Welcome to NTTU Digital Library
Please use the box below to search information in the System
Communities in Dspace
Select a community to browse its collections
Bachelor Theses
Book Publication
Conference Papers
Journal of Science and Technology - NTTU
Master Theses
Research Outputs
Student's Reports
Recent Submissions
Tài liệu
Hướng dẫn về AI tạo sinh trong giáo dục và nghiên cứu
(Tổ chức Giáo dục, Khoa học và Văn hoá của Liên Hợp Quốc (UNESCO), 2025) TS. Ngô Di Lân (Dịch); Nguyễn Văn Giang (Hiệu đính)
Các công cụ AI tạo sinh (GenAI) có thể tiếp cận công khai đang xuất hiện nhanh chóng, và việc phát hành các phiên bản cập nhật hơn đang vượt quá tốc độ thích ứng của các khung pháp lý quốc gia. Sự thiếu vắng các quy định quốc gia về GenAI ở hầu hết các quốc gia khiến quyền riêng tư dữ liệu của người dùng không được bảo vệ và các cơ sở giáo dục phần lớn chưa được chuẩn bị để kiểm chứng các công cụ này.
Hướng dẫn toàn cầu đầu tiên của UNESCO về GenAI trong giáo dục đặt ra mục tiêu hỗ trợ các quốc gia triển khai các biện pháp ngay tức thì, lập kế hoạch chính sách dài hạn và phát triển năng lực con người để đảm bảo một tầm nhìn lấy con người làm trung tâm đối với những công nghệ mới này.
Hướng dẫn này đưa ra đánh giá về những rủi ro tiềm ẩn mà GenAI có thể gây ra đối với các giá trị nhân văn cốt lõi, vốn giúp thúc đẩy quyền tự chủ của con người, sự hòa nhập, công bằng, bình đẳng giới, và đa dạng ngôn ngữ và văn hóa, cũng như các ý kiến và biểu đạt đa dạng.
Hướng dẫn đề xuất các bước chủ đạo để các cơ quan chính phủ điều chỉnh việc sử dụng các công cụ GenAI, bao gồm việc yêu cầu bắt buộc bảo vệ quyền riêng tư dữ liệu và xem xét giới hạn độ tuổi sử dụng. Nó đề ra các yêu cầu đối với các nhà cung cấp GenAI nhằm đảm bảo sử dụng có đạo đức và hiệu quả trong giáo dục.
Hướng dẫn nhấn mạnh sự cần thiết của việc các cơ sở giáo dục kiểm chứng mức độ phù hợp về đạo đức và sư phạm của các hệ thống GenAI trong với giáo dục. Nó kêu gọi cộng đồng quốc tế phản tư về những tác động lâu dài của chúng đối với kiến thức, giảng dạy, học tập và đánh giá.
Ấn phẩm này đưa ra các khuyến nghị cụ thể cho các nhà hoạch định chính sách và cơ sở giáo dục về cách đảm bảo các công cụ GenAI được sử dụng để bảo vệ quyền tự chủ của con người và thực sự mang lại lợi ích cho người học, nhà giáo và nhà nghiên cứu.
Tài liệu
Phát triển Chatbot thông minh với xử lý ngôn ngữ tự nhiên tiên tiến : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Nguyễn, Xuân Vĩ
Tạo một chatbot có khả năng xử lý ngôn ngữ tự nhiên, hiểu ngữ cảnh của tiếng Việt và phản hồi chính xác cho người dùng để đáp ứng nhu cầu hỏi đáp thực tế. Tích hợp công nghệ sinh câu trả lời và truy xuất dữ liệu: Để cung cấp các câu trả lời chính xác, đầy đủ và mang tính cá nhân hóa cao, hãy sử dụng phương pháp kết hợp khả năng truy xuất thông tin từ cơ sở dữ liệu vector, cụ thể là RAG (Retrieval Augmented Generation) nhằm tận dụng tối đa khả năng của các mô hình ngôn ngữ lớn. Đánh giá hiệu suất của hệ thống: Sử dụng các phương pháp đánh giá, chấm điểm phù hợp cho tác vụ xử lý ngôn ngữ tự nhiên để đánh giá độ chính xác, tính liên quan, đầy đủ thông tin và có độ chính xác cao từ câu trả lời mà Chatbot cung cấp. Cải thiện độ chính xác và độ phù hợp của câu trả lời: Áp dụng các thuật toán sắp xếp, tối ưu câu trả lời để đảm bảo rằng kết quả trả về của Chatbot không chỉ chính xác với câu hỏi của người dùng mà còn bám sát với ngữ cảnh của các thông tin mà chúng ta cung cấp cho Chatbot. Tối ưu hóa khả năng truy vấn thông tin: Xây dựng một cơ sở dữ liệu lưu trữ và tìm kiếm thông tin hiệu quả, giúp cho tốc độ truy vấn thông tin nhanh hơn từ các tài liệu của người dùng, đồng thời đảm bảo độ liên quan và độ tin cậy của kết quả được trả
Tài liệu
Thống kê trong kinh doanh (Phần 1)
(OpenStax, 2023) Holmes, Alexander; Illowsky, Barbara; Dean, Susan; Nguyễn, Tuấn Anh (TS.); Nguyễn, Thị Phương Anh (ThS.); Võ, Thị Ngọc Hà (ThS.); Nguyễn, Mạnh Hoàng (ThS.); Vũ, Nhật Phương (ThS.); Trần, Hoàng Cẩm Tú (ThS.); Tạ, Hữu Hiển (ThS.)
Giáo trình nhập môn về thống kê ứng dụng trong kinh doanh, giúp người học hiểu cách thu thập, xử lý, phân tích và diễn giải dữ liệu để hỗ trợ ra quyết định. Nội dung sách bắt đầu từ thống kê mô tả với các phương pháp trình bày dữ liệu bằng bảng và biểu đồ, cùng các thước đo như trung bình, trung vị, mốt và độ phân tán như phương sai, độ lệch chuẩn. Sau đó, sách giới thiệu xác suất cơ bản và các quy tắc tính xác suất, làm nền tảng cho việc hiểu các phân phối xác suất quan trọng như phân phối nhị thức, phân phối chuẩn và một số phân phối thường gặp trong thực tế. Tiếp theo, phần thống kê suy luận tập trung vào việc ước lượng tham số, xây dựng khoảng tin cậy và kiểm định giả thuyết nhằm đưa ra kết luận từ mẫu dữ liệu. Cuối cùng, sách trình bày phân tích tương quan và hồi quy tuyến tính để nghiên cứu mối quan hệ giữa các biến và dự đoán xu hướng, với nhiều ứng dụng thực tiễn trong kinh doanh như phân tích doanh thu, dự báo nhu cầu và hỗ trợ ra quyết định quản lý.
Tài liệu
Xây dựng hệ thống khuyến nghị cho người dùng xem phim : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Trương, Minh Đỉnh
Phát triển hệ thống khuyến nghị cá nhân hóa: Xây dựng hệ thống khuyến nghị giúp người dùng nhanh chóng tìm thấy các bộ phim phù hợp với sở thích cá nhân, từ đó cải thiện trải nghiệm sử dụng trên các nền tảng xem phim trực tuyến. Hệ thống cần đảm bảo các yếu tố: Tính chính xác cao trong gợi ý phim; Khả năng mở rộng, đáp ứng tốt khi quy mô dữ liệu tăng lên; Tốc độ xử lý nhanh, phù hợp với nhu cầu người dùng thực tế. Áp dụng và đánh giá thuật toán tiên tiến: Triển khai và so sánh hiệu quả các thuật toán như collaborative filtering, content-based filtering, và hybrid methods. Đánh giá hiệu suất của từng phương pháp trong các kịch bản sử dụng khác nhau, từ đó đề xuất thuật toán tối ưu cho hệ thống.
Tài liệu
Phân tích cảm xúc trên mạng xã hội Twitter sử dụng phương pháp LSTM : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Huỳnh, Quy Bình
Nghiên cứu xây dựng mô hình phân tích cảm xúc trên mạng xã hội Twitter bằng cách áp dụng các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) và mô hình học sâu (Deep Learning). Mô hình này nhằm phân loại cảm xúc tích cực hoặc tiêu cực từ các dòng Tweet, với độ chính xác khá và khả năng xử lý dữ liệu lớn. Nghiên cứu cũng hướng đến việc giải quyết các thách thức về làm sạch dữ liệu, ngôn ngữ phi chuẩn và tối ưu hóa mô hình, đồng thời đánh giá tiềm năng ứng dụng trong các lĩnh vực thực tế như giám sát dư luận, đánh giá sản phẩm và phát hiện nội dung độc hại.
Tài liệu
Nhận diện bệnh mắt sử dụng công nghệ học sâu : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Lê, Hoàng Phúc
Bệnh về mắt không chỉ ảnh hưởng đến chất lượng cuộc sống của cá nhân mà còn đặt ra gánh nặng lớn cho hệ thống y tế. Việc phát hiện sớm và chẩn đoán chính xác các bệnh lý này là rất quan trọng để giảm thiểu tác động của chúng.Với sự hỗ trợ của các mô hình học sâu, việc nhận biết và phân loại các bệnh về mắt trở nên chính xác và hiệu quả hơn, giúp các bác sĩ nhãn khoa có thể đưa ra các quyết định điều trị kịp thời và chính xác. Công nghệ học sâu, với khả năng nhận diện mẫu và phân tích hình ảnh, cung cấp một giải pháp tiềm năng cho việc phát hiện và chẩn đoán bệnh lý mắt. Trong nghiên cứu này sử dụng thuật toán CNN EfficientNet để phân loại các bệnh mắt.