment → monitoring
• Tech stack: Python, PyTorch, LangChain, FastAPI, Docker,
  ChromaDB, OpenAI/Anthropic APIs
• Maintained 4 deployed demos with public URLs, comprehensive
  README and engineering documentation

Điểm quan trọng

Title phải rõ: "Self-Directed Projects" hoặc "Personal Projects" — không viết "AI Engineer" bare. Recruiter và hiring manager hiểu đây là self-study; điều đó không giảm giá trị, nhưng lying về title sẽ fail background check.
Date range liên tục: "Jan 2024 — Present" cho thấy commitment dài hạn. Date ngắn (1-2 tháng) và đã kết thúc ít thuyết phục hơn.
Bullet show competency cụ thể: Không chỉ "built AI projects" — recruiter cần biết loại project, tech stack, và kết quả (deployed, public URL, số metric).
Link portfolio: Thêm GitHub URL hoặc portfolio URL ngay dưới company line nếu format CV cho phép.

Khi nào đủ để thêm role này

Tối thiểu cần: ít nhất 2 project hoàn chỉnh có deployed demo hoặc public repo. Nếu project chỉ là notebook chạy local, không deployed, không có README — list trong Projects section (bài 27) thay vì Experience.

5

Chiến Lược 3 — Freelance Và OSS Contribution

Freelance / Contract work

Nếu bạn có ít nhất 1 client thực trả tiền cho AI work (dù nhỏ), list như role:

Freelance AI Engineer                                Jun 2024 — Present
Various Clients

• Built custom chatbot for legal startup (NDA): Vietnamese Q&A
  on 200-page contract templates using RAG + LangChain
• Delivered FastAPI + Streamlit dashboard for e-commerce
  product auto-categorization (4-week engagement)
• References available on request

Lưu ý:

Không bịa client hoặc project — recruiter có thể verify, nhất là khi vào interview vòng technical
NDA là lý do hợp lý để không nêu tên client cụ thể, nhưng phải có NDA thực sự
"References available" cho thấy bạn không che giấu — nhưng chỉ viết nếu thực sự có người confirm
Nếu project đã public (không NDA), thêm GitHub URL vào bullet

Open Source Contribution

PR merged vào project AI/ML lớn (Hugging Face Transformers, scikit-learn, LangChain...) được list trong Experience, không chỉ trong Projects:

Open Source Contributor                              Mar 2024 — Present
Hugging Face Transformers, scikit-learn

• Merged 3 PRs into transformers (v4.40+): fix tokenizer edge case,
  add documentation for LoRA adapter loading, improve test coverage
• Merged 1 PR into scikit-learn: fix type hint in Pipeline.set_params()

Tại sao để trong Experience thay vì Projects: OSS contribution là work với team thực, có code review, có maintainer approval. Đó là collaborative work, không phải solo project.

6

Cấu Trúc Bullet — Pattern STAR-lite

Mỗi bullet tốt là 1 mini-story: action → kỹ thuật cụ thể → kết quả đo được. Không nhất thiết theo đúng thứ tự S-T-A-R, nhưng đủ ba thành phần.

Thành phần	Nội dung	Ghi chú
Action verb	Built, Designed, Engineered, Automated, Migrated, Led, Reduced, Deployed	Tránh: "Was responsible for", "Worked on", "Helped with"
Technical detail	Tech stack, phương pháp, architecture	Cụ thể: "FastAPI + Docker" tốt hơn "API"
Result	Số, %, thời gian, scope	Ước tính hợp lý OK; không có số thì nêu scope

So sánh bullet yếu và mạnh

Yếu:

• Was responsible for managing data.

Mạnh:

• Engineered SQL ETL handling 1TB raw transaction data daily,
  feeding ML pipeline for fraud detection model.

Bullet mạnh có: action verb (Engineered), technical detail (SQL ETL), scale (1TB/day), context (fraud detection ML pipeline).

Thứ tự bullet trong một role

Bullet 1: phần kỹ thuật relevant nhất với AI role
Bullet 2-3: scope, impact, tech stack khác
Bullet 4 (tùy chọn): mentoring, cross-team collaboration, leadership

Balance 70% hard-skill (technical, quantified) + 30% soft-skill (collaboration, leadership). Nếu tất cả bullet đều là hard-skill không có con người → thiếu; nếu quá nhiều "collaborated with" không có gì kỹ thuật → không đủ thuyết phục.

7

Bảng Dịch Keyword Non-AI Sang AI

Bảng dưới đây chỉ áp dụng khi bạn thực sự đã làm tác vụ đó. Không dùng translation làm phình thêm thứ bạn không làm.

Mô tả non-AI cũ	AI-friendly translation	Điều kiện để dùng
Excel pivot table / grouping	Feature aggregation	Phải là bạn tự tính, không phải chỉ đọc
Manual report tự động hóa	Pipeline automation	Phải dùng code (Python, SQL scheduled job...)
Spreadsheet forecast model	Predictive model (linear regression)	Phải thực sự dùng regression, không chỉ kéo trend line
Customer segmentation	Unsupervised clustering	Phải dùng K-Means, DBSCAN hoặc tương đương; không chỉ group bằng filter
Data cleaning	Data preprocessing for downstream ML	Phải dùng pandas/Python, kết quả dùng cho model
Forecasting (Excel/BI tool)	Time series prediction	Phải dùng ARIMA, Prophet hoặc ML model; Excel trend không đủ
A/B test phân tích kết quả	Statistical hypothesis testing	Phải tự tính p-value, không chỉ đọc dashboard
Process automation (VBA, script)	Pipeline orchestration / RPA	Phải là script hoặc tool, không chỉ macro Excel đơn giản

Nguyên tắc kiểm tra trước khi dùng translation

Tự hỏi: "Nếu interviewer hỏi tôi giải thích cụ thể cách tôi làm điều này, tôi có trả lời được không?" Nếu có → dùng translation. Nếu không → giữ nguyên mô tả cũ hoặc skip.

8

Job Xa AI Hoặc Rất Cũ

Không phải mọi job đều cần reframe chi tiết. Nguyên tắc đơn giản:

Job	Cách xử lý
Job có transferable skill rõ (data, code, analysis)	Reframe đầy đủ theo chiến lược 1
Job ít liên quan, trong vòng 3-5 năm	1-2 bullet ngắn, tập trung vào phần nào có thể translate
Job không liên quan, hơn 5 năm trước	1 dòng (title, công ty, date) hoặc skip
Customer service, sales, hospitality (không có data/code component)	Skip hoặc 1 dòng nếu cần fill gap

CV 1 trang không có chỗ cho chi tiết của mọi job từng làm. Ưu tiên space cho những gì liên quan nhất với target role.

Trường hợp domain knowledge có giá trị

Một số background không liên quan kỹ thuật nhưng có giá trị domain knowledge:

Accountant / Finance → làm AI cho fintech, fraud detection: có thể mention "5 năm finance domain, áp dụng cho AI trong bối cảnh [specific use case]"
Marketing / Growth → AI cho recommendation, personalization: biết funnel, cohort, A/B
Healthcare worker → AI trong medical context: hiểu clinical workflow, PII/PHI compliance

Nếu bạn apply vào công ty trong domain cũ của mình, 1-2 bullet nhấn domain knowledge là lợi thế, không phải điểm yếu.

9

Career Gap

Gap trên 6 tháng giữa hai role sẽ được recruiter chú ý. Nếu bạn dùng thời gian đó để học AI, đây là cơ hội chứ không phải điểm trừ — nhưng phải viết rõ.

Cách xử lý gap

Tốt:

Career Break — AI Self-Study               Jan 2024 — Aug 2024
• Completed Deep Learning Specialization (Coursera, Andrew Ng)
• Built 4 capstone projects: churn prediction, RAG chatbot,
  image classifier, AI agent
• Contributed 2 merged PRs to Hugging Face Transformers

Cần tránh:

Không ghi gì về khoảng trống → recruiter tự hiểu, thường không tốt
Stretch date của job trước để che gap — nếu bị phát hiện, mất tin cậy hoàn toàn
"Đang tìm cơ hội phù hợp" không nói lên bạn làm gì trong gap

Gap vì lý do cá nhân (sức khỏe, gia đình) không cần giải thích chi tiết trong CV — một dòng "Personal leave" là đủ. Recruiter có thể hỏi trong interview, trả lời ngắn gọn là được.

10

Quy Tắc Format Và Tense

Inconsistency về tense và format là dấu hiệu thiếu chú ý đến chi tiết — điều recruiter kỹ thuật chú ý.

Tense

Role	Tense	Ví dụ
Job đang làm	Present tense	"Build", "Lead", "Maintain"
Job đã kết thúc	Past tense	"Built", "Led", "Automated"
Self-study role đang tiếp tục	Present tense	"Build", "Architect", "Maintain"

Tất cả bullet trong cùng một role phải dùng cùng tense. Đừng trộn "Built X" và "Was maintaining Y" trong cùng một job.

Format nhất quán

Date format: chọn một và giữ — hoặc "Jan 2024 — Aug 2024" hoặc "2024/01 — 2024/08", không trộn hai kiểu
Location: nếu có ở một role thì có ở tất cả, hoặc không có ở tất cả
Bullet: dấu đầu dòng giống nhau, indent giống nhau
Company line: tên + location (nếu dùng) nhất quán trên tất cả role

11

Độ Dài Bullet Theo Từng Role

Không phải mọi role cần số lượng bullet như nhau. Phân bổ space theo mức độ relevance với target role:

Role	Số bullet nên có
Job hiện tại hoặc gần nhất (relevant)	4–5 bullet
Job gần đây dưới 3 năm (có transferable skill)	3–4 bullet
Job cũ hơn, một phần relevant	1–2 bullet
Job rất cũ hoặc không liên quan	1 dòng hoặc skip
Self-directed project role	3–4 bullet
Freelance (có ít nhất 1 client)	2–3 bullet

Nếu CV không đủ 1 trang khi dùng bảng trên, job cũ hơn có thể thêm 1-2 bullet. Nếu CV vượt 1 trang, cắt bullet của job không liên quan trước.

Certification và award trong Experience

Nếu có promotion hoặc award trong job cũ, có thể thêm vào sub-section nhỏ ngay dưới bullet của role đó:

Data Analyst                                          2021 — 2025
Company X, Ho Chi Minh City
• ...
• ...
Awards: Promoted to Senior Data Analyst (2023),
        Top Performer Q4 2024

Điều này cho thấy progression và recognition dù trong non-AI role.

12

Ví Dụ Transformation Đầy Đủ

Background: Backend developer Python 5 năm → đang target AI Engineer role. Trong năm 2024 đã tự học và build 3 project AI, có 1 freelance project nhỏ.

Experience section trước khi rewrite

Backend Developer                                     2020 — 2025
Company Y
• Worked on backend systems
• Maintained API services
• Used Python and PostgreSQL

Experience section sau khi rewrite

AI Engineer (Self-Directed Projects)                 Jan 2024 — Present
Personal Portfolio | Ho Chi Minh City
• Built 3 production-grade AI systems: RAG chatbot (LangChain + ChromaDB),
  churn prediction API (scikit-learn + FastAPI), and document classifier
  (fine-tuned BERT)
• Deployed all projects on Hugging Face Spaces and Render with
  public demo URLs and comprehensive README
• Tech stack: Python, PyTorch, LangChain, FastAPI, Docker,
  PostgreSQL, OpenAI API

Freelance AI Engineer                                Aug 2024 — Nov 2024
Independent
• Built Vietnamese FAQ chatbot for legal firm: RAG over 150-page
  legal document corpus, LangChain + Chroma, deployed via FastAPI
• Reduced client's document lookup time from ~25 minutes to under
  2 minutes per query (measured over 3-week pilot with 8 users)

Backend Developer (Python/Data-focused)              2020 — 2025
Company Y, Ho Chi Minh City
• Built RESTful APIs in Python (FastAPI 0.100+) serving 50 RPS
  for internal analytics dashboard; P95 latency under 120ms
• Designed PostgreSQL schemas + indexes, optimized slow queries
  from 600ms to 35ms P95 on 10M-row table
• Integrated OpenAI API into product for auto-tagging feature
  (deployed Q3 2024, 3,000+ items tagged/day)
• Mentored 2 junior developers on Python best practices
  and code review

Phân tích thay đổi

Self-directed role được đặt lên đầu vì relevant nhất với target role; date "Present" cho thấy đang active
Freelance ngắn (3 tháng) nhưng có client thật, số cụ thể (25 phút → 2 phút) → đưa vào được
Job cũ giữ đúng title nhưng thêm "(Python/Data-focused)" để signal đây là tech role, không phải generic backend
OpenAI integration được mention rõ với date và scale (3,000 items/day)
Tech version cụ thể: FastAPI 0.100+ thay vì chỉ "FastAPI"

13

Pitfalls Phổ Biến

Liệt kê duty thay vì show impact

"Managed data pipelines" là duty. "Built Python ETL pipeline processing 500K records/day, replacing 3 manual SQL jobs" là impact. Mỗi bullet phải trả lời được câu hỏi: "So what?"

Verb passive

"Was responsible for", "Helped with", "Assisted in" → đổi sang "Built", "Led", "Designed", "Automated". Passive verb nghe passive về năng lực.

Quá nhiều bullet cho job xa AI

5 bullet về job không liên quan 8 năm trước chiếm space của self-directed project role quan trọng hơn. Cắt job cũ xuống 1-2 bullet.

Skip hoàn toàn non-AI job

Không nên skip hẳn job gần đây dù không liên quan — tạo gap không giải thích. Giữ lại 1 dòng title/date/company.

Lie về title hoặc date

Background check từ HR hoặc LinkedIn public profile sẽ phát hiện sự mâu thuẫn. Mất cơ hội sau bao nhiêu effort build portfolio chỉ vì 1 dòng sai là không đáng.

"Aspiring AI Engineer" trong Experience

Viết "Aspiring AI Engineer" trong role description của self-directed project → undermine credibility. Tên role là "AI Engineer (Self-Directed Projects)" — bạn đã build project, bạn không chỉ aspire.

Tense / format không nhất quán

Trộn tense trong cùng role, hoặc date format khác nhau giữa các role → signal thiếu attention to detail. Recruiter nhìn thấy ngay, đặc biệt khi apply vào kỹ sư vị trí cần chú ý chi tiết.

Skills section thay thế bullet trong Experience

Liệt kê Python trong Skills section là tốt nhưng chưa đủ. Recruiter muốn thấy Python được dùng trong context cụ thể — "Built pandas pipeline reducing..." thuyết phục hơn "Python" trong danh sách kỹ năng.

14

Bài Tiếp Theo

Bài 29: Cover letter — khi nào cần, viết thế nào

Danh sách bài viết