API: cách hai phần mềm hoặc hai hệ thống trao đổi dữ liệu với nhau.
REST API: kiểu thiết kế API phổ biến dùng địa chỉ, phương thức và dữ liệu để trao đổi giữa các hệ thống.
Method / Endpoint / JSON: phương thức là hành động như lấy hoặc gửi dữ liệu; endpoint là địa chỉ API; JSON là định dạng dữ liệu dễ đọc.
Frontend: phần giao diện người dùng nhìn thấy và thao tác trên website hoặc ứng dụng.
Backend: phần xử lý phía sau, gồm nghiệp vụ, dữ liệu, phân quyền và kết nối hệ thống.
Fullstack: khả năng làm cả frontend và backend của một ứng dụng.
ReactJS: thư viện dùng để xây dựng giao diện web hiện đại theo các thành phần tái sử dụng.
JavaScript: ngôn ngữ lập trình phổ biến dùng cho web và nhiều ứng dụng hiện đại.
Java backend: phát triển phần máy chủ bằng Java, thường dùng trong hệ thống doanh nghiệp.
NodeJS / ExpressJS: công nghệ dùng JavaScript để xây dựng backend và API.
Cơ sở dữ liệu: nơi lưu trữ và quản lý dữ liệu của hệ thống.
SQL: ngôn ngữ truy vấn dữ liệu trong cơ sở dữ liệu quan hệ.
JOIN / GROUP BY: JOIN dùng để ghép dữ liệu từ nhiều bảng; GROUP BY dùng để gom nhóm và thống kê dữ liệu.
MongoDB / NoSQL: cơ sở dữ liệu linh hoạt, lưu dữ liệu dạng tài liệu thay vì bảng truyền thống.
Git / GitHub: công cụ quản lý phiên bản mã nguồn và nơi lưu trữ, chia sẻ mã nguồn.
Commit / Branch / Push: lưu thay đổi, tạo nhánh làm việc riêng và đẩy mã nguồn lên kho lưu trữ.
OOP: lập trình hướng đối tượng, tổ chức mã theo các đối tượng như người dùng, đơn hàng, sản phẩm.
Use case: mô tả cách người dùng tương tác với hệ thống để đạt một mục tiêu.
User story / Acceptance criteria: mô tả nhu cầu người dùng và điều kiện để tính năng được xem là hoàn thành.
BA: chuyên viên phân tích nghiệp vụ, làm rõ nhu cầu, quy trình và yêu cầu của hệ thống.
QC / QA / UAT: QC kiểm thử sản phẩm; QA quản lý chất lượng; UAT là kiểm thử chấp nhận bởi người dùng hoặc nghiệp vụ.
Test case: kịch bản kiểm thử để kiểm tra một chức năng có hoạt động đúng hay không.
API testing: kiểm thử trực tiếp các API thay vì chỉ kiểm thử qua giao diện.
Automation test: tự động hóa kiểm thử để kiểm tra phần mềm nhanh và lặp lại ổn định.
Docker / Container: đóng gói môi trường chạy phần mềm để dễ cài đặt, chạy lại và triển khai.
Docker Compose: công cụ chạy nhiều container cùng lúc, ví dụ website, backend và cơ sở dữ liệu.
Redis / Cache: bộ nhớ đệm giúp hệ thống phản hồi nhanh hơn bằng cách lưu dữ liệu thường dùng.
Queue / Worker: cơ chế đưa việc vào hàng đợi và xử lý ở phía sau, giúp hệ thống không bị nghẽn.
API Gateway: cổng trung gian điều phối yêu cầu đến nhiều dịch vụ phía sau.
Xác thực / Phân quyền: xác thực trả lời “bạn là ai”; phân quyền trả lời “bạn được làm gì”.
Controller – Service – Repository: cách chia lớp mã nguồn: nhận yêu cầu, xử lý nghiệp vụ và truy cập dữ liệu.
Validate input: kiểm tra dữ liệu đầu vào để tránh lỗi và giảm rủi ro bảo mật.
Performance test: kiểm thử hiệu năng để biết hệ thống nhanh, chậm hoặc chịu tải như thế nào.
AI: trí tuệ nhân tạo, giúp máy tính thực hiện một số tác vụ cần suy luận, phân tích hoặc tạo nội dung.
Generative AI: AI tạo sinh, có thể tạo văn bản, mã nguồn, hình ảnh, tài liệu hoặc gợi ý giải pháp.
LLM: mô hình ngôn ngữ lớn, nền tảng phía sau nhiều công cụ AI hội thoại và hỗ trợ lập trình.
Prompt: yêu cầu hoặc hướng dẫn mà người dùng đưa cho AI để nhận kết quả mong muốn.
AI Agent: trợ lý AI có thể nhận nhiệm vụ, dùng công cụ và làm theo quy trình.
Quy trình AI (AI workflow): chuỗi bước có sử dụng AI để hỗ trợ hoặc tự động hóa một công việc từ đầu vào đến kết quả.
Kiểm chứng đầu ra AI: đối chiếu kết quả AI với nguồn tin, dữ liệu, yêu cầu nghiệp vụ hoặc kết quả chạy thử trước khi sử dụng.
Ảo giác AI (hallucination): tình huống AI tạo ra thông tin nghe hợp lý nhưng sai, thiếu căn cứ hoặc không tồn tại.
Con người trong vòng kiểm soát (human-in-the-loop): bố trí bước con người xem xét, phê duyệt hoặc can thiệp trước khi AI thực hiện tác vụ quan trọng.
Token và chi phí AI: đơn vị xử lý đầu vào/đầu ra của nhiều mô hình AI; số token, loại mô hình và số lượt gọi ảnh hưởng đến chi phí sử dụng.
Machine Learning: học máy, giúp máy học từ dữ liệu để dự đoán hoặc phân loại.
Deep Learning: học sâu, một nhánh của học máy dùng mạng nơ-ron nhiều lớp cho bài toán phức tạp.
Fine-tuning: tinh chỉnh mô hình AI trên dữ liệu cụ thể để phù hợp hơn với một bài toán.
BI / Power BI: công cụ phân tích và trực quan hóa dữ liệu để hỗ trợ ra quyết định.
Python: ngôn ngữ phổ biến trong phân tích dữ liệu, tự động hóa và trí tuệ nhân tạo.
DevOps / CI-CD: cách tổ chức quy trình để tự động xây dựng, kiểm thử và triển khai phần mềm.
OJT: thực tập hoặc huấn luyện qua dự án thực tế, giúp học viên có kinh nghiệm làm việc gần doanh nghiệp.
Portfolio: hồ sơ sản phẩm, mã nguồn, tài liệu và kết quả dự án dùng để chứng minh năng lực.
Domain / Domain-driven: lĩnh vực nghiệp vụ như tài chính, giáo dục, bán lẻ; học công nghệ gắn với bài toán ngành.
