CHƯƠNG TRÌNH ĐÀO TẠO ÁP DỤNG TỪ NĂM 2025
NGÀNH KHOA HỌC MÁY TÍNH, TRÌNH ĐỘ THẠC SĨ
(Ban hành kèm theo Quyết định số 122/QĐ-TTU.25 ngày 04 tháng 6 năm 2025
của Hiệu trưởng Trường Đại học Tân Tạo)
THÔNG TIN CHUNG:
- Tên ngành đào tạo bằng tiếng Việt: Khoa học máy tính.
- Tên ngành đào tạo bằng tiếng Anh: Computer Science
- Trình độ đào tạo: Thạc sĩ
- Mã ngành: 8480101.
- Thời gian đào tạo: 02 năm – 04 học kỳ.
- Loại hình đào tạo: Chính quy.
- Số tín chỉ: 60.
- Văn bằng tốt nghiệp: Thạc sĩ Khoa học Máy tính.
- Ngôn ngữ giảng dạy: Tiếng Việt.
PHẦN I. THÔNG TIN CHUNG VỀ CHƯƠNG TRÌNH ĐÀO TẠO
Chương trình Thạc sĩ Khoa học Máy tính tại Đại học Tân Tạo được xây dựng dựa trên triết lý giáo dục khai phóng và học tập suốt đời, hướng tới việc đào tạo những chuyên gia có tư duy độc lập, sáng tạo và khả năng thích ứng cao trong kỷ nguyên số.
Trên nền tảng khai phóng, người học được trang bị kiến thức chuyên sâu và cập nhật trong các lĩnh vực trọng điểm như học máy, học sâu, dữ liệu lớn, AI tạo sinh và công nghệ mới nổi, đồng thời phát triển năng lực nghiên cứu, phân tích và thiết kế giải pháp công nghệ tiên tiến mang tính thực tiễn cao.
Chương trình đề cao tinh thần học suốt đời thông qua việc bồi dưỡng kỹ năng tự học, năng lực nghiên cứu độc lập, khả năng ứng dụng kiến thức liên ngành và chuyển giao công nghệ, góp phần vào chuyển đổi số quốc gia và phát triển bền vững. Ngoài chuyên môn, học viên còn được nâng cao năng lực tiếng Anh học thuật, tư duy phản biện, và nhận thức về các tác động xã hội, đạo đức và pháp lý của công nghệ.
2.1. Căn cứ pháp lý
Chương trình đào tạo ngành Khoa học máy tính trình độ thạc sĩ được xây dựng bởi Khoa Công nghệ thông tin Trường Đại học Tân Tạo dựa trên căn cứ:
- Chủ trương của Đảng và nhà nước Việt Nam (quyết định 569/QĐ-TTg, ngày 11/05/2022) và nhu cầu thực tế của xã hội hiện nay về đổi mới giáo dục toàn diện, đưa giáo dục khai phóng vào đào tạo;
- Luật Giáo dục đại học số 08/2012/QH13 ngày 18/6/2012 và Luật sửa đổi, bổ sung một số điều của Luật giáo dục đại học số 34/2018/QH14 ngày 19/11/2018.
- Quyết định số 1982/QĐ-TTg, ngày 18/10/2016 của Thủ tướng Chính phủ phê duyệt Khung trình độ quốc gia Việt Nam.
- Thông tư số 09/2022/TT-BGDĐT của Bộ Giáo dục và Đào tạo: Quy định danh mục thống kê ngành đào tạo của giáo dục đại học.
- Thông tư số 02/2022/TT-BGDĐT ngày 18/01/2022 của Bộ Giáo dục và Đào tạo về điều kiện, trình tự, thủ tục mở ngành đào tạo, đình chỉ hoạt động của ngành đào tạo trình độ đại học, thạc sĩ, tiến sĩ;
- Thông tư số 12/2024/TT-BGDĐT ngày 10/10/2024 của Bộ Giáo dục và Đào tạo về sửa đổi, bổ sung một số điều của Thông tư số 02/2022/TT-BGDĐT ngày 18 tháng 01 năm 2022 của Bộ trưởng Bộ Giáo dục và Đào tạo quy định điều kiện, trình tự, thủ tục mở ngành đào tạo, đình chỉ hoạt động của ngành đào tạo trình độ đại học, thạc sĩ, tiến sĩ.
- Thông tư số 23/2021/TT-BGDĐT ngày 15/10/2021 của Bộ Giáo dục và Đào tạo về Ban hành Quy chế tuyển sinh và đào tạo trình độ thạc sĩ.
- Thông tư số 17/2021/TT-BGDĐT của Bộ Giáo dục và Đào tạo Quy định về chuẩn chương trình đào tạo; xây dựng, thẩm định và ban hành chương trình đào tạo các trình độ của giáo dục đại học.
- Nghị quyết số 05/NQ-HĐTr.24 ngày 17/12/2024 của Hội đồng trường Trường Đại học Tân Tạo về việc phê duyệt chủ trương mở mới ngành đào tạo trình độ thạc sĩ, đại học và mở mới các phương thức đào tạo liên thông, từ xa.
Quyết định số 229/QĐ-ĐHTT.24 ngày 31/12/2024 của Hiệu trưởng Trường Đại học Tân Tạo về việc thành lập Ban xây dựng đề án mở ngành đào tạo trình độ Thạc sĩ ngành Khoa học máy tính.
Quyết định số 235/QĐ-ĐHTT.24 ngày 31/12/2024 của Hiệu trưởng Trường Đại học Tân Tạo về việc thành lập Hội đồng xây dựng chương trình đào tạo trình độ Thạc sĩ ngành Khoa học máy tính.
2.2. Thông tin về chương trình đào tạo
- Tên ngành đào tạo tiếng Việt: Khoa học máy tính
- Tên ngành đào tạo tiếng Anh: Computer Science
- Trình độ đào tạo: Thạc sĩ
- Mã ngành: 8480101
- Thời gian đào tạo: 02 năm – 04 học kỳ
- Loại hình đào tạo: Chính quy
- Chương trình đào tạo: Nghiên cứu/Ứng dụng
- Số tín chỉ: 60 tín chỉ
- Văn bằng tốt nghiệp -Tiếng Anh: Master of Computer Science
-Tiếng Việt: Thạc sĩ Khoa học máy tính
- Ngôn ngữ giảng dạy: Tiếng Việt
3.1. Sứ mạng
Với triết lý giáo dục, tiêu chuẩn và thực tiễn dựa trên mô hình giáo dục đại học của Mỹ, Trường Đại học Tân Tạo khuyến khích suy nghĩ độc lập, rèn luyện phẩm chất kiên trì, tôn trọng sự đa dạng và ngôn ngữ. Trường Đại học Tân Tạo sẽ đào tạo nên những con người có tính sáng tạo, tư duy logic, học tập suốt đời, trung thực, có trách nhiệm với đất nước, và có khả năng lãnh đạo.
3.2. Tầm nhìn
Đến năm 2030, Đại học Tân Tạo trở thành một trường đại học nổi tiếng của khu vực ASEAN và trên thế giới, cung cấp nền giáo dục chất lượng cao, thực hành trên nền tảng kiến thức đã nghiên cứu, phục vụ người dân Việt Nam, Đông Nam Á và trên Thế giới.
3.3. Giá trị cốt lõi
- Trách nhiệm (với bản thân, gia đình, cộng đồng trong nước và quốc tế)
- Hợp tác (trong mọi hoạt động)
- Nỗ lực (để cùng hướng tới việc xây dựng một ĐHTT phát triển bền vững)
- Chất lượng (đạt chuẩn trong nước và quốc tế)
- Sáng tạo (sự khác biệt có giá trị)
- Tôn trọng (bản thân, các quyền của cộng đồng)
- Lãnh đạo (bản thân, nhóm và tổ chức/doanh nghiệp)
3.4. Triết lý giáo dục: Khai phóng – Học suốt đời
- Khai phóng:
Triết lý giáo dục khai phóng dựa trên nền tảng kiến thức toàn diện và đa chiều trong nhiều lĩnh vực về khoa học xã hội, nhân văn và khoa học tự nhiên trước khi đi sâu vào một chuyên ngành. Các môn học khai phóng được nghiên cứu, chọn lọc và tổng hợp từ các ngành khác nhau trong toàn bộ chương trình học, trên tinh thần tự do tư duy – tự do suy nghĩ để tự do lựa chọn giúp rèn luyện cho học viên khả năng tự học, tự thích nghi và hoàn thiện bản thân trong những môi trường mới. Do vậy, chương trình đào tạo của ĐHTT xây dựng một lợi thế cạnh tranh vượt bậc cho người học trong những công việc đòi hỏi sự đổi mới liên tục hoặc tự học hỏi một lĩnh vực khác chuyên môn khi cần thiết.
- Học suốt đời:
Học viên tốt nghiệp ĐHTT sẽ là những người tích cực học hỏi và học hỏi suốt đời, nhằm nâng cao kiến thức và kỹ năng chuyên môn để phù hợp với yêu cầu nghề nghiệp và hoàn thiện bản thân để làm việc suốt đời, cụ thể:
- Thích nghi với việc học tập không ngừng để tìm cách hoàn thành các nhiệm vụ khác nhau;
- Chủ động xây dựng mục tiêu học tập, mục tiêu cuộc đời;
- Áp dụng kiến thức và kỹ năng một cách linh hoạt, phù hợp và ý nghĩa;
- Thể hiện một sự cam kết duy trì và liên tục học tập các vấn đề liên quan đến nghề nghiệp và các vấn đề cá nhân;
- Lắng nghe, thấu hiểu, hội nhập với bản sắc riêng và nỗ lực liên tục để thành công bền vững trong sự nghiệp.
4.1. Mục tiêu chung
Chương trình Thạc sĩ Khoa học Máy tính (KHMT) nhằm đào tạo các chuyên gia có kiến thức chuyên sâu và năng lực ứng dụng trong lĩnh vực KHMT, đặc biệt là học máy, học sâu, phân tích dữ liệu lớn và chuyển đổi số, có khả năng nghiên cứu khoa học, phát triển công nghệ và tham gia giải quyết các vấn đề trong thực tiễn một cách có trách nhiệm, đóng góp vào sự phát triển của ngành và xã hội.
4.2. Mục tiêu cụ thể (PO)
| PO1 | Chuyên môn khoa học và công nghệ:
Có kiến thức chuyên sâu và cập nhật về KHMT, đặc biệt trong các lĩnh vực học máy, học sâu, xử lý dữ liệu lớn, AI tạo sinh và các công nghệ mới nổi, cùng với khả năng áp dụng các kiến thức này vào giải quyết các vấn đề phức tạp trong thực tiễn. |
| PO2 | Nghiên cứu và phát triển:
Có năng lực nghiên cứu khoa học, khả năng phân tích, thiết kế và đánh giá các giải pháp công nghệ tiên tiến, cùng với kỹ năng sử dụng tiếng Anh chuyên ngành để tiếp cận các nguồn tài liệu quốc tế và tham gia vào cộng đồng khoa học toàn cầu. |
| PO3 | Liên ngành và chuyển giao:
Có năng lực ứng dụng kiến thức liên ngành, thực hiện chuyển đổi số và chuyển giao công nghệ từ nghiên cứu sang thực tiễn, góp phần nâng cao hiệu quả hoạt động của các tổ chức và doanh nghiệp trong bối cảnh chuyển đổi số. |
| PO4 | Phát triển cá nhân và xã hội:
Có khả năng học tập suốt đời, tinh thần trách nhiệm nghề nghiệp, năng lực làm việc nhóm và lãnh đạo, cùng với nhận thức về các tác động đạo đức, pháp lý và xã hội của công nghệ, để đóng góp vào sự phát triển bền vững của xã hội. |
5.1 Kiến thức
| Kiến thức chuyên môn | PLO1: Hiểu được các kiến thức chuyên sâu về KHMT và các xu hướng công nghệ mới. |
| PLO2: Hiểu các phương pháp nghiên cứu hiện đại trong lĩnh vực KHMT. |
5.2 Kỹ năng
| Kỹ năng chuyên môn | PLO3: Phân tích, thiết kế, đánh giá và thực hiện được các giải pháp liên quan đến KHMT cho một vấn đề trong thực tế. |
| PLO4: Đánh giá hiệu quả và đề xuất cải tiến cho các hệ thống công nghệ tiên tiến liên quan đến lĩnh vực chuyên sâu như: trí tuệ nhân tạo, chuỗi khối, dữ liệu lớn và an toàn thông tin. | |
| Kỹ năng nghiên cứu | PLO5: Áp dụng phương pháp nghiên cứu khoa học vào việc phát triển các giải pháp công nghệ trong lĩnh vực KHMT, đồng thời thực hiện nghiên cứu độc lập bằng phương pháp phù hợp và tiếng Anh chuyên ngành. |
| Kỹ năng chuyển giao | PLO6: Xây dựng, thực hiện và chuyển giao hiệu quả các giải pháp chuyển đổi số và công nghệ từ nghiên cứu sang ứng dụng thực tiễn, kết hợp kiến thức chuyên ngành với các lĩnh vực khác. |
5.3 Mức tự chủ và trách nhiệm
| Trách nhiệm bản thân và xã hội | PLO7: Phân tích và đánh giá được các tác động đạo đức, pháp lý và xã hội của công nghệ tiên tiến, đảm bảo quyền riêng tư và an toàn dữ liệu. |
| PLO8: Phát triển năng lực học tập suốt đời, khả năng lãnh đạo và hợp tác trong môi trường đa ngành, đóng góp có trách nhiệm vào sự phát triển bền vững của xã hội thông qua công nghệ. |
* Ma trận mục tiêu và chuẩn đầu ra của chương trình đào tạo
| MỤC TIÊU ĐÀO TẠO (PO)\ CĐR CỦA CTĐT (PLO) | PO1 | PO2 | PO3 | PO4 |
|---|---|---|---|---|
| Chuyên môn khoa học và công nghệ | Nghiên cứu và phát triển | Liên ngành và chuyển giao | Phát triển cá nhân và xã hội | |
| PLO1 - PLO2 Kiến thức chuyên môn. |
X | |||
| PLO3 - PLO4 Kỹ năng chuyên môn. |
X | |||
| PLO5 Kỹ năng nghiên cứu. |
X | |||
| PLO6 Kỹ năng chuyển giao. |
X | |||
| PLO7 - PLO8 Trách nhiệm bản thân và xã hội. |
X |
- Đã tốt nghiệp đại học đúng ngành hoặc ngành gần (danh mục dưới đây).
- Hình thức tuyển sinh: xét tuyển kết hợp phỏng vấn.
- Đối với các thí sinh tốt nghiệp đại học không thuộc danh mục ngành đúng hoặc ngành gần. Yêu cầu phải có kiến thức của tối thiểu 4/7 môn thuộc danh mục môn học tiên quyết (mục 6.3) và phải học bổ sung tối thiểu 02 môn thiếu.
6.1. Danh mục ngành đúng
- Khoa học máy tính
- Mạng máy tính và truyền thông dữ liệu
- Kỹ thuật phần mềm
- Khoa học dữ liệu
- Trí tuệ nhân tạo
- Hệ thống thông tin
- Công nghệ thông tin
6.2. Danh mục ngành gần
- Kỹ thuật máy tính
- Công nghệ kỹ thuật máy tính
- An toàn thông tin
- Công nghệ kỹ thuật điện, điện tử
- Công nghệ kỹ thuật điện tử- viễn thông
- Kỹ thuật điện
- Toán ứng dụng/ Toán kinh tế/ Toán tin
- Vật lý học
6.3. Danh mục các môn học tiên quyết cho học viên ngành gần (hoặc ngành xa) bổ sung kiến thức
- Nhập môn lập trình (Introduction to Programming)
- Cấu trúc dữ liệu và giải thuật (Data Structure & Algorithms)
- Đại số tuyến tính (Linear Algebra)
- Toán rời rạc (Discrete Mathematics)
- Xác suất thống kê (Probability and Statistics)
- Nhập môn Cơ sở dữ liệu (Introduction to Database)
- Nhập môn mạng máy tính (Introduction to Computer Network)
| TT | Khối lượng học tập | Số tín chỉ | ||
|---|---|---|---|---|
| TC | LT | TH | ||
| 1 | Kiến thức chung | 8 | ||
| - Kiến thức đại cương, ngoại ngữ và năng lực số | 8 | 7 | 1 | |
| 2 | Kiến thức giáo dục chuyên nghiệp | 16 | ||
| - Kiến thức chuyên ngành | 16 | 10 | 6 | |
| 3 | Kiến thức tốt nghiệp - Luận văn
Chọn 1 trong 2 hướng sau: 1. Hướng nghiên cứu 2. Hướng ứng dụng |
21 15 |
17 15 |
4 0 |
| 4 | Kiến thức tự chọn
1. Hướng nghiên cứu 2. Hướng ứng dụng *Học viên được yêu cầu chọn: - Ít nhất 6 tín chỉ có mã HP từ cấp độ 5 (mã 5xx) - Ít nhất 3 tín chỉ từ chương trình MBA của khoa Kinh tế - Quản trị kinh doanh |
15
21 |
(tùy vào lựa chọn của học viên) | |
| Tổng số tín chỉ | 60 | |||
- Số lượng học phần: 16 HP
- Khối lượng kiến thức toàn khóa học: 60 tín chỉ
- Tỷ lệ các học phần chung/đại cương trên tổng khối lượng kiến thức toàn khóa chiếm: 8/60 tín chỉ, chiếm 13,33%.
- Tỷ lệ các học phần chuyên môn trên tổng khối lượng kiến thức toàn khóa chiếm: 16/60 tín chỉ, chiếm 26,00%.
- Tỷ lệ lý thuyết toàn bộ chương trình trên tổng khối lượng kiến thức toàn khóa chiếm: ít nhất 40/60 tín chỉ, chiếm ít nhất 67,67%
- Tỷ lệ lý thuyết chuyên ngành trong khối lượng kiến thức giáo dục chuyên nghiệp chiếm: 10/16 tín chỉ, chiếm 62,5%
- Tỷ lệ học phần tự chọn trên tổng khối lượng kiến thức toàn khóa chiếm: ít nhất 15/60 tín chỉ, chiếm 25,00%
8.1. Cấu trúc và nội dung của chương trình đào tạo
| TT | Mã học phần | Tên học phần | Số tín chỉ | |||
|---|---|---|---|---|---|---|
| TC | ST | LT | TH | |||
| KHỐI KIẾN CHUNG | 8 | 135 | 7 | 1 | ||
| 1 | ENG201 | Tiếng Anh
English |
3 | 45 | 3 | 0 |
| 2 | MACL208 | Triết học
Philosophy |
3 | 45 | 3 | 0 |
| 3 | DLI201 | Năng lực số
Digital Literacy |
2 | 45 | 1 | 1 |
| KIẾN THỨC GIÁO DỤC CHUYÊN NGHIỆP | 16 | 330 | 10 | 6 | ||
| 1 | CS501 | Cơ sở Toán cho ngành KHMT
Foundations of Mathematics for CS |
3 | 60 | 2 | 1 |
| 2 | CS502 | Nhập môn chuyển đổi số
Introduction to Digital Transformation |
4 | 90 | 2 | 2 |
| 3 | CS503 | Thiết kế giải thuật nâng cao
Advanced Algorithm Design |
3 | 60 | 2 | 1 |
| 4 | CS504 | Hệ cơ sở dữ liệu nâng cao
Advanced Database Systems |
3 | 60 | 2 | 1 |
| 5 | CS505 | An toàn thông tin
Information Security |
3 | 60 | 2 | 1 |
| KIẾN THỨC TỐT NGHIỆP
Chọn 1 trong 2 định hướng sau: 1. Hướng nghiên cứu (Luận văn + Chuyên đề nghiên cứu + Phương pháp nghiên cứu) 2. Hướng ứng dụng (Đồ án tốt nghiệp) |
21
15 |
825
675 |
17
15 |
4
0 |
||
| 1 | CS680 | Luận văn
Master Thesis |
15 | 675 | 15 | 0 |
| 2 | CS650 | Các chuyên đề nghiên cứu
Scientific Research Topics |
3 | 90 | 0 | 3 |
| 3 | CS651 | Phương pháp nghiên cứu
Research Methodology |
3 | 60 | 2 | 1 |
| 4 | CS670 | Đồ án tốt nghiệp
Graduation Projects |
15 | 675 | 15 | 0 |
| KIẾN THỨC TỰ CHỌN
Học viên được yêu cầu chọn: - Ít nhất 6 tín chỉ có mã HP là cấp độ 5 trở lên (5xx) - Ít nhất 3 tín chỉ từ chương trình MBA của khoa Kinh tế - Quản trị kinh doanh |
15-21 | - | - | - | ||
| 1 | AI510 | Trí tuệ nhân tạo tạo sinh
Generative AI |
3 | 60 | 2 | 1 |
| 2 | CS520 | Khai thác tập dữ liệu lớn
Mining Massive Datasets |
3 | 60 | 2 | 1 |
| 3 | CS521 | Khai thác mạng xã hội
Mining Social Networks |
3 | 60 | 2 | 1 |
| 4 | AI511 | Mô hình ngôn ngữ lớn
Large Language Models |
3 | 60 | 2 | 1 |
| 5 | AI512 | Mô hình ngôn ngữ thị giác
Vision Language Models |
3 | 60 | 2 | 1 |
| 6 | CS522 | Hệ thống khuyến nghị
Recommendation Systems |
3 | 60 | 2 | 1 |
| 7 | AI513 | Tác nhân Trí tuệ Nhân tạo
AI Agents |
3 | 60 | 2 | 1 |
| 8 | AI514 | Hệ thống đa tác nhân
Multi Agent Systems |
3 | 60 | 2 | 1 |
| 9 | CS540 | Chuỗi khối
Blockchain |
3 | 60 | 2 | 1 |
| 10 | CS550 | Mật mã ứng dụng
Applied Cryptography |
3 | 60 | 2 | 1 |
| 11 | AI401 | Nhập môn học sâu
Introduction to Deep Learning |
3 | 60 | 2 | 1 |
| 12 | AI403 | Học sâu trong thị giác máy tính
Deep Learning in Computer Vision |
3 | 60 | 2 | 1 |
| 13 | AI402 | Học sâu trong xử lý ngôn ngữ tự nhiên
Deep Learning in Natural Language Processing |
3 | 60 | 2 | 1 |
| 14 | CS401 | Hệ thống phân tán
Distributed Systems |
3 | 60 | 2 | 1 |
| 15 | CS411 | Dữ liệu lớn
Big Data |
3 | 60 | 2 | 1 |
| 16 | CS437 | Xử lý hình ảnh
Image Processing |
3 | 60 | 2 | 1 |
| 17 | MATH501 | Vận trù học nâng cao
Advanced Operations Research |
3 | 60 | 2 | 1 |
| TỔNG SỐ TÍN CHỈ CỦA CTĐT | 60 | |||||
| Tổng số tín chỉ bắt buộc | 24 | |||||
| Tổng số tín chỉ tự chọn theo định hướng | 15-21 | |||||
| Tổng số tín chỉ tự chọn tối thiểu | 15-21 | |||||
8.2. Kế hoạch giảng dạy (dự kiến)
Được xây dựng vào đầu năm của mỗi năm học để người học đăng ký
| TT | Mã học phần | Tên học phần | Số tín chỉ | |||
|---|---|---|---|---|---|---|
| TC | ST | LT | TH | |||
| Học kỳ 1 | ||||||
| 1 | ENG201 | Tiếng Anh
English |
3 | 45 | 3 | 0 |
| 2 | MACL208 | Triết học
Philosophy |
3 | 45 | 3 | 0 |
| 3 | DLI201 | Năng lực số
Digital Literacy |
2 | 45 | 1 | 1 |
| 4 | CS501 | Cơ sở Toán cho ngành KHMT
Foundations of Mathematics for CS |
3 | 60 | 2 | 1 |
| 5 | CS502 | Nhập môn chuyển đổi số
Introduction to Digital Transformation |
4 | 90 | 2 | 2 |
| Tổng cộng: | 15 | - | - | - | ||
| Học kỳ 2 | ||||||
| NGHIÊN CỨU | ||||||
| 1 | CS503 | Thiết kế giải thuật nâng cao
Advanced Algorithm Design |
3 | 60 | 2 | 1 |
| 2 | CS504 | Hệ cơ sở dữ liệu nâng cao
Advanced Database Systems |
3 | 60 | 2 | 1 |
| 3 | CS505 | An toàn thông tin
Information Security |
3 | 60 | 2 | 1 |
| 4 | CS650 | Các chuyên đề nghiên cứu
Scientific Research Topics |
3 | 90 | 0 | 3 |
| 5 | CS651 | Phương pháp nghiên cứu
Research Methodology |
3 | 60 | 2 | 1 |
| ỨNG DỤNG | ||||||
| 1 | CS503 | Thiết kế giải thuật nâng cao
Advanced Algorithm Design |
3 | 60 | 2 | 1 |
| 2 | CS504 | Hệ cơ sở dữ liệu nâng cao
Advanced Database Systems |
3 | 60 | 2 | 1 |
| 3 | CS505 | An toàn thông tin
Information Security |
3 | 60 | 2 | 1 |
| 4 | Tự chọn 1 | 3 | - | - | - | |
| 5 | Tự chọn 2 | 3 | - | - | - | |
| Tổng cộng: | 15 | - | - | - | ||
| Học kỳ 3 | ||||||
| NGHIÊN CỨU | ||||||
| 1 | - | Tự chọn 1 | 3 | - | - | - |
| 2 | - | Tự chọn 2 | 3 | - | - | - |
| 3 | - | Tự chọn 3 | 3 | - | - | - |
| 4 | - | Tự chọn 4 | 3 | - | - | - |
| 5 | - | Tự chọn 5 | 3 | - | - | - |
| ỨNG DỤNG | ||||||
| 1 | - | Tự chọn 3 | 3 | - | - | - |
| 2 | - | Tự chọn 4 | 3 | - | - | - |
| 3 | - | Tự chọn 5 | 3 | - | - | - |
| 4 | - | Tự chọn 6 | 3 | - | - | - |
| 5 | - | Tự chọn 7 | 3 | - | - | - |
| Tổng cộng: | 15 | - | - | - | ||
| Học kỳ 4 | ||||||
| NGHIÊN CỨU | ||||||
| 1 | CS680 | Luận văn
Master Thesis |
15 | 675 | 15 | 0 |
| ỨNG DỤNG | ||||||
| 1 | CS670 | Đồ án tốt nghiệp
Graduation Projects |
15 | 675 | 15 | 0 |
| Tổng cộng: | 15 | - | - | - | ||
| TỔNG SỐ TÍN CHỈ CỦA CTĐT | 60 | |||||
| Tổng số tín chỉ bắt buộc | 24 | |||||
| Tổng số tín chỉ tự chọn theo định hướng | 15-21 | |||||
| Tổng số tín chỉ tự chọn tối thiểu | 15-21 | |||||
8.3. Ma trận chuẩn đầu ra CTĐT và các môn học
| SST | MÃ MH | Tên môn | STC | CHUẨN ĐẦU RA CTĐT | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| PLO1 | PLO2 | PLO3 | PLO4 | PLO5 | PLO6 | PLO7 | PLO8 | ||||
| KHỐI KIẾN CHUNG | 8 | ||||||||||
| 1 | ENG
201 |
Tiếng Anh
English |
3 | X | |||||||
| 2 | MACL208 | Triết học
Philosophy |
3 | X | X | ||||||
| 3 | DLI201 | Năng lực số
Digital Literacy |
2 | X | X | X | X | X | X | X | X |
| KIẾN THỨC GIÁO DỤC CHUYÊN NGHIỆP | 16 | ||||||||||
| 1 | CS501 | Cơ sở Toán cho ngành KHMT
Foundations of Mathematics for CS |
3 | X | X | X | X | X | X | X | X |
| 2 | CS502 | Nhập môn chuyển đổi số
Introduction to Digital Transformation |
4 | X | X | X | X | X | X | X | X |
| 3 | CS503 | Thiết kế giải thuật nâng cao
Advanced Algorithm Design |
3 | X | X | X | X | X | X | X | |
| 4 | CS504 | Hệ cơ sở dữ liệu nâng cao
Advanced Database Systems |
3 | X | X | X | X | X | X | X | X |
| 5 | CS505 | An toàn thông tin
Information Security |
3 | X | X | X | X | X | X | X | X |
| KIẾN THỨC TỐT NGHIỆP
Chọn 1 trong 2 định hướng sau: 1. Hướng nghiên cứu (Luận văn + Chuyên đề nghiên cứu + Phương pháp nghiên cứu) 2. Hướng ứng dụng (Đồ án tốt nghiệp) |
21
15 |
||||||||||
| 1 | CS680 | Luận văn
Master Thesis |
15 | X | X | X | X | X | X | X | X |
| 2 | CS650 | Các chuyên đề nghiên cứu
Scientific Research Topics |
3 | X | X | X | X | X | X | X | X |
| 3 | CS651 | Phương pháp nghiên cứu
Research Methodology |
3 | X | X | X | X | X | X | X | X |
| 4 | CS670 | Đồ án tốt nghiệp
Graduation Projects |
15 | X | X | X | X | X | X | X | X |
| KIẾN THỨC TỰ CHỌN
Học viên được yêu cầu chọn: - Ít nhất 6 tín chỉ có mã HP là cấp độ từ 5 trở lên (5xx) - Ít nhất 3 tín chỉ từ chương trình MBA của khoa Kinh tế |
15-21 | ||||||||||
| 1 | AI510 | Trí tuệ nhân tạo tạo sinh
Generative AI |
3 | X | X | X | X | X | X | X | X |
| 2 | CS520 | Khai thác tập dữ liệu lớn
Mining Massive Datasets |
3 | X | X | X | X | X | X | X | X |
| 3 | CS521 | Khai thác mạng xã hội
Mining Social Networks |
3 | X | X | X | X | X | X | X | X |
| 4 | AI511 | Mô hình ngôn ngữ lớn
Large Language Models |
3 | X | X | X | X | X | X | X | X |
| 5 | AI512 | Mô hình ngôn ngữ thị giác
Vision Language Models |
3 | X | X | X | X | X | X | ||
| 6 | CS522 | Hệ thống khuyến nghị
Recommendation Systems |
3 | X | X | X | X | X | X | X | X |
| 7 | AI513 | Tác nhân Trí tuệ Nhân tạo
AI Agents |
3 | X | X | X | X | X | X | X | X |
| 8 | AI514 | Hệ thống đa tác nhân
Multi Agent Systems |
3 | X | X | X | X | X | X | X | X |
| 9 | CS540 | Chuỗi khối
Blockchain |
3 | X | X | X | X | X | X | X | |
| 10 | CS550 | Mật mã ứng dụng
Applied Cryptography |
3 | X | X | X | X | X | X | X | X |
| 11 | AI401 | Nhập môn học sâu
Introduction to Deep Learning |
3 | X | X | X | X | X | X | X | X |
| 12 | AI403 | Học sâu trong thị giác máy tính
Deep Learning in Computer Vision |
3 | X | X | X | X | X | X | X | X |
| 13 | AI402 | Học sâu trong xử lý ngôn ngữ tự nhiên
Deep Learning in Natural Language Processing |
3 | X | X | X | X | X | X | X | X |
| 14 | CS401 | Hệ thống phân tán
Distributed Systems |
3 | X | X | X | X | X | X | X | X |
| 15 | CS411 | Dữ liệu lớn
Big Data |
3 | X | X | X | X | X | X | X | X |
| 16 | CS437 | Xử lý hình ảnh
Image Processing |
3 | X | X | X | X | X | X | X | X |
| 17 | MATH501 | Vận trù học nâng cao
Advanced Operations Research |
3 | X | X | X | X | X | X | X | X |
9.1. Chiến lược, phương pháp giảng dạy - học tập (Teaching and learning strategies and methods - TLM)
9.1.1 Dạy học trực tiếp
Dạy học trực tiếp là phương pháp dạy học trong đó các thông tin được truyền tải đến với người học theo cách trực tiếp. Phương pháp này thường được áp dụng trong các lớp học truyền thống và có hiệu quả khi muốn truyền đạt cho người học những thông tin cơ bản, giải thích một kỹ năng mới.
TLM1. Thuyết giảng: Giảng viên trình bày nội dung bài học và giải thích các nội dung trong bài giảng. Giảng viên là người thuyết trình, diễn giảng. Học viên có trách nhiệm nghe giảng và ghi chú để tiếp nhận các kiến thức mà giảng viên truyền đạt.
TLM2. Giải thích cụ thể: Giảng viên hướng dẫn và giải thích chi tiết cụ thể các nội dung liên quan đến bài học, giúp cho học viên đạt được mục tiêu dạy học về kiến thức và kỹ năng.
TLM3. Tham luận: Học viên được tham gia vào các khóa học mà người diễn giả thuyết trình đến từ các đơn vị bên ngoài như các đơn vị sử dụng lao động, người có nhiều kinh nghiệm trong lĩnh vực đào tạo... thông qua những trao đổi chia sẻ những kinh nghiệm và hiểu biết của người diễn giảng để giúp người học hình thành kiến thức tổng quan hay cụ thể về ngành, chuyên ngành đào tạo.
TLM4. Câu hỏi gợi mở: Giảng viên sử dụng các câu hỏi gợi mở hay các vấn đề, và hướng dẫn giúp học viên từng bước trả lời câu hỏi. Học viên có thể tham gia thảo luận theo nhóm để cùng nhau giải quyết bài tập, vấn đề đặt ra.
TLM5. Bài tập thực hành: Sau khi quan sát giảng viên làm mẫu, học viên sẽ tự hoàn thành các bài tập hoặc làm việc nhóm để hoàn thành, từ đó hình thành và rèn luyện các kỹ năng mà học viên sẽ phải thực hiện trong lĩnh vực nghề nghiệp sau này.
TLM6. Học viên thuyết trình: Giảng viên phân công các chủ đề cho cá nhân hoặc nhóm Học viên tự thu thập tài liệu, tìm hiểu và trình bày trước lớp. Giúp học viên rèn luyện các kỹ năng đọc hiểu, tổng hợp thông tin, trình bày trước đám đông,...
9.1.2. Dạy học theo nghiên cứu
Dạy học theo hướng nghiên cứu khuyến khích mức độ tư duy phê phán cao. Người học xác định các câu hỏi nghiên cứu, tìm các phương pháp phù hợp để giải quyết vấn đề hoặc báo cáo các kết luận dựa trên các thông tin thu thập được.
TLM7. Nghiên cứu độc lập: Phương pháp này phát triển khả năng của Học viên trong việc lên kế hoạch, khám phá, tổ chức và giao tiếp đối với một chủ đề một cách độc lập và chi tiết, dưới sự hướng dẫn của giảng viên. Nó còn tăng cường động lực học tập và tích cực tham gia học tập bởi vì Học viên được cho phép chọn các tài liệu họ muốn trình bày.
TLM8. Thực hiện dự án: Học viên nghiên cứu một chủ đề nào đó liên quan đến học phần và viết báo cáo.
TLM9. Trợ giảng và hỗ trợ học thuật: Học viên được tham gia hỗ trợ giảng viên ở các lớp học.
9.1.3. Dạy học theo dựa vào hoạt động trải nghiệm
Chiến lược này giúp học viên được trải nghiệm môi trường thực tế, các công việc sau này. Chiến lược này không những giúp học viên hình thành kiến thức kỹ năng mà còn tạo cơ hội nghề nghiệp cho học viên sau khi tốt nghiệp.
TLM10. Thực tập tại doanh nghiệp: Thông qua việc thực tập tại các công ty giúp học viên hiểu được môi trường làm việc thực tế của ngành đào tạo sau khi tốt nghiệp, học hỏi các công nghệ đang được áp dụng trong lĩnh vực ngành đào tạo, hình thành kỹ năng nghề nghiệp và văn hóa làm việc trong công ty.
9.1.4. Tự học
Tự học là phương pháp giúp cho học viên tiếp thu các kiến thức và hình thành các kỹ năng để có thể tự định hướng, chủ động và độc lập trong việc học. Học viên có cơ hội lựa chọn chủ đề học, khám phá và nghiên cứu sâu về một vấn đề. Từ đó, học viên hình thành các kỹ năng quản lý thời gian và tự giám sát việc học. Phương pháp tự học áp dụng chủ yếu là bài tập ở nhà.
TLM11. Bài tập về nhà: Học viên được giao nhiệm vụ làm việc ở nhà với nội dung và yêu cầu do giảng viên đặt ra. Thông qua hoàn thành các nhiệm vụ được giao này, học viên học được cách tự học, cũng như đạt được những nội dung về kiến thức cũng như kỹ năng theo yêu cầu.
9.2. Mối liên hệ giữa Chuẩn đầu ra chương trình đào tạo (PLOs) với Chiến lược và phương pháp giảng dạy-học tập (TLMs)
| TLMs | Chuẩn đầu ra chương trình đào tạo (PLOs) | |||||||
|---|---|---|---|---|---|---|---|---|
| PLO1 | PLO2 | PLO3 | PLO4 | PLO5 | PLO6 | PLO7 | PLO8 | |
| TLM1 | X | X | X | X | X | |||
| TLM2 | X | X | X | X | ||||
| TLM3 | X | X | X | |||||
| TLM4 | X | X | X | X | X | |||
| TLM5 | X | X | X | X | X | |||
| TLM6 | X | X | X | |||||
| TLM7 | X | X | X | |||||
| TLM8 | X | X | X | X | X | X | ||
| TLM9 | X | X | ||||||
| TLM10 | X | X | X | |||||
| TLM11 | X | X | X | X | ||||
9.3. Chuẩn bị của giảng viên
Giảng viên giảng dạy chương trình ngành Khoa học máy tính cần: nắm rõ các hình thức tổ chức lớp học của từng học phần mà mình giảng dạy (học phần lý thuyết hay thực hành, học phần bắt buộc hay học phần tự chọn, học trực tiếp hay học trực tuyến); chuẩn bị bài giảng (bao gồm cả ví dụ ứng dụng thực tế - nếu có), bài tập (lý thuyết và thực hành), chuẩn bị các vấn đề/ câu hỏi mở, nắm rõ phương pháp đánh giá môn học, nhu cầu học tập của học viên (theo các năm học), hiểu rõ về chính sách và quy định trong học tập, quy định của giảng viên, quy định đánh giá.
10.1. Phương pháp kiểm tra, đánh giá
Các phương pháp đánh giá được sử dụng trong chương trình đào tạo được chia thành 2 loại chính: đánh giá theo tiến trình và đánh giá tổng kết. Các hình thức, nội dung đánh giá được quy định cụ thể trong các Quy chế đào tạo hiện hành của Nhà trường và quy định cụ thể trong đề cương giảng dạy học của từng học phần. Một học phần có số tín chỉ từ 3 trở lên phải có ít nhất 2 thành phần điểm: đánh giá tiến trình và đánh giá cuối kỳ.
10.1.1. Đánh giá tiến trình
Mục đích của đánh giá tiến trình nhằm cung cấp kịp thời các thông tin phản hồi của người dạy và người học về những tiến bộ cũng như những điểm cần khắc phục xuất hiện trong quá trình dạy học.
Các phương pháp đánh giá cụ thể với loại đánh giá tiến trình được Nhà trường áp dụng có thể gồm điểm chuyên cần, điểm bài tập, thuyết trình, điểm kiểm tra giữa kỳ... để đánh giá điểm tiến trình của những học phần.
AM1. Đánh giá chuyên cần: ngoài thời gian tự học, sự tham gia thường xuyên đầy đủ có các buổi học trên giảng đường, phòng thực hành,... trong học phần cũng phản ánh thái độ học tập của người học; sự tham gia đầy đủ các giờ học theo quy định giúp cho người học tiếp cận kiến thức, rèn luyện kỹ năng một cách hệ thống, liên tục và hình thành thái độ tốt và đúng đắn, chấp hành tốt nội quy, nề nếp tại trường và cơ sở sử dụng lao động sau khi người học tốt nghiệp. Việc đánh giá chuyên cần được thực hiện theo các rubric tùy thuộc vào tính chất học phần quy định (lý thuyết, sổ nhật ký thực hành, khóa luận…).
AM2. Đánh giá bài tập cá nhân/nhóm: người học được yêu cầu thực hiện một số nội dung liên quan đến bài học giờ học trên lớp. Các bài tập này có thể thực hiện bởi một cá nhân hoặc một nhóm người học được đánh giá theo các tiêu chí cụ thể (rubric bài tập). Nội dung bài tập cá nhân/ nhóm có thể là lý thuyết hoặc thực hành.
AM3. Đánh giá thuyết trình: trong một số học phần người học được yêu cầu làm việc theo nhóm để giải quyết vấn đề, tình huống hay nội dung liên quan đến bài học và trình bày kết quả của nhóm trước các nhóm khác. Hoạt động không những giúp người học đạt được kiến thức chuyên ngành mà còn phát triển các kỹ năng như: kỹ năng giao tiếp, thương lượng, làm việc nhóm. Để đánh giá mức độ đạt được của các kỹ năng này người học có thể sử dụng các tiêu chí đánh giá cụ thể (rubric thuyết trình).
AM4. Đánh giá qua các bài kiểm tra giữa kỳ: có thể sử dụng các phương pháp đánh giá trong mục 1.2 - Đánh giá cuối kỳ (bên dưới) để đánh giá điểm giữa kỳ cho học viên.
10.1.2. Đánh giá tổng kết (cuối kỳ)
Mục tiêu của đánh giá này là đưa ra những kết luận, phân hạng về mức độ đạt được mục tiêu và chất lượng đầu ra, sự tiến bộ của người học tại thời điểm ấn định trong quá trình dạy học gồm đánh giá cuối chương trình học, đánh giá cuối học kỳ.
Các phương pháp đánh giá được nhà trường sử dụng loại đánh giá này gồm: kiểm tra viết/tự luận, kiểm tra trắc nghiệm, trắc nghiệm kết hợp tự luận, báo cáo, thuyết trình, thực hành,....(Các phương pháp này có thể sử dụng để đánh giá giữa kỳ học đối với những học phần từ 3 tín chỉ trở lên).
AM5. Kiểm tra viết/tự luận: theo phương pháp đánh giá này, người học được yêu cầu trả lời một số câu hỏi, bài tập tình huống hay ý kiến cá nhân về những vấn đề liên quan đến yêu cầu chuẩn đầu ra về kiến thức của học phần và được đánh giá dựa trên đáp án được thiết kế sẵn. Thang điểm đánh giá được sử dụng trong phương pháp này là thang điểm 10. Số lượng câu hỏi trong bài đánh giá được thiết kế tùy thuộc vào yêu cầu nội dung kiến thức của học phần.
AM6. Kiểm tra trắc nghiệm và trắc nghiệm kết hợp tự luận: ở phương pháp kiểm tra trắc nghiệm, người học được yêu cầu trả lời các câu hỏi liên quan dựa trên đáp án đã được thiết kế sẵn. Điểm khác là trong phương pháp đánh giá này người học trả lời các câu hỏi yêu cầu dựa trên các gợi ý trả lời. Bên cạnh đó, còn có phương pháp kiểm tra trắc nghiệm kết hợp với phương pháp viết/tự luận.
AM7. Viết báo cáo: người học được đánh giá thông qua sản phẩm báo cáo, bao gồm: nội dung trình bày trong báo cáo, cách thức bài thuyết minh, bản vẽ minh họa, biểu đồ,... trong báo cáo. Tiêu chí đánh giá cụ thể theo phương pháp này theo các Rubric viết báo cáo của mỗi học phần.
AM8. Thuyết trình: phương pháp này hoàn toàn giống với phương pháp đánh giá thuyết trình trong loại đánh giá theo tiến trình. Đánh giá được thực hiện theo định kỳ: giữa kỳ, cuối kỳ hay cuối khóa học.
AM9. Thực hành: theo đó người học được yêu cầu thực hành viết một chương trình trên máy tính. Để đánh giá mức độ đạt được, giảng viên có thể sử dụng các tiêu chí đánh giá cụ thể trong bảng kiểm - thang điểm hay tiêu chí cụ thể theo rubric.
10.1.3. Đánh giá luận văn tốt nghiệp/đồ án tốt nghiệp
Mục tiêu của đánh giá này là đánh giá về mức độ đạt được mục tiêu, chất lượng đầu ra, kiến thức và kỹ năng của học viên trước khi tốt nghiệp.
Các phương pháp đánh giá được nhà trường sử dụng loại đánh giá này gồm: báo cáo luận văn tốt nghiệp/đồ án tốt nghiệp.
AM10. Bảo vệ luận văn tốt nghiệp hoặc đồ án tốt nghiệp: đây là một phương pháp lượng giá năng lực rất có giá trị vì đồng thời có thể lượng giá được cả kiến thức, thái độ và nhiều kỹ năng như tư duy sáng tạo - phán đoán - suy luận; kỹ năng tìm kiếm - chọn lựa - sử dụng thông tin; kỹ năng thao tác, kỹ năng tổ chức quản lý, kỹ năng giao tiếp, kỹ năng hợp tác trong nhóm/đội...; kỹ năng xử lý số liệu và viết báo cáo; ngoài ra người học còn rèn luyện kỹ năng bảo vệ trước hội đồng khi làm luận văn tốt nghiệp/đồ án tốt nghiệp. Đối với luận văn nghiệp/đồ án tốt nghiệp, người học sẽ được đánh giá bởi giảng viên hướng dẫn và hội đồng đánh giá luận văn tốt nghiệp/đồ án tốt nghiệp, hội đồng đánh giá bằng cách sử dụng các phiếu đánh giá phù hợp với ngành đào tạo.
10.2. Hình thức, trọng số và tiêu chí đánh giá
Theo Quy chế đào tạo của trường Đại học Tân Tạo.
Hình thức, trọng số và tiêu chí đánh giá cụ thể được thể hiện chi tiết trên Đề cương chi tiết học phần (ĐCCT HP).
10.3. Thang điểm đánh giá
Theo Quy chế đào tạo của trường Đại học Tân Tạo.
10.4. Mối quan hệ giữa chuẩn đầu ra chương trình đào tạo (PLOs) với phương pháp kiểm tra, đánh giá (AMs)
| AMs | Chuẩn đầu ra (PLOs) | |||||||
|---|---|---|---|---|---|---|---|---|
| PLO1 | PLO2 | PLO3 | PLO4 | PLO5 | PLO6 | PLO7 | PLO8 | |
| AM1 | X | X | ||||||
| AM2 | X | X | X | X | X | X | ||
| AM3 | ||||||||
| AM4 | X | X | ||||||
| AM5 | X | X | ||||||
| AM6 | X | |||||||
| AM7 | X | X | X | X | X | X | ||
| AM8 | X | X | X | X | ||||
| AM9 | X | X | X | |||||
| AM10 | X | X | X | X | X | X | X | |
- Chương trình đào tạo được rà soát định kỳ 2 năm/1 lần theo hướng điều chỉnh đáp ứng được nhu cầu của người học và các bên có liên quan. Có nhiêu hình thức hỗ trợ học viên trong nhiệm vụ rèn luyện đạo đức, tác phong và kỹ năng cần thiết.
- Hàng năm, Khoa xây dựng kế hoạch dự giờ của giảng viên để trao đổi chia sẻ kiến thức, phương pháp giảng dạy nâng cao năng lực giảng viên.
- Thường xuyên lấy ý kiến phản hồi của học viên về phẩm chất, tài năng, đạo đức và tác phong của giảng viên.
- Thường xuyên lấy ý kiến của các bên liên quan về nhu cầu sử dụng người học sau khi tốt nghiệp.
Học viên tốt nghiệp ngành Khoa học máy tính, trình độ Thạc sĩ có thể làm việc ở nhiều vị trí khác nhau, điển hình là các vị trí sau:
- Làm việc trong các công ty công nghệ: kỹ sư phần mềm, kỹ sư trí tuệ nhân tạo, trưởng nhóm hoặc giám đốc dự án;
- Kỹ sư dữ liệu/phân tích dữ liệu trong các công ty/tổ chức;
- Nhà nghiên cứu/ tư vấn về đổi mới sáng tạo, chuyển đổi kinh tế số và ứng dụng khoa học máy tính, toán học tại bộ phận nghiên cứu và phát triển của các công ty/tổ chức;
- Nghiên cứu/ giảng dạy trong các trường đại học/học viện tại Việt Nam và Quốc tế;
- Tiếp tục học tiến sĩ.
- Khởi nghiệp.
Mức độ đạt được với các vị trí việc làm:
(Mức độ đạt được: 1: Có khả năng biết; 2: Có khả năng hiểu và áp dụng; 3: Có khả năng phân tích và đánh giá; 4: Có khả năng sáng tạo)
| STT | TÊN VỊ TRÍ VIỆC LÀM | Mức độ đạt được | |||
| 1 | 2 | 3 | 4 | ||
| 1 | Kỹ sư phần mềm | X | |||
| 2 | Kỹ sư dữ liệu | X | |||
| 3 | Kỹ sư trí tuệ nhân tạo | X | |||
| 4 | Giảng dạy tại các trường Đại học, cao đẳng | X | |||
| 5 | Nhà nghiên cứu | X | |||
| 6 | Chuyên gia phân tích dữ liệu | X | |||
| 7 | Chuyên gia tư vấn giải pháp công nghệ | X | |||
Có khả năng tự học hỏi và nghiên cứu, tìm hiểu trong môi trường làm việc để nâng cao trình độ kiến thức chuyên môn nghề nghiệp, kỹ năng trong tổ chức các hoạt động nghề nghiệp, đáp ứng đòi hỏi trong quá trình công nghiệp hóa, hiện đại hóa đất nước.
Có năng lực để tham gia học lên các bậc học cao hơn để phát triển kiến thức và kỹ năng nghề nghiệp đáp ứng nhu cầu của bản thân và xã hội.
Người có bằng tốt nghiệp ngành Khoa học máy tính trình độ Thạc sĩ có thể làm việc ở các công ty/tổ chức công nghệ, các trường đại học/học viện tại Việt Nam và Quốc tế.
15.1. Thông tin tuyển sinh
Tất cả các đối tượng theo quy chế tuyển sinh đại học của Bộ GD&ĐT.
15.2. Quy trình đào tạo
Theo Quy chế đào tạo của trường Đại học Tân Tạo.
Quy chế đào tạo sử dụng là quy chế đào tạo theo học chế tín chỉ, tạo điều kiện để học viên tích cực, chủ động thích ứng với quy trình đào tạo giúp đạt được những kết quả tốt nhất trong học tập và rèn luyện.
Chương trình đào tạo được thiết kế 4 học kỳ tương ứng với tối đa 2 năm học, gồm 60 tín chỉ. Một năm học được chia thành 2 học kỳ chính (học kỳ Xuân và học kỳ Thu). Ngoài hai học kỳ chính, Hiệu trưởng xem xét quyết định tổ chức thêm một học kỳ hè. Mỗi học kỳ chính có 15 tuần thực học, 01 tuần dự trữ và 02 tuần thi; mỗi học kỳ phụ có 08 tuần thực học, 01 tuần dự trữ và 01 tuần thi.
15.3. Điều kiện tốt nghiệp
Thực hiện theo Quy chế Đào tạo hiện hành của Trường Đại học Tân Tạo.
- Đăng ký xét tốt nghiệp tại Phòng Quản lý đào tạo - Bộ phận Sau đại học;
- Đã hoàn thành các học phần của chương trình đào tạo và bảo vệ luận văn thạc sĩ/đề án tốt nghiệp đạt yêu cầu;
- Đạt chuẩn đầu ra về ngoại ngữ theo quy định của Trường;
- Hoàn thành nghĩa vụ học phí;
- Đã công bố công khai toàn văn luận văn thạc sĩ/đề án tốt nghiệp trên website Thư viện Trường ít nhất 30 ngày tính từ khi nộp luận văn thạc sĩ/đề án tốt nghiệp cho Thư viện Trường, trừ một số đề tài thuộc các lĩnh vực cần bảo mật thực hiện theo quy định của Nhà nước;
- Không bị truy cứu trách nhiệm hình sự và không trong thời gian bị kỷ luật, đình chỉ học tập;
- Hoàn thành các trách nhiệm theo quy định của Trường.
Nhà trường đã tiến hành đối sánh mục tiêu, CĐR và khung CTĐT ngành Khoa học máy tính trình độ Thạc sĩ của Trường Đại học Tân Tạo với CTĐT của các trường uy tín trong và ngoài nước như:
- Trường Đại học DUKE:
https://cs.duke.edu/graduate/ms/ms-req
- Trường Đại học Khoa học Tự nhiên TPHCM
https://sdh.hcmus.edu.vn/wp-content/uploads/2018/05/Khoa-hoc-may-tinh-K34.pdf
- Trường Đại học Bách Khoa TPHCM
https://drive.google.com/file/d/12NX6D-1ZT_ijuMVjsPg3Z9U_T7ZEm7fT/view
- Trường Đại học Tôn Đức Thắng
https://it.tdtu.edu.vn/en/abouts/master-of-computer-science-program
Xem chi tiết trong báo cáo đối sánh.
17.1. Đội ngũ giảng viên
- Giảng viên giảng dạy ngành Khoa học máy tính phải có đủ tiêu chuẩn giảng viên theo quy định của Bộ Giáo dục và Đào tạo.
- Giảng dạy lý thuyết và thực hành tại phòng thí nghiệm, phòng thực hành tại trường do giảng viên cơ hữu thực hiện.
17.2. Cơ sở vật chất
- Cơ sở đào tạo phải đảm bảo cơ sở vật chất theo quy định và hướng dẫn hiện hành của Bộ Giáo dục và Đào tạo như giảng đường, thư viện, phòng thí nghiệm, thực hành, trang thiết bị hiện đại phục vụ giảng dạy, phòng máy tính có kết nối internet.
- Mỗi học phần có nội dung thí nghiệm, thực hành phải học trong phòng thí nghiệm, thực hành đảm bảo diện tích và được trang bị đầy đủ theo quy định.
| STT | Tên học phần | Mục đích học phần | Số
TC |
PPĐG người học |
|---|---|---|---|---|
| 1 | Tiếng Anh
(English) |
Điều kiện tiên quyết: 4.5 IELTS
Học phần này giúp người học phát triển toàn diện các kỹ năng ngôn ngữ, vừa nâng cao khả năng sử dụng tiếng Anh trong thực tế, vừa trang bị các kỹ năng cần thiết cho các kỳ thi đánh giá năng lực tiếng Anh tương đương trình độ B2. Mỗi bài học xoay quanh một chủ đề riêng, với các video tài liệu sinh động, nhằm giúp người học tích lũy từ vựng, ngữ pháp và phát triển kỹ năng giao tiếp một cách tự nhiên. Ngoài ra, học phần còn giúp người học làm quen với dạng bài thi, chiến lược làm bài và các mẹo làm bài thi hữu ích. |
03 | Quy định trong ĐCCT HP |
| 2 | Triết học
(Philosophy) |
Điều kiện tiên quyết: không
Căn cứ vào mục đích học phần, nội dung chương trình môn Triết học được cấu trúc thành 4 chương. Giúp học viên nắm được khái luận về triết học; triết học Mác-Lênin, mối quan hệ giữa triết học và các khoa học, vai trò của khoa học và công nghệ trong sự phát triển xã hội. |
03 | Quy định trong ĐCCT HP |
| 3 | Năng lực số
(Digital Literacy) |
Điều kiện tiên quyết: không
Học phần Năng lực số trang bị cho người học các kỹ năng và kiến thức cần thiết để sử dụng hiệu quả công nghệ số trong học tập, nghiên cứu, công việc và cuộc sống. Người học sẽ được học cách vận hành thiết bị, công nghệ, 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. |
02 | Quy định trong ĐCCT HP |
| 4 | Cơ sở Toán cho ngành KHMT
(Foundations of Mathematics for CS) |
Điều kiện tiên quyết: Toán đại cương 1, Toán đại cương 2, Toán rời rạc, Xác suất và thống kê.
Học phần Cơ sở toán học cho Khoa học Máy tính cung cấp cho người học nền tảng toán học nâng cao cần thiết để hiểu và phát triển các mô hình, thuật toán trong Khoa học Máy tính, Khoa học Dữ liệu và Trí tuệ Nhân tạo. Nội dung học phần bao gồm các chủ đề cốt lõi như: đại số tuyến tính nâng cao, giải tích đa biến, tối ưu hóa, phương pháp số, lý thuyết xác suất và thống kê ứng dụng, lý thuyết thông tin, và đặc biệt là mô hình khuếch tán (diffusion models) – nền tảng của các hệ thống AI sinh ảnh hiện đại. Học phần kết hợp giữa lý thuyết và thực hành trên máy tính nhằm giúp người học có khả năng vận dụng toán học để xây dựng, phân tích và tối ưu hóa các hệ thống thông minh, mô hình học máy, cũng như hiểu sâu các cơ chế toán học bên trong chúng. Người học sẽ được hướng dẫn triển khai các kỹ thuật toán học bằng lập trình Python, sử dụng các thư viện như NumPy, SciPy, PyTorch, scikit-learn, và HuggingFace. |
03 | Quy định trong ĐCCT HP |
| 5 | Nhập môn chuyển đổi số
(Introduction to Digital Transformation) |
Điều kiện tiên quyết:Kiến thức cơ bản về quản lý kinh doanh, hiểu biết căn bản về công nghệ thông tin.
Học phần Nhập môn Chuyển đổi số cung cấp các kiến thức nền tảng và kỹ năng cần thiết để hiểu và triển khai các sáng kiến chuyển đổi số trong tổ chức. Người học sẽ được giới thiệu về các khái niệm cốt lõi, công nghệ, phương pháp luận và khung làm việc liên quan đến chuyển đổi số, đặc biệt chú trọng vào kiến trúc doanh nghiệp TOGAF và chiến lược dữ liệu. Thông qua các nghiên cứu tình huống, bài tập thực hành và dự án, người học sẽ phát triển khả năng phân tích, thiết kế và quản lý các dự án chuyển đổi số trong môi trường kinh doanh hiện đại. |
04 | Quy định trong ĐCCT HP |
| 6 | Thiết kế giải thuật nâng cao
(Advanced Algorithm Design) |
Điều kiện tiên quyết: Cấu trúc dữ liệu và giải thuật
Học phần này nhằm cung cấp cho người học những kỹ thuật cơ bản và nâng cao trong thiết kế giải thuật, bao gồm các phương pháp chia để trị, quy hoạch động, thuật toán tham lam, đồ thị, tối ưu hóa, và độ phức tạp tính toán. Mục tiêu là giúp người học phát triển kỹ năng thiết kế giải thuật hiệu quả cho các bài toán thực tế. |
03 | Quy định trong ĐCCT HP |
| 7 | Hệ Cơ Sở Dữ Liệu Nâng Cao
(Advanced Database Systems) |
Điều kiện tiên quyết: Cơ sở dữ liệu
Học phần này cung cấp kiến thức nâng cao về các hệ CSDL phân tán. Người học sẽ tìm hiểu về các mô hình phân tán dữ liệu, giao thức đồng bộ hóa, sao chép dữ liệu, phân mảnh dữ liệu và các kỹ thuật tối ưu hóa trong môi trường CSDL phân tán. Đồng thời, người học sẽ học cách thiết kế và triển khai các hệ thống CSDL phân tán, đồng thời có cơ hội làm quen với các hệ CSDL vector và đồ thị. |
03 | Quy định trong ĐCCT HP |
| 8 | An toàn thông tin
(Information Security) |
Điều kiện tiên quyết: Không
Học phần An toàn thông tin được thiết kế nhằm trang bị cho học viên những kiến thức và kỹ năng cần thiết để bảo vệ thông tin trong thế giới kỹ thuật số. Trước tiên, người học sẽ học cách áp dụng các khái niệm toán học như số học mô-đun để thực hiện mã hóa cơ bản và sử dụng lý thuyết xác suất để quản lý rủi ro an ninh. Tiếp theo, học phần tập trung vào việc phân tích hệ thống để phát hiện lỗ hổng và thiết kế các hệ thống đảm bảo bảo mật, toàn vẹn cũng như khả dụng. Người học còn được hướng dẫn sử dụng khung quản lý rủi ro để đánh giá và giảm thiểu các nguy cơ tiềm ẩn. Ngoài ra, việc cấu hình các công cụ an ninh như tường lửa và phần mềm mã hóa giúp họ triển khai các biện pháp bảo vệ thực tế. Cuối cùng, thông qua các bài tập và dự án, học phần không chỉ cung cấp lý thuyết mà còn nâng cao kỹ năng thực hành để đối phó với các thách thức an ninh thông tin hiện nay. |
03 | Quy định trong ĐCCT HP |
| 9 | Luận văn
(Master Thesis) |
Điều kiện tiên quyết: có giảng viên hướng dẫn, đã đủ tín tối thiểu 70% số tín chỉ theo quy định
Học phần Luận văn thạc sĩ là học phần bắt buộc đối với định hướng nghiên cứu, nhằm giúp học viên phát triển và hoàn thiện năng lực nghiên cứu khoa học độc lập, chuyên sâu trong lĩnh vực chuyên ngành được đào tạo. Trong học phần này, học viên lựa chọn đề tài nghiên cứu phù hợp, dưới sự hướng dẫn của giảng viên, tiến hành khảo sát tài liệu, xây dựng cơ sở lý thuyết, thực hiện thí nghiệm/mô hình, phân tích và đánh giá kết quả. Kết quả nghiên cứu được trình bày dưới dạng luận văn khoa học, đáp ứng các yêu cầu về hình thức và nội dung theo quy định. Học viên phải bảo vệ luận văn trước hội đồng đánh giá cấp cơ sở để được công nhận tốt nghiệp. |
15 | Quy định trong ĐCCT HP |
| 10 | Các chuyên đề nghiên cứu
(Scientific Research Topics) |
Điều kiện tiên quyết: Tham khảo Cố vấn học tập
Học phần "Các chủ đề về khoa học dữ liệu" nhằm trang bị cho học viên những kiến thức chuyên sâu và thực tiễn về các kỹ thuật và ứng dụng trong khoa học dữ liệu. Môn học tổ chức dưới hình thức seminar, với sự tham gia của các khách mời là chuyên gia từ doanh nghiệp và các trường đại học. Học viên được khuyến khích nghiên cứu độc lập, thực hành nhóm và thực hiện báo cáo cuối kỳ. Học phần cung cấp nền tảng vững chắc cho học viên khi tham gia các môn học tiếp theo hoặc áp dụng trong nghề nghiệp. |
03 | Quy định trong ĐCCT HP |
| 11 | Phương pháp nghiên cứu
(Research Methodology) |
Điều kiện tiên quyết: Không
Học phần Phương pháp nghiên cứu trang bị cho người học nền tảng lý thuyết và kỹ năng thực tiễn để thực hiện nghiên cứu khoa học trong lĩnh vực khoa học máy tính và khoa học dữ liệu. Nội dung bao gồm các khái niệm về khoa học và phương pháp luận nghiên cứu, xây dựng và đánh giá giả thuyết, thiết kế nghiên cứu định tính và định lượng, kỹ thuật thu thập và phân tích dữ liệu, viết báo cáo khoa học và trình bày kết quả nghiên cứu. Học phần hỗ trợ người học phát triển tư duy phản biện, kỹ năng nghiên cứu độc lập và hợp tác trong môi trường học thuật và công nghiệp. |
03 | Quy định trong ĐCCT HP |
| 12 | Đồ án tốt nghiệp
(Graduation Projects) |
Điều kiện tiên quyết: có giảng viên hướng dẫn, đã đủ tín tối thiểu 70% số tín chỉ theo quy định
Học phần Đồ án 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. |
15 | Quy định trong ĐCCT HP |
| 13 | Trí tuệ nhân tạo tạo sinh
(Generative AI) |
Điều kiện tiên quyết: Học máy và học sâu
Người học khám phá cơ sở Generative AI, từ xác suất đến Autoencoders và VAEs. Tiếp theo là GANs (DCGAN, WGAN, StyleGAN) để sinh ảnh chất lượng cao. Transformer và GPT được giới thiệu để tạo văn bản sáng tạo. Diffusion Models, như Stable Diffusion, dạy sinh ảnh từ văn bản. Các chỉ số FID, IS được dùng để đánh giá mô hình. Thực hành sử dụng Python, TensorFlow/PyTorch, Hugging Face. Ứng dụng thực tế bao gồm sinh ảnh nghệ thuật và văn bản như thơ. Học phần kết thúc bằng dự án cá nhân về Generative AI. |
03 | Quy định trong ĐCCT HP |
| 14 | Khai thác tập dữ liệu lớn
(Mining Massive Datasets) |
Điều kiện tiên quyết: Cơ sở dữ liệu, Lập trình nâng cao, Cấu trúc dữ liệu và giải thuật
Học phần "Khai thác tập dữ liệu lớn" trang bị cho người học kiến thức nền tảng và kỹ năng thực tiễn trong việc xử lý, phân tích và khai thác giá trị từ các tập dữ liệu có khối lượng lớn, tốc độ cao và đa dạng về cấu trúc. Học phần bao gồm hai phần chính:
|
03 | Quy định trong ĐCCT HP |
| 15 | Khai thác mạng xã hội
(Mining Social Networks) |
Điều kiện tiên quyết: Kiến thức cơ bản về Python, hiểu biết về thống kê cơ bản, kiến thức về cấu trúc dữ liệu và thuật toán
Học phần trang bị cho người học kiến thức nền tảng về lý thuyết mạng xã hội và các phương pháp phân tích định lượng. Người học sẽ học cách thu thập, phân tích và trực quan hóa dữ liệu mạng xã hội bằng NetworkX, đồng thời áp dụng các thuật toán để giải quyết các vấn đề thực tế liên quan đến các mạng phức tạp. |
03 | Quy định trong ĐCCT HP |
| 16 | Mô hình ngôn ngữ lớn
(Large Language Models) |
Điều kiện tiên quyết: Học sâu
Người học khám phá các ứng dụng của LLM như chatbot, dịch máy, QA, sinh văn bản và phân tích dữ liệu. Học phần bắt đầu với kiến trúc Transformer, sau đó đi sâu vào BERT, GPT, và Mixture of Experts (MoE). Người học thực hành pre-training, fine-tuning và tối ưu hóa LLM bằng Python và Hugging Face. Các ứng dụng thực tế bao gồm Question Answering, sinh văn bản sáng tạo, và tóm tắt được triển khai qua bài tập. Học phần nhấn mạnh đánh giá mô hình bằng các chỉ số như perplexity và BLEU. Dự án cuối kỳ theo nhóm, tập trung vào giải quyết bài toán NLP thực tế. Học phần trang bị kỹ năng sử dụng LLM cho các ứng dụng sáng tạo và hiệu quả. |
03 | Quy định trong ĐCCT HP |
| 17 | Mô hình ngôn ngữ thị giác
(Vision Language Models) |
Điều kiện tiên quyết: Học sâu
Học phần được thiết kế dành cho người học đã có kiến thức cơ bản về học máy và xử lý ngôn ngữ tự nhiên. Học phần tập trung vào việc khám phá các mô hình kết hợp xử lý ngôn ngữ và hình ảnh, bao gồm:
|
03 | Quy định trong ĐCCT HP |
| 18 | Hệ thống khuyến nghị
(Recommendatio-n Systems) |
Điều kiện tiên quyết: Machine Learning, Đại số tuyến tính, Xác suất & Thống kê, Lập trình Python
Học phần Hệ thống khuyến nghị cung cấp kiến thức nền tảng và nâng cao về hệ thống khuyến nghị, bao gồm các phương pháp tiếp cận chính như lọc cộng tác (Collaborative Filtering), lọc dựa trên nội dung (Content-Based Filtering), mô hình lai (Hybrid Models) và các kỹ thuật nâng cao sử dụng Machine Learning, Deep Learning. Người học sẽ tìm hiểu cách xây dựng, đánh giá và tối ưu hóa hệ thống khuyến nghị trong thực tế. |
03 | Quy định trong ĐCCT HP |
| 19 | Tác nhân Trí tuệ Nhân tạo
(AI Agents) |
Điều kiện tiên quyết: Python, Mô hình ngôn ngữ lớn.
Học phần này cung cấp kiến thức toàn diện về việc xây dựng các tác nhân trí tuệ nhân tạo (AI) sử dụng các framework và mô hình ngôn ngữ hiện đại. Người học sẽ học được nền tảng lý thuyết về tác nhân AI đồng thời có được kinh nghiệm thực hành triển khai các kiến trúc tác nhân khác nhau sử dụng LangChain và mô hình ngôn ngữ lớn (Gemma). Thông qua các dự án thực hành tiến triển, người học sẽ phát triển các tác nhân AI có khả năng lập luận, sử dụng công cụ và hoàn thành nhiệm vụ một cách tự động. |
03 | Quy định trong ĐCCT HP |
| 20 | Hệ thống đa tác nhân
(Multi Agent Systems) |
Điều kiện tiên quyết: Tác nhân trí tuệ nhân tạo
Hệ thống đa tác nhân là một lĩnh vực quan trọng trong trí tuệ nhân tạo, tập trung vào hành vi của các thực thể tự trị (tác nhân) tương tác với nhau và môi trường để đạt được mục tiêu. Mục tiêu của học phần là giúp người học hiểu các khái niệm cơ bản, chẳng hạn như lý thuyết trò chơi, giao tiếp đa tác nhân, và học tập, đồng thời phát triển kỹ năng thực hành thông qua việc triển khai các hệ thống thực tế. |
03 | Quy định trong ĐCCT HP |
| 21 | Chuỗi khối
(Blockchain) |
Điều kiện tiên quyết: Không
Học phần Chuỗi khối (Blockchain) cung cấp kiến thức toàn diện về công nghệ blockchain, từ các khái niệm cơ bản đến ứng dụng thực tiễn. Người học sẽ tìm hiểu về lịch sử, cấu trúc, và nguyên lý hoạt động của blockchain, bao gồm mật mã học, cơ chế đồng thuận, và hợp đồng thông minh. Học phần đi sâu vào các nền tảng như Ethereum và Hyperledger, hướng dẫn phát triển hợp đồng thông minh bằng Solidity, đồng thời phân tích ứng dụng trong các lĩnh vực như tiền điện tử, chuỗi cung ứng, và tài chính. Ngoài ra, học phần thảo luận các vấn đề bảo mật, khả năng mở rộng, pháp lý, đạo đức, và xu hướng tương lai như Web3, NFT, DeFi. Người học sẽ kết hợp lý thuyết và thực hành để hiểu sâu và áp dụng blockchain vào các dự án thực tế. |
03 | Quy định trong ĐCCT HP |
| 22 | Mật mã ứng dụng
(Applied Cryptography) |
Điều kiện tiên quyết: Toán ứng dụng cho KHMT
Học phần "Mật mã ứng dụng (Applied Cryptography)" cung cấp kiến thức nền tảng và ứng dụng thực tiễn về mật mã học hiện đại. Kết hợp giữa lý thuyết căn bản và thực hành, học phần giúp người học nắm vững các nguyên lý, kỹ thuật mã hóa và ứng dụng trong bảo mật thông tin. |
03 | Quy định trong ĐCCT HP |
| 23 | Nhập môn học sâu
(Introduction to Deep Learning) |
Điều kiện tiên quyết: CS332
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, GAN, U-Net, Transformer... Người học sẽ sử dụng TensorFlow/PyTorch và API Keras để xây dựng các mô hình học sâu. |
03 | Quy định trong ĐCCT HP |
| 24 | Học sâu trong thị giác máy tính
(Deep Learning in Computer Vision) |
Điều kiện tiên quyết:CS333, CS434
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. |
03 | Quy định trong ĐCCT HP |
| 25 | Học sâu trong xử lý ngôn ngữ tự nhiên
(Deep Learning in Natural Language Processing) |
Điều kiện tiên quyết: CS434
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. |
03 | Quy định trong ĐCCT HP |
| 26 | Hệ thống phân tán
(Distributed Systems) |
Điều kiện tiên quyết: CS205
Sự phát triển ngày càng tăng của công nghệ thông tin như Mạng cảm biến không dây (Wireless Sensor Network) và Internet vạn vật (Internet of Things) đã dẫn đến việc thu thập một lượng lớn dữ liệu và thông tin từ môi trường cũng như các tương tác giữa con người và môi trường mỗi ngày. Lượng dữ liệu khổng lồ này cần được xử lý và trả kết quả trong một khoảng thời gian giới hạn. Các phần mềm và ứng dụng xử lý dữ liệu theo tuần tự trở thành rào cản và không thể đáp ứng được yêu cầu ngày càng cao của người dùng. Hệ thống phân tán cung cấp phương thức kết nối và tận dụng tài nguyên tính toán và lưu trữ từ các máy tính được phân bố ở nhiều vị trí địa lý khác nhau để thực hiện các nhiệm vụ tính toán và phân tích dữ liệu. Học phần Hệ thống phân tán giới thiệu các khái niệm cơ bản về hệ thống phân tán, các phương pháp thiết kế và triển khai hệ thống có khả năng chịu lỗi và mở rộng. |
03 | Quy định trong ĐCCT HP |
| 27 | Dữ liệu lớn
(Big Data) |
Điều kiện tiên quyết: CS311
Học phần Dữ liệu lớn (Big Data) cung cấp kiến thức nền tảng về dữ liệu lớn và điện toán đám mây: các thuộc tính, đặc điểm, nguồn dữ liệu, ứng dụng và giá trị của dữ liệu lớn. Khóa học sẽ đề cập đến mô hình lập trình phân tán (tức là, MapReduce) và hệ thống quản lý dữ liệu lớn (cả SQL và NoSQL) cho các ứng dụng dữ liệu lớn. Học phần tập trung nhiều hơn vào thực hành với các hệ thống lưu trữ (Hadoop), xử lý dữ liệu lớn trên Spark, điều phối với Airflow và Redis Queue. Khóa học cũng giới thiệu về các dịch vụ đám mây công cộng như AWS, Cloudera và các giải pháp triển khai cho ứng dụng dữ liệu lớn trên đám mây. |
03 | Quy định trong ĐCCT HP |
| 28 | Xử lý hình ảnh
(Image Processing) |
Điều kiện tiên quyết: Không
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. |
03 | Quy định trong ĐCCT HP |
| 29 | Vận trù học nâng cao
(Advanced Operations Research) |
Điều kiện tiên quyết: Toán ứng dụng cho KHMT
Vận trù học nâng cao là môn học nâng cao, tập trung vào các kỹ thuật phức tạp trong nghiên cứu hoạt động để giải quyết các bài toán tối ưu hóa trong các lĩnh vực như quản lý, tài chính, và viễn thông. Nội dung bao gồm lập trình phi tuyến tính, lý thuyết trò chơi, chuỗi Markov, lý thuyết xếp hàng, mô phỏng, và lập trình động định tính. Học viên sẽ học cách áp dụng các phương pháp nâng cao như Gradient Descent, mô phỏng Monte Carlo, và ngôn ngữ lập trình Python để phân tích các bài toán thực tế. Môn học phát triển kỹ năng tư duy sáng tạo, tự học, và làm việc nhóm, phù hợp với học viên đã có nền tảng cơ bản về nghiên cứu hoạt động. |
03 | Quy định trong ĐCCT HP |
PHẦN II. HƯỚNG DẪN SỬ DỤNG CHƯƠNG TRÌNH
Bắt buộc do Bộ Giáo dục & Đào tạo phối hợp với các Bộ/ngành tổ chức xây dựng và ban hành để áp dụng thực hiện.
- 01 tín chỉ được tính tương đương 15 giờ tín chí.
- 01 giờ tín chỉ lên lớp bằng 01 tiết lên lớp và 02 tiết tự học.
- 01 giờ tín chỉ thực hành bằng 02 tiết thực hành trên lớp và 01 tiết tự học.
- 01 giờ tín chỉ tự học bắt buộc bằng 03 tiết tự học bắt buộc nhưng phải được kiểm tra, đánh giá.
Được thể hiện cụ thể trong đề án tuyển sinh hàng năm và đề cương chi tiết từng học phần được Hiệu trưởng phê duyệt vào đầu mỗi khóa học.
Theo quy chế đào tạo được Nhà trường quy định.
4.1. Điều kiện xét và công nhận tốt nghiệp
Thực hiện theo Quy chế Đào tạo hiện hành của Trường Đại học Tân Tạo.
- Đăng ký xét tốt nghiệp tại Phòng Quản lý đào tạo - Bộ phận Sau đại học;
- Đã hoàn thành các học phần của chương trình đào tạo và bảo vệ luận văn thạc sĩ/đề án tốt nghiệp đạt yêu cầu;
- Đạt chuẩn đầu ra về ngoại ngữ theo quy định của Trường;
- Hoàn thành nghĩa vụ học phí;
- Đã công bố công khai toàn văn luận văn thạc sĩ/đề án tốt nghiệp trên website Thư viện Trường ít nhất 30 ngày tính từ khi nộp luận văn thạc sĩ/đề án tốt nghiệp cho Thư viện Trường, trừ một số đề tài thuộc các lĩnh vực cần bảo mật thực hiện theo quy định của Nhà nước;
- Không bị truy cứu trách nhiệm hình sự và không trong thời gian bị kỷ luật, đình chỉ học tập;
- Hoàn thành các trách nhiệm theo quy định của Trường.
4.2. Công nhận tốt nghiệp
Hiệu trưởng căn cứ vào kết quả xét công nhận tốt nghiệp để cấp bằng tốt nghiệp theo quy định của trường.
Chi tiết về Chương trình đào tạo, vui lòng xem dưới đây: