Cử nhân Trí tuệ nhân tạo (CTĐT năm 2025)

Có kiến thức liên ngành vững chắc về toán học, khoa học tự nhiên, khoa học sự sống và khoa học xã hội, tạo nền tảng tư duy toàn diện và linh hoạt.

Có kiến thức cốt lõi của trí tuệ nhân tạo và toán học, từ đó xây dựng nền tảng vững chắc cho việc tiếp nhận, phát triển các giải pháp liên quan đến TTNT trong thực tiễn.

Có kiến thức chuyên sâu trong các lĩnh vực như học máy, học sâu, trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên, thị giác máy tính, khai phá dữ liệu, và các nền tảng điện toán hiệu năng cao, từ đó có khả năng xây dựng các hệ thống thông minh thích ứng với thực tiễn.

Có tư duy phản biện, tiếp cận hệ thống và áp dụng phương pháp khoa học để phân tích và giải quyết các vấn đề phức tạp, đa chiều trong công nghệ và xã hội.

Có tư duy sáng tạo, thiết kế và phát triển các giải pháp đột phá, với tư duy khởi nghiệp và khả năng nhận diện cơ hội đổi mới trong lĩnh vực công nghệ.

Có năng lực tự học, tự nghiên cứu và thích nghi liên tục với sự phát triển của công nghệ, bao gồm kỹ năng đọc hiểu tài liệu chuyên ngành bằng tiếng Anh.

Có năng lực diễn đạt ý tưởng phức tạp, trao đổi chuyên môn, làm việc hiệu quả trong môi trường đa văn hóa và hợp tác với chuyên gia từ nhiều lĩnh vực khác nhau.

Có biết sâu sắc về tác động của công nghệ đối với xã hội, các vấn đề về quyền riêng tư, bảo mật, công bằng AI và trách nhiệm xã hội của người làm công nghệ.

Có kỹ năng lãnh đạo, quản lý dự án hiệu quả, ra quyết định dựa trên dữ liệu và khả năng điều phối nhóm đa chức năng trong môi trường làm việc toàn cầu.

Có ý thức về sự phát triển toàn diện của cá nhân, bao gồm các giá trị nhân văn, trách nhiệm công dân toàn cầu, và cam kết đóng góp vào việc giải quyết các thách thức toàn cầu thông qua công nghệ.

Hiểu biết cơ bản về khoa học tự nhiên, con người và môi trường. Và tầm quan trọng cũng như các ứng dụng hoặc tác động của chúng trong các ngành nghề của xã hội.

Hiểu biết nền tảng về thuật toán, cấu trúc dữ liệu, cơ sở dữ liệu, hệ điều hành, mạng máy tính, kiến trúc máy tính cùng với nguyên lý của trí tuệ nhân tạo, học máy, học sâu và các phương pháp tối ưu hóa mô hình.

Hiểu biết các mô hình toán học như: xác suất – thống kê, đại số tuyến tính, đồ thị, tối ưu hóa để thiết kế, đánh giá, tối ưu hóa thuật toán.

Tuỳ thuộc vào định hướng chuyên sâu, các kiến thức của mỗi hướng bao gồm.

Hiểu biết các kỹ thuật thị giác máy tính như xử lý ảnh, phân loại, phát hiện và phân đoạn đối tượng.  Nắm vững các phương pháp thiết kế, huấn luyện và triển khai các mô hình học sâu cho dữ liệu hình ảnh trên các nền tảng tính toán khác nhau.

Áp dụng các kiến thức về TTNT để phân tích, xây dựng, triển khai các mô hình TTNT phục vụ cho các giải pháp thông minh trong thực tế. Thành thạo ít nhất một ngôn ngữ lập trình cấp cao.

Tìm kiếm, đánh giá và lựa chọn giải pháp công nghệ phù hợp để phát triển các giải pháp liên quan đến TTNT trong thực tế.

Chọn 1 trong 3 hình thức:

1. Khóa luận tốt nghiệp 
2. Đồ án tốt nghiệp
3. Thực tập và tiểu luận

Sinh viên được yêu cầu chọn ít nhất 9 tín chỉ ngoài khoa CNTT.

• Giáo dục thể chất 
• Giáo dục quốc phòng - an ninh
• Anh văn tăng cường
• Kỹ năng mềm
• Khởi nghiệp sáng tạo
• Đạo đức và pháp luật trong kỷ nguyên số

Sinh viên được yêu cầu học ít nhất 01 học phần mỗi nhóm

World Civilization History

Modern Times

Introduction to Cultural Studies

Contemporary Art

Vietnamese and Other World Classic Cultures

Culture and Literature

Writing and Ideas

Leadership and Communication

Language and Vietnamese

Human and Environmental Interactions

Climate Change

a: Học phần bắt buộc cho sinh viên Khoa CNTT

Calculus 1

Introduction to Data Science

Engineering Design

Principle of Economics

Administrative Office Management

Personal Finance Management

Marxist-Leninist Philosophy

Marxist-Leninist Political Economy

Ho Chi Minh Thought

Scientific Socialism

History of the Communist Party of Vietnam

Fundamentals of Law

Digital Literacy

English 1

English 2

English 3

English 4

Applied Mathematics for AI

Linear Algebra

General Physics

Data Structure and Algorithms

Discrete Mathematics

Introduction to Programming

Probability and Statistics

Computer Systems and Architecture

Introduction to AI

Introduction to Machine Learning

Introduction to Deep Learning

Machine Learning Operations (MLOps)

(Sinh viên cần chọn và hoàn thành 1 trong 2 chuyên ngành)

Introduction to Computer Vision

Deep Learning in Computer Vision

Image Processing

GenAI for Computer Vision

Introduction to Natural Language Processing

Deep Learning in Natural Language Processing

GenAI for Natural Language Processing

Information Retrieval and Text Mining

Chọn 1 trong 3 hình thức sau:

1. Khóa luận tốt nghiệp

2. Đồ án tốt nghiệp

3. Thực tập + tiểu luận tốt nghiệp

Undergraduate Thesis

Graduation Projects

Internship

Graduation Essay

Sinh viên được yêu cầu chọn:

- Ít nhất 9 tín chỉ ngoài khoa CNTT

Federated Learning

Reinforcement Learning

Graph Neural Networks

Data Processing

Data Visualization

Recommendation Systems

Big Data

Introduction to Database

Physical Education 1

Physical Education 2

Physical Education 3

National Defense and Security 

Education

Intensive English 1

Intensive English 2

Intensive English 3

Intensive English 4

Soft Skills

Entrepreneurship and Innovation

Ethics and Law in Digital Age

Marxist-Leninist philosophy

Marxist-Leninist Fundamentals of Law

Nhóm Văn minh nhân loại

English 1

Intensive English 1

Physical Education 1

Digital literacy

Calculus 1

Học phần  thuộc nhóm V: 

Nhóm Khoa học tự nhiên và công nghệ 

3*

Political Economy

Scientific Socialism

Nhóm Văn hóa, văn học và nghệ thuật

English 2

Intensive English 2

Physical Education 2

Linear Algebra

Introduction to Programming

General Physics

3*

National Defense and Security 

Education

Ho Chi Minh Thought

Nhóm Tư duy và giao tiếp

English 3

Intensive English 3

Physical Education 3

Introduction to Data Science

Học phần  thuộc nhóm V: 

Nhóm Khoa học tự nhiên và công nghệ 

Data Structure and Algorithms

Discrete Mathematics

3*

English 4

Intensive English 4

History of the Communist Party of Vietnam

Nhóm Con người và trái đất

Probability and Statistics

Computer Systems and Architecture

Introduction to AI

2*

Applied Mathematics for AI

Introduction to Machine Learning

Soft Skills

2*

Nhóm Kinh tế và quản lý

Introduction to Deep Learning

Entrepreneurship and Innovation

2*

Machine learning Operations (MLOps)

               Ethics and Law in Digital Age

1. Khóa luận tốt nghiệp

2. Đồ án tốt nghiệp

3. Thực tập + tiểu luận tốt nghiệp 

Sinh viên được yêu cầu học ít nhất 01 học phần mỗi nhóm

World Civilization History

Modern Times

108

Introduction to Cultural Studies

Contemporary Art

Vietnamese and Other World Classic Cultures

102

Culture and Literature

101

Writing and Ideas

102

Leadership and Communication

Language and Vietnamese

Human and Environmental Interactions

Climate Change

a: Học phần bắt buộc cho sinh viên Khoa CNTT

101

Calculus 1

Introduction to Data Science

Engineering Design

Principle of Economics

Administrative Office Management

Personal Finance Management

108

Marxist-Leninist philosophy

109

Marxist-Leninist Political Economy

104

Ho Chi Minh Thought

110

Scientific Socialism

111

History of the Communist Party of VietNam

102

Fundamentals of Law

Digital literacy

English 1

English 2

English 3

English 4

201b

Applied Math for AI

110

Linear Algebra

101

General Physics

Data Structure and Algorithms

Discrete Mathematics

Introduction to Programming

Probability and Statistics

Computer Systems and Architecture

Introduction to AI

Introduction to Machine Learning

Introduction to Deep Learning

Machine Learning Operations (MLOps)

(Sinh viên cần chọn và hoàn thành 1 trong 2 chuyên ngành)

Introduction to Computer Vision

Deep Learning in Computer Vision

Image Processing

GenAI for Computer Vision

Introduction to Natural Language Processing

Deep Learning in Natural Language Processing

GenAI for Natural Language Processing

Information Retrieval and Text mining

Chọn 1 trong 3 hình thức sau:

1. Khóa luận tốt nghiệp

2. Đồ án tốt nghiệp

3. Thực tập + tiểu luận tốt nghiệp

Undergraduate Thesis

Graduation Projects

Internship

Graduation Essay

Sinh viên được yêu cầu chọn:

- Ít nhất 9 tín chỉ ngoài khoa CNTT

Federated Learning

Reinforcement Learning

Graph Neural Networks

Data Processing

Data Visualization

Recommendation Systems

Big Data

Introduction to Database

TỐT NGHIỆP

1051

Physical Education 1

1052

Physical Education 2

1053

Physical Education 3

106

National Defense and Security 

Education

Intensive English 1

Intensive English 2

Intensive English 3

Intensive English 4

Soft Skills

Entrepreneurship and Innovation

Ethics and Law in Digital Age

(World Civilization History)

Học phần cung cấp cho sinh viên kiến thức cơ bản và hệ thống về lịch sử hình thành, quá trình phát triển và một số thành tựu nổi bật về văn hóa, khoa học - kĩ thuật… của các nền văn minh nổi bật thời kì cổ trung đại ở phương Đông như Ai Cập, Ấn Độ, Trung Hoa và ở phương Tây như Hy Lạp, La Mã, các nước Tây Âu… giúp sinh viên có kiến thức nền tảng về lịch sử phát triển và sự tiến bộ của nhân loại.

Học phần cung cấp kiến thức bao gồm lịch sử thế giới từ việc khám phá ra Thế giới mới & Cách mạng Hoa Kỳ đến cuối thế kỷ 20. Những thay đổi quan trọng thông qua lịch sử là kết quả của thương mại, quân sự và dân chủ. Những sự kiện này 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…

Học phần cung cấp cho sinh viên những lý luận cơ bản về văn hóa học, gồm: hệ thống khái niệm cơ bản về văn hóa, cách nhận diện văn hóa, một số vấn đề văn hóa cụ thể (triết lý âm dương, văn hóa biểu tượng, văn hóa biển đảo, văn hóa nước…), một số nét khái quát về văn hóa Việt Nam và thế giới, văn hóa ứng dụng…

Học phần cung cấp cho sinh viên những hiểu biết cơ bản về nghệ thuật từ khi bắt đầu cho đến ngày nay. Nghệ thuật đương đại trong một thế giới có ảnh hưởng toàn cầu, đa dạng về văn hóa và công nghệ. Sự kết hợp năng động của các vật liệu, phương pháp, khái niệm và chủ đề tiếp tục thách thức các ranh giới đã được tiến hành tốt trong thế kỷ 20. Nghệ thuật đương đại là một phần của cuộc đối thoại văn hóa liên quan đến các khuôn khổ bối cảnh lớn hơn như bản sắc cá nhân và văn hóa, gia đình, cộng đồng và quốc tịch.

Học phần cung cấp cho sinh viên những hiểu biết cơ bản về văn hóa Việt Nam (bản sắc, hệ giá trị, văn hóa một số vùng miền, văn hóa ẩm thực…) và một số nền văn hóa thế giới tiêu biểu (Hàn Quốc, Nhật Bản, Trung Quốc…) giúp người học hiểu về một cách cơ bản về văn hóa Việt Nam và một số nền văn hóa thế giới tiêu biểu.

(Culture and Literature)

Học phần cung cấp cho sinh viên những hiểu biết cơ bản về văn hóa và văn học, gồm: lý luận chung về văn hóa và văn học; vai trò của văn hóa và văn học; những kiến thức cơ bản về văn hóa Việt Nam và một số nền văn hóa thế giới tiêu biểu; một số tác phẩm văn học kinh điển của Việt Nam và thế giới.

(Writing and Ideas)

Học phần này nhằm mục đích giúp sinh viên biết cách suy nghĩ ý tưởng, phát triển để nâng cao khả năng lý luận, đánh giá và phản hồi hiệu quả của sinh viên đối với thông tin đang được đề cập. Học phần này không chỉ giới hạn ở cách trình bày bằng văn bản và giao tiếp bằng lời nói mà còn tập trung vào cấu trúc của các lập luận và cách tránh những cạm bẫy trong logic. Thông tin sẽ được phân tích đến từ tin tức, hồ sơ công khai, phim ảnh, slide, bản ghi chép và bất kỳ nguồn phương tiện truyền thông nào khác, sau đó sẽ được đưa vào một bài luận được tổ chức tốt.

(Leadership and Communication)

Học phần cung cấp cho sinh viên kiến thức cơ bản và hệ thống về các quan điểm lịch sử, lý thuyết và thực tiễn về lãnh đạo (đặc điểm, kỹ năng, phong cách, tình huống, dự phòng, lộ trình, khả năng lãnh đạo chuyển đổi và đội ngũ khả năng lãnh đạo) và giao tiếp (các yếu tố giao tiếp, vị thế giao tiếp của người lãnh đạo; sử dụng vị thế xã hội và vị thế giao tiếp để giao tiếp hiệu quả trong vai trò lãnh đạo). Học phần cũng sẽ hướng người học vào việc áp dụng những lý thuyết này vào các vấn đề thực tế.

Học phần cung cấp cho sinh viên những hiểu biết cơ bản về ngôn ngữ nói chung (nguồn gốc, bản chất, chức năng…) và Tiếng Việt với những đặc trưng cơ bản: ngữ âm, từ vựng, ngữ nghĩa, ngữ pháp và ngữ dụng.

(Human and Environmental Interactions)

Học phần cung cấp kiến thức cơ bản để xây dựng một thái độ đúng đắn trong việc nhận thức các mối quan hệ hữu cơ giữa nhu cầu phát triển của xã hội loài người với việc khai thác, sử dụng các nguồn tài nguyên thiên nhiên. Học phần nhằm mục tiêu giáo dục con người cần có ý thức trong việc bảo vệ môi trường sống, chống lại các vấn nạn gây ô nhiễm. Học phần cung cấp cho sinh viên hiểu biết những vấn đề môi trường toàn cầu và các giải pháp xử lý. Thêm vào đó, các hoạt động thực hành trên lớp được lồng ghép vào bài giảng thêm sinh động và thực tế.

(Climate Change)

Học phần nhằm cung cấp cho SV các kiến thức cơ bản về các hình thái khí hậu của Trái Đất, nguyên nhân gây ra biến đổi khí hậu, thách thức và cơ hội của biến đổi khí hậu, các tác động của biến đổi khí hậu đến tài nguyên và môi trường, và cách thức con người ứng phó với biến đổi khí hậu. 

Học phần cung cấp kiến thức về tiến trình các tổ chức toàn cầu, quốc gia, và khu vực đề ra các kế hoạch ứng phó BĐKH. 

Học phần mô tả cách thức các quốc gia giáo dục kiến thức BĐKH đến học sinh và sinh viên.

Học phần đề cập đến phép tính vi phân và tích phân của một biến, nhấn mạnh vào các ứng dụng trong các bối cảnh khác nhau. Nó là nền tảng cho các khóa học tiếp theo về toán học, kỹ thuật và khoa học xã hội. Nội dung cơ bản bao gồm các Chương 1 - 8 trong sách giáo khoa của James Stewart. Các chủ đề chính bao gồm: hàm số, giới hạn của hàm số, tính liên tục, đạo hàm, vi phân, ứng dụng của vi phân, tích phân, ứng dụng tích phân trong các lĩnh vực khác nhau (vật lý, kỹ thuật, kinh tế và sinh học).

Học phần "Nhập môn Khoa học dữ liệu" cung cấp cho người học những kiến thức và kỹ năng nền tảng về Khoa học Dữ liệu, từ lập trình Python, xử lý dữ liệu, đến các kỹ thuật học máy cơ bản. Nội dung học phần bao gồm tổng quan về Khoa học Dữ liệu, các bước trong quy trình khai thác dữ liệu, làm việc với dữ liệu dạng bảng, trực quan hóa và tiền xử lý dữ liệu, các phương pháp học máy (phân loại, hồi quy, phân cụm), giảm chiều dữ liệu, và xử lý dữ liệu chuỗi thời gian. Bên cạnh lý thuyết, học phần chú trọng vào các bài thực hành ứng dụng với Python và các thư viện phổ biến như Pandas, NumPy, Matplotlib, Scikit-learn, giúp người học làm quen và giải quyết các bài toán dữ liệu thực tế.

Học phần này trang bị cho sinh viên nền tảng kiến thức cơ bản, quy trình và các công cụ cần thiết để triển khai hiệu quả các dự án thiết kế kỹ thuật. Nội dung tập trung vào các giai đoạn chính của quy trình thiết kế, từ việc xác định và phân tích vấn đề, sáng tạo ý tưởng đến phát triển, đánh giá và lựa chọn giải pháp. Sinh viên sẽ được hướng dẫn sử dụng các công cụ thiết kế quan trọng như mô hình hóa, phân tích giá trị, và kỹ thuật quản lý dự án. Ngoài ra, học phần cũng nhấn mạnh việc rèn luyện kỹ năng làm việc nhóm, giao tiếp chuyên môn, và nâng cao ý thức trách nhiệm nghề nghiệp, đặc biệt trong bối cảnh thiết kế bền vững và trách nhiệm xã hội. Thông qua các dự án thực tế, sinh viên sẽ có cơ hội áp dụng kiến thức lý thuyết để giải quyết các vấn đề kỹ thuật thực tiễn, phát triển tư duy sáng tạo và kỹ năng giải quyết vấn đề chuyên sâu.

 (Principle of Economics)

 Môn học này cung cấp một giới thiệu về các nguyên lý cơ bản của cả kinh tế học vi mô và kinh tế học vĩ mô. Sinh viên sẽ học cách các cá nhân, doanh nghiệp và chính phủ đưa ra quyết định khi đối mặt với sự khan hiếm, và cách các quyết định này tương tác trên thị trường và trong toàn bộ nền kinh tế. Các chủ đề bao gồm cung và cầu, hành vi người tiêu dùng, hành vi nhà sản xuất, cấu trúc thị trường, các yếu tố ngoại ứng, hàng hóa công cộng, thu nhập quốc dân, thất nghiệp, lạm phát, chính sách tiền tệ, chính sách tài khóa và thương mại quốc tế. Môn học nhấn mạnh việc áp dụng các nguyên lý kinh tế vào các tình huống kinh doanh và các vấn đề chính sách trong thế giới thực.

(Administrative Office Management)

Quản trị Văn phòng là học phần trang bị cho sinh viên kiến thức và kỹ năng để tổ chức, điều hành và kiểm soát hiệu quả các hoạt động hành chính trong môi trường doanh nghiệp hiện đại. Môn học tập trung vào quản lý công việc, xử lý thông tin, lưu trữ hồ sơ, tổ chức cuộc họp và vận dụng công cụ công nghệ như Google Workspace, Microsoft Office, giúp sinh viên làm chủ môi trường văn phòng số và nâng cao hiệu suất làm việc chuyên nghiệp.

(Personal Finance Management)

Học phần cung cấp cho người học kiến ​​thức và công cụ giúp người học có khả năng lập kế hoạch tài chính; xây dựng kế hoạch tài chính; phân tích và đưa ra các quyết định tài chính quan trọng liên quan đến chi tiêu, tiết kiệm, đầu tư và quản lý rủi ro. Nó giúp người học chủ động đưa ra các quyết định tài chính, cũng như phát triển sự nghiệp để trở thành chuyên gia tư vấn tài chính chuyên nghiệp tại các tổ chức tài chính.

Triết học Mác - Lênin là một trong ba bộ phận cấu thành Chủ nghĩa Mác – Lênin. Nội dung học phần 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. Học phần 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 học phần 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 học phần 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.

(Scientific Socialism)

Căn cứ vào mục đích học phần, nội dung chương trình học phần  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 học phần 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.

Học phần trang bị những kiến thức cơ bản, hệ thống về pháp luật và một số ngành luật cơ bản trong hệ thống pháp luật Việt Nam nhằm nâng cao ý thức pháp luật, hình thành hành vi tự giác chấp hành pháp luật cho người học.

Học phần Năng lực số trang bị cho sinh viên các kỹ năng và kiến thức cần thiết để sử dụng hiệu quả công nghệ số trong học tập, công việc và đời sống. Sinh viên sẽ được học cách vận hành thiết bị và phần mềm, khai thác thông tin và dữ liệu, giao tiếp và hợp tác trong môi trường số, bảo mật thông tin cá nhân, sáng tạo nội dung số và phát triển kỹ năng số cho nghề nghiệp.

Học phần này nhằm mục đích nâng cao các kỹ năng tiếng Anh tổng quát, đáp ứng yêu cầu học tập và giao tiếp tiếng Anh. Các bài học theo định hướng kỹ năng tích hợp (Nghe, Nói, Đọc, Viết) và được truyền tải trong những chủ đề thực tế với các hình ảnh, câu chuyện, và video clips.

Học phần này tiếp nối học phần Anh Văn 1, nhằm mục đích nâng cao các kỹ năng tiếng Anh tổng quát, đáp ứng yêu cầu học tập và giao tiếp tiếng Anh. Các bài học theo định hướng kỹ năng tích hợp (Nghe, Nói, Đọc, Viết) và được truyền tải trong những chủ đề thực tế với các hình ảnh, câu chuyện, và video clips.

Học phần này là học phần tiếp nối với học phần tiếng Anh tổng quát 2 (ESL102), nhằm mục đích nâng cao các kỹ năng tiếng Anh tổng quát, đáp ứng yêu cầu học tập và giao tiếp tiếng Anh. Các bài học theo định hướng kỹ năng tích hợp (Nghe, Nói, Đọc, Viết) và được truyền tải trong những chủ đề thực tế với các hình ảnh, câu chuyện, và video clips.

Học phần này là học phần tiếp nối với học phần Anh Văn 3 (ESL103), nhằm mục đích nâng cao các kỹ năng tiếng Anh tổng quát, đáp ứng yêu cầu học tập và giao tiếp tiếng Anh. Các bài học theo định hướng kỹ năng tích hợp (Nghe, Nói, Đọc, Viết) và được truyền tải trong những chủ đề thực tế với các hình ảnh, câu chuyện, và video clips.

(Applied Mathematics for AI)

Học phần Toán ứng dụng cho Khoa học máy tính và Trí tuệ nhân tạo cung cấp các kiến thức toán học thiết yếu phục vụ cho ngành Khoa học Máy tính và Trí tuệ nhân tạo. Nội dung bao gồm đại số tuyến tính nâng cao, giải tích đa biến, lý thuyết tối ưu và lý thuyết thông tin. Học phần trang bị cho sinh viên nền tảng toán học vững chắc để ứng dụng vào các bài toán trong lĩnh vực máy học, học sâu và trí tuệ nhân tạo.

(Linear Algebra)

Học phần Đại số tuyến tính cung cấp kiến thức và các ứng dụng của vectơ, không gian vectơ, hệ phương trình tuyến tính, ma trận, định thức, phép biến đổi tuyến tính, tích trong, giá trị riêng, vectơ riêng, chéo hoá ma trận  v.v…

Học phần Vật lý đại cương cung cấp cho người học kiến thức nền tảng về các nguyên lý vật lý quan trọng, tập trung vào các nội dung cốt lõi liên quan trực tiếp đến ngành Khoa học Máy tính, Khoa học Dữ liệu và Trí tuệ Nhân tạo. Nội dung học phần bao gồm các chủ đề từ Cơ học, Điện học, Từ học và Sóng điện từ, với trọng tâm là các ứng dụng thực tiễn trong lĩnh vực công nghệ thông tin và khoa học dữ liệu. Trong phần Cơ học, người học sẽ tìm hiểu các khái niệm về chuyển động một chiều và hai chiều, các định luật Newton, năng lượng, động lượng và dao động cơ học, từ đó vận dụng vào việc mô phỏng chuyển động và phân tích các hệ thống cơ học. Phần Điện học và Từ học trang bị cho người học kiến thức nền tảng về điện tích, điện trường, điện thế, dòng điện, từ trường và cảm ứng điện từ, tạo cơ sở để sinh viên hiểu rõ nguyên lý hoạt động của các thiết bị điện tử, mạch điện số và hệ thống cảm biến hiện đại. Phần Sóng điện từ cung cấp kiến thức về bản chất của sóng điện từ trong các lĩnh vực như truyền thông không dây, mạng IoT và công nghệ truyền dữ liệu. Bên cạnh các bài giảng lý thuyết, học phần còn chú trọng đến các bài thực hành và mô phỏng nhằm giúp người học rèn luyện kỹ năng ứng dụng kiến thức vào các vấn đề thực tế.

(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. 

Học phần Toán học rời rạc cho Khoa học máy tính giới thiệu về lý thuyết và các nguyên tắc thực hành của toán học rời rạc - một khoa học chuyên về các đối tượng rời rạc. Toán học rời rạc là một yếu tố quan trọng để nhận biết cấu trúc toán học trong các đối tượng và hiểu các đặc tính của chúng. Khả năng này đặc biệt quan trọng đối với các nhà khoa học máy tính, kỹ sư phần mềm, nhà khoa học dữ liệu, các nhà phân tích an ninh cũng như phân tích tài chính, vv…. Các chủ đề cơ bản của Toán học rời rạc bao gồm Logic Toán học, Tập hợp, Quan hệ, Lý thuyết số, Quy nạp và Đệ quy, Đếm, Đại số Boolean và Mô hình hóa Tính toán. Đây là kiến thức tiên quyết cho tất cả các học phần khác trong ngành Khoa học Máy tính.

Học phần Nhập môn lập trình  cung cấp kiến thức nền tảng về tư duy lập trình và cách xây dựng chương trình máy tính sử dụng ngôn ngữ lập trình bậc cao. Thông qua Python – một ngôn ngữ hiện đại, phổ biến và dễ tiếp cận – người học sẽ làm quen với các cấu trúc dữ liệu cơ bản, điều khiển luồng thực thi, tổ chức chương trình bằng hàm, xử lý tập tin, và thư viện chuẩn. Ngoài ra, học phần còn giới thiệu một số thư viện thực tế như NumPy và Pandas để xử lý dữ liệu nhằm mở rộng năng lực ứng dụng trong các lĩnh vực công nghệ thông tin hiện đại như trí tuệ nhân tạo, phân tích dữ liệu, và tự động hóa.

Thông qua các bài tập và dự án nhỏ, người học rèn luyện kỹ năng viết mã có cấu trúc, kiểm thử và gỡ lỗi chương trình, cũng như trình bày kết quả theo chuẩn mực kỹ thuật.

Học phần Xác suất thống kê liên quan đến phân tích dữ liệu và phương pháp thống kê được sử dụng cơ bản trong kinh doanh và kinh tế. Các chủ đề chính bao gồm: giới thiệu về xác suất: phân phối, kỳ vọng, phương sai, portfolios, định lý giới hạn trung tâm; Suy luận thống kê của dữ liệu đơn biến: khoảng tin cậy, kiểm định giả thuyết; Suy luận thống kê cho dữ liệu hai biến: suy luận cho các mô hình hồi quy tuyến tính đơn giản; Và giới thiệu về gói máy tính thống kê.

(Computer Systems and Architecture)

Học phần Hệ thống và kiến ​​trúc máy tính cung cấp cho người học những kiến thức nền tảng về tổ chức và kiến trúc máy tính, các thành phần chính của hệ thống máy tính như CPU, bộ nhớ, hệ thống vào/ra (I/O) và các đơn vị xử lý song song. Người học sẽ tìm hiểu cách thức hoạt động và mối quan hệ giữa phần cứng và phần mềm, các nguyên lý thiết kế và vận hành hệ thống máy tính. Ngoài ra, học phần cũng giúp người học rèn luyện các kỹ năng phân tích, đánh giá hiệu năng hệ thống, làm việc nhóm và nâng cao tinh thần tự học, nghiên cứu suốt đời.

(Introduction to AI)

Học phần Nhập môn trí tuệ nhân tạo giới thiệu các khái niệm cơ bản của Trí tuệ nhân tạo (AI). Học phần tập trung vào các khía cạnh nền tảng của AI như lĩnh vực nghiên cứu các tác nhân có khả năng nhận thức và hành động. Người học sẽ tìm hiểu 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 đại diện tri thức và học máy. Các bài tập lập trình sẽ được giao để minh họa các tài liệu lý thuyết. Sau khi hoàn thành học phần này, người học sẽ có nền tảng vững chắc về các chủ đề cơ bản trong Trí tuệ nhân tạo.

(Introduction to Machine Learning)

Học phần Nhập môn học máy sẽ cung cấp một cái nhìn tổng quan về các nguyên tắc cơ bản của học máy (machine learning). Người học sẽ tìm hiểu về các loại vấn đề có thể được giải quyết, các thành phần cơ bản và cách xây dựng mô hình trong học máy. Một số thuật toán chính sẽ được khám phá. Sau khi hoàn thành học phần, người học sẽ có kiến thức thực tiễn về một số thuật toán học có giám sát và không giám sát, cùng với sự hiểu biết về các khái niệm quan trọng như hiện tượng underfitting và overfitting, điều chuẩn (regularization), và kiểm định chéo (cross-validation). Người học sẽ có khả năng xác định loại vấn đề mà họ đang cố gắng giải quyết, lựa chọn thuật toán phù hợp, tinh chỉnh tham số và đánh giá mô hình.  

(Introduction to Deep Learning)

Học phần Nhập môn Học sâu (Introduction to Deep Learning) giới thiệu về học sâu. Học sâu đã thu hút sự chú ý đáng kể trong ngành công nghiệp nhờ đạt được các kết quả tiên tiến trong thị giác máy tính và xử lý ngôn ngữ tự nhiên. Người học sẽ học các kiến thức cơ bản và nâng cao về học sâu, cũng như các kỹ thuật hiện đại để xây dựng các mô hình tiên tiến như CNN, RNN, LSTM, Autoencoder, VAE, U-Net, Transformer... Người học sẽ sử dụng TensorFlow/PyTorch và API Keras để xây dựng các mô hình học sâu.

Học phần "Phát triển và vận hành các hệ thống Học máy (MLOps)" cung cấp cho người học kiến thức và kỹ năng toàn diện về thiết kế, phát triển, triển khai và quản lý các hệ thống học máy (Machine Learning Systems) trong môi trường thực tế. Nội dung học phần tập trung vào toàn bộ vòng đời của một hệ thống học máy, học phần nhấn mạnh vào thực hành xây dựng hệ thống học máy qua các dự án cụ thể, giúp người học phát triển các kỹ năng thực tế trong làm việc nhóm, giải quyết vấn đề và vận hành hệ thống AI/ML trong môi trường doanh nghiệp.

(Introduction to Computer Vision)

Học phần "Nhập môn thị giác máy tính" giới thiệu các khái niệm và kỹ thuật cơ bản trong lĩnh vực Thị giác máy tính, một nhánh quan trọng của Trí tuệ nhân tạo. Học phần trang bị cho người học kiến thức về xử lý ảnh, phân tích ảnh, trích xuất đặc trưng và nhận dạng đối tượng trong ảnh và video. Học phần này là nền tảng cho các học phần chuyên sâu hơn về xử lý ảnh nâng cao, học máy và ứng dụng thị giác máy tính trong thực tế. Nội dung học phần bao gồm các kỹ thuật xử lý ảnh cơ bản, phát hiện cạnh, phân vùng ảnh, trích xuất đặc trưng và giới thiệu về nhận dạng đối tượng.

(Deep Learning in Computer Vision)

Học phần "Học sâu trong thị giác máy tính" cung cấp cho người học kiến thức và kỹ năng thực hành chuyên sâu về ứng dụng học sâu trong lĩnh vực thị giác máy tính. Học phần này tập trung vào việc xây dựng, huấn luyện và triển khai các mô hình học sâu cho các bài toán thị giác máy tính phổ biến như phân loại ảnh, phát hiện đối tượng, phân đoạn ảnh và sinh ảnh. Học phần này là sự tiếp nối logic của các học phần về xử lý ảnh, thị giác máy tính và học máy, trang bị cho người học nền tảng vững chắc để nghiên cứu và phát triển các ứng dụng thị giác máy tính tiên tiến. Nội dung học phần bao gồm các kiến trúc mạng nơron Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), Generative Adversarial Networks (GANs) và các kỹ thuật huấn luyện nâng cao.

(Image Processing)

Học phần Xử lý Hình ảnh (Image Processing) cung cấp nền tảng lý thuyết và thực hành về xử lý ảnh số kết hợp với các phương pháp Học máy (ML) và Học sâu (DL). Người học sẽ được học từ các kỹ thuật xử lý ảnh truyền thống đến các mô hình tiên tiến như CNNs, Vision Transformers, GANs, Diffusion Models và các ứng dụng thực tế như phân loại ảnh, nhận diện đối tượng, phân vùng ảnh và sinh ảnh. Người học sẽ có cơ hội thực hành với các thư viện phổ biến như OpenCV, TensorFlow, PyTorch, và thực hiện dự án cuối kỳ để xây dựng một mô hình xử lý ảnh AI/ML hoàn chỉnh.

Sau khi hoàn thành học phần, người học sẽ có kỹ năng áp dụng AI/ML vào bài toán xử lý ảnh thực tế, chuẩn bị tốt cho các công việc trong lĩnh vực Computer Vision, AI/ML Engineer, Data Science. 

(GenAI for Computer Vision)

Học phần cung cấp kiến thức nền tảng và nâng cao về các mô hình Trí tuệ nhân tạo tạo sinh (Generative AI - GenAI) ứng dụng trong Thị giác Máy tính. Nội dung bao gồm kiến trúc, kỹ thuật huấn luyện và ứng dụng của các mô hình như Diffusion Models, GANs, VAEs, Transformer-based models (DALL·E, Stable Diffusion, Imagen), và các ứng dụng thực tế như sinh ảnh, nâng cấp ảnh, chuyển kiểu hình ảnh, và mô phỏng 3D. 

(Introduction to Natural Language Processing)

Học phần Xử lý ngôn ngữ tự nhiên (NLP) giới thiệu các khái niệm, kỹ thuật và thuật toán cơ bản trong lĩnh vực xử lý ngôn ngữ của con người bằng máy tính. NLP đóng vai trò then chốt trong nhiều ứng dụng hiện đại như tìm kiếm thông tin, phân tích cảm xúc, dịch máy, chatbot và nhiều hơn nữa. Học phần này trang bị cho người học nền tảng vững chắc về các phương pháp xử lý văn bản, phân tích cú pháp, ngữ nghĩa và các ứng dụng thực tế của NLP. Học phần liên quan mật thiết đến các học phần về Trí tuệ Nhân tạo, Học máy, Khai phá dữ liệu và Thống kê. Nội dung bao gồm tiền xử lý văn bản, biểu diễn từ, mô hình ngôn ngữ, phân tích cú pháp và các ứng dụng NLP phổ biến.

(Deep Learning in Natural Language Processing)

Học phần Học sâu trong Xử lý ngôn ngữ tự nhiên trang bị cho người học kiến thức và kỹ năng thực hành chuyên sâu về ứng dụng học sâu vào lĩnh vực xử lý ngôn ngữ tự nhiên (NLP). Học phần này đóng vai trò quan trọng trong việc kết nối lý thuyết về học sâu với các bài toán thực tế của NLP, giúp người học có khả năng xây dựng và triển khai các hệ thống NLP tiên tiến. Học phần liên quan mật thiết đến các học phần về Xử lý Ngôn ngữ Tự nhiên, Học Máy và Học Sâu. Nội dung học phần bao gồm các kỹ thuật tiền xử lý văn bản, các mô hình mạng nơ-ron sâu phổ biến trong NLP (RNN, LSTM, GRU, Transformer), và ứng dụng của chúng trong các nhiệm vụ như phân tích tình cảm, dịch máy, trả lời câu hỏi và tóm tắt văn bản.

(GenAI for Natural Language Processing)

Học phần "GenAI cho Xử lý ngôn ngữ tự nhiên" cung cấp cho người học nền tảng kiến thức và kỹ năng thực tiễn về các mô hình Trí tuệ nhân tạo tổng quát (Generative AI) ứng dụng trong lĩnh vực Xử lý Ngôn ngữ Tự nhiên (NLP). Học phần tập trung vào các mô hình ngôn ngữ lớn (LLMs), các kiến trúc hiện đại như Transformer, GPT, LLaMA, Mistral, và các phương pháp huấn luyện, tinh chỉnh (fine-tuning), cũng như ứng dụng thực tế của GenAI trong các tác vụ NLP (hội thoại, tóm tắt, dịch máy, sinh văn bản, tìm kiếm thông minh, phân tích cảm xúc, ...).

Ngoài việc tìm hiểu lý thuyết, người học sẽ được thực hành xây dựng, huấn luyện và triển khai các mô hình GenAI cho NLP thông qua các bài tập và dự án thực tế. Học phần cũng đề cập đến các vấn đề đạo đức, rủi ro, và phương pháp kiểm soát, đánh giá chất lượng mô hình sinh ngôn ngữ.

(Information Retrieval and Text mining)

Học phần "Trích xuất thông tin và khai thác văn bản (Information Retrieval and Text Mining)" cung cấp cho người học kiến thức nền tảng và nâng cao về các hệ thống tìm kiếm thông tin (IR) và các kỹ thuật khai thác văn bản (Text Mining). Nội dung học phần bao gồm từ các mô hình tìm kiếm cổ điển như Boolean, Vector Space, Language Models đến các phương pháp hiện đại như học máy (Machine Learning), học sâu (Deep Learning) cho IR, các kỹ thuật phân loại, gom cụm văn bản, và các công cụ đánh chỉ mục, truy vấn và đánh giá hiệu suất hệ thống. Ngoài ra, học phần còn giới thiệu các kỹ thuật tiền xử lý, phân tích liên kết, và lập chỉ mục web. Người học sẽ thực hành xây dựng các hệ thống IR cơ bản, áp dụng thuật toán học máy cho phân loại, khai thác và phân tích dữ liệu văn bản.

Học phần này là học phần cuối cùng, mang tính tổng hợp và chuyên sâu trong chương trình đào tạo. Học phần này trang bị cho người học kiến thức và kỹ năng thực hiện một công trình nghiên cứu khoa học độc lập dưới sự hướng dẫn của giảng viên. Người học sẽ được hướng dẫn về phương pháp nghiên cứu, từ việc đọc và tổng hợp tài liệu, phân tích và đánh giá các công trình nghiên cứu trước đó, phát triển ý tưởng mới, thực hiện nghiên cứu thực nghiệm (nếu có), viết báo cáo khoa học và trình bày kết quả nghiên cứu trước hội đồng. Học phần này có mối quan hệ mật thiết với tất cả các học phần chuyên ngành đã được học, vận dụng và tổng hợp kiến thức đã được trang bị để giải quyết một vấn đề cụ thể trong lĩnh vực chuyên môn. Kết quả của học phần là một khóa luận hoàn chỉnh và chương trình demo (nếu có), thể hiện khả năng nghiên cứu độc lập và chuyên sâu của người học.

Học phần này là học phần cuối cùng và có tính chất tổng hợp trong chương trình đào tạo, đóng vai trò then chốt đánh giá năng lực vận dụng kiến thức đã học vào giải quyết các vấn đề thực tế trong lĩnh vực Công nghệ thông tin. Học phần này trang bị cho người học kỹ năng nghiên cứu, phân tích, thiết kế, triển khai và đánh giá một hệ thống phần mềm, bài toán khoa học dữ liệu hoặc học máy hoàn chỉnh. Đồ án tốt nghiệp thể hiện khả năng tự học, tư duy sáng tạo và làm việc độc lập của người học. Học phần có mối quan hệ mật thiết với tất cả các học phần chuyên ngành đã được học trước đó, đặc biệt là các học phần về phân tích thiết kế hệ thống, lập trình, cơ sở dữ liệu, khoa học dữ liệu và học máy. Kết quả của học phần là một chương trình demo hoạt động và một báo cáo (hoặc slide trình bày) chi tiết. Nội dung đồ án do giảng viên hướng dẫn và người học tự chọn và đăng ký với khoa.

Học phần Thực tập là giai đoạn quan trọng giúp người học áp dụng kiến thức đã được học vào môi trường làm việc thực tế tại doanh nghiệp. Học phần này tạo cơ hội cho người học tiếp tục trải nghiệm công việc thực tế, làm quen với văn hóa doanh nghiệp, phát triển kỹ năng chuyên môn và kỹ năng mềm. Người học sẽ được giao các nhiệm vụ cụ thể dưới sự hướng dẫn của giảng viên và người hướng dẫn tại doanh nghiệp, đồng thời được đánh giá về kiến thức, kỹ năng, thái độ và mức độ hoàn thành công việc. Học phần có mối quan hệ mật thiết với các học phần chuyên ngành, giúp người học hiểu rõ hơn về ứng dụng của kiến thức lý thuyết trong thực tiễn. Nội dung công việc do giảng viên và doanh nghiệp bàn bạc thống nhất. Thời gian thực tập tối thiểu từ 10 đến 12 tuần.

Học phần này là giai đoạn cuối cùng và quan trọng trong chương trình đào tạo, cho phép người học vận dụng kiến thức và kỹ năng đã được học để thực hiện một nghiên cứu chuyên sâu về một chủ đề cụ thể trong lĩnh vực Khoa học Máy tính, Khoa học Dữ liệu, Học máy hoặc Hệ thống phần mềm. Học phần này trang bị cho người học kỹ năng nghiên cứu độc lập, phân tích, tổng hợp thông tin, viết báo cáo khoa học và thuyết trình. Nó có mối quan hệ mật thiết với các học phần chuyên ngành trước đó, là cơ sở để người học tiếp tục học lên các bậc học cao hơn hoặc tham gia vào các hoạt động nghiên cứu và phát triển. Nội dung học phần bao gồm việc lựa chọn đề tài, xây dựng đề cương, thu thập và xử lý dữ liệu, phân tích kết quả và viết báo cáo.