VI 
EN - Banner được lưu thành công.
Khoa Công nghệ Phần mềm trân trọng tiếp tục chuỗi Workshop Training Nghiên cứu Khoa học hè 2025, với mục tiêu tạo điều kiện để sinh viên:
- Nâng cao tư duy học thuật và kỹ năng nghiên cứu
- Tiếp cận các xu hướng công nghệ mới như AI, Machine Learning, Deep Learning
- Chuẩn bị hành trang cho các đề tài nghiên cứu, cuộc thi học thuật, đồ án, khóa luận tốt nghiệp
🔍 CNN và bước ngoặt của Deep Learning hiện đại
Sự phát triển nhanh chóng của học sâu (deep learning) bắt đầu từ chiến thắng vượt trội của mô hình AlexNet trong cuộc thi phân loại ảnh ImageNet năm 2012. Đây là cột mốc quan trọng khẳng định sức mạnh của mạng neuron tích chập (CNN) trong việc học đặc trưng trực tiếp từ dữ liệu hình ảnh.
Chiến thắng này đã thúc đẩy làn sóng nghiên cứu mạnh mẽ, dẫn đến nhiều cải tiến về kiến trúc mạng và kỹ thuật huấn luyện. Các phương pháp như regularization, tối ưu hóa hiện đại, chuẩn hóa dữ liệu hay học chuyển tiếp đã góp phần nâng cao đáng kể hiệu suất mô hình học sâu.
Việc hiểu và ứng dụng đúng các phương pháp này không chỉ giúp mô hình hiệu quả hơn mà còn là nền tảng quan trọng trong thực hành nghiên cứu.
🗓 Thông tin buổi workshop thứ ba
Chủ đề: Phương pháp cải tiến độ chính xác của mô hình học sâu & Giới thiệu CNN
Thời gian: 20h00 – 21h00, Thứ Sáu, ngày 18/07/2025
Hình thức: Trực tuyến
▫️ Phòng 1: 🔗 https://meet.google.com/vvv-vvvo-fsf
▫️ Phòng 2: 🔗 https://meet.google.com/cuy-kqxb-aqo
📚 Nội dung chính của buổi học
Phần I – Các phương pháp nâng cao độ chính xác của mô hình học sâu
- Quy trình huấn luyện, chỉnh sửa và đánh giá độ chính xác mô hình
- Regularization: L1/L2, Dropout, Early stopping để giảm overfitting
- Các kỹ thuật tối ưu hiện đại: Momentum, RMSProp, Adam
- Vanishing Gradient và các biện pháp khắc phục như ReLU, BatchNorm
- Chuẩn hóa đầu vào và chuẩn hóa hàng loạt (Batch Normalization)
- Kiểm soát tốc độ học (learning rate schedules)
- Học chuyển tiếp (Transfer Learning) với mô hình đã huấn luyện
Phần II – Mạng neuron tích chập (Convolutional Neural Networks – CNN)
- Ý tưởng nền tảng của CNN trong nhận dạng ảnh
- Nguyên lý hoạt động: Convolution – ReLU – Pooling – Fully Connected
- Các kiến trúc CNN phổ biến: LeNet, AlexNet, VGG
- Mô hình nâng cao: Residual Network (ResNet), Inception Network
- Ứng dụng CNN trong phân loại hình ảnh thực tế
Phần thực hành Hands-on
- Thử nghiệm các phương pháp Regularization
- So sánh hiệu quả của các thuật toán tối ưu
- Xây dựng mô hình CNN đơn giản bằng TensorFlow
- Phân loại hình ảnh sử dụng mô hình CNN pretrained và học chuyển tiếp
Cơ hội khi tham gia chuỗi workshop
- Tham gia vào các đề tài nghiên cứu khoa học dưới sự hướng dẫn từ các giảng viên của Khoa
- Tham gia các cuộc thi học thuật về AI và nhận các phần thưởng từ Khoa
Thông tin hỗ trợ và liên hệ
Vui lòng truy cập website chính thức của Khoa để biết thêm thông tin và liên hệ với giảng viên hướng dẫn:
https://se.uit.edu.vn/vi/lien-he
Hẹn gặp các bạn vào lúc 20h00, Thứ Sáu, ngày 18/07/2025.
Hãy tận dụng mùa hè để học hỏi, khám phá và phát triển khả năng nghiên cứu khoa học – hành trang quan trọng cho con đường học tập và nghề nghiệp phía trước.
- Banner được lưu thành công.
Seminar học thuật: FIMI và truyền thông chiến lược trong bối cảnh Việt Nam
Diễn giả: TS. Lê Viết Thọ
Thời gian: 09/07/2025
Ngành Truyền thông Đa phương tiện – Trường ĐH Công nghệ Thông tin (UIT)
Trong bối cảnh mạng xã hội, AI và diễn ngôn chính trị đang đan xen, truyền thông không còn là ngành “truyền tải” nội dung đơn thuần, mà trở thành lĩnh vực trung tâm để phân tích, phản biện, và định hình dư luận.
FIMI (Foreign Information Manipulation and Interference) là một trong những khái niệm mới nổi toàn cầu, phản ánh cuộc cạnh tranh ảnh hưởng thông qua thông tin và công nghệ. Nhưng áp dụng lý thuyết FIMI vào các quốc gia như Việt Nam, với hệ sinh thái truyền thông đặc thù, cần mô hình linh hoạt và bản địa hóa hơn.
Tại UIT, seminar lần này mở ra hướng tiếp cận mới trong học và thực hành truyền thông:
Khung phân tích HIA + phân tích chủ đề dựa trên AI
- HIA (Hybrid Interference Analysis): Phân tích sự tương tác giữa luồng tuyên truyền quốc tế và kiểm soát thông tin nội địa. Là công cụ giúp “thấy được những điều không được nói”.
- Phương pháp phân tích chủ đề truyền thông dựa trên AI kết hợp tư duy con người, góp phần mở hướng mới cho nghiên cứu truyền thông.
Sinh viên ngành Truyền thông Đa phương tiện sẽ học gì tại UIT?
- Hiểu truyền thông như một hệ thống chính trị - xã hội phức hợp
- Phân tích chiến lược thông tin bằng phương pháp học thuật mới nhất
- Ứng dụng AI, tư duy phản biện và pháp lý vào nghiên cứu thực tế
- Chuẩn bị nền tảng để theo đuổi học thuật chuyên sâu hoặc làm việc tại các tổ chức chiến lược, viện nghiên cứu, hay doanh nghiệp công nghệ truyền thông
📣 UIT không chỉ đào tạo người làm nội dung mà đào tạo những nhà nghiên cứu, hoạch định chiến lược, và kiến tạo không gian truyền thông có trách nhiệm.
👉 Bạn yêu thích truyền thông, thích xây dựng mối quan hệ và nghiên cứu xã hội, nhưng cũng đam mê công nghệ? Đây là ngành học dành cho bạn.
#TruyềnThôngĐaPhươngTiện #UIT #FIMI #AIvàThôngTin #SeminarHọcThuật #HIA #NITA #TưDuyPhảnBiện #TruyềnThôngChiếnLược
- Banner được lưu thành công.
Chuỗi Training Nghiên cứu Khoa học Hè 2025 – Khoa Công nghệ Phần mềm, Trường Đại học Công nghệ Thông tin – ĐHQG TP.HCM
Vào lúc 20h00 ngày 11/07/2025, buổi chia sẻ thứ 2 trong chuỗi Training Nghiên cứu Khoa học Hè 2025 đã diễn ra thành công tốt đẹp, thu hút sự tham gia tích cực của đông đảo sinh viên đến từ nhiều khóa thuộc Khoa Công nghệ Phần mềm – Trường Đại học Công nghệ Thông tin (UIT).
TS. Đỗ Trọng Hợp – đã mang đến một góc nhìn tổng quan và thực tiễn về hành trình nghiên cứu khoa học, trong đó nhấn mạnh tầm quan trọng của tư duy phản biện và phương pháp tiếp cận khoa học đối với các đề tài có tính ứng dụng cao.
###Chủ đề: Neural Network – Nền tảng của Deep Learning
Trong kỷ nguyên số, trí tuệ nhân tạo (AI) và Deep Learning ngày càng trở thành trọng tâm của các hướng nghiên cứu khoa học. Đặc biệt trong lĩnh vực Công nghệ Thông tin, việc nắm vững kiến thức nền tảng như Neural Network là điều cần thiết đối với sinh viên khi triển khai đồ án, khóa luận hoặc các đề tài nghiên cứu ứng dụng.
--- Nội dung chính của buổi chia sẻ
Phần 1 – Nền tảng lý thuyết:
- Giới thiệu tổng quan về mạng Neural – nền móng của Deep Learning
- Cấu trúc mạng neural cơ bản
- Khái niệm hàm chi phí (loss function) và thuật toán lan truyền ngược (backpropagation)
- Thuật toán tối ưu Gradient Descent
- Các loại hàm kích hoạt (activation function) phổ biến
Phần 2 – Thực hành “Hands-on”:
- Cài đặt mô hình mạng Neural đơn giản bằng Python từ đầu (from scratch)
- Triển khai lại mô hình sử dụng thư viện Keras/TensorFlow
- Thực hiện huấn luyện và đánh giá hiệu quả mô hình
####3 Deep Learning – Nền tảng nghiên cứu hiện đại cho sinh viên KTPM
Với sự phát triển nhanh chóng của các thư viện mã nguồn mở như TensorFlow, Keras,... Deep Learning đang trở thành công cụ không thể thiếu trong nghiên cứu và phát triển các giải pháp công nghệ. Việc nắm vững các kiến thức và kỹ năng này sẽ giúp sinh viên Khoa Công nghệ Phần mềm – UIT nâng cao chất lượng sản phẩm học thuật và tiệm cận với xu hướng công nghệ toàn cầu.
Xin chúc mừng tất cả các bạn sinh viên đã hoàn thành buổi chia sẻ thứ 2 một cách nghiêm túc và hiệu quả.
Hẹn gặp lại ở buổi chia sẻ tiếp theo với những chủ đề mới mẻ, thực tiễn và đầy thử thách!
- Banner được lưu thành công.
❤️❤️Vào ngày 11/07/2025, một dấu mốc quan trọng nữa đã được ghi nhận tại Khoa Công nghệ Phần mềm khi buổi bảo vệ khóa luận tốt nghiệp của các bạn sinh viên ngành Kỹ thuật Phần mềm đợt 2 năm học 2024 - 2025 đã diễn ra thành công tốt đẹp. ❤️❤️❤️
🎀Buổi báo cáo với sự tham gia của 50 bạn sinh viên cùng với 32 đề tài khóa luận của ngành Kỹ thuật Phần mềm, sự kiện này không chỉ đánh dấu kết quả của một quá trình học tập nghiêm túc mà còn là cơ hội để các bạn thể hiện năng lực và khẳng định bản thân.
🎊Xin chúc mừng tất cả các bạn đã hoàn thành xuất sắc nhiệm vụ của mình! 🎉
♥️♥️♥️Sau đây là một số hình ảnh ghi lại không khí sôi động của buổi Bảo vệ
- Banner được lưu thành công.
Khoa Công nghệ Phần mềm – Trường Đại học Công nghệ Thông tin trân trọng thông báo mở đăng ký lớp học thử nghiệm (pilot) cho môn học mới:
🎮 SE116 – Phát triển Kỹ năng Lập trình Game Ứng dụng trong Thực tế
Một môn học phối hợp giữa UIT và ZingPlay Studio – VNG, dành cho sinh viên có định hướng trở thành lập trình viên game hoặc làm việc trong ngành công nghiệp sáng tạo – giải trí số.
📌 Thông tin lớp pilot
- Đối tượng: Sinh viên năm 3, 4 ngành Kỹ thuật phần mềm
- Số lượng: Giới hạn (ưu tiên sinh viên có kết quả học tập tốt các môn lập trình)
- Thời gian học: 29/07/2025, sáng 9h30- 12h, chiều 13h30- 16h30
- Địa điểm: Một phần học tại UIT, phần còn lại trực tiếp tại VNG Campus
- Giảng viên: Giảng viên Khoa CNPM phối hợp cùng chuyên gia ZingPlay Studio – VNG
Hình thức: Lý thuyết + Thực hành + Đồ án nhóm, theo mô hình doanh nghiệp thực tế
- 🎁 LỢI ÍCH KHI THAM GIA LỚP PILOT:
- Được học trước một môn học hiện đại, có định hướng nghề nghiệp rõ ràng.
- Có bước chạy đà hoàn hảo trước khi môn học chính thức triển khai trong học kỳ tháng 9/2025.
- Cơ hội góp ý trực tiếp với giảng viên và chuyên gia doanh nghiệp về nội dung, khối lượng và cách triển khai – từ đó giúp hoàn thiện môn học sát với nhu cầu và năng lực sinh viên.
👉 Đây là một cơ hội hiếm có để các bạn sinh viên không chỉ được học sớm, mà còn góp phần đóng góp ý kiến cho việc hoàn thiện nội dung môn học trước khi chính thức triển khai rộng rãi.
✍️ Cách thức đăng ký
👉 Sinh viên đăng ký theo đường link
⏳ Hạn chót đăng ký: 20h ngày 13/7/2025
📩 Khoa sẽ xét chọn và gửi email xác nhận đến các bạn đủ điều kiện tham gia.
📢 Mọi thắc mắc vui lòng liên hệ bộ phận cố vấn học tập hoặc fanpage Khoa CNPM – UIT để được hỗ trợ.
- Phát triển Kỹ năng Lập trình Game Ứng dụng trong Thực tế – Môn học phối hợp giữa UIT và VNG đưa sinh viên vào môi trường phát triển game thực tế
- WORKSHOP ONLINE #2 Neural Network – Nền tảng của Deep Learning
- Điều gì tạo nên nét đặc trưng của ngành Truyền thông Đa phương tiện tại UIT?
- MarTech – Động lực của Marketing hiện đại và sự đón đầu của UIT