Causal first
Mọi quyết định nên được kiểm chứng bằng experiment, không phải correlation đơn thuần.
Xin chào, mình là Huỳnh Thanh Quan — Expert Data Scientist tại Techcombank. Mình thiết kế các hệ thống ra quyết định dựa trên thí nghiệm — uplift modeling, causal inference và sequential recommendation — phục vụ hàng triệu khách hàng ngân hàng bán lẻ.
Mình là một Data Scientist tin vào thí nghiệm — tin rằng mọi quyết định kinh doanh nên được kiểm chứng bằng causal inference, không phải bằng cảm tính hay correlation đơn thuần.
Trong gần một thập kỷ, mình đã đi từ software engineering ở Bosch, qua credit scoring & fraud detection ở One Mount, tới Next Best Offer tại Sacombank, và hiện tại là Next Best Action cá nhân hoá cho 6 triệu khách hàng bán lẻ ở Techcombank. Sợi chỉ xuyên suốt: dùng dữ liệu để tạo ra incremental impact thực sự, đo được bằng tiền và bằng người.
Ngoài công việc, mình là founder của Curious Machine ↗ — cộng đồng 8000+ thành viên chia sẻ kiến thức AI / Data Science, mentor các bạn junior data scientists và đang theo Master of Data Science tại HCMUS.
Dẫn dắt hệ thống Next Best Action cá nhân hoá trên ~6M khách hàng bán lẻ (Non-tier, Inspire, Priority & Private, Household, New-to-Bank).
Embedded advisor tại Sacombank, dẫn dắt Next Best Offer cho cross-sell thẻ tín dụng và Customer Churn Prevention & Reactivation trên 9.5M user CASA.
Tham gia mảng financial services modeling cho consumer lending và GT lending (VinShop), đóng góp 35B+ VND revenue uplift; song song xây mô hình fraud detection cho VinID E-Wallet.
Engineer back-end server và client API cho IBM; thiết kế hệ thống source code management nội bộ (RTC). Thời kỳ chuyển dịch từ software engineering sang data science — nền tảng cho ML pipeline về sau.
Một cộng đồng học và làm AI / Data Science nghiêm túc — nơi mình chia sẻ những thứ thật sự đã chạy qua sản xuất: causal inference, uplift modeling, recommendation systems, và experimentation ở quy mô triệu khách hàng.
Mọi quyết định nên được kiểm chứng bằng experiment, không phải correlation đơn thuần.
Tutorial dựa trên hệ thống ML thực sự đã ship — không phải toy notebook.
Tài liệu Vi/En, miễn phí, viết cho cả practitioner lẫn business stakeholder.
Structured learning paths — designed cho bạn đi từ fundamentals đến production-grade ML.
End-to-end track mirror lại cách mình học và làm DS thực tế: maths, ML, deep learning, MLOps. Built theo định dạng notebook + project, phù hợp người tự học có nền engineering.
PSM, diff-in-diff, synthetic control, uplift modeling — applied to real marketing campaigns ở banking và fintech.
Sequential transformers, multi-armed bandits và Next-Best-Action systems — designed, trained và shipped end-to-end.
Marketing Mix Modeling cho omni-channel budget allocation: priors, adstock, saturation, validation, rollout playbook.
Production-grade applied AI — research that became products.
AI engine cho ứng dụng phát hiện bệnh da liễu qua ảnh smartphone — Faster R-CNN object detection (5 lesion classes) + LightGBM severity grader (mild / moderate / severe). Production-grade FastAPI service, Docker stack, CI tests; press coverage trên VnExpress, Tuổi Trẻ, CafeF.
Pipeline xử lý & phân loại ảnh siêu âm tuyến giáp — data cleaning, feature engineering, CNN classifier, đánh giá hỗ trợ chẩn đoán.
Automation pipeline tự sinh nội dung tuần cho Curious Machine fanpage: topic pool → LLM generation → humanizer → Telegram approval gate → Buffer publish.
Self-hosted stack chạy fanpage automation, landing site (curiousmachine.sslip.io ↗), tutorials và portfolio này — tất cả trong một $4 droplet.
Nghiên cứu CNN-based object detection cho ảnh smartphone, kết hợp grading mức độ nghiêm trọng — hỗ trợ chẩn đoán da liễu chi phí thấp.
Cộng đồng chia sẻ kiến thức AI / DS; mentor junior data scientists và dẫn dắt training initiatives nội bộ & externally.
Email là cách nhanh nhất. Mình đọc và trả lời trong vòng 24 giờ — sẵn sàng bàn về uplift, MMM, NBA, hoặc bất cứ điều gì liên quan đến experimentation & recommendation systems.
hthquan28@gmail.com