VI 
EN - Details
TỔNG KẾT SEMINAR HỌC THUẬT NGÀY 09/4/2026
Nhằm tạo không gian trao đổi học thuật và cập nhật các vấn đề chuyên môn, vào lúc 15h chiều ngày 09/04/2026, Khoa Công nghệ Phần mềm đã tổ chức buổi seminar tại phòng E7.3 với chủ đề “Giải thuật tính các chuỗi Pauli nhanh”.
Buổi seminar có sự tham dự của các giảng viên trong Khoa. Nội dung do TS. Vũ Tuấn Hải trình bày, tập trung vào các hướng tiếp cận và kết quả nghiên cứu liên quan đến chủ đề, cung cấp thêm góc nhìn chuyên môn cho người tham dự.
Nội dung nổi bật từ seminar:
Chuỗi Pauli (Pauli strings) là một thành phần tính toán cơ bản trong các thuật toán lai giữa lượng tử và cổ điển. Tuy nhiên, việc tính toán các chuỗi Pauli trên máy tính cổ điển gặp phải độ phức tạp tăng theo hàm mũ, và nhanh chóng trở thành nút thắt hiệu năng khi số lượng qubit tăng lên. Để giải quyết thách thức này, chúng tôi đề xuất Pauli Composer Accelerator (PACOX), bộ gia tốc chuyên dụng đầu tiên dựa trên FPGA cho việc tính toán chuỗi Pauli. PACOX sử dụng một phương pháp mã hóa nhị phân gọn nhẹ, kết hợp hoán vị chỉ số dựa trên phép XOR và cơ chế tích lũy pha. Dựa trên cách biểu diễn này, chúng tôi thiết kế một kiến trúc cụm phần tử xử lý (Processing Element – PE) hoạt động song song và pipeline, giúp khai thác hiệu quả tính song song mức dữ liệu trên FPGA. Kết quả thực nghiệm chứng minh PACOX mang lại tốc độ tính toán cao cùng hiệu quả năng lượng vượt trội cho các tác vụ liên quan đến Pauli trong các hệ thống lai lượng tử–cổ điển.
Xin gửi lời cảm ơn chân thành đến TS. Vũ Tuấn Hải cùng toàn thể quý Thầy, Cô và giảng viên đã dành thời gian tham dự, chia sẻ và đóng góp ý kiến trong buổi thảo luận.
- Details
Recap Seminar – Framework cho hệ thống xử lý video trên nền tảng dữ liệu lớn
Seminar trình bày framework tổng quát cho hệ thống xử lý và phân tích video trên nền tảng dữ liệu lớn, minh họa thông qua bài báo “MTikGuard System: A Transformer-Based Multimodal System for Child-Safe Content Moderation on TikTok”, được báo cáo tại hội nghị PACLIC 2025.
Bài báo đề xuất một hệ thống phát hiện nội dung độc hại trong video TikTok nhằm bảo vệ trẻ em. Hệ thống sử dụng phương pháp multimodal learning, kết hợp thông tin từ ba nguồn: hình ảnh (frame video), âm thanh (speech-to-text) và văn bản xuất hiện trong video (OCR). Các đặc trưng này được xử lý bằng các mô hình Transformer như TimeSFormer cho video và DistilBERT/ViSoBERT cho văn bản, sau đó được kết hợp để thực hiện phân loại nội dung video.
Về kiến trúc hệ thống, pipeline xử lý được xây dựng trên các công nghệ dữ liệu lớn như Apache Kafka, Apache Spark, Airflow và Docker. Video được thu thập từ TikTok, xử lý qua pipeline streaming, trích xuất đặc trưng đa phương thức và đưa vào mô hình học sâu để phân loại. Kết quả thực nghiệm cho thấy hệ thống đạt 89.37% accuracy và 89.45% F1-score trên bộ dữ liệu TikHarm mở rộng.
Seminar cho thấy việc kết hợp hệ thống xử lý dữ liệu lớn với các mô hình AI đa phương thức là hướng tiếp cận hiệu quả để xây dựng các hệ thống phân tích video quy mô lớn trong thực tế.
Khoa Công nghệ Phần mềm trân trọng cảm ơn Ts. Đỗ Trọng Hợp vì phần trình bày sâu sắc và truyền cảm hứng, đồng thời gửi lời cảm ơn đến toàn thể quý thầy cô đã tham dự, góp phần tạo nên sự thành công của chương trình.
- Details
Seminar: Ứng dụng công nghệ dữ liệu lớn trong phân tích dữ liệu truyền thông
Nhằm thúc đẩy sự trao đổi và nâng cao chuyên môn, vào sáng ngày 10/12/2025, TS. Đỗ Trọng Hợp đã chia sẻ tại seminar với chủ đề “Ứng dụng công nghệ dữ liệu lớn trong phân tích dữ liệu truyền thông”, tập trung vào cách khai thác Big Data + AI để “lắng nghe” mạng xã hội một cách thông minh và theo thời gian thực.
Từ phần giới thiệu khái quát về công nghệ dữ liệu lớn và kiến trúc hệ thống xử lý real-time (Airflow – Kafka – Spark Structured Streaming – các hệ CSDL), TS. Hợp minh hoạ bằng 4 ví dụ về hệ thống social listening/social monitoring do nhóm nghiên cứu xây dựng và đã được công bố tại các hội nghị quốc tế PACLIC & RIVF 2025, bao gồm:
- Hệ thống social listening cho ngành mỹ phẩm với Aspect-Based Sentiment Analysis (Paclic 2025).
- Hệ thống trích xuất EAOS (Entity–Aspect–Opinion–Sentiment) từ bình luận YouTube tiếng Việt (Paclic 2025).
- Nền tảng dự đoán hiệu quả KOL TikTok (ViTIED) phục vụ influencer marketing (RIVF 2025).
- Hệ thống phân tích xu hướng chủ đề trên Facebook Việt Nam theo thời gian thực (RIVF 2025).
Kết thúc buổi seminar, TS. Hợp gợi mở nhiều hướng ứng dụng mới của Big Data & AI trong các lĩnh vực: Marketing, Du lịch, Thăm dò dư luận và Quản lý xã hội, nơi mà mỗi lượt like, share, comment đều có thể được chuyển hóa thành tri thức phục vụ ra quyết định.
Khoa CNPM xin chân thành cảm ơn TS. Đỗ Trọng Hợp đã dành thời gian chia sẻ kiến thức và kinh nghiệm quý báu của mình, cũng như tất cả Thầy, Cô đã tham gia và đóng góp vào sự thành công của buổi seminar. Hãy tiếp tục theo dõi và tham gia các sự kiện sắp tới của chúng tôi để cập nhật thêm nhiều kiến thức bổ ích và cơ hội giao lưu hấp dẫn!
- Details
Phòng ĐTSĐH&KHCN thông báo triển khai xét hỗ trợ kinh phí và khen thưởng NCKH dành cho người học đợt tháng 11 năm 2025.
Quy trình thực hiện như sau:
1. Bước 1: SV, HVCH, NCS điền thông tin bài báo KH vào form đăng ký: https://forms.gle/
2. Bước 2: Theo từng đợt xét duyệt (tháng 06 và tháng 11 hàng năm), các Khoa sẽ xét duyệt các bài báo KH và gửi đề xuất hỗ trợ kinh phí, khen thưởng về P.ĐTSĐH&KHCN
3. Bước 3: P.ĐTSĐH&KHCN phối hợp các đơn vị liên quan khác ( P.CTSV, P.KHTC) để thực hiện theo quy định.
Quy trình xét hỗ trợ kinh phí khen thưởng NCKH SV được thực hiện theo quy định.
- Details
Tổng kết seminar học thuật ngày 16/10/2025
Nhằm thúc đẩy nâng cao năng lực chuyên môn trong lĩnh vực Công nghệ Phần mềm, vào sáng ngày 16/10/2025, Khoa Công nghệ Phần mềm đã tổ chức thành công buổi seminar đặc sắc tại phòng E7.3 với chủ đề "Chiến lược học chuyển giao cho bài toán tối ưu hóa lượng tử đa mục tiêu" do TS. Vũ Tuấn Hải. Buổi seminar đã quy tụ đông đảo các Thầy, Cô trong Khoa tham dự, tạo nên không gian học thuật sôi nổi và đầy ý nghĩa.
Nội dung của nghiên cứu này giải quyết bài toán tối ưu lượng tử đa mục tiêu. Để tăng tốc quá trình tối ưu và giảm mức sử dụng tài nguyên, chúng tôi khảo sát nhiều chiến lược cho phép chuyển giao tri thức (transfer learning) giữa các mục tiêu có liên quan. Kết quả thực nghiệm cho thấy rằng các kỹ thuật chuyển giao giúp giảm đáng kể số vòng lặp cần thiết trong khi vẫn duy trì giá trị loss ở mức chấp nhận được. Những phát hiện này nhấn mạnh tiềm năng của khả năng khái quát đa mục tiêu trong quy trình tối ưu lượng tử và đặt nền tảng cho tối ưu lượng tử đa mục tiêu.
Xin trân trọng cảm ơn quý Thầy Cô vì đã dành thời gian chia sẻ những kinh nghiệm sâu sắc và đầy tâm huyết.
Các Thầy Cô trong Khoa đang lắng nghe chia sẻ từ thầy Hải.
Chi tiết bài viết tại đây