VI 
EN - Banner được lưu thành công.
TỔNG KẾT SEMINAR NGÀY 04/6/2026
Nhằm tạo không gian trao đổi học thuật và cập nhật các hướng nghiên cứu mới trong lĩnh vực trí tuệ nhân tạo ứng dụng cho y tế, sáng ngày 04/06/2026, Khoa Công nghệ Phần mềm đã tổ chức seminar với chủ đề "Học tiếp tục trên dữ liệu ảnh giải phẫu" tại phòng E7.3. Dưới sự trình bày của TS. Bùi Cao Doanh, buổi seminar đã thu hút sự tham dự của đông đảo Thầy, Cô và Giảng viên trong Khoa, mang đến nhiều chia sẻ chuyên môn và thảo luận giá trị xoay quanh dữ liệu ảnh y khoa.
Nội dung nổi bật từ seminar:
Ảnh giải phẫu mô bệnh học toàn tiêu bản (Whole Slide Image - WSI) cung cấp thông tin chi tiết cấu trúc mô ở cấp độ tế bào, hỗ trợ hiệu quả cho chẩn đoán ung thư. Với sự phát triển của học sâu, nhiều mô hình phân tích ảnh WSI đã được đề xuất, tuy nhiên việc xử lý dữ liệu WSI vẫn gặp thách thức do kích thước ảnh rất lớn và nhu cầu mở rộng sang nhiều loại bệnh khác nhau. Học tiếp tục (Continual Learning) là một hướng tiếp cận tiềm năng nhằm giúp mô hình thích nghi với các tác vụ mới mà không cần huấn luyện lại từ đầu. Trong seminar này, chúng tôi giới thiệu một framework continual learning dựa trên model merging cho phân tích WSI, cho phép huấn luyện độc lập các mô hình chẩn đoán bệnh và kết hợp chúng thành một mô hình thống nhất, đồng thời vẫn duy trì khả năng chẩn đoán hiệu quả trên các tác vụ ung thư đã học trước đó.
Khoa CNPM xin gửi lời cảm ơn chân thành đến TS. Bùi Cao Doanh 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.
- Banner được lưu thành công.
TỔNG KẾT SEMINAR HỌC THUẬT NGÀY 07/05/2026
Nhằm nâng cao chuyên môn và trao đổi học thuật, vào lúc 10h00 sáng, thứ Năm ngày 07/05/2026, tại phòng E7.3, Khoa Công nghệ Phần mềm (Trường Đại học Công nghệ Thông tin – ĐHQG-HCM) đã tổ chức buổi seminar học thuật với chủ đề: “Ứng dụng LLM trong việc xây dựng các chính sách truy cập tài nguyên dựa trên thuộc tính”. Buổi chia sẻ do TS. Mai Trọng Khang trình bày, với sự tham dự của đông đảo giảng viên trong Khoa.
Gần đây, các mô hình ngôn ngữ lớn (LLMs – Large Language Models) đã thể hiện năng lực vượt trội trong nhiều tác vụ xử lý ngôn ngữ tự nhiên, mở ra tiềm năng cho bài toán khai phá chính sách (policy mining) trong bối cảnh chỉ có rất ít mẫu huấn luyện (few-shot learning).
Bài báo này đề xuất một phương pháp tạo sinh chính sách ABAC chi tiết (fine-grained) dựa trên LLM. Cách tiếp cận sử dụng nhiều LLM theo cơ chế “mixture-of-agents” nhằm phân tích kịch bản ABAC từ nhiều góc nhìn khác nhau. Đồng thời, phương pháp kết hợp tương tác đa vòng (multi-turn interaction) và tạo sinh tăng cường truy xuất (retrieval-augmented generation – RAG) để xây dựng và chuẩn bị ngữ cảnh prompt đầy đủ cho LLM.
Trong phần đánh giá, nhóm tác giả tiến hành thực nghiệm trên mạng hệ thống điều khiển công nghiệp (ICS – Industrial Control System), đảm bảo các chính sách ABAC sinh ra tuân thủ các hướng dẫn bảo mật cụ thể. Nghiên cứu cũng khảo sát tính khả thi của việc áp dụng trực tiếp các chính sách do LLM sinh ra vào quá trình ra quyết định kiểm soát truy cập.
Bằng cách tận dụng dữ liệu ground truth, nhóm triển khai một mô-đun tối ưu hóa nhằm tinh chỉnh trọng số ưu tiên (priority values) của các chính sách. Kết quả đạt được chỉ số F1 = 0.994, cho thấy LLM có tiềm năng rất lớn trong việc tạo sinh các chính sách ABAC chi tiết cho các hệ thống mạng CNTT thực tế.
Khoa Công nghệ Phần mềm xin trân trọng gửi lời cảm ơn đến TS. Mai Trọng Khang vì phần trình bày sâu sắc, giàu giá trị chuyên môn và truyền cảm hứng; đồng thời chân thành cảm ơn toàn thể quý Thầy, Cô trong Khoa đã luôn đồng hành và đóng góp.
- Banner được lưu thành công.
Phòng ĐTSĐH&KHCN thông báo triển khai xét hỗ trợ kinh phí và khen thưởng NCKH dành cho người học đợt 1 năm 2026.
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.KHCN,ĐN&SĐH
3. Bước 3: P.KHCN,ĐN&SĐH 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.
Đề nghị sinh viên có công bố khoa học đăng ký xét hỗ trợ kinh phí và khen thưởng nghiên cứu khoa học trước ngày 20/05/2026.
- Banner được lưu thành công.
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.
- Banner được lưu thành công.
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.
