Bachelor Theses
Duyệt
Những tài liệu tải lên gần đây
Đang hiển thị 1 - 5 của tổng số 2080 kết quả
- Tài liệuXây 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 ĐỉnhPhát 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 liệuPhân 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 BìnhNghiên 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 liệuNhận 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 PhúcBệnh 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.
- Tài liệuDự đoán bệnh đột quỵ bằng học máy : Khoá luận tốt nghiệp(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Tạ, Quang HảiSự phát triển mạnh mẽ của trí tuệ nhân tạo (AI) và các phương pháp học máy (Machine Learning) trong những năm gần đây đã mở ra những cơ hội mới trong việc phân tích và dự đoán các hiện tượng y học phức tạp. Các mô hình học máy, thông qua việc khai thác dữ liệu lớn và tìm hiểu các mẫu ẩn trong dữ liệu, có khả năng cung cấp các dự báo chính xác về nguy cơ mắc bệnh dựa trên các yếu tố như tuổi tác, giới tính, thói quen sinh hoạt, và tiền sử bệnh lý. Đề tài tập trung nghiên cứu vào việc áp dụng các thuật toán học máy để xây dựng mô hình dự đoán nguy cơ đột quỵ. Xác định các yếu tố ảnh hưởng chính đến bệnh lý này, tối ưu hóa độ chính xác của mô hình dự đoán, và đề xuất giải pháp hỗ trợ y tế nhằm giảm thiểu nguy cơ đột quỵ. Với sự kết hợp giữa kiến thức y học và công nghệ học máy, sẽ đóng góp vào việc nâng cao hiệu quả phòng ngừa và điều trị bệnh đột quỵ, từ đó cải thiện sức khỏe cộng đồng và giảm gánh nặng cho xã hội.
- Tài liệuXây dựng hệ thống phân loại và nhận diện ảnh dộng vật hoang dã : Khoá luận tốt nghiệp(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Đỗ, Thành DanhĐề tài nghiên cứu nhằm phát triển một hệ thống tự động phân loại hình ảnh động vật hoang dã, góp phần hỗ trợ nghiên cứu bảo vệ động vật và phát triển công nghệ AI trong các ứng dụng thực tiễn Xây dựng hệ thống nhận diện động vật hoang dã: Sử dụng các thuật toán học sâu để phát triển một hệ thống tự động nhận diện và phân loại các loài động vật từ hình ảnh. Nâng cao độ chính xác trong nhận diện:Tìm hiểu, áp dụng và tối ưu các mô hình mạng học sâu hiện đại như VGG19, DenseNet121, MobileNet để đạt độ chính xác cao trong bài toán nhận diện động vật Đánh giá và phân tích hiệu suất của mô hình:Đưa ra các tiêu chí đánh giá hiệu suất mô hình như độ chính xác, độ nhạy, độ đặc hiệu và F1-score.So sánh các mô hình để chọn ra mô hình phù hợp nhất với bài toán. Hỗ trợ công tác nghiên cứu và bảo tồn động vật hoang dã:Cung cấp công cụ hỗ trợ các nhà nghiên cứu và các tổ chức bảo tồn động vật trong việc giám sát và bảo vệ các loài động vật hoang dã. Mở rộng tiềm năng ứng dụng của trí tuệ nhân tạo:Khám phá khả năng ứng dụng của trí tuệ nhân tạo trong lĩnh vực bảo tồn thiên nhiên, hướng tới các nghiên cứu liên ngành khác.