Thư viện học khoa học máy tính

Mục lục

1. Phần 2: Tổng quan dự án
   • 2.1 Bối cảnh phong trào Học đại học CS trên GitHub
   • 2.2 Tầm quan trọng và tính cấp thiết của phiên bản tiếng Trung
   • 2.3 Mục tiêu chiến lược của báo cáo
2. Phần 3: Kiến trúc lộ trình & Phân rã cấu trúc
   • 3.1 Mô hình phân tầng bốn lớp
   • 3.2 Ma trận phụ thuộc và tính tuần tự
   • 3.3 Đánh giá tính logic và ràng buộc
3. Phần 4: Chức năng & Danh mục Nội dung Cốt lõi
   • 4.1 Nhóm nền tảng và độ phức tạp thuật toán
   • 4.2 Cấu trúc dữ liệu
   • 4.3 Giải thuật và sắp xếp
   • 4.4 Cây, đồ thị và kiến thức mở rộng
   • 4.5 Thiết kế hệ thống và khả năng mở rộng
   • 4.6 Hệ điều hành, mạng máy tính và chủ đề bổ trợ
   • 4.7 Đánh giá độ sâu và hệ thống tài nguyên
4. Phần 5: Phương pháp Tự học và Khả năng Ứng dụng Thực tế
   • 5.1 Quản lý tiến độ và tâm lý học tập
   • 5.2 Active Recall và Spaced Repetition
   • 5.3 Ứng dụng thực tế qua LeetCode và Portfolio
5. Phần 6: Khung kế thừa Logic Dự án
   • 6.1 Trừu tượng hóa lộ trình thành Metamodel
   • 6.2 Định nghĩa biến, thuộc tính và quy tắc cốt lõi
   • 6.3 Hướng dẫn tái sử dụng cho lĩnh vực khác
6. Phần 7: Hệ thống Trích dẫn & Danh mục Tham khảo
   • 7.1 Kho lưu trữ gốc và bản dịch
   • 7.2 Sách và tài nguyên học thuật
   • 7.3 Danh mục tham khảo đầy đủ

Bảng thông tin định danh kho lưu trữ

Thuộc tính	Giá trị
Tên dự án	Coding Interview University (nguyên gốc: Google Interview University)
Tác giả	John Washam (@jwasham)
Kho gốc	github.com/jwasham/coding-interview-university
Giấy phép	Creative Commons Attribution-ShareAlike 4.0 (CC BY-SA 4.0)
Bản dịch tiếng Trung	简体中文 (giản thể) tại translations/README-cn.md
Định vị	Kế hoạch tự học CS đa tháng, hướng phỏng vấn kỹ sư phần mềm
Mức độ ảnh hưởng	Một trong những repo được "star" nhiều nhất trên GitHub (nhóm giáo dục)

---

Phần 2: Tổng quan dự án

2.1 Bối cảnh phong trào Học đại học CS trên GitHub

Cuối thập niên 2010, một xu hướng học tập rõ nét hình thành trên GitHub: thay vì con đường bằng cấp bốn năm truyền thống, cộng đồng kỹ sư phần mềm tự tổ chức và mã nguồn hóa (open-source) toàn bộ chương trình đại học Khoa học Máy tính thành các danh sách kiểm tra (checklist) có thể theo dõi tiến độ. Coding Interview University là đại diện tiêu biểu nhất của phong trào này.

Tác giả John Washam khởi tạo dự án như một danh sách việc cần làm (to-do list) cá nhân: một lập trình viên web tự học trong khoảng tám tháng để đủ năng lực ứng tuyển vị trí kỹ sư phần mềm tại Google. Điều bắt đầu như ghi chú riêng đã nhanh chóng trở thành tài sản chung khi cộng đồng nhận ra giá trị của một lộ trình có cấu trúc, đầy đủ nguồn học và có thể tự kiểm tra tiến độ.

Trên trục lịch sử, dự án còn được biết đến với sự kiện đổi tên: từ Google Interview University thành Coding Interview University. Lý do là kho lưu trữ không phải tài liệu chính thức của Google, và nội dung mang tính nền tảng cho phỏng vấn tại mọi công ty công nghệ (nhóm Big Tech nói chung), không riêng một nhà tuyển dụng.

2.2 Tầm quan trọng và tính cấp thiết của phiên bản tiếng Trung

Đối với cộng đồng kỹ sư phần mềm toàn cầu, Coding Interview University giải quyết ba "nỗi đau" kinh điển của người tự học:

Nỗi đau của người tự học	Cách lộ trình giải quyết
"Không biết học gì" (thiếu bản đồ tri thức)	Cung cấp một cây tri thức CS hoàn chỉnh từ nền tảng đến nâng cao
"Không biết học theo thứ tự nào"	Sắp xếp tuần tự, chỉ rõ tiên quyết (prerequisite) giữa các chủ đề
"Không biết học đến đâu là đủ"	Gắn chuẩn đầu ra với năng lực phỏng vấn thực tế và bài tập LeetCode

Phiên bản/bản dịch tiếng Trung (简体中文) có tính cấp thiết riêng, xuất phát từ đặc thù thị trường kỹ thuật Hoa ngữ:

1. Quy mô người học khổng lồ: cộng đồng lập trình viên nói tiếng Trung là một trong những nhóm lớn nhất thế giới; rào cản tiếng Anh học thuật khiến bản địa hóa trở thành nhu cầu thiết thực.
2. Hệ sinh thái luyện tập song song: bên cạnh LeetCode (vốn khởi nguồn phục vụ mạnh cộng đồng Hoa ngữ), còn có LintCode và nhiều nền tảng nội địa, bản dịch giúp kết nối lộ trình lý thuyết với các nền tảng luyện tập quen thuộc.
3. Tối ưu hóa định dạng: bản tiếng Trung không chỉ dịch chữ mà còn chuẩn hóa lại cách trình bày, bảng biểu, tiêu đề phân cấp, thuật ngữ đối chiếu Anh–Trung, nâng cao khả năng đọc (readability) cho người bản ngữ.

2.3 Mục tiêu chiến lược của báo cáo

Báo cáo phân tích kiến trúc này theo đuổi ba mục tiêu, xếp theo mức độ trừu tượng tăng dần:

• Mục tiêu mô tả (Descriptive): hệ thống hóa lại cấu trúc, module và tài nguyên của lộ trình để phục vụ tra cứu nhanh.
• Mục tiêu phân tích (Analytical): đánh giá tính logic, tính tuần tự và độ sâu tri thức của từng khối, chỉ ra điểm mạnh và giới hạn.
• Mục tiêu kiến tạo (Generative): trừu tượng hóa lộ trình thành một Metamodel để tái sử dụng, đây là giá trị cốt lõi khiến báo cáo trở thành Framework Blueprint (xem Phần 6).

---

Phần 3: Kiến trúc lộ trình & Phân rã cấu trúc

3.1 Mô hình phân tầng bốn lớp

Dù bản gốc trình bày dưới dạng một checklist tuyến tính dài, khi phân tích kiến trúc có thể tái cấu trúc (refactor) toàn bộ lộ trình thành bốn tầng (layer) đồng tâm, mỗi tầng là tiên quyết mềm cho tầng kế tiếp:

┌─────────────────────────────────────────────────────────┐
│  Tầng 4,  KỸ NĂNG PHỎNG VẤN & META                      │
│  (System Design, mock interview, resume, hành vi)       │
│   ┌───────────────────────────────────────────────┐     │
│   │  Tầng 3,  GIẢI THUẬT & KỸ THUẬT NÂNG CAO      │     │
│   │  (Sorting, Graph, Recursion, DP, Greedy)      │     │
│   │   ┌─────────────────────────────────────┐     │     │
│   │   │  Tầng 2,  CẤU TRÚC DỮ LIỆU          │     │     │
│   │   │  (Array, Linked List, Stack, Queue, │     │     │
│   │   │   Hash Table, Tree, Heap, Graph)    │     │     │
│   │   │   ┌───────────────────────────┐     │     │     │
│   │   │   │  Tầng 1,  NỀN TẢNG        │     │     │     │
│   │   │   │  (Ngôn ngữ, Big-O,        │     │     │     │
│   │   │   │   Bitwise, Toán rời rạc)  │     │     │     │
│   │   │   └───────────────────────────┘     │     │     │
│   │   └─────────────────────────────────────┘     │     │
│   └───────────────────────────────────────────────┘     │
└─────────────────────────────────────────────────────────┘

Tầng	Tên khối	Câu hỏi cốt lõi trả lời	Chuẩn đầu ra
1	Nền tảng (Foundation)	Học bằng ngôn ngữ gì? Đo hiệu năng ra sao?	Thành thạo 1 ngôn ngữ, đọc/viết được ký hiệu Big-O
2	Cấu trúc dữ liệu (Data Structures)	Dữ liệu được tổ chức và truy cập thế nào?	Tự cài đặt (from scratch) mọi CTDL cơ bản
3	Giải thuật (Algorithms)	Xử lý dữ liệu hiệu quả bằng cách nào?	Cài đặt & phân tích sort, search, graph, DP
4	Phỏng vấn & Meta	Vận dụng vào bài toán quy mô lớn và giao tiếp?	Thiết kế hệ thống, giải bài live, kỹ năng mềm

3.2 Ma trận phụ thuộc và tính tuần tự

Lộ trình không phải tập hợp rời rạc mà là một đồ thị phụ thuộc có hướng (directed dependency graph). Bảng dưới trích xuất các ràng buộc tiên quyết quan trọng nhất:

Khối kiến thức	Phụ thuộc trực tiếp vào	Ghi chú ràng buộc
Độ phức tạp Big-O	Ngôn ngữ lập trình cơ bản	Cần đọc được code để phân tích chi phí
Hash Table	Array + hàm băm (bitwise)	Nền tảng của rất nhiều lời giải tối ưu
Cây nhị phân tìm kiếm (BST)	Cây + đệ quy	Đệ quy là "chìa khóa" thao tác cây
Heap / Priority Queue	Cây + Array	Cài đặt heap trên mảng
Đồ thị (Graph)	Queue, Stack, Hash Table	BFS cần Queue, DFS cần Stack/đệ quy
Quy hoạch động (DP)	Đệ quy + độ phức tạp	Chủ đề khó nhất, cần nền vững
Thiết kế hệ thống	Toàn bộ tầng 1–3 + kiến thức mạng/HĐH	Đỉnh của kim tự tháp, tích hợp mọi thứ

3.3 Đánh giá tính logic và ràng buộc

Điểm mạnh về mặt kiến trúc:

• Tính tuần tự chặt chẽ: thứ tự "ngôn ngữ → Big-O → CTDL → giải thuật → thiết kế hệ thống" phản ánh đúng logic phụ thuộc tri thức, không thể đảo.
• Tính bao phủ (coverage) toàn diện: từ bit thấp nhất (bitwise, endianness, Unicode) đến trừu tượng cao nhất (system design, scalability).
• Tính khả kiểm (verifiability): mỗi mục là checklist, tiến độ luôn hữu hình.

Giới hạn cần lưu ý:

---

Phần 4: Chức năng & Danh mục Nội dung Cốt lõi

Phần này phân rã chi tiết các module tri thức (core modules), đánh giá độ sâu và hệ thống tài nguyên đi kèm từng module.

4.1 Nhóm nền tảng và độ phức tạp thuật toán

Module mở màn, đặt nền cho toàn bộ lộ trình.

• Chọn ngôn ngữ lập trình: khuyến nghị chọn một ngôn ngữ và dùng xuyên suốt cho mọi bài luyện tập; C++/Java/Python là lựa chọn phổ biến cho phỏng vấn.
• Độ phức tạp thuật toán / Big-O / phân tích tiệm cận: học ký hiệu Big-O, Big-Theta, Big-Omega; phân biệt độ phức tạp thời gian và không gian.
• Toán rời rạc và thao tác bit (bitwise): AND/OR/XOR/NOT, dịch bit, đếm bit set, số bù hai (two's complement).

Chủ đề	Độ sâu yêu cầu	Dạng tài nguyên
Big-O notation	Đọc, viết, phân tích được mọi đoạn code	Video (Harvard CS50, MIT), bảng cheat sheet
Bitwise operations	Cài đặt các thủ thuật bit kinh điển	Bài tập, Bit Hacks
Chọn ngôn ngữ	Thành thạo cú pháp + thư viện chuẩn	Tài liệu ngôn ngữ, sách chuyên ngữ

4.2 Cấu trúc dữ liệu

Trái tim của tầng 2. Yêu cầu tự cài đặt và nắm vững độ phức tạp từng thao tác.

Cấu trúc dữ liệu	Thao tác cốt lõi	Độ phức tạp tiêu biểu
Array / Vector động	Truy cập, chèn, xóa, resize	Truy cập O(1), chèn cuối trung bình O(1)
Linked List	Chèn/xóa đầu-giữa-cuối, đảo danh sách	Chèn đầu O(1), tìm kiếm O(n)
Stack	push, pop, peek	Toàn bộ O(1)
Queue / Deque	enqueue, dequeue	Toàn bộ O(1)
Hash Table	băm, xử lý va chạm (chaining/open addressing)	Trung bình O(1), xấu nhất O(n)

4.3 Giải thuật và sắp xếp

• Tìm kiếm: tìm kiếm tuyến tính, tìm kiếm nhị phân (binary search), cài đặt cả bản đệ quy lẫn lặp.
• Sắp xếp (Sorting): nắm ít nhất, selection, insertion, merge sort, quicksort; hiểu heapsort; biết bản chất O(n log n) là cận dưới của sắp xếp so sánh.

Thuật toán sắp xếp	Độ phức tạp trung bình	Ổn định (stable)	Tại chỗ (in-place)
Selection Sort	O(n²)	Không	Có
Insertion Sort	O(n²)	Có	Có
Merge Sort	O(n log n)	Có	Không
Quicksort	O(n log n)	Không	Có (thường)
Heapsort	O(n log n)	Không	Có

4.4 Cây, đồ thị và kiến thức mở rộng

Cây (Trees):

• Cây nhị phân, cây nhị phân tìm kiếm (BST): chèn, xóa, duyệt (in-order, pre-order, post-order, BFS/DFS).
• Heap / Priority Queue: min-heap, max-heap, cài đặt trên mảng, ứng dụng heapsort và Dijkstra.
• Cây cân bằng (khái niệm): AVL, đỏ-đen (red-black), B-tree, hiểu ý tưởng, không nhất thiết cài đặt hết.
• Trie: cây tiền tố cho bài toán chuỗi/từ điển.

Đồ thị (Graphs):

• Biểu diễn: ma trận kề, danh sách kề, ma trận liên thuộc.
• Duyệt: BFS (dùng Queue), DFS (dùng Stack/đệ quy).
• Thuật toán kinh điển: đường đi ngắn nhất (Dijkstra, Bellman-Ford), cây khung nhỏ nhất (MST), sắp xếp tô-pô (topological sort).

Kiến thức mở rộng (More Knowledge):

4.5 Thiết kế hệ thống và khả năng mở rộng

Đỉnh của lộ trình (System Design, Scalability & Data Handling), bắt buộc với ứng viên trung–cao cấp.

Chủ đề thiết kế hệ thống	Nội dung cốt lõi
Khả năng mở rộng (Scalability)	Scale ngang vs. dọc, load balancing, tầng ứng dụng không trạng thái
Caching	CDN, cache tầng ứng dụng/CSDL, chiến lược invalidation
Cơ sở dữ liệu	SQL vs. NoSQL, sharding, replication, chỉ mục, denormalization
Hàng đợi & async	Message queue, xử lý bất đồng bộ, back-pressure
Định lý CAP	Đánh đổi consistency / availability / partition tolerance
Đo lường độ trễ	"Latency numbers every programmer should know"

4.6 Hệ điều hành, mạng máy tính và chủ đề bổ trợ

Nhóm kiến thức "chiều sâu học thuật" giúp ứng viên trả lời câu hỏi cấp thấp và tình huống:

• Hệ điều hành (Operating Systems): tiến trình vs. luồng, lập lịch CPU, quản lý bộ nhớ (paging, virtual memory), deadlock, đồng bộ hóa (mutex, semaphore). Nguồn khuyến nghị: các bài giảng OS của UC Berkeley.
• Mạng máy tính (Computer Networking): mô hình TCP/IP, bắt tay ba bước (three-way handshake), HTTP/HTTPS, DNS, mô hình OSI.
• Trình biên dịch, Unix, công cụ: kiến thức bổ trợ (Additional Learning), compilers, Emacs/vi, dòng lệnh Unix.

4.7 Đánh giá độ sâu và hệ thống tài nguyên

Mỗi module được "bọc" bởi một hệ tài nguyên đa phương thức. Bảng dưới đánh giá độ sâu (thang 1–5) và loại tài nguyên chủ đạo:

Module	Độ sâu (1–5)	Sách chủ đạo	Video/Khóa học	Bài tập thực hành
Nền tảng & Big-O	★★★☆☆	CTCI (chương đầu)	CS50, MIT 6.006	Cheat sheet Big-O
Cấu trúc dữ liệu	★★★★★	CTCI, Skiena	MIT 6.006	Tự cài đặt + LeetCode
Giải thuật & Sorting	★★★★★	Skiena, CLRS (tham chiếu)	MIT 6.006, Berkeley	LeetCode/LintCode
Cây & Đồ thị	★★★★☆	Skiena	MIT, Abdul Bari	LeetCode (medium/hard)
Quy hoạch động	★★★★☆	Skiena	MIT 6.006	LeetCode DP tag
Thiết kế hệ thống	★★★★☆	Designing Data-Intensive Applications	System Design Primer	Mock design
HĐH & Mạng	★★★☆☆	Sách OS Berkeley	Video giảng đường	Câu hỏi lý thuyết

---

Phần 5: Phương pháp Tự học và Khả năng Ứng dụng Thực tế

5.1 Quản lý tiến độ và tâm lý học tập

Coding Interview University không chỉ là danh mục nội dung mà còn là một hệ phương pháp học tập (learning methodology). Cơ chế quản lý tiến độ dựa trên bốn trụ:

1. Fork & Checklist cá nhân: người học fork repo, biến checklist chung thành nhật ký tiến độ riêng, tick - [x] từng mục đã hoàn thành.
2. Chia nhỏ theo ngày (The Daily Plan): chọn 1–2 chủ đề mỗi ngày, xen kẽ lý thuyết và code, chống quá tải nhận thức.
3. Không nhảy cóc: tôn trọng thứ tự tiên quyết; cưỡng lại cám dỗ "học phần hay trước".
4. Chuẩn bị tâm lý dài hạn: tác giả thẳng thắn rằng đây là hành trình nhiều tháng, có phần "Retention" (duy trì kiến thức) để chống quên.

5.2 Active Recall và Spaced Repetition

Đây là hai kỹ thuật khoa học nhận thức được lộ trình vận dụng một cách có hệ thống, điểm khác biệt so với việc "đọc tài liệu thụ động".

Kỹ thuật	Bản chất	Cách áp dụng trong lộ trình
Active Recall (gợi nhớ chủ động)	Ép não truy xuất thông tin thay vì đọc lại	Che đáp án, tự viết lại code CTDL từ trí nhớ
Spaced Repetition (lặp lại ngắt quãng)	Ôn đúng lúc sắp quên để tối ưu ghi nhớ	Dùng thẻ ghi nhớ Anki (flashcards)

Quy trình học một chủ đề đề xuất theo mô hình vòng lặp:

Đọc/Xem (input)  →  Tự cài đặt lại (active recall)
      ↑                          │
      │                          ▼
Ôn thẻ Anki  ←────  Kiểm tra & sửa lỗi (feedback)
(spaced repetition)

5.3 Ứng dụng thực tế qua LeetCode và Portfolio

Lý thuyết chỉ được "khóa chặt" khi chuyển hóa thành kỹ năng giải quyết vấn đề. Lộ trình định hướng hai kênh ứng dụng:

Kênh 1, Luyện giải bài (Coding Question Practice):

• Sau khi nắm CTDL & giải thuật, chuyển sang giải bài trên LeetCode, LintCode (mạnh cho cộng đồng Hoa ngữ), HackerRank.
• Chiến lược: luyện theo chủ đề (topic-based) trước, sau đó ngẫu nhiên (random) để mô phỏng áp lực phỏng vấn thật.
• Thực hành nói to suy nghĩ (think aloud) và viết code trên bảng/giấy, kỹ năng bị bỏ quên nhưng quyết định ở phỏng vấn on-site.

Giai đoạn luyện tập	Trọng tâm	Nền tảng gợi ý
Khởi động	Easy theo từng chủ đề	LeetCode Easy, LintCode
Củng cố	Medium, nhận diện pattern	LeetCode Medium
Mô phỏng	Random + bấm giờ, mock interview	LeetCode contest, Pramp

Kênh 2, Xây dựng sản phẩm (Portfolio Projects):

---

Phần 6: Khung kế thừa Logic Dự án

Đây là phần trọng tâm biến báo cáo thành một Framework Blueprint. Mục tiêu: trừu tượng hóa lộ trình Coding Interview University thành một Metamodel để bất kỳ AI Agent nào cũng có thể sinh ra (generate) lộ trình tương đương cho lĩnh vực khác.

6.1 Trừu tượng hóa lộ trình thành Metamodel

Bóc tách cấu trúc bề mặt (nội dung CS cụ thể), ta thu được mô hình siêu ngôn ngữ (metamodel) gồm các thành phần bất biến:

Metamodel: "Lộ trình tự học tri thức chuyên sâu, hướng năng lực"
  identity:
    domain: <lĩnh vực mục tiêu>          # ví dụ: CS, Data Science, DevOps
    goal_outcome: <chuẩn đầu ra năng lực>  # ví dụ: đậu phỏng vấn / thành thạo nghề
  layers:                                # kiến trúc phân tầng (Phần 3)
    - foundation                         # công cụ & nền tảng đo lường
    - core_building_blocks               # đơn vị tri thức cơ bản
    - advanced_techniques                # kỹ thuật xử lý nâng cao
    - integration_and_meta               # tổng hợp & kỹ năng ngữ cảnh
  per_node:                              # mỗi nút tri thức có cùng khuôn
    concept: <khái niệm>
    prerequisites: [<nút phụ thuộc>]     # cạnh của đồ thị phụ thuộc
    resources: {books, videos, courses}  # tài nguyên đa phương thức
    practice: <hình thức luyện tập>
    checkpoint: <tiêu chí hoàn thành>     # verifiability
  methodology:
    progress_tracking: checklist (fork)
    memory: {active_recall, spaced_repetition}
    application: {problem_solving, projects}

6.2 Định nghĩa biến, thuộc tính và quy tắc cốt lõi

Để tái cấu trúc hệ thống học tập cho lĩnh vực mới, AI Agent thao tác trên ba nhóm thành phần:

a) Biến (Variables), thay đổi theo từng lĩnh vực:

Biến	Ký hiệu	Mô tả	Ví dụ (miền CS)
Lĩnh vực	$DOMAIN	Ngành tri thức mục tiêu	Khoa học Máy tính
Chuẩn đầu ra	$GOAL	Năng lực đích cần đạt	Đậu phỏng vấn kỹ sư SW
Đơn vị nền tảng	$PRIMITIVE	"Nguyên tử" tri thức của ngành	Cấu trúc dữ liệu
Nền tảng luyện tập	$PRACTICE_ARENA	Nơi ứng dụng thực chiến	LeetCode/LintCode
Ngôn ngữ/công cụ	$TOOL	Công cụ thực thi	C++/Java/Python

b) Thuộc tính (Attributes), gắn cho mỗi nút tri thức:

• concept, tên khái niệm.
• prerequisites[], danh sách nút tiên quyết (định nghĩa cạnh đồ thị).
• depth, độ sâu yêu cầu (nhận biết → hiểu → cài đặt → tối ưu).
• resources{}, sách, video, khóa học.
• practice, dạng bài luyện.
• checkpoint, tiêu chí "đã xong".

c) Quy tắc (Rules), bất biến khi sinh lộ trình mới:

6.3 Hướng dẫn tái sử dụng cho lĩnh vực khác

Áp dụng Metamodel bằng cách thay giá trị biến, giữ nguyên quy tắc. Bảng ánh xạ (mapping) minh họa cho bốn lĩnh vực:

Thành phần	Data Science	DevOps Engineering	Cyber Security	Product Management
$DOMAIN	Khoa học dữ liệu	Kỹ nghệ vận hành	An ninh mạng	Quản trị sản phẩm
Tầng 1 (Foundation)	Toán/thống kê, Python	Linux, mạng, scripting	Mạng, HĐH, mật mã học	Nền tảng kinh doanh, UX
Tầng 2 (Core)	Pandas, SQL, trực quan hóa	CI/CD, container, IaC	Pen-test, phân tích lỗ hổng	Nghiên cứu người dùng, phân tích
Tầng 3 (Advanced)	ML, deep learning, MLOps	Kubernetes, observability	Red/Blue team, forensics	Chiến lược, roadmap, định giá
Tầng 4 (Meta)	Kể chuyện dữ liệu, phỏng vấn DS	SRE, thiết kế hệ thống	Ứng cứu sự cố, quản trị rủi ro	Lãnh đạo, giao tiếp bên liên quan
$PRACTICE_ARENA	Kaggle	Homelab, dự án cloud	HackTheBox, CTF	Case study, dự án thật

Quy trình bảy bước để một AI Agent sinh lộ trình mới:

1. Xác định biến: điền $DOMAIN, $GOAL, $PRIMITIVE, $PRACTICE_ARENA.
2. Dựng bốn tầng (áp R1) đặc thù cho lĩnh vực.
3. Liệt kê nút tri thức cho từng tầng, gán đầy đủ thuộc tính (mục 6.2b).
4. Vẽ đồ thị phụ thuộc giữa các nút (áp R2, đảm bảo DAG).
5. Gắn tài nguyên đa phương thức cho mỗi nút (áp R5).
6. Thiết kế checkpoint kiểm chứng được (áp R4) và cơ chế ký ức (áp R6).
7. Neo vào arena thực chiến và xuất ra checklist có thể fork (áp R7, R3).

---

Phần 7: Hệ thống Trích dẫn & Danh mục Tham khảo

Danh mục dưới đây áp dụng logic trích dẫn kế thừa từ tài liệu chuẩn (content/7-pmp/tu-van-qlda/list-van-ban.md): nguồn được liệt kê dưới dạng liên kết Markdown có mô tả rõ chủ thể phát hành, phân nhóm theo loại tài liệu.

7.1 Kho lưu trữ gốc và bản dịch

• jwasham/coding-interview-university - Kho lưu trữ gốc trên GitHub, kế hoạch tự học CS đầy đủ, tác giả John Washam.
• Bản dịch tiếng Trung giản thể (简体中文), phiên bản bản địa hóa, tối ưu định dạng cho cộng đồng Hoa ngữ.
• README bản tiếng Anh (nguồn đối chiếu), bản gốc cập nhật mới nhất, dùng để đối chiếu độ trễ dịch thuật.
• Bài viết "Why I studied full-time for 8 months for a Google interview" - freeCodeCamp, bối cảnh ra đời và triết lý của tác giả.

7.2 Sách và tài nguyên học thuật

Nhóm	Tài liệu	Vai trò trong lộ trình
Phỏng vấn	Cracking the Coding Interview - Gayle Laakmann McDowell	"Kinh thánh" luyện phỏng vấn coding
Giải thuật	The Algorithm Design Manual - Steven S. Skiena	Sách nền cho CTDL & giải thuật
Giải thuật (tham chiếu)	Introduction to Algorithms (CLRS)	Tra cứu chuyên sâu, chứng minh
Thiết kế hệ thống	Designing Data-Intensive Applications - Martin Kleppmann	Nền tảng System Design hiện đại
Khóa học	MIT 6.006 Introduction to Algorithms - OCW	Video giảng đường chuẩn mực

7.3 Danh mục tham khảo đầy đủ

1. The System Design Primer - donnemartin/system-design-primer, tài liệu thiết kế hệ thống cộng đồng, bổ trợ Phần 4.5.
2. LeetCode - Nền tảng luyện tập thuật toán, arena luyện bài chính, xem Phần 5.3.
3. LintCode - Nền tảng luyện tập cộng đồng Hoa ngữ, arena luyện bài cho phiên bản tiếng Trung.
4. HackerRank - Luyện tập & thi đấu, nền tảng bổ sung.
5. Anki - Ứng dụng thẻ ghi nhớ spaced repetition, công cụ ký ức đặc trưng của lộ trình (Phần 5.2).
6. CS50 - Harvard's Introduction to Computer Science, nguồn video nhập môn nền tảng.