Chương trình học Khoa học Máy tính

Sinh viên được yêu cầu chọn ít nhất 12 tín chỉ ngoài khoa Kỹ Thuật.

Writing and Ideas

Culture and Literature

 Civilizations

Modern times

Calculus I

Microeconomics

Macroeconomics

Introduction to Management

Leadership and Communications

Marxist-Leninist philosophy

Political Economy

Ho Chi Minh Thought

Science Socialism

History of the Communist Party of VietNam

Physical Education 1

Physical Education 2

Physical Education 3

National Defense and Security 

Education

Calculus II

Linear Algebra

Introductory Mechanics

Introductory Electricity and 

Magnetism

Introduction to Computer Science

Probability & Statistics in 

Engineering

Computational Methods in 

Engineering

Data Structure and Algorithms

Discrete Mathematics for CS

Computer Organization

Design & Analysis of Algorithms

Introduction to Operating Systems

(Sinh viên cần chọn và hoàn thành 1 trong 3 chuyên ngành)

Introduction to Database

Introduction to Data Mining

Data Visualization

Introduction to Machine Learning

Big Data & Cloud Computing

Introduction to AI

Introduction to Machine Learning

Advanced machine learning

Neural network & Deep Learning

Bayesian statistics

Software Design and Implementation

Introduction to Database

Distributed Systems

Computer Network

Introduction to Machine Learning

Sinh viên được yêu cầu chọn ít nhất 12 tín chỉ ngoài khoa Kỹ Thuật.

Bayesian statistics

Probability & Stochastic Processes

Information Retrieval and Web Search

Data Preprocessing/cleansing

Data science project & deployment

Advanced machine learning

Advanced Data Mining

Cryptography and Secure Application

Computer Network

Data science topics

Calculus III

Problem Solving

Independent Study I

Independent Study II

Internship

Introduction to Computer Vision

Big Data & Cloud Computing

Practical Deep learning in Natural Language Processing

Practical Deep learning in Computer Vision

Pattern Recognition

Introduction to Natural Language Processing

Reinforcement Learning

Calculus III

Problem Solving

Independent Study I

Independent Study II

Internship

Introduction to Computer Vision

Introduction to Natural Language Processing

Web Application Development

Mobile Application Development

IoT Application Development

Big Data & Cloud Computing

Advanced machine learning

Neural network & Deep Learning

Problem Solving

Software Project

Internship

IELTS

Calculus I

Linear Algebra

Writing and Ideas

Microeconomics

Introductory Mechanics

Introduction to Computer Science

Marxist-Leninist philosophy

Political Economy

Ho Chi Minh Thought

Science Socialism

History of the Communist Party of VietNam

National Defense and Security 

Education

Calculus II

Introductory Electricity and 

Magnetism

Data Structure and Algorithms

Discrete Mathematics for CS

 Civilizations

Macroeconomics

Physical Education 1

1*

-

-

-

Introduction to Management

Modern times

Probability & Statistics in 

Engineering

Computer Organization

Design & Analysis of Algorithms

Culture and Literature

Physical Education 2

1*

-

-

-

Computational Methods in 

Engineering

Introduction to Operating Systems

Physical Education 3

1*

-

-

-

Leadership and Communications

Internship

Writing and Ideas

Culture and Literature

 Civilizations

Modern times

Calculus I

Microeconomics

Macroeconomics

Introduction to Management

Leadership and Communications

11*

Marxist-Leninist philosophy

Political Economy

Science Socialism

History of the Communist Party of VietNam

Ho Chi Minh Thought

Physical Education 1

Physical Education 2

Physical Education 3

National Defense and Security Education

Calculus II

Linear Algebra

Introductory Mechanics

Introductory Electricity and 

Magnetism

Introduction to Computer Science

Probability & Statistics in 

Engineering

Computational Methods in 

Engineering

Data Structure and Algorithms

Discrete Mathematics for CS

Computer Organization

Design & Analysis of Algorithms

Introduction to Operating Systems

(Sinh viên cần chọn và hoàn thành 1 trong 3 chuyên ngành)

(i) Khoa học dữ liệu

(ii) Học máy/Trí tuệ nhân tạo

(iii) Hệ thống phần mềm

Introduction to Database

Introduction to Data Mining

Introduction to Machine Learning

Big Data & Cloud Computing

Data Visualization

Introduction to AI

Advanced machine learning

Neural network & Deep Learning

Bayesian statistics

Software Design and Implementation

Distributed Systems

Computer Network

Bayesian statistics

Probability & Stochastic Processes

Information Retrieval and Web Search

Data Preprocessing/cleansing

Data science project & deployment

Advanced machine learning

Advanced Data Mining

Cryptography and Secure Application

Computer Network

Data science topics

Calculus 3

Introduction to Computer Vision

Big Data & Cloud Computing

Practical Deep learning in Natural Language Processing

Practical Deep learning in Computer Vision

Pattern Recognition

Introduction to Natural Language Processing

Reinforcement Learning

Web Application Development

Mobile Application Development

IoT Application Development

Neural network & Deep Learning

Software Project

Học phần này nhằm giúp sinh viên biết cách động não ý tưởng, phát triển để nâng cao khả năng lập luận, đánh giá và phản hồi hiệu quả thông tin liên quan đến vấn đề. Học phần vượt ra ngoài bố cục viết và giao tiếp bằng lời nói bằng cách tập trung vào cấu trúc của lập luận và cách tránh những lỗi logic phổ biến. Thông tin được phân tích sẽ lấy từ các nguồn như tin tức, hồ sơ công khai, phim ảnh, trình chiếu, bản ghi âm và các phương tiện truyền thông khác, sau đó sẽ được sắp xếp thành một bài luận có tổ chức chặt chẽ.

(Culture and Literature)

Học phần này sẽ bao gồm các bài đọc từ nhiều tác phẩm văn học thế giới khác nhau. Sinh viên sẽ đọc, suy ngẫm, phân tích, thảo luận và viết về nội dung của các bài luận này. Do thời gian hạn chế và nhằm mục đích giới thiệu càng nhiều quốc gia tiêu biểu càng tốt, các bài đọc sẽ bao gồm truyện ngắn, thơ, kịch và các trích đoạn từ các tác phẩm dài hơn như tiểu thuyết và luận thuyết triết học. Học phần này giới thiệu cho sinh viên các tác phẩm văn học từ nhiều quốc gia và nền văn hóa khác nhau. Đồng thời, học phần cũng cung cấp hướng dẫn và giới thiệu về cách ghi chú và viết bài luận.

Đây là một học phần lịch sử tổng quát, tập trung vào việc khảo sát các nền văn minh cổ đại của Lưỡng Hà và Châu Âu từ khi lịch sử được ghi chép đến cuối thời Trung Cổ. Học phần tóm tắt cách các nền văn minh này tương tác và phát triển liên quan đến phong tục, tôn giáo và hệ thống quản trị. Nội dung chính của học phần bao gồm Lưỡng Hà, Hy Lạp, La Mã và Châu Âu thời Trung Cổ.

Học phần này nhằm cung cấp cái nhìn tổng quát về lịch sử thế giới từ thời kỳ khám phá Tân Thế Giới và Cách mạng Mỹ đến cuối thế kỷ 20. Những thay đổi quan trọng trong lịch sử chủ yếu xuất phát từ các động lực thương mại, quân sự và dân chủ. Các sự kiện đáng chú ý bao gồm cuộc cách mạng công nghiệp, chủ nghĩa đế quốc châu Âu, thương mại và toàn cầu hóa, các cuộc chiến tranh thế giới, sự trỗi dậy của các siêu cường như Liên Xô và thị trường châu Á.

Học phần này tập trung vào phép tính vi phân và tích phân của một biến số, nhấn mạnh các ứng dụng trong nhiều lĩnh vực khác nhau. Đây là nền tảng quan trọng cho các học phần tiếp theo trong toán học, kỹ thuật và khoa học xã hội. Mục tiêu của học phần là bao quát nội dung từ chương 2 đến chương 8 của giáo trình do James Stewart biên soạn. 

Các chủ đề chính bao gồm: Giới hạn của hàm số (hiểu biết trực quan và định nghĩa chặt chẽ); Tính liên tục; Đạo hàm của hàm số và các ý nghĩa của đạo hàm (tốc độ thay đổi và hệ số góc của đường tiếp tuyến); Các quy tắc tính đạo hàm (bao gồm Quy tắc chuỗi và đạo hàm ẩn); Xấp xỉ tuyến tính; Ứng dụng của đạo hàm (tối ưu hóa); Tích phân, nguyên hàm; Định lý cơ bản của giải tích; Tích phân xác định và không xác định; Các kỹ thuật tích phân (phương pháp từng phần, thay thế lượng giác, phân tích thành phân số, v.v.); Ứng dụng của tích phân trong các lĩnh vực khác nhau (vật lý, kỹ thuật, kinh tế và sinh học).

Học phần này giới thiệu các khái niệm và phương pháp phân tích kinh tế vi mô, bao gồm phân tích cung cầu, lý thuyết về doanh nghiệp và hành vi cá nhân, cạnh tranh và độc quyền, cũng như kinh tế học phúc lợi. Học phần giải thích các nguyên lý, vấn đề và chính sách liên quan đến việc phân bổ tối ưu nguồn lực. Trong suốt học kỳ, sinh viên cũng sẽ được làm quen với các ứng dụng của kinh tế vi mô để giải quyết các vấn đề trong chính sách kinh tế hiện tại.

Học phần này được thiết kế để giúp sinh viên làm quen với các khái niệm, nguyên lý và quy trình cơ bản liên quan đến Kinh tế học vĩ mô - nền kinh tế quốc gia và toàn cầu. Học phần tập trung vào hiệu suất, cấu trúc, hành vi và quá trình ra quyết định của toàn bộ nền kinh tế, bao gồm kinh tế khu vực, quốc gia và toàn cầu. Nội dung cũng đề cập đến các chỉ số tổng hợp như GDP, tỷ lệ thất nghiệp, thu nhập quốc dân, chỉ số giá cả và mối quan hệ giữa các khu vực khác nhau của nền kinh tế, nhằm hiểu rõ hơn cách thức hoạt động của nền kinh tế tổng thể.

(Introduction to Management)

Học phần này được thiết kế để cung cấp một cái nhìn hệ thống về lý thuyết và thực tiễn quản lý, bao gồm việc áp dụng các lý thuyết quản lý vào các vấn đề thực tế trong việc lập kế hoạch, tổ chức, lãnh đạo và kiểm soát hoạt động kinh doanh. Trong suốt học phần, các nghiên cứu tình huống, bài tập và thảo luận về các bài viết, nghiên cứu liên quan sẽ giúp sinh viên hiểu sâu hơn về các lĩnh vực được thảo luận. Sau khi hoàn thành học phần, kiến thức, kỹ năng và công cụ thu được từ học phần dự kiến sẽ là nền tảng để sinh viên có thể xây dựng và cải thiện kỹ năng quản lý cá nhân của mình.

Học phần này được thiết kế để giúp sinh viên nhận diện các quan điểm lịch sử, lý thuyết và thực tiễn về lãnh đạo và giao tiếp, đồng thời áp dụng các lý thuyết và quan điểm này vào các vấn đề thực tế. Trong suốt học phần, kỹ năng lãnh đạo, giải quyết vấn đề và giao tiếp của sinh viên sẽ được phát triển thông qua việc tham gia vào các cuộc thảo luận về lãnh đạo, nghiên cứu các tài liệu bổ sung như video và phân tích tình huống, đọc sách bài giảng, tham gia các hoạt động xây dựng đội nhóm và tham gia các dự án học tập phục vụ cộng đồng.

Triết học Mác - Lênin là một trong ba bộ phận cấu thành Chủ nghĩa Mác – Lênin. Nội dung môn học gồm có 03 chương, giải thích về những vấn đề chung liên quan tới sự tồn tại, phát triển của thế giới nói chung và sự tồn tại và phát triển xã hội loài người nói riêng, trang bị thế giới quan đúng đắn, nhân sinh quan tích cực, cũng như phương pháp luận biện chứng, khoa học cho người học, nhằm giải quyết tốt những vấn đề nảy sinh trong thực tiễn. Môn học còn là cơ sở để sinh viên tiếp thu tốt các môn Lý luận chính trị, cũng như các môn khoa học khác.

Căn cứ vào mục đích học phần, nội dung chương trình môn kinh tế chính trị Mác - Lênin được cấu trúc thành 6 chương. Giúp sinh viên nắm được những vấn đề cơ bản nhất về hàng hóa, thị trường; giá trị thặng dư trong nền kinh tế hàng hóa, công nghiệp hóa hiện đại hóa, hội nhập của Việt Nam.

(Ho Chi Minh Thought)

Căn cứ vào mục đích học phần, nội dung chương trình môn Tư tưởng Hồ Chí Minh được cấu trúc thành 6 chương, nội dung bàn về khái niệm Tư tưởng Hồ Chí Minh, nguồn gốc hình thành, các giai đoạn phát triển, đối tượng, nhiệm vụ nghiên cứu và những nội dung tư tưởng cơ bản của Hồ Chí Minh. 

Học phần Tư tưởng Hồ Chí Minh có mối quan hệ mật thiết với môn Đường lối cách mạng của Đảng Cộng sản Việt Nam, những nguyên lý cơ bản của chủ nghĩa Mác – Lê nin. Vì đường lối của Đảng là sự vận dụng sáng tạo, phát triển chủ nghĩa Mác – Lê nin và Tư tưởng Hồ Chí Minh vào thực tiễn cách mạng Việt Nam.

(Science Socialism)

Căn cứ vào mục đích học phần, nội dung chương trình môn chủ nghĩa xã hội khoa học được cấu trúc thành 7 chương. Cung cấp cho sinh viên những căn cứ lý luận khoa học để hiểu và có niềm tin cách mạng về con đường xây dựng, phát triển đất nước trong thời kỳ quá độ lên chủ nghĩa xã hội hiện nay ở Việt Nam.

(History of the Communist Party of VietNam)

Học phần Lịch sử Đảng Cộng sản Việt Nam cơ bản nghiên cứu quá trình hình thành, phát triển của Đảng và những nội dung đường lối của Đảng đề ra trong quá trình lãnh đạo cách mạng Việt Nam từ năm 1930 đến nay. Do đó, nội dung chủ yếu của môn học là cung cấp cho sinh viên những hiểu biết cơ bản có hệ thống quan điểm, chủ trương, chính sách của Đảng, đặc biệt là trong thời kỳ đổi mới. 

Học phần Lịch sử Đảng Cộng sản Việt Nam có mối quan hệ mật thiết với môn Những nguyên lý cơ bản của chủ nghĩa Mác – Lê nin và môn Tư tưởng Hồ Chí Minh. Vì đường lối của Đảng là sự vận dụng sáng tạo, phát triển chủ nghĩa Mác – Lê nin và Tư tưởng Hồ Chí Minh vào thực tiễn cách mạng Việt Nam.

(Physical Education 1)

Học phần này cung cấp cho người học kiến thức cơ bản về môn Thể dục, đồng thời trang bị kiến thức về đội hình đội ngũ, bài thể dục phát triển chung. Qua đó người học biết cách tổ chức, quản lý tập thể và khả năng biên soạn bài thể dục phát triển chung.

(Physical Education 2)

Học phần bao gồm Giới thiệu về học phần Quần vợt; Luật, phương pháp tổ chức thi đấu và trọng tài môn Quần vợt; Các kỹ thuật di chuyển, cầm vợt, đánh bóng thuận tay, đánh bóng trái tay, giao bóng; và Biết vận dụng các kỹ thuật cơ bản Quần vợt trong hệ thống thi đấu phong trào.

(Physical Education 3)

Học phần bao gồm Giới thiệu về học phần Quần vợt; Luật, phương pháp tổ chức thi đấu và trọng tài môn Quần vợt; Các kỹ thuật di chuyển, cầm vợt, đánh bóng thuận tay, đánh bóng trái tay, giao bóng; và Biết vận dụng các kỹ thuật cơ bản Quần vợt trong hệ thống thi đấu phong trào.

(National Defense and Security Education)

Nội dung ban hành kèm theo Thông tư số 03/2017/TT-BGDĐT ngày 13 tháng 01 năm 2017 của Bộ trưởng Bộ Giáo dục và Đào tạo về việc ban hành chương trình giáo dục quốc phòng và an ninh trong trường trung cấp sư phạm, cao đẳng sư phạm và cơ sở giáo dục đại học.

(Calculus II)

Các chủ đề sẽ bao gồm tích phân suy rộng (improper integrals), giới thiệu về phương trình vi phân, tọa độ cực (polar coordinate), chuỗi và chuỗi vô hạn (infinite series and sequences), đa thức Taylor, chuỗi Fourier, vectơ và hàm vectơ, vi phân từng phần (partial differentiation), nhân tử Lagrange (Lagrange multipliers), và các chủ đề trong phép tính vi phân.

(Linear Algebra)

Môn học này sẽ bao gồm các kiến thức và ứng dụng của vectơ, không gian vectơ, hệ phương trình tuyến tính, ma trận, định thức (determinants), phép biến đổi tuyến tính, tích trong (inner products), giá trị riêng (eigenvalues) và vectơ riêng (eigenvectors).

(Introductory Mechanics)

Cơ học là một nhánh của vật lý liên quan đến chuyển động của các vật thể. Mục tiêu của môn học này là giới thiệu cho sinh viên đại học (chủ yếu là sinh viên năm 1 hoặc năm thứ 2) về cơ học cổ điển (classical mechanics) và các ứng dụng của nó vào các vấn đề thực tế trong khoa học và công nghệ. Các thí nghiệm trong phòng thí nghiệm cùng với các hoạt động nhóm cũng là một phần quan trọng của môn học này.

(Introductory Electricity and Magnetism)

Môn học này tập trung vào cơ bản của điện (electricity), từ trường (magnetism) và quang học (optics), một nhánh của vật lý cơ bản tiếp nối môn học trước về Cơ học. Mục tiêu của môn học này là giới thiệu cho bậc đại học những kiến thức cơ bản và ứng dụng của điện, từ trường và quang học trong khoa học và công nghệ. Các thí nghiệm trong phòng thí nghiệm cùng với các hoạt động nhóm cũng là một phần quan trọng của môn học này.

(Introduction to Computer Science)

Học phần này giới thiệu các nguyên tắc và thực tiễn của khoa học máy tính và lập trình, cùng với ảnh hưởng và tiềm năng thay đổi thế giới của chúng. Học phần tập trung vào các kỹ thuật giải thuật, giải quyết vấn đề và lập trình sử dụng ngôn ngữ cấp cao (Python), đồng thời nhấn mạnh các kỹ thuật thiết kế như trừu tượng hóa, đóng gói, phân tích vấn đề, và đệ quy. Sinh viên sẽ thiết kế, triển khai và kiểm tra các chương trình. Nội dung học phần cũng bao gồm lập trình hướng đối tượng và các thư viện Python phổ biến. Đây là học phần tiên quyết cho tất cả các học phần khác trong ngành khoa học máy tính.

(Probability & Statistics in Engineering)

Học phần này liên quan đến phân tích dữ liệu: Tính xác suất của các sự kiện trong không gian xác suất được xác định rõ; Mô hình hóa sự kiện của các hiện tượng ngẫu nhiên bằng các biến ngẫu nhiên rời rạc/liên tục; Tính toán các thống kê mẫu, như trung bình mẫu và phương sai mẫu, từ một tập dữ liệu; Xấp xỉ phân phối của trung bình mẫu bằng định lý giới hạn trung tâm; Ước lượng các tham số chưa biết bằng các ước lượng điểm/khoảng; Kiểm định tính hợp lý của một giả thuyết thống kê dựa trên thông tin từ một tập dữ liệu; Thực hiện phân tích hồi quy tuyến tính trên một tập dữ liệu.

(Computational Methods in Engineering)

Môn học này được thiết kế nhằm cung cấp cho sinh viên một sự giới thiệu vững chắc và sớm về các phương pháp số. Sinh viên sẽ có cơ hội học cách mô hình hóa các vấn đề trong kỹ thuật và áp dụng các kỹ thuật cơ bản để giải quyết chúng bằng cách sử dụng ngôn ngữ lập trình Python. Môn học sẽ thúc đẩy học tập dựa trên dự án, khuyến khích sinh viên làm việc trên các dự án thiết kế tính toán và liên hệ các nội dung của môn học với các dự án đó.

(Data Structure and Algorithms)

Phân tích, sử dụng và thiết kế cấu trúc dữ liệu và thuật toán (algorithms) sử dụng ngôn ngữ định hướng đối tượng (object-oriented language) như Java để giải quyết các vấn đề tính toán (computational problems). Nhấn mạnh vào tính trừu tượng (abstraction) bao gồm các giao diện (interfaces) và kiểu dữ liệu trừu tượng cho mảng/danh sách, cây, tập hợp, bảng/bản đồ và đồ thị và các thuật toán của nó.

(Discrete Mathematics for CS)

Giới thiệu về các thực hành và nguyên tắc của toán học rời rạc xử lý các đối tượng rời rạc (discrete). Toán rời rạc là cần thiết để xem các cấu trúc toán học trong đối tượng bạn làm việc và hiểu các thuộc tính của chúng. Khả năng này rất quan trọng đối với các kỹ sư phần mềm, nhà khoa học dữ liệu, nhà phân tích bảo mật và tài chính. Các chủ đề của Toán học rời rạc bao gồm Logic toán học (Mathematical Logic), Tập hợp (Set), Quan hệ (Relations), Lý thuyết số và mật mã (Number Theory and Cryptography), Quy nạp và đệ quy (Induction and Recursion), Đếm (Counting), Đại số Boolean (Boolean Algebra) và Tính toán mô hình hóa (Modeling Computation). Điều kiện tiên quyết cho tất cả các môn học khác trong khoa học máy tính.

(Computer Organization)

Môn học này cung cấp cho bạn những hiểu biết cơ bản về cách máy tính hoạt động. Bắt đầu từ biểu diễn số và dữ liệu cơ bản, chúng ta khám phá cách máy tính lưu trữ và thao tác thông tin để thực hiện tính toán. Tiếp theo là các thiết kế hệ thống cấp cao hơn bao gồm bộ nhớ và đầu vào/đầu ra.

(Design & Analysis of Algorithms)

Môn học này là nghiên cứu về thiết kế thuật toán, phân tích độ phức tạp của thuật toán và phân tích độ phức tạp của vấn đề. Các kỹ thuật thiết kế bao gồm bạo lực (brute-force), giảm (decrease), chia (divide) và biến đổi và chinh phục (transform-and-conquer), lập trình động (dynamic programming), thuật toán tham lam (greedy algorithms), cải tiến lặp đi lặp lại (iterative improvement), quay lui (backtracking) và rẽ nhánh và ràng buộc (branch-and-bound). Môn học được tổ chức xung quanh một số chiến lược cơ bản của thiết kế thuật toán và thiết kế thuật toán sẽ được giảng dạy ngang bằng với phân tích. Một số chủ đề trừu tượng hơn nhưng rất quan trọng cũng sẽ được bao gồm: tính đầy đủ NP (completeness NP), thuật toán xấp xỉ (approximation algorithms) và giới hạn cận dưới (lower-bound limits).

(Introduction to Operating Systems)

Môn học này cung cấp mô tả giới thiệu về các khái niệm làm nền tảng cho hệ điều hành - phần thiết yếu của bất kỳ hệ thống máy tính nào. Đặc biệt, môn học bao gồm các chủ đề về quản lý quy trình và luồng (process and thread management), lập lịch CPU (CPU scheduling), đồng bộ hóa quy trình (process synchronization) và xử lý bế tắc (deadlock handling), quản lý bộ nhớ, thiết bị I/O và quản lý lưu trữ, hệ thống tệp, cơ chế bảo mật và bảo vệ.

(Introduction to Database)

Môn học này nhằm cung cấp cho sinh viên một nền tảng vững chắc về hệ thống cơ sở dữ liệu. Các chủ đề bao gồm mô hình hóa dữ liệu, lý thuyết thiết kế cơ sở dữ liệu, ngôn ngữ thao tác và định nghĩa dữ liệu (tức là SQL), và các kỹ thuật lập chỉ mục (indexing techniques), xử lý và tối ưu hóa truy vấn cũng như giao diện lập trình cơ sở dữ liệu. Bên cạnh cơ sở dữ liệu quan hệ và bán cấu trúc (semi-structured) (tức là JSON), môn học này cũng lấy mẫu một số chủ đề khác liên quan đến quản lý dữ liệu, lưu trữ phân tán cũng như xử lý song song. Các dự án lập trình là bắt buộc.

(Introduction to Data Mining)

Khai thác dữ liệu là quá trình khám phá các mẫu mới (novel patterns), thú vị và sâu sắc, cũng như các mô hình mô tả, dễ hiểu và dự đoán từ dữ liệu quy mô lớn. Các phần chính của môn học bao gồm phân tích dữ liệu khám phá (exploratory data analysis), khai thác mẫu thường xuyên (frequent pattern mining), phân cụm và phân loại (clustering and classification). Môn học đặt nền tảng cơ bản của các nhiệm vụ này và nó cũng bao gồm các chủ đề mới nhất như phương pháp kernel (kernel methods), phân tích dữ liệu chiều cao (high dimensional data analysis), đồ thị và mạng phức tạp. Nó tích hợp các khái niệm từ các lĩnh vực liên quan như máy học (machine learning) và thống kê (statistics), và cũng là lý tưởng cho một môn học về phân tích dữ liệu. Hầu hết các tài liệu tiên quyết được đề cập trong văn bản, đặc biệt là về đại số tuyến tính, xác suất và thống kê.

(Data Visualization)

Trực quan hóa dữ liệu là cách trình bày dữ liệu theo định dạng đồ họa. Nó đóng một vai trò quan trọng trong việc thể hiện cả dữ liệu nhỏ và quy mô lớn. Mục tiêu chính của môn học này là cung cấp cho bạn các kỹ năng để tận dụng dữ liệu để tiết lộ những hiểu biết có giá trị về dữ liệu bằng cách trích xuất thông tin, hiểu rõ hơn về dữ liệu và đưa ra quyết định hiệu quả. Các thư viện trực quan khác nhau như Matplotlib, Seaborn, Ggplot, Plotly, Folium,... được giới thiệu trong môn học.

(Introduction to Machine Learning)

Môn học này sẽ cung cấp một cái nhìn tổng quan về các nguyên tắc cơ bản của học máy. Sinh viên sẽ tìm hiểu về loại vấn đề có thể được giải quyết, các khối xây dựng và các nguyên tắc cơ bản của việc xây dựng mô hình trong học máy. Một số thuật toán chính sẽ được khám phá. Vào cuối môn học này, sinh viên có kiến thức thực tế về một số thuật toán học tập có giám sát và không giám sát (supervised and unsupervised) cùng với sự hiểu biết về các khái niệm chính như chưa khớp và quá khớp (under and overfitting), chính quy hóa (regularization) và kiểm chứng chéo (cross validation). Sinh viên sẽ có thể xác định loại vấn đề mà họ đang cố gắng giải quyết, chọn thuật toán phù hợp, điều chỉnh các tham số và kiểm chứng mô hình.

(Big Data & Cloud Computing)

Học phần cung cấp nền tảng của dữ liệu lớn (big data) và điện toán đám mây (cloud computing): thuộc tính, đặc điểm, nguồn dữ liệu, ứng dụng và giá trị của dữ liệu lớn. Học phần sẽ đi qua mô hình vectơ (vector model), lập trình phân tán (distributed programming) sử dụng MapReduce và các hệ thống cơ sở dữ liệu như SQL, NoSQL và column-based cho các ứng dụng dữ liệu lớn. Học phần tập trung nhiều hơn vào kinh nghiệm thực hành với hệ thống lưu trữ, xử lý dữ liệu lớn trên nền tảng Hadoop, HDFS, YARN, Spark - Spark Streaming, Spark SQL. Học phần cũng giới thiệu các đám mây công cộng như AWS, Azure, Cloudera và các giải pháp triển khai cho các ứng dụng dữ liệu lớn trên đám mây. Bài tập thực hành là điều bắt buộc đối với học phần này.

(Introduction to AI)

Môn học này giới thiệu về các khái niệm cơ bản của Trí tuệ nhân tạo. Chúng tôi tập trung vào các khía cạnh nền tảng của AI là lĩnh vực nghiên cứu các tác nhân nhận thức và hành động. Sinh viên sẽ học về các chiến lược giải quyết vấn đề cổ điển như tìm kiếm và lập kế hoạch, cũng như các chủ đề hiện đại hơn về kiến thức đại diện và học tập. Các bài tập lập trình sẽ được đưa ra để minh họa cho các tài liệu lý thuyết. Vào cuối môn học này, sinh viên có được kiến thức nền tảng vững chắc về các chủ đề cơ bản trong Trí tuệ nhân tạo.

(Advanced machine learning)

Học phần Học máy nâng cao tiếp tục cung cấp cho sinh viên kiến thức chuyên sâu về các phương pháp học máy hiện đại, dựa trên các khái niệm nền tảng đã học ở các học phần trước. Học phần tập trung vào ba chủ đề chính: các phương pháp học xác suất (nhấn mạnh lý thuyết Bayesian và mạng Bayesian), các phương pháp học tổ hợp (bao gồm kỹ thuật bagging và boosting) và xử lý dữ liệu chuỗi thời gian. Học phần này đóng vai trò quan trọng trong việc chuẩn bị cho sinh viên nghiên cứu và áp dụng các kỹ thuật học máy nâng cao để giải quyết các vấn đề phức tạp trong thực tế. Học phần có mối liên hệ chặt chẽ với các môn như "Học máy," "Xử lý tín hiệu số," và "Khai phá dữ liệu," đồng thời tạo nền tảng cho các nghiên cứu chuyên sâu hơn trong lĩnh vực trí tuệ nhân tạo.

(Neural network & Deep Learning)

Học phần này giới thiệu về mạng nơ-ron và học sâu. Học sâu đã giành được sự chú ý đáng kể trong ngành bằng cách đạt được kết quả hiện đại trong thị giác máy tính và xử lý ngôn ngữ tự nhiên. Sinh viên sẽ tìm hiểu các nguyên tắc cơ bản và tiến bộ của học sâu và các kỹ thuật hiện đại để xây dựng các mô hình hiện đại như CNN, RNN, Autoencoder, VAE, GAN, Deep-Q Learning. Sinh viên sẽ sử dụng TensorFlow ở hai cấp độ: Cấp độ thấp và API Keras để xây dựng mô hình Học sâu và cả Pytorch.

(Bayesian statistics)

 Học phần này là phần giới thiệu về phân tích Bayesian và lý thuyết quyết định thống kê, tập trung vào việc đưa ra quyết định trong điều kiện không chắc chắn. Các chủ đề được đề cập bao gồm: xây dựng bài toán quyết định và định lượng các thành phần của chúng, các quyết định tối ưu, mô hình hóa Bayesian, các phương pháp dựa trên mô phỏng để thu được suy luận Bayesian (bao gồm các thuật toán MCMC), và mô hình phân cấp.

(Software Design and Implementation)