SE363 – Phát triển ứng dụng trên nền tảng dữ liệu lớn

Banner được lưu thành công.

🔥SE363 – Phát triển ứng dụng trên nền tảng dữ liệu lớn🔥

Learn how to build AI-powered software on Big Data platforms.

💡SE363 – Phát triển ứng dụng trên nền tảng dữ liệu lớn (Application Development on Big Data Platforms) là môn học thuộc khối kiến thức chuyên ngành của ngành Kỹ thuật phần mềm, với khối lượng 4 tín chỉ.

🎨Mục tiêu môn học

🍀Trong kỷ nguyên dữ liệu, thông tin từ mạng xã hội, camera, video, cảm biến, thương mại điện tử và các dịch vụ trực tuyến được tạo ra liên tục với quy mô ngày càng lớn. Việc xây dựng phần mềm có khả năng thu thập, xử lý, phân tích dữ liệu lớn và tích hợp AI trong thời gian thực đang trở thành một yêu cầu quan trọng của nhiều hệ thống hiện đại.

🏵️SE363 giúp sinh viên học cách xây dựng các hệ thống Big Data end-to-end, từ thu thập dữ liệu → xử lý batch/streaming → AI inference → lưu trữ và khai thác kết quả.

👉Sinh viên sẽ được tiếp cận:

  • Các nền tảng Big Data như Hadoop, Spark, Kafka và các kỹ thuật xử lý dữ liệu phân tán.
  • Spark DataFrame, Spark SQL, Spark MLlib và các kỹ thuật triển khai mô hình AI hiện đại trên Spark.
  • Xử lý dữ liệu trực tuyến với Kafka và Spark Structured Streaming.
  • Các mô hình AI từ Machine Learning, Deep Learning (FNN, CNN, RNN, LSTM, Transformer) đến Vision-Language Model (VLM), Small/Large Language Model (SLM/LLM).
  • Retrieval-Augmented Generation (RAG) trên dữ liệu lớn và dữ liệu liên tục cập nhật.
  • Các hướng AI Deployment on Big Data Platforms: Embedded AI, Served AI và Decoupled AI.
  • Quản lý workflow với Airflow, kiểm thử và container hóa hệ thống bằng Docker.

Điểm trọng tâm của môn học không chỉ là sử dụng một mô hình AI, mà là hiểu cách tích hợp và triển khai AI trong các hệ thống phần mềm xử lý dữ liệu lớn, cũng như lựa chọn kiến trúc phù hợp khi quy mô dữ liệu và mô hình thay đổi.

🎬Đồ án cuối kỳ

Môn học được triển khai theo hướng Problem-Based Learning, trong đó kiến thức lý thuyết luôn gắn với thực hành. Độ phức tạp của các bài học và bài thực hành tăng dần, giúp sinh viên tích lũy đủ kiến thức và kỹ năng để thực hiện các đồ án cuối kỳ có tính ứng dụng, tính mới, tính đóng góp và độ phức tạp cao, có khả năng tiếp tục phát triển thành nghiên cứu khoa học hoặc khóa luận tốt nghiệp.

👉👉👉Một số hướng đề tài tiêu biểu:

  • Giao thông & đô thị thông minh: dự báo lưu lượng giao thông, phát hiện vi phạm, Vehicle Re-Identification, Multi-Camera Tracking, truy vấn video bằng VLM.
  • Video & Multimodal AI: phát hiện nội dung độc hại, phân tích video trực tuyến, kết hợp hình ảnh – âm thanh – văn bản.
  • Truyền thông & mạng xã hội: social listening, aspect-based sentiment analysis, fake news, hate speech, trend detection, phân tích livestream.
  • Marketing & KOL/KOC: phân tích profile, mức độ tin cậy, hiệu quả quảng bá và đề xuất KOL.
  • Tài chính & thương mại điện tử: phát hiện gian lận, bất thường, recommendation system và phân tích dữ liệu giao dịch trực tuyến.
  • RAG & LLM: xây dựng hệ thống hỏi đáp trên kho dữ liệu lớn, streaming RAG và các ứng dụng khai thác dữ liệu bằng SLM/LLM.
  • IoT, y tế & môi trường: phát hiện bất thường từ cảm biến, cảnh báo sớm và phân tích dữ liệu trực tuyến.

✅Từ lớp SE363 năm 2025, đã có 16+ công trình phát triển từ các hướng đồ án của môn học được chấp nhận tại các hội nghị quốc tế năm 2026, với các chủ đề trải rộng từ multimodal AI, giao thông thông minh, NLP, recommendation system, social analytics đến RAG.

🔔Một số công trình tiêu biểu gồm:

    • Vehicle Re-Identification and Multi-Camera Tracking in Vietnamese Urban Traffic: A New Dataset and Distributed Framework
    • A Unified Real-Time Framework for Helmet and Red-Light Violation Detection in Motorcycle-Dominant Traffic
    • A Real-Time Traffic Flow Prediction Framework for Ho Chi Minh City Using Camera-Based Vehicle Counting and Transfer Learning
    • A Near-Real-Time Multi-Task Framework for Fine-Grained Opinion Extraction from Vietnamese YouTube Comments
    • Vietnamese Fake News Verification in Streaming Environments Using Transformer-Based Neural Models
    • A Scalable AI-Enabled Framework for Near-Real-Time Social Trend Detection from Multi-Source Vietnamese Online Content
    • Domain-Adaptive Emotion Classification for Vietnamese Gaming Livestream
    • An Entity-Centric Multi-Task Framework for KOL Linking and Aspect-Based Sentiment Analysis on Vietnamese Social Media
    • Design and Evaluation of a Production-Oriented Real-Time Recommendation Architecture
    • A Multimodal Vision-Language Framework for Harmful Content Detection in Social Media Videos for Child Safety
    • A Semantic Intelligence Framework for Vietnamese Hate Speech Detection and Attack-Type Monitoring in Social Media Streams
    • A Graph Retrieval-Augmented University Chatbot for Supporting Student Academic Advising in Higher Education
    • A Streaming Framework for Multi-Task Tourism Analytics from YouTube Comments
  • …

⁉️SE363 phù hợp với những sinh viên nào?

SE363 phù hợp với sinh viên quan tâm đến:

  • Software Engineering cho các hệ thống dữ liệu và AI hiện đại.
  • Big Data Engineering / Data Engineering.
  • AI Engineering với trọng tâm triển khai mô hình trong hệ thống thực tế với dữ liệu lớn.
  • Các hệ thống streaming analytics, multimodal AI, LLM và RAG.
  • Phát triển đồ án thành nghiên cứu khoa học hoặc khóa luận tốt nghiệp.

⌛Thời khóa biểu

  • Thời gian học: Chiều Thứ 6 hàng tuần
  • Học kỳ: Học kỳ I, năm học 2026–2027

🌈SE363 – Học cách xây dựng ứng dụng trên nền tảng dữ liệu lớn, xử lý dữ liệu trực tuyến bằng những mô hình AI hiện đại và các kiến trúc triển khai thực tế. 🏫🌈