VI 
EN - Details
Khi lý thuyết tâm lý học kết hợp cùng chiến lược truyền thông, những vấn đề đô thị như ô nhiễm, kẹt xe có thể tìm ra giải pháp. Đó chính là cách ngành Truyền thông Đa phương tiện tại UIT đào tạo nên những nhà sáng tạo vừa giỏi công nghệ, vừa thấu hiểu con người – sẵn sàng dùng kiến thức để tạo tác động tích cực cho xã hội.
Hình ảnh minh họa, nguồn: Internet
Trong thời đại công nghệ số, Truyền thông Đa phương tiện không chỉ dừng lại ở việc sản xuất nội dung sáng tạo, mà còn là cầu nối giữa công nghệ, tâm lý học, marketing và các vấn đề thực tiễn của xã hội. Sinh viên ngành này được trang bị kiến thức liên ngành, kỹ năng nghiên cứu và tư duy chiến lược để tạo ra tác động tích cực trong nhiều lĩnh vực.
Một minh chứng tiêu biểu cho định hướng đào tạo này chính là nghiên cứu mới nhất của nhóm giảng viên ngành Truyền thông Đa phương tiện, Khoa Công nghệ Phần mềm – Trường Đại học Công nghệ Thông tin (ĐHQG-HCM). Công trình tập trung phân tích hành vi lựa chọn phương tiện giao thông “Xanh” (Metro) của giới trẻ TP. Hồ Chí Minh, dựa trên lý thuyết Kích thích – Chủ thể – Phản ứng (Stimulus – Organism – Response, SOR) trong tâm lý học truyền thông.
Kết quả nghiên cứu không chỉ giúp lý giải vì sao người trẻ chọn (hoặc chưa chọn) Metro thay cho xe cá nhân, mà còn đưa ra giải pháp chính sách và chiến lược truyền thông nhằm thúc đẩy xu hướng sử dụng phương tiện thân thiện môi trường. Công trình đã được công bố trên tạp chí Management of Environmental Quality – thuộc nhóm Scopus Q1 và ISI – khẳng định uy tín học thuật của đội ngũ giảng viên ngành.
Hình ảnh minh họa, nguồn: Internet
Điều này cho thấy, khi học Truyền thông Đa phương tiện tại UIT, sinh viên sẽ:
- Tiếp cận kiến thức đa ngành: kết hợp công nghệ, truyền thông, tâm lý học, và khoa học dữ liệu.
- Thực hành nghiên cứu và triển khai dự án thực tiễn giải quyết vấn đề xã hội.
- Phát triển tư duy chiến lược để thiết kế các chiến dịch truyền thông hiệu quả, từ marketing, truyền thông doanh nghiệp, đến truyền thông vì cộng đồng.
Ngành Truyền thông Đa phương tiện không chỉ mở ra cơ hội nghề nghiệp rộng lớn trong các công ty truyền thông, marketing, công nghệ, mà còn giúp sinh viên trở thành những người sáng tạo có trách nhiệm xã hội, sẵn sàng góp phần thay đổi cộng đồng theo hướng tích cực.
Link bài báo: https://dx.doi.org/10.1108/MEQ-12-2024-0600
- Details
Workshop #6 – Một số Xu hướng Thị giác Máy tính Hiện đại
Thời gian: 20h – 21h, ngày 15/08/2025
Hình thức: Online qua Google Meet
Người trình bày: TS. Nguyễn Duy Khánh
Link đăng ký & tham gia: https://meet.google.com/vvv-vvvo-fsf
Tiếp nối thành công của chuỗi Workshop Training Nghiên cứu Khoa học Sinh viên – Khoa Công nghệ Phần mềm, Workshop #6 sẽ đưa người tham dự khám phá một trong những lĩnh vực công nghệ tiên phong nhất hiện nay: Thị giác Máy tính (Computer Vision).
Trong thời đại AI bùng nổ, Thị giác Máy tính chính là “đôi mắt” của trí tuệ nhân tạo, giúp máy móc không chỉ nhìn thấy mà còn hiểu và hành động như con người. Từ robot tự hành, y tế thông minh đến metaverse và AI tạo sinh – mọi đột phá đều gắn liền với khả năng “nhìn” của máy.
Tại buổi workshop, bạn sẽ được dẫn dắt qua các chủ đề mới mẻ và đầy tiềm năng:
- Tổng quan & Xu hướng Thị giác Máy tính
Lộ trình phát triển từ CV truyền thống → Deep Learning → Vision Transformers → Foundation Models → Generative AI. - Foundation & Multimodal Models
Khám phá các mô hình tầm cỡ như ViT, CLIP, Segment Anything và sức mạnh xử lý đồng thời hình ảnh – văn bản – âm thanh. - Thị giác 3D
Các kỹ thuật SLAM, phát hiện & tái tạo vật thể 3D, ứng dụng trong AR/VR và robotics. - Vision-Language-Action
Mô hình kết hợp thị giác – ngôn ngữ – hành động cho robot và hệ thống tự hành. - Cơ hội Nghiên cứu & Ứng dụng
Ứng dụng trong y tế, giao thông thông minh, metaverse, AI tạo sinh và nhiều lĩnh vực đột phá khác.
Vì sao sinh viên không thể bỏ lỡ?
- Cập nhật xu hướng AI – CV hot nhất 2025
- Mở rộng kiến thức liên ngành & kỹ năng nghiên cứu khoa học
- Giao lưu và học hỏi trực tiếp từ TS. Nguyễn Duy Khánh và kết nối cộng đồng nghiên cứu AI
Link tham gia:
👉 https://meet.google.com/vvv-vvvo-fsf
- Details
Thời gian: 10:00, Thứ Năm — 07/08/2025
Địa điểm: Phòng E7.3, Khoa Công nghệ Phần mềm — Trường Đại học Công nghệ Thông tin (ĐHQG-HCM)
Bước vào thế giới AI đa phương thức: Khai phá sức mạnh truy vấn video thông minh
Từ hình ảnh đến ngôn ngữ, từ dữ liệu đến trí tuệ — buổi seminar cùng ThS. Quan Chí Khánh An đã mở ra hành trình khám phá Vision-Language Model, mang lại cảm hứng nghiên cứu và ứng dụng cho sinh viên ngành Kỹ thuật phần mềm.
Sáng 07/08/2025, tại phòng E7.3, Khoa Công nghệ Phần mềm tổ chức seminar học thuật với chủ đề “Xây dựng hệ thống truy vấn video dựa trên mô hình ngôn ngữ thị giác”. Buổi chia sẻ do ThS. Quan Chí Khánh An trình bày, với sự tham gia của rất nhiều Thầy Cô trong Khoa tham dự.
Trong thời đại dữ liệu hình ảnh và video tăng trưởng bùng nổ, ThS. Khánh An đã giúp người tham dự hiểu rõ cách Vision-Language Model kết nối hình ảnh với ngôn ngữ tự nhiên, các kỹ thuật tiên tiến như contrastive learning, embedding alignment, và quy trình xây dựng hệ thống truy vấn video thông minh. Những ví dụ sinh động từ nghiên cứu thực tế đã biến lý thuyết phức tạp thành những ý tưởng dễ hình dung và đầy cảm hứng.
Không chỉ là buổi học thuật, seminar này còn là lời mời gọi bước chân vào thế giới AI đa phương thức, nơi sinh viên Kỹ thuật phần mềm có thể hiện thực hóa những giải pháp công nghệ đột phá.
Ngành Kỹ thuật phần mềm — Bệ phóng cho đam mê công nghệ
Tại Khoa Công nghệ Phần mềm — UIT, ngành Kỹ thuật phần mềm trang bị cho sinh viên:
- Nền tảng lập trình vững vàng, tư duy hệ thống.
- Khả năng thiết kế, phát triển và tối ưu sản phẩm phần mềm.
- Kiến thức và kỹ năng ứng dụng AI, xử lý ngôn ngữ tự nhiên, xử lý hình ảnh & video.
Với môi trường học tập năng động, gắn liền thực tiễn và nghiên cứu, đây là nơi để những bạn trẻ đam mê công nghệ viết nên câu chuyện thành công của riêng mình.
- Details
RECAP WORKSHOP ONLINE #5
Cơ sở mô hình học sâu trong xử lý ngôn ngữ tự nhiên
20h00 – 21h00 | Thứ Sáu, 08/08/2025
Hình thức: Trực tuyến qua Google Meet
Vào tối ngày 08/08/2025, Khoa Công nghệ Phần mềm đã tổ chức thành công Workshop Online #5 thuộc chuỗi chương trình Training Nghiên cứu Khoa học hè 2025. Workshop thu hút sự tham gia của đông đảo sinh viên yêu thích Trí tuệ nhân tạo và Xử lý ngôn ngữ tự nhiên (NLP).
Trong thời lượng một giờ, diễn giả đã trình bày những kiến thức cốt lõi về mô hình tuần tự trong học sâu, gồm RNN, LSTM và GRU, giúp người học hiểu được cách các mô hình này xử lý và ghi nhớ ngữ cảnh trong văn bản. Đồng thời, buổi chia sẻ cũng so sánh giữa các phương pháp biểu diễn ngôn ngữ truyền thống như n-gram, TF-IDF với các kỹ thuật hiện đại như Word2Vec, GloVe, qua đó làm rõ quá trình máy tính “hiểu” ngôn ngữ.
Workshop khép lại với phần ứng dụng thực tiễn trong các bài toán NLP cơ bản như phân loại văn bản, phân tích cảm xúc, dịch máy, giúp người học có định hướng rõ ràng hơn cho đồ án, khóa luận hoặc nghiên cứu học thuật.
Đây là một bước chuẩn bị kiến thức nền tảng vững chắc cho sinh viên CNTT khi tiếp cận lĩnh vực AI và NLP.
Hẹn gặp lại các bạn tại Workshop #6 với chủ đề hấp dẫn tiếp theo!
- Details
WORKSHOP ONLINE #5 – CƠ SỞ MÔ HÌNH HỌC SÂU TRONG XỬ LÝ NGÔN NGỮ TỰ NHIÊN
Khoa Công nghệ Phần mềm trân trọng giới thiệu buổi học thứ năm trong chuỗi Workshop Training Nghiên cứu Khoa học hè 2025 – nơi giúp sinh viên:
Tiếp cận các mô hình học sâu nền tảng cho xử lý ngôn ngữ tự nhiên (NLP)
Hiểu quy trình cơ bản trong xây dựng ứng dụng NLP từ dữ liệu đến mô hình
Chuẩn bị kiến thức nền cho đồ án, khóa luận và các cuộc thi học thuật liên quan đến ngôn ngữ và AI
🔍 Sequence Model – Nền tảng của các mô hình xử lý ngôn ngữ hiện đại
Trong các tác vụ xử lý ngôn ngữ tự nhiên, dữ liệu đầu vào là chuỗi (sequence) – từ văn bản, câu nói đến đoạn hội thoại. Sequence model như RNN, LSTM và GRU ra đời để xử lý loại dữ liệu này, cho phép mô hình nắm bắt ngữ cảnh và mối quan hệ giữa các từ.
Không giống các phương pháp truyền thống chỉ dựa vào thống kê đơn giản, các mô hình này có khả năng học quan hệ phụ thuộc dài hạn trong văn bản, giúp cải thiện đáng kể hiệu quả ở các bài toán như dịch máy, phân loại văn bản, và phân tích cảm xúc.
Ví dụ:
Mô hình ngôn ngữ (Language Model) truyền thống như n-gram chỉ xét ngữ cảnh rất ngắn
LSTM có thể ghi nhớ thông tin ở các vị trí cách xa hàng chục từ, từ đó dịch chính xác hơn hoặc phân loại cảm xúc tinh tế hơn
Bên cạnh đó, việc biểu diễn ngôn ngữ cũng tiến hóa từ TF-IDF – phương pháp dựa trên tần suất – sang word embedding như Word2Vec, GloVe, giúp mô hình hiểu được sự tương đồng ngữ nghĩa giữa các từ.
📚 Nội dung chính của buổi workshop #5
Giới thiệu về sequence model
Mô hình RNN, LSTM, GRU
Các bước cơ bản trong xử lý ngôn ngữ tự nhiên
Mô hình ngôn ngữ
Biểu diễn ngôn ngữ: TF-IDF và word embedding
Các bài toán cơ bản trong xử lý ngôn ngữ tự nhiên
Thông tin buổi workshop thứ năm
Chủ đề: Cơ sở mô hình học sâu trong xử lý ngôn ngữ tự nhiên
Thời gian: 20h00 – 21h00, Thứ Sáu, ngày 08/08/2025
Hình thức: Trực tuyến (Link: https://meet.google.com/vvv-vvvo-fsf)