DANH MỤC MÔN HỌC

NGÀNH KHOA HỌC MÁY TÍNH

CHƯƠNG TRÌNH ĐÀO TẠO NĂM 2025

Trình độ Thạc sĩ

01. ESL5101: Tiếng Anh

Thông tin chung về học phần

Tên học phần:				Mã học phần: ESL5101
Tên Tiếng Việt: Tiếng Anh Tên Tiếng Anh: English
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 03	Số tín chỉ thực hành: 0		Số tín chỉ thực tập: 0
Số tiết lý thuyết: 45		Số tiết thực hành: 0
Số tiết thực tập: 0		Số tiết tự học: 60
Số tiết đánh giá/thảo luận: 3
Số tiết các hoạt động khác: 0
Học phần tiên quyết *(nếu có)*: 0
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Đặng Thanh Nhơn	0917252427	nhon.dang@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Nắm vững ngữ pháp và từ vựng theo từng chủ đề, phục vụ cả giao tiếp thực tế và kỳ thi B2.	CLO1. Nhận diện và vận dụng chính xác cấu trúc ngữ pháp trong các tình huống thực tiễn và bài thi.	PLO5
	CLO2. Ghi nhớ và vận dụng linh hoạt các từ vựng trong các chủ đề đã học.	PLO5
Kỹ năng
CO2: Phát triển kỹ năng nghe, nói, đọc, viết để tăng sự tự tin trong giao tiếp hàng ngày và trong bài thi.	CLO3. Thực hành nói và viết rõ ràng, mạch lạc về các chủ đề quen thuộc như sức khỏe, du lịch, ẩm thực.	PLO5
	CLO4: Vận dụng chiến lược làm bài thi để hoàn thành hiệu quả các dạng bài thi B2.	PLO5
Năng lực tự chủ và trách nhiệm
CO3: Chủ động, tự tin và tích cực sử dụng tiếng Anh trong học tập và cuộc sống.	CLO5: Tự đánh giá tiến trình học tập qua các phần tự học và tự kiểm tra.	PLO5
	CLO6: Thể hiện thái độ tích cực trong giao tiếp và học tập tiếng Anh qua các hoạt động nhóm, thảo luận.	PLO5

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1					4
CLO2					4
CLO3					4
CLO4					4
CLO5					4
CLO6					4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Anthony, C., & Deborah, H. (2019). Open World B2 First. Cambridge University Press.

5.2. Tham khảo:

[2] Annette, C., & Wendy, S. (2014). Objective First. Cambridge University Press.

[3] Roy, N. (2008). Ready for FCE. Macmillan Exams.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá quá trình
1	– Chuyên cần – Tham gia thảo luận	Rubric 01 Rubric 02	CLO1-CLO6	10%
II	Kiểm tra học phần
1	– Bài tập cá nhân, thực hành, tự học	Rubric 03	CLO1-CLO6	10%
2	– Thuyết trình nhóm	Rubric 04	CLO3, CLO6	20%
III	Thi kết thúc học phần
1	– Kiểm tra	Rubric 05	CLO1-CLO6	60%

02. MACL5101: Triết học

Thông tin chung về học phần

Tên học phần:				Mã học phần: MACL5101
Tên Tiếng Việt: Triết học Tên Tiếng Anh: Philosophy
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 03	Số tín chỉ thực hành: 00		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 45		Số tiết thực hành: 00
Số tiết thực tập: 00		Số tiết tự học: 90
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần **(nếu có): Khoa Nhân văn và Giáo dục khai phóng**

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	PGS.TS. Mai Thị Hảo Yến	0911336529	yen.mai@ttu.edu.vn	Phụ trách
2	TS. Nguyễn Mai Lâm	0944333336	lam.nguyen@ttu.edu.vn	Tham gia

Mô tả tóm tắt nội dung học phần

Căn cứ vào mục đích học phần, nội dung chương trình môn Triết học được cấu trúc thành 4 chương. Giúp sinh 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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra môn học	Mã CĐR CTĐT
Kiến thức
CO1: – Nắm vững được những nội dung cơ bản của Triết học: Khái niệm, đặc điểm, chức năng của Triết học; Lịch sử Triết học phương Đông và Phương Tây; Nội dung của chủ nghĩa duy vật biện chứng và chủ nghĩa duy vật lịch sử. – Nhận thức được tầm quan trọng của Triết học với tính cách là thế giới quan, phương pháp luận trong nhận thức và cải tạo hiện thực.	CLO1: Trình bày được những tri thức cơ bản nhất của Triết học và vấn đề cơ bản của triết học; Sự hình thành, phát triển tư tưởng triết học trong lịch sử; Vai trò của triết học Mác – Lênin trong đời sống xã hội; Sự kế thừa, phát triển và vận dụng sáng tạo của Chủ tịch Hồ Chí Minh và Đảng cộng sản Việt Nam trong thực tiễn cách mạng Việt Nam.	PLO7
	CLO2: Trình bày được các khái niệm bản thể luận và nội dung bản thể luận trong lịch sử triết học phương Đông, phương Tây; Nội dung bản thể luận trong triết học Mác -Lênin; Mối quan hệ khách quan – chủ quan và ý nghĩa đối với sự nghiệp đổi mới ở Việt Nam hiện nay.
	CLO3: Nêu được cơ sở lý luận triết học của đường lối cách mạng Việt Nam, đặc biệt là chiến lược phát triển khoa học – công nghệ của Việt Nam trong giai đoạn hiện nay.
	CLO4: Nêu được bản chất của học thuyết hình thái kinh tế – xã hội, từ đó liên hệ đến sự phát triển theo định hướng xã hội chủ nghĩa ở Việt Nam.
	CLO5: Trình bày được thế giới quan chính trị đúng đắn mà còn trang bị phương pháp luận chính trị khoa học để nhận thức và cải tạo xã hội
	CLO6: Nêu được mối quan hệ giữa triết học với các ngành khoa học khác, nhất là đối với các đối tượng thuộc lĩnh vực khoa học tự nhiên và công nghệ.
Kỹ năng
CO2: – Vận dụng thế giới quan, phương pháp luận triết học để phát hiện, giải quyết những vấn đề chuyên môn cũng như cuộc sống đặt ra một cách khách quan, biện chứng, khoa học. – Vận dụng thế giới quan chính trị và phương pháp luận chính trị khoa học để nhận thức và cải tạo xã hội.	CLO7: Vận dụng được tri thức đã học vào bảo vệ sự trong sáng của triết học Mác-Lênin, chống lại những luận điểm xuyên tạc về tính biệt phái trong sự ra đời triết học Mác-Lênin; nâng cao kỹ năng vận dụng chủ nghĩa duy vật mácxít để phê phán những biểu hiện sai lầm của chủ nghĩa duy tâm, chủ nghĩa duy vật tầm thường, bệnh chủ quan duy ý chí.	PLO7,8
	CLO8: Vận dụng được kiến thức đã học để hình thành, phát triển tư duy biện chứng khoa học; phê phán những biểu hiện của phương pháp tư duy siêu hình trong nhận thức khoa học và hoạt động cải tạo xã hội.
	CLO9: Vận dụng được nguyên tắc thống nhất giữa lý luận và thực tiễn vào ngăn ngừa, khắc phục bệnh kinh nghiệm, bệnh giáo điều trong học tập và hoạt động thực tiễn ở Việt Nam.
	CLO10: Vận dụng học thuyết hình thái kinh tế – xã hội để phân tích sự phát triển theo định hướng xã hội chủ nghĩa ở Việt Nam. Vận dụng thế giới quan chính trị và phương pháp luận chính trị khoa học để nhận thức và cải tạo xã hội
	CLO11: Vận dụng lý luận vào thực tiễn, đặc biệt là nhận thức và thực hiện nhiệm vụ xây dựng ý thức xã hội mới khoa học, cách mạng, dân tộc ở Việt Nam hiện nay. Quán triệt đúng đắn những nguyên tắc cơ bản trong phát triển con người mới Việt Nam và biết phát huy nhân tố con người để phát triển kinh tế – xã hội.
Năng lực tự chủ và trách nhiệm
CO3: Trang bị cho người học những tri thức cơ bản ở trình độ nâng cao về triết học Mác – Lênin, lịch sử triết học và những tri thức thực tiễn có liên quan nhằm giúp người học làm chủ được kiến thức của khoa học tự nhiên và công nghệ, có khả năng vận dụng giải quyết những nhiệm vụ cụ thể về lý luận và thực tiễn. Có thái độ tích cực, nghiêm túc trong học tập và nghiên cứu môn học.	CLO12: Có niềm tin, lý tưởng cách mạng; Có năng lực tổ chức thực hiện công việc và học hỏi, phát triển bản thân.		PLO7,8
	CLO13: Tích cực tham gia các hoạt động học tập trên lớp, có tinh thần hợp tác, tinh thần trách nhiệm trong các hoạt động làm việc nhóm, có thái độ tích cực, nghiêm túc trong học tập và nghiên cứu môn học.		PLO7,8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	CHUẨN ĐẦU RA CỦA CHƯƠNG TRÌNH ĐÀO TẠO
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1								2
CLO2								3
CLO3								3
CLO4								3
CLO5								3
CLO6								3
CLO7							3	3
CLO8							3	3
CLO9							3	3
CLO10							3	3
CLO11							3	3
CLO12							3	3
CLO13							3	3

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Tài liệu bắt buộc

Bộ Giáo dục và Đào tạo (2022), Giáo trình Triết học, Dùng cho khối không chuyên ngành Triết học trình độ đào tạo thạc sĩ, tiến sĩ các ngành khoa học tự nhiên, công nghệ, Nxb Chính trị Quốc gia, Hà Nội.

5.2. Tài liệu tham khảo

Bộ Giáo dục và Đào tạo (2008), Giáo trình Triết học Mác – Lênin, Nxb. Chính trị quốc gia, Hà Nội.
Bộ Giáo dục và Đào tạo (2021), Giáo trình Triết học Mác – Lênin, Dành cho bậc đại học hệ không chuyên lý luận chính trị, Nxb. Chính trị quốc gia, Hà Nội.
Bộ Giáo dục và Đào tạo (2014), Giáo trình Triết học, Dùng trong đào tạo trình độ thạc sĩ, tiến sĩ các ngành khoa học xã hội và nhân văn không chuyên ngành Triết học, Nxb. Đại học Sư phạm, Hà Nội.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá của giảng viên
1	Chuyên cần	Rubric 1	CLO12,13	10%
2	Bài tập nhóm	Rubric 2	CLO1-13	10%
II	Kiểm tra học phần (tối đa 40%)
1	Kiểm tra giữa kỳ tự luận/ trắc nghiệm 60 phút	Rubric 4	CLO1-12	10%
2	Thuyết trình nhóm	Rubric 3	CLO1-13	10%
III	Thi kết thúc học phần (tối thiểu 50%)
1	Kiểm tra tự luận/ trắc nghiệm/ tiểu luận cuối kỳ 90 phút	Rubric 4	CLO1-13	60%

03. GEN5101: Năng lực số

Thông tin chung về học phần

Tên học phần:				Mã học phần: GEN5101
Tên Tiếng Việt: Năng lực số Tên Tiếng Anh: Digital Literacy				Mã học phần: GEN5101
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 02
Số tín chỉ lý thuyết: 01	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 15		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 45
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác:
Học phần tiên quyết *(nếu có)*: Không
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ tên	Số điện thoại	Email	Ghi chú
1	TS. Trần Ngọc Anh	0913 172 646	anh.tranngoc@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Trang bị nền tảng kiến thức về công nghệ số hiện đại và cách thức vận hành, tích hợp các công cụ số trong nghiên cứu, giảng dạy, và chuyển đổi số.	CLO1: Phân tích và giải thích được vai trò, nguyên lý hoạt động của các công cụ và nền tảng số trong các lĩnh vực chuyên sâu như AI, dữ liệu lớn, thị giác máy tính, an toàn thông tin.	PLO1,2
Kỹ năng
CO2: Sử dụng thành thạo các công cụ số hiện đại phục vụ cho nghiên cứu, phân tích, quản lý dữ liệu và tương tác học thuật, chuyên môn.	CLO2: Vận dụng kỹ năng số để phân tích dữ liệu, thiết kế báo cáo khoa học, mô phỏng kết quả nghiên cứu và phát triển các sản phẩm ứng dụng công nghệ số.	PLO3,4
CO3: Sử dụng các công cụ số phục vụ công tác nghiên cứu độc lập, khai thác tài nguyên học thuật và cộng đồng khoa học toàn cầu.	CLO3: Thực hiện nghiên cứu khoa học có sự hỗ trợ của các nền tảng số, sử dụng tiếng Anh chuyên ngành trong việc truy xuất, trích dẫn và công bố thông tin khoa học.	PLO5
CO4: Tích hợp công nghệ số vào các mô hình giải pháp có tính liên ngành, gắn với các vấn đề thực tiễn và chuyển đổi số.	CLO4: Xây dựng và trình bày được giải pháp công nghệ số gắn với một bài toán thực tiễn, kết hợp kiến thức chuyên môn với các lĩnh vực khác như kinh doanh, giáo dục, y tế.	PLO6
Mức tự chủ và trách nhiệm
CO5: Nhận diện được các vấn đề đạo đức, pháp lý và trách nhiệm xã hội trong môi trường số, đặc biệt là các vấn đề về dữ liệu, quyền riêng tư và AI.	CLO5: Phân tích và đánh giá các khía cạnh đạo đức và pháp lý của việc sử dụng công nghệ số trong môi trường học thuật và thực tiễn, thể hiện vai trò lãnh đạo số và học tập suốt đời.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			3	3
CLO3					3
CLO4						3
CLO5							5	5

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Đỗ Văn Hùng (Chủ biên), Phạm Hải Chung, Nguyễn Thị Kim Dung, Phan Thanh Đức, Lê Quốc Hải, Trần Đức Hòa, Mai Anh Thơ, Bùi Thanh Thủy (2022). Năng lực số (sách chuyên khảo). NXB Đại học Quốc gia Hà Nội. Liên kết tải về.

5.2. Tham khảo

Không

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Chuyên cần và bài tập cá nhân	Rubric AM1	CLO1-5	30%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án nhóm	Rubric AM8b	CLO1-5	30%
2	Bài kiểm tra cuối kỳ	Theo đáp án	CLO1-5	40%

04. CS5101: Cơ sở toán học cho Khoa học Máy tính

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5101
Tên Tiếng Việt: Cơ sở toán học cho Khoa học Máy tính Tên Tiếng Anh: Foundations of Mathematics for CS
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác:
Học phần tiên quyết *(nếu có)*: Toán đại cương 1, Toán đại cương 2, Toán rời rạc, Xác suất và thống kê.
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Trần Duy Hiến	0908 051 591	hien.tran@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Hiểu và trình bày các kiến thức toán học nền tảng và nâng cao có ứng dụng trong khoa học máy tính và trí tuệ nhân tạo.	CLO1: Trình bày và áp dụng các kiến thức toán học nâng cao như đại số tuyến tính, giải tích đa biến, tối ưu hóa, lý thuyết xác suất, lý thuyết thông tin và diffusion models vào các bài toán trong KHMT và AI.	PLO1, 2
Kỹ năng
CO2: Lựa chọn và phân tích công cụ, kỹ thuật toán học phù hợp để giải quyết bài toán học máy.	CLO2: Phân tích, đánh giá và chọn lựa công cụ toán học phù hợp để xây dựng, huấn luyện và tối ưu hóa các mô hình học máy và AI.	PLO3, 4
CO3: Sử dụng hiệu quả các thư viện và công cụ lập trình tính toán để thực thi các bài toán toán học trong thực tiễn.	CLO3: Vận dụng các phương pháp số, kỹ thuật thống kê và giải tích trong thực hành mô hình hóa và lập trình trên các công cụ như NumPy, SciPy, PyTorch, scikit-learn.	PLO5,
CO4: Phát triển năng lực tích hợp toán học và lập trình để giải quyết bài toán thực tiễn có yếu tố AI.	CLO4: Tích hợp tư duy toán học với kỹ thuật lập trình và công nghệ AI hiện đại để giải quyết bài toán thực tế thuộc các lĩnh vực khoa học máy tính và dữ liệu.	PLO6
Mức tự chủ và trách nhiệm
CO5: Bồi dưỡng tư duy phản biện, tinh thần học tập chủ động và nhận thức sâu sắc về vai trò của toán học trong AI.	CLO5: Phát triển kỹ năng tự học, tư duy phản biện, và ý thức về vai trò, tác động xã hội của việc ứng dụng toán học trong các hệ thống trí tuệ nhân tạo.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	5	5
CLO2			4	4
CLO3					4
CLO4						4
CLO5							3	3

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Tài liệu giảng viên tự soạn.

5.2. Tham khảo

[2] Gilbert Strang, “Linear Algebra and Its Applications”

[3] Boyd, S., & Vandenberghe, L. (2004). Convex Optimization.

[4] MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms.

[5] Trevor Hastie, Robert Tibshirani & Jerome Friedman, “The Elements of Statistical Learning”

[6] Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Bài tập thực hành.	Rubric AM1 và Rubric AM9	CLO1-5	30%
2	– Bài kiểm tra giữa kỳ	Theo đáp án	CLO1-5	20%
II	Đánh giá tổng hợp (cuối kỳ)
1	– Dự án cuối kỳ	Rubric AM8	CLO1-5	30%
2	– Bài thi cuối kỳ	Theo đáp án	CLO1-5	20%

05. CS5102: Nhập môn chuyển đổi số

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5102
Tên Tiếng Việt: Nhập môn chuyển đổi số Tên Tiếng Anh: Introduction Digital Transformation
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 04
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 02		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 60
Số tiết thực tập: 00		Số tiết tự học: 90
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Kiến thức cơ bản về quản lý kinh doanh, hiểu biết căn bản về công nghệ thông tin, có kỹ năng sử dụng máy tính và phần mềm văn phòng
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Cao Tiến Dũng	0983 695 166	dung.cao@ttu.edu.email	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu (CO)	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Cung cấp nền tảng về khái niệm, vai trò và các thành phần chính trong chuyển đổi số.	CLO1: Trình bày được kiến thức cơ bản và chuyên môn về chuyển đổi số, bao gồm các công nghệ cốt lõi như điện toán đám mây, dữ liệu lớn, AI, IoT và Blockchain.	PLO1, 2
Kỹ năng
CO2: Hình thành kỹ năng nhận diện và đánh giá hiện trạng chuyển đổi số trong tổ chức.	CLO2: Phân tích và áp dụng các khung đánh giá chuyển đổi số để đánh giá mức độ sẵn sàng và xác định các yếu tố trọng yếu trong quá trình chuyển đổi.	PLO3, 4
CO3: Giới thiệu phương pháp nghiên cứu, đánh giá tác động của công nghệ số.	CLO3: Áp dụng các phương pháp nghiên cứu cơ bản để khảo sát, phân tích và đánh giá tác động của công nghệ số đến hoạt động tổ chức và xã hội.	PLO5
CO4: Gắn kết kiến thức liên ngành phục vụ cho các hoạt động đổi mới sáng tạo và chuyển giao số.	CLO4: Vận dụng tư duy hệ thống và kiến thức liên ngành để đề xuất giải pháp số hóa trong các lĩnh vực như giáo dục, y tế, tài chính và quản trị công.	PLO6
Mức tự chủ và trách nhiệm
CO5: Rèn luyện tư duy phản biện, ý thức trách nhiệm và hành vi đạo đức trong chuyển đổi số.	CLO5: Thể hiện năng lực làm việc độc lập và nhóm trong các dự án chuyển đổi số, tuân thủ đạo đức số, quản trị dữ liệu và bảo vệ quyền riêng tư.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] “Leading Digital: Turning Technology into Business Transformation” – George Westerman, Didier Bonnet, Andrew McAfee

[2] “TOGAF 9.2 – The Open Group Architecture Framework” – The Open Group

[3] “Data Strategy: How to Profit from a World of Big Data, Analytics and the Internet of Things” – Bernard Marr

[4] “Digital Transformation: Survive and Thrive in an Era of Mass Extinction” – Thomas M. Siebel

5.2. Tham khảo

[5] “The Digital Transformation Playbook” – David L. Rogers

[6] “Enterprise Architecture As Strategy” – Jeanne W. Ross, Peter Weill, David Robertson

[7] “Data Governance: How to Design, Deploy and Sustain an Effective Data Governance Program” – John Ladley

[8] “The AI Advantage: How to Put the Artificial Intelligence Revolution to Work” – Thomas H. Davenport

[9] “Designed for Digital: How to Architect Your Business for Sustained Success” – Jeanne W. Ross, Cynthia M. Beath, Martin Mocker

5.3. Tài nguyên trực tuyến

[10] The Open Group Website (www.opengroup.org)

[11] MIT Sloan Management Review – Digital Articles

[12] Harvard Business Review – Digital Transformation Collection

[13] McKinsey Digital Insights

[14] Gartner Research on Digital Transformation

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học và thảo luận	Rubric AM1	CLO1-5	10%
2	Bài tập cá nhân	Rubric AM2a	CLO1-5	30%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án cuối kỳ (dự án nhóm)	Rubric AM8b	CLO1-5	60%

06. CS5103: Thiết kế giải thuật nâng cao

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5103
Tên Tiếng Việt: Thiết kế giải thuật nâng cao Tên Tiếng Anh: Advanced Algorithm Design
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Trần Ngọc Anh	0913172646	anh.tranngoc@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Trình bày và phân tích các kỹ thuật thiết kế giải thuật nâng cao như chia để trị, quy hoạch động, tham lam, quay lui, nhánh cận, lập trình tuyến tính, giải thuật xấp xỉ.	CLO1: Trình bày được các kỹ thuật thiết kế giải thuật nâng cao và áp dụng vào phân tích, đánh giá độ phức tạp thuật toán.	PLO1, 2
Kỹ năng
CO2: Phân tích bài toán thực tế và lựa chọn giải thuật phù hợp để giải quyết một cách hiệu quả.	CLO2: Áp dụng các kỹ thuật thiết kế giải thuật để giải quyết bài toán cụ thể, đảm bảo tính tối ưu và hiệu năng.	PLO3, 4
CO3: Vận dụng phương pháp nghiên cứu trong phân tích, đánh giá và cải tiến giải thuật.	CLO3: Phân tích và cải tiến giải thuật dựa trên cơ sở lý thuyết và thử nghiệm thực nghiệm, đánh giá độ đúng và hiệu quả.	PLO5
CO4: Vận dụng kiến thức liên ngành trong giải bài toán tối ưu phức tạp trong các lĩnh vực như logistics, AI, khoa học dữ liệu.	CLO4: Tích hợp kiến thức từ nhiều lĩnh vực để đề xuất giải thuật phù hợp với yêu cầu bài toán thực tế.	PLO6
Mức tự chủ và trách nhiệm
CO5: Phát triển tinh thần học hỏi suốt đời, kỹ năng làm việc nhóm và trình bày kết quả rõ ràng, logic.	CLO5: Làm việc độc lập và theo nhóm hiệu quả trong quá trình thiết kế, triển khai và đánh giá giải thuật; thể hiện tư duy phản biện và đạo đức nghề nghiệp.	PLO8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						3
CLO5								4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] “Algorithm Design” – Jon Kleinberg and Eva Tardos

5.2. Tham khảo

Không có

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Kiểm tra giữa kỳ (bao gồm bài tập lý thuyết và thực hành)	Theo đáp án và AM9	CLO1-5	40%
II	Đánh giá tổng kết (cuối kỳ)
1	Kiểm tra cuối kỳ (bao gồm kiểm tra lý thuyết và thực hành tổng hợp)	Theo đáp án và AM9	CLO1-5	60%

07. CS5104: Hệ cơ sở dữ liệu nâng cao

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5104
Tên Tiếng Việt: Hệ cơ sở dữ liệu nâng cao Tên Tiếng Anh: Advanced Database Systems
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Cao Tiến Dũng	0983 695 166	dung.cao@ttu.edu.email	Phụ trách

Mô tả tóm tắt nội dung học phần

Học phần Hệ cơ sở dữ liệu nâng cao (Advanced Database Systems) 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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Củng cố và mở rộng kiến thức lý thuyết nền tảng về cơ sở dữ liệu, hướng đến các mô hình nâng cao.	CLO1: Trình bày được các mô hình cơ sở dữ liệu nâng cao như mô hình hướng đối tượng, mô hình bán cấu trúc (XML/JSON), cơ sở dữ liệu phân tán, và NoSQL.	PLO1, 2
Kỹ năng
CO2: Hình thành khả năng phân tích yêu cầu và thiết kế hệ cơ sở dữ liệu phù hợp với đặc thù hệ thống.	CLO2: Phân tích được yêu cầu bài toán và lựa chọn mô hình dữ liệu phù hợp; thiết kế lược đồ dữ liệu nâng cao, biểu diễn ràng buộc toàn vẹn, và lập kế hoạch phân mảnh – sao chép dữ liệu trong môi trường phân tán.	PLO3, 4
CO3: Rèn luyện kỹ năng sử dụng các hệ quản trị CSDL nâng cao và công cụ hỗ trợ.	CLO3: Thực hành triển khai hệ cơ sở dữ liệu nâng cao bằng PostgreSQL, MongoDB hoặc Neo4j; sử dụng các công cụ truy vấn phức tạp như PL/pgSQL, XQuery, Cypher.	PLO5
CO4: Vận dụng kiến thức để xây dựng hệ thống lưu trữ và khai thác dữ liệu hiệu quả, an toàn.	CLO4: Ứng dụng các kỹ thuật tối ưu hóa truy vấn, lập chỉ mục nâng cao, kiểm soát truy cập và sao lưu phục hồi dữ liệu trong hệ thống thực tế có khối lượng dữ liệu lớn hoặc tính phức tạp cao.	PLO6
Mức tự chủ và trách nhiệm
CO5: Xây dựng tư duy trách nhiệm khi thiết kế, khai thác và quản trị hệ cơ sở dữ liệu trong các tổ chức.	CLO5: Nhận thức và tuân thủ các quy tắc đạo đức và bảo mật thông tin khi xử lý dữ liệu nhạy cảm; phối hợp nhóm hiệu quả trong các dự án triển khai cơ sở dữ liệu thực tế.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	3	3
CLO2			3	3
CLO3					5
CLO4						3
CLO5							3	3

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] “Distributed Database Systems: Principles and Systems” by M. Tamer Özsu, Patrick Valduriez (https://vulms.vu.edu.pk/Courses/CS712/Downloads/Principles%20of%20Distributed%20Database%20Systems.pdf)

5.2. Tham khảo

– Không có

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Kiểm tra giữa kỳ (bao gồm bài tập lý thuyết và thực hành)	Theo đáp án	CLO1-5	40%
II	Đánh giá tổng kết (cuối kỳ)
1	Kiểm tra cuối kỳ (bao gồm kiểm tra lý thuyết và thực hành tổng hợp)	Theo đáp án	CLO1-5	60%

08. CS5105: An toàn thông tin

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5105
Tên Tiếng Việt: An toàn thông tin Tên Tiếng Anh: Information Security
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Trần Ngọc Anh	0913172646	anh.tranngoc@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

Học phần An toàn thông tin được thiết kế nhằm trang bị cho sinh 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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Cung cấp cho sinh viên nền tảng lý thuyết về an toàn và bảo mật thông tin trong hệ thống số.	CLO1: Trình bày được các khái niệm cốt lõi về an toàn thông tin, mô hình bảo mật (CIA, Bell-LaPadula, Biba), các nguyên lý mã hóa, xác thực, kiểm soát truy cập và các tiêu chuẩn bảo mật thông dụng.	PLO1, 2
Kỹ năng
CO2: Hình thành kỹ năng phân tích và phát hiện các lỗ hổng bảo mật trong hệ thống.	CLO2: Phân tích được các mối đe dọa và lỗ hổng bảo mật phổ biến như SQL Injection, XSS, CSRF, DoS/DDoS; thiết kế các giải pháp phòng chống và mô hình hóa mối đe dọa theo STRIDE/DREAD.	PLO3, 4
CO3: Thực hành các công cụ và kỹ thuật kiểm thử bảo mật trong môi trường thực nghiệm.	CLO3: Thực hiện các bài thực hành kiểm thử bảo mật bằng công cụ như Wireshark, Metasploit, Burp Suite; cài đặt tường lửa, VPN và chứng thực số trên hệ thống mạng mẫu.	PLO5
CO4: Ứng dụng kiến thức bảo mật để xây dựng hệ thống an toàn.	CLO4: Thiết kế và triển khai các giải pháp an toàn hệ thống mạng và ứng dụng: mã hóa dữ liệu, bảo vệ endpoint, bảo vệ máy chủ, và giám sát an ninh mạng bằng IDS/IPS.	PLO6
Mức tự chủ và trách nhiệm
CO5: Phát triển ý thức đạo đức nghề nghiệp và trách nhiệm trong lĩnh vực an toàn thông tin.	CLO5: Đánh giá và tuân thủ các nguyên tắc đạo đức, quy định pháp lý (như Luật An ninh mạng, GDPR), và nâng cao nhận thức về trách nhiệm khi xử lý dữ liệu cá nhân, thông tin nhạy cảm và công nghệ giám sát.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	3	3
CLO2			3	3
CLO3					3
CLO4						3
CLO5							3	3

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Michael E. Whitman và Herbert J. Mattord, “Principles of Information Security”, Cengage Learning, ấn bản mới nhất.

5.2. Tham khảo

[2] William Stallings, “Cryptography and Network Security: Principles and Practice”, Pearson, ấn bản mới nhất.

[3] Matt Bishop, “Computer Security: Art and Science”, Pearson, ấn bản mới nhất.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Bài tập thực hành và lab	Rubric AM9	CLO1-5	30%
2	Thi giữa kỳ	Theo đáp án	CLO1-5	30%
II	Đánh giá tổng kết (cuối kỳ)
1	Thi cuối kỳ	Theo đáp án	CLO1-5	40%

09. CS6080: Luận văn

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS6080
Tên Tiếng Việt: Luận văn Tên Tiếng Anh: Master Thesis
Học phần: Bắt buộc (cho định hướng nghiên cứu) Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 15
Số tín chỉ lý thuyết: 15	Số tín chỉ thực hành: 00		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 675		Số tiết thực hành: 00
Số tiết thực tập: 00		Số tiết tự học: 675
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Cần tham khảo ý kiến của Cố vấn học tập, giảng viên hướng dẫn.
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	PGS. TS. Nguyễn Việt Anh	0917626028	anh.vietnguyen@ttu.edu.vn	Phụ trách
2	TS. Trương Hữu Trầm	–	tram.truong-huu@ttu. edu.vn	Đồng phụ trách
3	TS. Nguyễn Xuân Hà	–	ha.nguyen@ttu.edu.vn	Đồng phụ trách
4	TS. Cao Tiến Dũng	0983 695 166	dung.cao@ttu.edu.vn	Đồng phụ trách
5	TS. Lê Quốc Huy	0974 877 148	huy.le@ttu.edu.vn	Đồng phụ trách
6	TS. Trần Ngọc Anh	091 3172646	anh.tran@ttu.edu.vn	Đồng phụ trách
7	TS. Trần Đào Huy Cường	–	cuong.tran@ttu.edu.vn	Đồng phụ trách

Mô tả tóm tắt nội dung học phần

Học phần Luận văn là học phần bắt buộc đối với định hướng nghiên cứu, nhằm giúp sinh 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, sinh 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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Vận dụng có hệ thống các kiến thức chuyên sâu để xác định, mô hình hóa và đề xuất hướng giải quyết vấn đề nghiên cứu thuộc lĩnh vực chuyên môn.	CLO1: Phân tích và tổng hợp kiến thức chuyên môn để xác định vấn đề nghiên cứu và xây dựng mô hình phù hợp.	PLO1, 2
Kỹ năng
CO2: Vận dụng thành thạo kỹ năng chuyên môn để thiết kế, phát triển, thử nghiệm và đánh giá các giải pháp nghiên cứu.	CLO2: Thực hiện đầy đủ quy trình nghiên cứu gồm thiết kế, triển khai, đánh giá và cải tiến giải pháp chuyên sâu.	PLO3, 4
CO3: Áp dụng phương pháp nghiên cứu khoa học trong việc khảo sát, phân tích và trình bày kết quả nghiên cứu có hệ thống.	CLO3: Hoàn thiện luận văn nghiên cứu với các tiêu chí về học thuật, hệ thống hóa, phân tích dữ liệu và đánh giá kết quả.	PLO5
CO4: Tích hợp kiến thức liên ngành và các công nghệ tiên tiến để giải quyết bài toán nghiên cứu có tính thực tiễn hoặc tiềm năng ứng dụng.	CLO4: Đề xuất và phát triển giải pháp nghiên cứu có tính tích hợp cao, gắn với ứng dụng liên ngành hoặc chuyển giao công nghệ.	PLO6
Mức tự chủ và trách nhiệm
CO5: Rèn luyện tinh thần tự học, tư duy phản biện, đạo đức nghề nghiệp và kỹ năng giao tiếp học thuật trong quá trình làm luận văn.	CLO5: Thể hiện khả năng làm việc độc lập và theo nhóm, giao tiếp hiệu quả với người hướng dẫn và hội đồng, tôn trọng chuẩn mực đạo đức nghiên cứu, quyền riêng tư dữ liệu.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

Do tính chất đa dạng của các đề tài luận văn, tài liệu tham khảo sẽ được cập nhật và bổ sung theo từng đề tài cụ thể. Tuy nhiên, dưới đây là một số gợi ý chung:

[1] Dawson, Catherine (2009). Introduction to research methods: a practical guide for anyone undertaking a research project. Howtobooks.

[2] Các bài báo khoa học trên các tạp chí chuyên ngành liên quan đến đề tài.

[3] Các công trình nghiên cứu (khóa luận, luận văn, luận án) đã được công bố.

[4] Tài liệu hướng dẫn viết khóa luận của khoa/trường.

Ngoài ra, sinh viên cần chủ động tìm kiếm các bài báo khoa học, tài liệu trực tuyến và các nguồn thông tin khác liên quan đến đề tài của mình. Giảng viên hướng dẫn sẽ có trách nhiệm hỗ trợ sinh viên trong việc lựa chọn tài liệu tham khảo phù hợp.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá sản phẩm, báo cáo và bảo vệ
1	– Đánh giá chất lượng của khóa luận (nội dung, hình thức, tính khoa học, tính mới, tính ứng dụng..). – Đánh giá chất lượng báo cáo, khả năng thuyết trình và trả lời câu hỏi của sinh viên	Rubric AM10c	CLO1-6	100%

Hình thức, phương pháp đánh giá

Công cụ đánh giá

CĐR của HP liên quan

Trọng số

Đánh giá sản phẩm, báo cáo và bảo vệ

– Đánh giá chất lượng của khóa luận (nội dung, hình thức, tính khoa học, tính mới, tính ứng dụng..).

– Đánh giá chất lượng báo cáo, khả năng thuyết trình và trả lời câu hỏi của sinh viên

Rubric AM10c

CLO1-6

100%

10. CS6050: Các chuyên đề nghiên cứu

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS6050
Tên Tiếng Việt: Các chuyên đề nghiên cứu Tên Tiếng Anh: Scientific Research Topics
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 00	Số tín chỉ thực hành: 03		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 00		Số tiết thực hành: 90
Số tiết thực tập: 00		Số tiết tự học: 45
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác:
Học phần tiên quyết *(nếu có)*: Tham khảo Cố vấn học tập
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	PGS. TS. Nguyễn Việt Anh	0917626028	anh.vietnguyen@ttu.edu.vn	Phụ trách
2	TS. Cao Tiến Dũng	0983 695 166	dung.cao@ttu.edu.vn	Tham gia
3	TS. Lê Quốc Huy	0974 877 148	huy.le@ttu.edu.vn	Tham gia
4	TS. Trần Duy Hiến	0908 051 591	hien.tran@ttu.edu.vn	Tham gia
5	TS. Trần Ngọc Anh	–	anhngoc.tran@ttu.edu.vn	Tham gia
6	TS. Trương Hữu Trầm	–	tram.truong-huu@ttu.edu.vn	Tham gia
7	TS. Trần Đào Huy Cường	–	cuong.tran@ttu.edu.vn	Tham gia

Mô tả tóm tắt nội dung học phần

Học phần Các chuyên đề nghiên cứu cung cấp cho sinh viên cơ hội tìm hiểu sâu về các vấn đề và ứng dụng hiện đại trong khoa học dữ liệu, học máy, trí tuệ nhân tạo, và các lĩnh vực liên quan thông qua các seminar, thảo luận nhóm và nghiên cứu độc lập. Môn học tổ chức dưới hình thức seminar, nơi sinh viên sẽ tham gia các buổi chia sẻ từ các chuyên gia trong ngành và các nghiên cứu gần đây. Sinh viên được khuyến khích nghiên cứu độc lập, thực hành nhóm, và thực hiện báo cáo cuối kỳ. Học phần không chỉ cung cấp kiến thức lý thuyết mà còn trang bị cho sinh viên kỹ năng thực hành và khả năng ứng dụng các lý thuyết vào thực tế.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Hiểu rõ các hướng nghiên cứu hiện đại trong ngành khoa học máy tính và công nghệ thông tin.	CLO1: Trình bày được các xu hướng và vấn đề nghiên cứu nổi bật trong lĩnh vực như AI, dữ liệu lớn, bảo mật, hệ thống thông minh, hoặc kỹ thuật phần mềm hiện đại.	PLO1, 2
Kỹ năng
CO2: Hình thành khả năng đọc hiểu và phân tích tài liệu nghiên cứu khoa học bằng tiếng Anh.	CLO2: Phân tích được cấu trúc, nội dung và phương pháp nghiên cứu trong các bài báo khoa học; so sánh và đánh giá các hướng tiếp cận khác nhau cho cùng một vấn đề.	PLO3, 4
CO3: Rèn luyện kỹ năng triển khai nghiên cứu thử nghiệm.	CLO3: Thực hiện được một đề tài nghiên cứu nhỏ bao gồm: xác định vấn đề, xây dựng giả thuyết, thiết kế mô hình thử nghiệm và báo cáo kết quả sơ bộ.	PLO5
CO4: Áp dụng phương pháp nghiên cứu khoa học để đề xuất giải pháp cho một bài toán thực tiễn hoặc học thuật.	CLO4: Ứng dụng kiến thức nền và kỹ năng tư duy phản biện để đề xuất, điều chỉnh hoặc mở rộng một giải pháp nghiên cứu hiện có cho phù hợp với bối cảnh cụ thể.	PLO6
Mức tự chủ và trách nhiệm
CO5: Hình thành thái độ nghiêm túc và trách nhiệm trong nghiên cứu khoa học.	CLO5: Làm việc độc lập và theo nhóm trong dự án nghiên cứu; tuân thủ quy tắc đạo đức nghiên cứu, trung thực học thuật, và trình bày kết quả nghiên cứu một cách rõ ràng, mạch lạc.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	3	4
CLO2			3	3
CLO3					3
CLO4						3
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

Không có giáo trình bắt buộc.

5.2. Tham khảo

[1] https://365datascience.com/projects/

[2] Bài giảng khách mời tuỳ theo thời điểm.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Chuyên cần và hoạt động trên lớp.	Rubric AM1	CLO1-5	10%
2	– Thuyết trình nhóm theo chủ đề.	Rubric AM8b	CLO1-5	40%
II	Đánh giá tổng kết (cuối kỳ)
1	– Báo cáo tổng hợp cá nhân theo đề tài được phân công.	Rubric AM7	CLO1-5	50%

11. CS6051: Phương pháp nghiên cứu

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS6051
Tên Tiếng Việt: Phương pháp nghiên cứu Tên Tiếng Anh: Research Methodology
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	PGS. TS. Nguyễn Việt Anh	0917626028	anh.vietnguyen@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Nắm được các khái niệm cơ bản và quy trình nghiên cứu khoa học.	CLO1: Trình bày được quy trình thực hiện một nghiên cứu khoa học, bao gồm xác định vấn đề, đặt câu hỏi nghiên cứu, giả thuyết, lựa chọn phương pháp và phân tích dữ liệu.	PLO1, 2
Kỹ năng
CO2: Có khả năng tìm kiếm, tổng hợp và đánh giá tài liệu nghiên cứu.	CLO2: Thực hiện được tổng quan tài liệu khoa học; đánh giá được độ tin cậy, tính liên quan và mức độ đóng góp của các nguồn tham khảo trong lĩnh vực nghiên cứu.	PLO3, 4
CO3: Rèn luyện kỹ năng phân tích và thiết kế nghiên cứu.	CLO3: Thiết kế được đề cương nghiên cứu phù hợp với mục tiêu và phương pháp định tính/định lượng cụ thể; xác định rõ đối tượng, công cụ, và kỹ thuật thu thập dữ liệu.	PLO5
CO4: Áp dụng kiến thức và kỹ thuật để thực hiện nghiên cứu nhỏ.	CLO4: Triển khai thực nghiệm nghiên cứu thu nhỏ; thu thập, xử lý dữ liệu, và trình bày kết quả bằng biểu đồ, bảng số liệu, và lập luận khoa học.	PLO6
Mức tự chủ và trách nhiệm
CO5: Phát triển thái độ nghiên cứu nghiêm túc, trung thực và có trách nhiệm.	CLO5: Làm việc có tổ chức trong nhóm nghiên cứu nhỏ; tuân thủ các nguyên tắc đạo đức học thuật và trình bày báo cáo nghiên cứu rõ ràng, chính xác.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	3	3
CLO2			3	3
CLO3					3
CLO4						3
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] “Research Design: Qualitative, Quantitative, and Mixed Methods Approaches” – John W. Creswell.

5.2. Tham khảo

[2] “The Craft of Research” – Wayne C. Booth, Gregory G. Colomb, Joseph M. Williams.

[3] Các bài báo từ các nguồn uy tín như ACM, IEEE, và arXiv.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học (thảo luận, thực hành nhóm)	Rubric AM1 và AM9	CLO1-5	20%
2	Bài tập hàng tuần (bao gồm phân tích bài báo, thực hành kỹ năng)	Rubric AM2a	CLO1-5	30%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án nghiên cứu (báo cáo và thuyết trình)	Rubric AM8	CLO1-5	50%

12. CS6070: Đồ án tốt nghiệp

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS6070
Tên Tiếng Việt: Đồ án tốt nghiệp Tên Tiếng Anh: Graduation Projects
Học phần: Bắt buộc (Định hướng ứng dụng) Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 15
Số tín chỉ lý thuyết: 15	Số tín chỉ thực hành: 00		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 675		Số tiết thực hành: 00
Số tiết thực tập: 00		Số tiết tự học: 675
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Cần tham khảo ý kiến của Cố vấn học tập, giảng viên hướng dẫn.
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	PGS. TS. Nguyễn Việt Anh	0917626028	anh.vietnguyen@ttu.edu.vn	Phụ trách
2	TS. Cao Tiến Dũng	0983 695 166	dung.cao@ttu.edu.vn	Tham gia
3	TS. Lê Quốc Huy	0974 877 148	huy.le@ttu.edu.vn	Tham gia
4	TS. Trần Duy Hiến	0908 051 591	hien.tran@ttu.edu.vn	Tham gia
5	TS. Trần Ngọc Anh	–	anhngoc.tran@ttu.edu.vn	Tham gia
6	TS. Trần Đào Huy Cường	–	cuong.tran@ttu.edu.vn	Tham gia

Mô tả tóm tắt nội dung học phần

Học phần Đồ án tốt nghiệp 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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Vận dụng kiến thức chuyên môn đã học để giải quyết một bài toán cụ thể.	CLO1: Tích hợp và áp dụng các kiến thức chuyên ngành để phân tích, mô hình hóa, và đề xuất giải pháp kỹ thuật phù hợp cho bài toán thực tế hoặc đề tài nghiên cứu.	PLO1, 2
Kỹ năng
CO2: Thể hiện năng lực thiết kế, cài đặt và kiểm thử hệ thống/sản phẩm.	CLO2: Thiết kế, triển khai và kiểm thử hệ thống, phần mềm, hoặc mô hình theo yêu cầu kỹ thuật và tiêu chuẩn công nghiệp.	PLO3, 4
CO3: Có khả năng đặt vấn đề, thu thập và phân tích dữ liệu nghiên cứu.	CLO3: Lập kế hoạch nghiên cứu; áp dụng phương pháp luận phù hợp để thu thập và xử lý dữ liệu, đánh giá tính đúng đắn và giá trị của kết quả đạt được.	PLO5
CO4: Tích hợp kiến thức liên ngành và đánh giá khả năng ứng dụng.	CLO4: Phân tích khả năng ứng dụng, mở rộng hoặc chuyển giao kết quả đồ án vào thực tiễn; đánh giá tác động xã hội, môi trường hoặc kinh tế nếu có.	PLO6
Mức tự chủ và trách nhiệm
CO5: Làm việc độc lập, chủ động và có trách nhiệm với kết quả thực hiện.	CLO5: Tổ chức công việc hiệu quả; làm việc nhóm có trách nhiệm; đảm bảo tính trung thực học thuật và tôn trọng nguyên tắc đạo đức trong quá trình thực hiện và trình bày đồ án.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

Do tính chất đa dạng của các đề tài đồ án, tài liệu tham khảo sẽ được cập nhật và bổ sung theo từng đề tài cụ thể. Tuy nhiên, dưới đây là một số gợi ý chung:

– Về phát triển phần mềm:

[1] Macro, Allen. Software Engineering: Concepts & Management
[2] C. Godart, F. Charoy. Databases for software engineering

– Về Khoa học dữ liệu và Học máy:

[3] Géron, A., (2019). Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow, 2nd Edition, O’Reilly Media.

Đánh giá kết quả học tập

Hình thức, phương pháp đánh giá

Công cụ đánh giá

CĐR của HP liên quan

Trọng số

Đánh giá sản phẩm, báo cáo và bảo vệ

Đánh giá chất lượng của đồ án (nội dung, hình thức, tính khoa học, tính mới, tính ứng dụng..).

Đánh giá chất lượng báo cáo, khả năng thuyết trình và trả lời câu hỏi của sinh viên.

Rubric AM10c

CLO1-5

100%

13. AI5010: Trí tuệ Nhân tạo tạo sinh

Thông tin chung về học phần

Tên học phần:				Mã học phần: AI5010
Tên Tiếng Việt: Trí tuệ Nhân tạo tạo sinh Tên Tiếng Anh: Generative AI
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Cao Tiến Dũng	0983 695 166	dung.cao@ttu.edu.email	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Hiểu và trình bày được các khái niệm, thuật toán và mô hình tiêu biểu trong Generative AI.	CLO1: Trình bày được các kiến thức lý thuyết nền tảng và nâng cao về Generative AI như Autoencoder, Variational Autoencoder, GAN, Diffusion Models và mô hình tạo sinh dựa trên Transformer.	PLO1, 2
Kỹ năng
CO2: Có khả năng xây dựng và tinh chỉnh các mô hình Generative AI cho các tác vụ khác nhau.	CLO2: Phân tích, thiết kế và huấn luyện các mô hình Generative AI để tạo ảnh, văn bản, âm thanh hoặc video; đánh giá chất lượng đầu ra bằng các chỉ số phù hợp.	PLO3, 4
CO3: Biết cách đặt vấn đề nghiên cứu, khai thác tài liệu và đánh giá mô hình sinh.	CLO3: Tìm hiểu, tổng hợp và đánh giá các hướng nghiên cứu mới trong Generative AI; thực hiện thử nghiệm có kiểm soát và phân tích kết quả một cách khoa học.	PLO5
CO4: Ứng dụng kiến thức Generative AI vào các lĩnh vực liên ngành hoặc hệ thống thực tế.	CLO4: Đề xuất và triển khai các ứng dụng tích hợp Generative AI trong các lĩnh vực như y tế, thiết kế nội dung số, giáo dục, tài chính hoặc nghệ thuật; đánh giá tính khả thi và tác động của ứng dụng.	PLO6
Mức tự chủ và trách nhiệm
CO5: Thể hiện tinh thần học tập chủ động, làm việc nhóm hiệu quả và ý thức đạo đức trong sử dụng AI tạo sinh.	CLO5: Làm việc độc lập và hợp tác nhóm trong các dự án tạo sinh nội dung; phân tích và nhận thức rõ ràng các rủi ro đạo đức như deepfake, sai lệch dữ liệu, và vi phạm bản quyền.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Goodfellow, I., et al. “Generative Adversarial Nets” (2014).

5.2. Tham khảo

[2] Kingma, D. P., & Welling, M. “Auto-Encoding Variational Bayes” (2013).

[3] Karras, T., et al. “A Style-Based Generator Architecture for GANs” (2019).

[4] Vaswani, A., et al. “Attention is All You Need” (2017).

[5] Ho, J., et al. “Denoising Diffusion Probabilistic Models” (2020).

[6] Tài liệu từ PyTorch, TensorFlow, Hugging Face.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học (điểm danh, thảo luận)	Rubric AM1	CLO1-5	10%
2	Bài tập thực hành (code, báo cáo nhỏ)	Rubric AM9	CLO1-5	30%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án cuối kỳ (mô hình, code, báo cáo, thuyết trình)	Rubric AM8	CLO1-5	60%

14. CS5020: Khai thác tập dữ liệu lớn

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5020
Tên Tiếng Việt: Khai thác tập dữ liệu lớn Tên Tiếng Anh: Mining Massive Datasets
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Cơ sở dữ liệu, Lập trình nâng cao, Cấu trúc dữ liệu và giải thuật
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Nguyễn Xuân Hà	–	ha.nguyen@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

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:

Nền tảng xử lý dữ liệu lớn: Giới thiệu các mô hình tính toán phân tán hiệu quả như MapReduce và Apache Spark, cung cấp cơ sở hạ tầng cần thiết để xử lý dữ liệu ở quy mô lớn.
Kỹ thuật và thuật toán khai thác dữ liệu: Nghiên cứu các thuật toán tiên tiến được thiết kế đặc biệt cho dữ liệu lớn, bao gồm tìm kiếm các mục tương tự, phân tích dòng dữ liệu, phân tích liên kết, tìm tập mục phổ biến, phân cụm, quảng cáo trên web và giảm chiều dữ liệu.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Nắm vững kiến thức nền tảng và nâng cao về các phương pháp khai phá dữ liệu trong môi trường dữ liệu lớn.	CLO1: Trình bày được các khái niệm, kỹ thuật và mô hình trong khai thác dữ liệu lớn như phân cụm, phân loại, luật kết hợp, khai phá chuỗi thời gian và khai phá đồ thị.	PLO1, 2
Kỹ năng
CO2: Vận dụng hiệu quả các công cụ và framework để khai phá dữ liệu trên nền tảng phân tán.	CLO2: Thiết kế và triển khai pipeline khai phá dữ liệu sử dụng Apache Spark, Hadoop hoặc hệ sinh thái Big Data; xử lý và tối ưu các thao tác khai phá trên tập dữ liệu quy mô lớn.	PLO3, 4
CO3: Phân tích các vấn đề thực tiễn, đề xuất và kiểm chứng các giải pháp khai phá dữ liệu lớn.	CLO3: Đặt vấn đề nghiên cứu, thực hiện thử nghiệm, đánh giá hiệu quả mô hình bằng các chỉ số định lượng (Precision, Recall, F1, AUC); viết báo cáo và đề xuất cải tiến.	PLO5
CO4: Khai thác dữ liệu lớn phục vụ giải quyết bài toán trong các lĩnh vực liên ngành.	CLO4: Áp dụng kỹ thuật khai phá dữ liệu lớn vào các lĩnh vực như tài chính, thương mại điện tử, y sinh, công nghiệp, giao thông… và đánh giá tác động thực tiễn.	PLO6
Mức tự chủ và trách nhiệm
CO5: Phát triển tư duy chủ động, nhận thức đạo đức và bảo mật khi xử lý dữ liệu lớn.	CLO5: Làm việc nhóm trong môi trường dữ liệu thực tế, chủ động phân chia công việc và trình bày kết quả; nhận diện các vấn đề đạo đức, quyền riêng tư và tuân thủ pháp lý trong khai thác dữ liệu lớn.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Jure Leskovec, Anand Rajaraman, Jeff Ullman. “Mining of Massive Datasets”. Cambridge University Press, phiên bản mới nhất. (Sách điện tử có sẵn tại: http://www.mmds.org/)

5.2. Tham khảo

[2] Jiawei Han, Micheline Kamber, Jian Pei. “Data Mining: Concepts and Techniques”. Morgan Kaufmann, phiên bản mới nhất.

[3] Jules S. Damji, Brooke Wenig, Tathagata Das, Denny Lee. “Learning Spark: Lightning-Fast Data Analytics”. O’Reilly Media, phiên bản mới nhất.

[4] Tom White. “Hadoop: The Definitive Guide”. O’Reilly Media, phiên bản mới nhất.

[5] Holden Karau, Andy Konwinski, Patrick Wendell, Matei Zaharia. “Learning Spark: Lightning-Fast Big Data Analysis”. O’Reilly Media, phiên bản mới nhất.

[6] Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills. “Advanced Analytics with Spark: Patterns for Learning from Data at Scale”. O’Reilly Media, phiên bản mới nhất.

5.3. Tài nguyên trực tuyến

[7] Khóa học trực tuyến “Mining Massive Datasets” của Stanford (https://www.edx.org/course/mining–massive-datasets)

[8] Tài liệu chính thức của Apache Hadoop và Apache Spark

[9] Bộ dữ liệu thực hành từ các nguồn như Kaggle, UCI Machine Learning Repository

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Bài tập cá nhân	Rubric AM2a	CLO1-5	10%
2	Bài tập nhóm và thực hành	Rubric AM9	CLO1-5	20%
3	Đồ án môn học Báo cáo giữa kỳ Sản phẩm cuối cùng Báo cáo và trình bày	Rubric AM8	CLO1-5	40% (10%) (15%) (15%)
II	Đánh giá tổng kết (cuối kỳ)
1	Thi cuối kỳ (Bài thi viết/trắc nghiệm)	Theo đáp án	CLO1-5	30%

15. CS5021: Khai thác mạng xã hội

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5021
Tên Tiếng Việt: Khai thác mạng xã hội Tên Tiếng Anh: Mining Social Networks
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Kiến thức cơ bản về Python, hiểu biết về thống kê cơ bản, kiến thức về cấu trúc dữ liệu và thuật toán
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Nguyễn Xuân Hà	–	ha.nguyen@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

Học phần cung cấp nền tảng lý thuyết và kỹ năng thực hành trong lĩnh vực phân tích mạng xã hội, một hướng nghiên cứu liên ngành giữa khoa học máy tính, xã hội học và khoa học dữ liệu. Người học sẽ được tìm hiểu các khái niệm cơ bản về lý thuyết đồ thị và các chỉ số phân tích mạng như độ đo trung tâm, cộng đồng, cấu trúc và động lực mạng. Học phần đặc biệt nhấn mạnh vào khả năng thu thập, tiền xử lý, phân tích và trực quan hóa dữ liệu mạng xã hội bằng công cụ NetworkX và thư viện Python.

Thông qua các buổi lý thuyết kết hợp thực hành, người học sẽ từng bước học cách:

Xây dựng và phân tích đồ thị từ dữ liệu thực tế.
Áp dụng các thuật toán phát hiện cộng đồng, lan truyền ảnh hưởng và dự đoán liên kết.
Mô hình hóa mạng xã hội bằng các mô hình ngẫu nhiên và học máy trên đồ thị (Graph Machine Learning).
Hiểu và xử lý các vấn đề đạo đức, quyền riêng tư và pháp lý liên quan đến dữ liệu mạng.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Hiểu rõ các khái niệm, đặc trưng và mô hình dữ liệu trong mạng xã hội.	CLO1: Trình bày được các lý thuyết và kỹ thuật cốt lõi trong khai thác mạng xã hội như phân tích đồ thị xã hội, xác định ảnh hưởng, phát hiện cộng đồng, và lan truyền thông tin.	PLO1, 2
Kỹ năng
CO2: Ứng dụng công cụ lập trình để thu thập và phân tích dữ liệu từ các nền tảng mạng xã hội.	CLO2: Phát triển hệ thống khai thác dữ liệu mạng xã hội với Python, sử dụng API (Facebook, Twitter, Reddit…), trực quan hóa mạng xã hội và thực hiện các phép phân tích định lượng.	PLO3, 4
CO3: Đề xuất giải pháp và kiểm chứng mô hình cho các bài toán thực tiễn trên mạng xã hội.	CLO3: Xây dựng mô hình dự đoán, phân tích cảm xúc, phát hiện bất thường hoặc lan truyền thông tin sai lệch trên dữ liệu thực; đánh giá mô hình bằng các thước đo chuẩn.	PLO5
CO4: Khai thác mạng xã hội phục vụ các lĩnh vực như marketing, xã hội học, chính trị và y tế.	CLO4: Phân tích và trình bày tác động của mạng xã hội đến hành vi người dùng, truyền thông chính trị hoặc truyền bá tin giả; đề xuất giải pháp ứng dụng trong lĩnh vực liên ngành.	PLO6
Mức tự chủ và trách nhiệm
CO5: Nhận thức đúng đắn về đạo đức, quyền riêng tư và tác động xã hội trong khai thác mạng xã hội.	CLO5: Thảo luận và thực hành trong nhóm để giải quyết vấn đề khai thác dữ liệu mạng xã hội có trách nhiệm, đảm bảo tuân thủ luật pháp, đạo đức và quyền riêng tư người dùng.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	3	3
CLO2			3	3
CLO3					3
CLO4						3
CLO5							3	3

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

Không có

5.2. Tham khảo

[1] Social Media Mining An Introduction by Reza Zafarani, Mohammad Ali Abbasi, Huan Liu (https://www.socialmediamining.info/toc/)

[2] “Mining the Social Web” – Matthew A. Russell, Mikhail Klassen

[3] Tài liệu NetworkX: https://networkx.org/documentation/stable/

[4] Các bài báo khoa học và nghiên cứu cập nhật về phân tích mạng xã hội

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học	Rubric AM1	CLO1-CLO5	5%
2	Bài tập thực hành	Rubric AM9	CLO1-CLO5	35%
II	Đánh giá tổng kết (cuối kỳ)
1	Đồ án cuối kỳ	Rubric AM8	CLO1-CLO5	60%

16. AI5011: Mô hình Ngôn ngữ Lớn

Thông tin chung về học phần

Tên học phần:				Mã học phần: AI5011
Tên Tiếng Việt: Mô hình Ngôn ngữ Lớn Tên Tiếng Anh: Large-Language Models
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	PGS. TS. Nguyễn Việt Anh	0917626028	anh.vietnguyen@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Trang bị kiến thức nền tảng và chuyên sâu về kiến trúc, huấn luyện và cơ chế hoạt động của LLM.	CLO1: Trình bày được các khái niệm, kiến trúc Transformer, Self-Attention, kỹ thuật huấn luyện như masked language modeling, causal language modeling, cũng như cơ chế fine-tuning và prompting trong LLM.	PLO1, 2
Kỹ năng
CO2: Phát triển kỹ năng áp dụng LLM vào các bài toán xử lý ngôn ngữ tự nhiên.	CLO2: Cài đặt, huấn luyện và đánh giá mô hình LLM sử dụng PyTorch/TensorFlow; áp dụng các kỹ thuật như transfer learning, zero-shot và few-shot để giải quyết các tác vụ như QA, phân loại văn bản, tóm tắt và sinh văn bản.	PLO3, 4
CO3: Khai thác LLM trong nghiên cứu và đánh giá mô hình NLP tiên tiến.	CLO3: Thiết kế và thực hiện các thực nghiệm so sánh hiệu quả của LLM (GPT, LLaMA, BERT-like models) trên bộ dữ liệu thực tế; phân tích các chỉ số như perplexity, BLEU, ROUGE, F1 để đánh giá hiệu năng.	PLO5
CO4: Ứng dụng LLM trong các lĩnh vực liên ngành và xây dựng ứng dụng thông minh.	CLO4: Phối hợp sử dụng LLM để xây dựng ứng dụng trợ lý ảo, chatbot, hỗ trợ học tập ngôn ngữ, phân tích dư luận mạng xã hội; tích hợp với hệ thống IT thực tế như API, frontend/backend.	PLO6
Mức tự chủ và trách nhiệm
CO5: Phát triển thái độ đúng đắn khi ứng dụng LLM trong xã hội.	CLO5: Đánh giá được các vấn đề đạo đức, sai lệch mô hình, deepfake, kiểm duyệt nội dung và quyền riêng tư dữ liệu trong các hệ thống sử dụng LLM; trình bày và phản biện kết quả nhóm.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

– Không có

5.2. Tham khảo

[1] Vaswani, A., et al. “Attention is All You Need” (2017).

[2] Devlin, J., et al. “BERT: Pre-training of Deep Bidirectional Transformers” (2018).

[3] Radford, A., et al. “Language Models are Unsupervised Multitask Learners” (2019).

[4] Lepikhin, D., et al. “GLaM: Efficient Scaling of Language Models with Mixture-of-Experts” (2021).

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học (điểm danh, thảo luận)	Rubric AM1	CLO1-CLO5	10%
2	Bài tập thực hành (code, báo cáo)	Rubric AM9	CLO1-CLO5	30%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án cuối kỳ theo nhóm (mô hình LLM, code, báo cáo nhóm, thuyết trình)	Rubric AM8b	CLO1-CLO5	60%

17. AI5012: Mô hình ngôn ngữ thị giác

Thông tin chung về học phần

Tên học phần:				Mã học phần: AI5012
Tên Tiếng Việt: Mô hình ngôn ngữ thị giác Tên Tiếng Anh: Vision-Language Models
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Trần Đào Huy Cường	–	cuong.tran@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

Học phần Mô hình ngôn ngữ thị giác (Vision-Language Models) 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:

Lý thuyết cơ bản: Kiến trúc, phương pháp huấn luyện, và đánh giá VLM.
Ứng dụng thực tế: Nhận diện hình ảnh, tạo ảnh từ văn bản, và trả lời câu hỏi dựa trên hình ảnh (Visual Question Answering – VQA).
Thực hành: Sử dụng các mô hình tiên tiến như CLIP, DALL-E, và Gemma 3.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Trình bày và phân tích được các nguyên lý cốt lõi của mô hình ngôn ngữ thị giác (Vision-Language Models – VLMs) và ứng dụng của chúng trong các bài toán thị giác máy tính kết hợp xử lý ngôn ngữ.	CLO1: Giải thích được cấu trúc, kiến trúc và đặc điểm kỹ thuật của các mô hình VLMs tiên tiến như CLIP, BLIP, Flamingo, và GPT-4V.	PLO1, 2
Kỹ năng
CO2: Áp dụng kỹ thuật huấn luyện, fine-tuning, và đánh giá mô hình ngôn ngữ thị giác cho các bài toán như image captioning, VQA, multi-modal retrieval,…	CLO2: Xây dựng pipeline xử lý dữ liệu và triển khai huấn luyện mô hình VLMs cho một bài toán thực tiễn cụ thể.	PLO3, 4
CO3: Sử dụng các phương pháp nghiên cứu thực nghiệm để đánh giá hiệu quả của các kiến trúc VLM khác nhau.	CLO3: Thiết kế và thực hiện một nghiên cứu đánh giá so sánh giữa các mô hình VLMs, trình bày kết quả và lập luận phân tích hiệu quả mô hình.	PLO5
CO4: Tích hợp công nghệ VLMs vào các hệ thống đa ngành như chăm sóc sức khỏe, giáo dục thông minh hoặc hệ thống tương tác người–máy.	CLO4: Đề xuất giải pháp ứng dụng VLMs trong một lĩnh vực cụ thể, kết hợp yếu tố kỹ thuật và bối cảnh ứng dụng liên ngành.	PLO6
Mức tự chủ và trách nhiệm
CO5: Rèn luyện tư duy phản biện, kỹ năng trình bày học thuật và tinh thần học hỏi trong quá trình nghiên cứu và triển khai mô hình VLMs.	CLO5: Thể hiện khả năng học tập tự định hướng, làm việc nhóm hiệu quả và tuân thủ đạo đức nghiên cứu, quyền riêng tư dữ liệu trong các dự án VLMs.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	5	5
CLO2			5		5
CLO3					5
CLO4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

Không có

5.2. Tham khảo

Không có

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học (điểm danh, thảo luận)	Rubric AM1	CLO1-CLO5	10%
2	Bài tập thực hành (code, báo cáo)	Rubric AM9	CLO1-CLO5	30%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án cuối kỳ (bao gồm mô hình VLM, code, báo cáo, và thuyết trình)	Rubric AM8	CLO1-CLO5	60%

18. CS5022: Hệ thống khuyến nghị

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5022
Tên Tiếng Việt: Hệ thống khuyến nghị Tên Tiếng Anh: Recommendation Systems
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Machine Learning, Đại số tuyến tính, Xác suất & Thống kê, Lập trình Python
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

Học hàm, học vị,

họ và tên

Số điện thoại

Email

Ghi chú

TS. Nguyễn Xuân Hà

–

ha.nguyen@ttu.edu.vn

Phụ trách

Mô tả tóm tắt nội dung học phần

Học phần Hệ thống khuyến nghị (Recommendation System) 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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Cung cấp kiến thức nền tảng về các loại hệ thống khuyến nghị và cách chúng hoạt động.	CLO1: Trình bày các khái niệm và nguyên lý nền tảng của hệ thống khuyến nghị, bao gồm lọc cộng tác, lọc dựa trên nội dung, và các mô hình lai.	PLO1, 2
Kỹ năng
CO2: Hướng dẫn sinh viên cách chọn lựa và thiết kế mô hình khuyến nghị phù hợp cho từng bài toán cụ thể.	CLO2: Thiết kế và triển khai hệ thống khuyến nghị phù hợp với từng bài toán cụ thể, sử dụng các mô hình truyền thống và hiện đại như matrix factorization, deep learning.	PLO3, 4
CO3: Trang bị kỹ năng thực hành với các công cụ và thư viện phần mềm trong việc xây dựng và đánh giá hệ thống khuyến nghị.	CLO3: Thực hành xây dựng và đánh giá hệ thống khuyến nghị bằng các chỉ số như precision, recall, F1, NDCG, MAP… sử dụng Python và các thư viện như Surprise, TensorFlow, PyTorch.	PLO5
CO4: Phát triển khả năng tích hợp liên ngành trong việc giải quyết các vấn đề thực tế bằng hệ thống khuyến nghị.	CLO4: Tích hợp kiến thức từ học máy, thống kê, và khai thác dữ liệu để giải quyết các bài toán khuyến nghị trong thực tế (e-commerce, media, mạng xã hội, v.v.).	PLO6
Mức độ tự chủ và trách nhiệm
CO5: Khuyến khích phát triển tư duy phản biện, kỹ năng làm việc nhóm và nhận thức về các tác động xã hội, đạo đức trong việc áp dụng hệ thống khuyến nghị.	CLO5: Thể hiện tư duy phản biện, làm việc nhóm hiệu quả trong các dự án xây dựng hệ thống khuyến nghị , và nhận thức được các vấn đề đạo đức và thiên lệch thuật toán.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	5	5
CLO2			5	5
CLO3					5
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Charu C. Aggarwal. Recommender Systems: The Textbook”. Springer 2016.

5.2. Tham khảo

[2] Francesco Ricci, Lior Rokach, Bracha Shapira và Paul B. Kantor. Recommender Systems Handbook. Springer 2011.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Chuyên cần và hoạt động trên lớp.	Rubric AM1	CLO1, 2, 3, 5	10%
2	– Thực hành.	Rubric AM9	CLO1, 2, 3, 5	20%
3	– Kiểm tra giữa kỳ: Trắc nghiệm (50%) và thực hành (50%).	Thang trắc nghiệm và Rubric AM9	CLO1, 2, 3, 5	20%
II	Đánh giá tổng kết (cuối kỳ)
1	– Sinh viên sẽ được yêu cầu thực hiện một dự án (báo cáo, thuyết trình, code, demo).	Rubric AM8b	CLO1-5	50%

19. AI5013: Tác nhân trí tuệ nhân tạo

Thông tin chung về học phần

Tên học phần:				Mã học phần: AI5013
Tên Tiếng Việt: Tác nhân trí tuệ nhân tạo Tên Tiếng Anh: AI Agents
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Kiến thức cơ bản về lập trình Python, làm quen với các khái niệm cơ bản về học máy, hiểu biết về các khái niệm cơ bản của NLP (khuyến nghị nhưng không bắt buộc)
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Cao Tiến Dũng	0983 695 166	dung.cao@ttu.edu.email	Phụ trách

Mô tả tóm tắt nội dung học phần

Học phần Tác nhân trí tuệ nhân tạo (AI Agent) 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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CDR CTĐT
Kiến thức
CO1: Hiểu được các khái niệm cơ bản và nâng cao về tác nhân trí tuệ nhân tạo, bao gồm các thuật toán, mô hình và ứng dụng thực tiễn.	CLO1: Hiểu được các kiến thức chuyên sâu về KHMT, bao gồm các lĩnh vực chuyên sâu như trí tuệ nhân tạo, học máy, xử lý ngôn ngữ tự nhiên, thị giác máy tính, an toàn thông tin, và các xu hướng công nghệ mới.	PLO1, 2
Kỹ năng
CO2: Phát triển khả năng phân tích, thiết kế và triển khai các hệ thống tác nhân trí tuệ nhân tạo trong các tình huống thực tế.	CLO2: Phân tích, thiết kế, đánh giá và thực hiện được các giải pháp liên quan đến KHMT cho một vấn đề trong thực tế.	PLO3, 4
CO3: Rèn luyện kỹ năng nghiên cứu khoa học để giải quyết các vấn đề phức tạp trong lĩnh vực trí tuệ nhân tạo.	CLO3: 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.	PLO5
CO4: Nâng cao khả năng tích hợp và chuyển giao các giải pháp công nghệ trí tuệ nhân tạo vào các lĩnh vực liên ngành.	CLO4: 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.	PLO6
Mức độ tự chủ và trách nhiệm
CO5: Phát triển ý thức trách nhiệm và khả năng tự học, đồng thời đánh giá tác động xã hội của công nghệ trí tuệ nhân tạo.	CLO5: 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. 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.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Tài liệu LangChain

[2] Tài liệu API Gemma

[3] Các bài báo đã chọn về tác nhân AI (cung cấp hàng tuần)

5.2. Tham khảo

[4] “Building LLM-powered Applications” của Simon Willison

[5] “Designing AI Agents” của Lilian Weng

[6] “Prompt Engineering Guide” của DAIR.AI

5.3. Tài nguyên trực tuyến

[7] Repository GitHub LangChain

[8] Cộng đồng nhà phát triển Gemma

[9] Các ví dụ về tác nhân trên Hugging Face

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học và thực hành	Rubric AM1 và AM9	CLO1-5	15%
2	Bài tập hàng tuần	Rubric AM2	CLO1-5	30%
3	Dự án giữa kỳ	Rubric AM3	CLO1-5	20%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án cuối kỳ	Rubric AM8	CLO1-5	35%

20. AI5014: Hệ thống đa tác nhân

Thông tin chung về học phần

Tên học phần:				Mã học phần: AI5014
Tên Tiếng Việt: Hệ thống đa tác nhân Tên Tiếng Anh: Multi Agent Systems
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Cao Tiến Dũng	0983 695 166	dung.cao@ttu.edu.email	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Hiểu rõ các nguyên lý, kiến trúc và thành phần cốt lõi trong hệ thống đa tác nhân (MAS), bao gồm tương tác, hợp tác và phối hợp giữa các tác nhân.	CLO1: Phân tích được các kiến thức chuyên sâu về hệ thống đa tác nhân, bao gồm mô hình giao tiếp, phân công nhiệm vụ, giải quyết xung đột và học tập phân tán.	PLO1, 2
Kỹ năng
CO2: Thiết kế và hiện thực hóa các hệ thống đa tác nhân để giải quyết các bài toán thực tiễn như phân phối tài nguyên, kiểm soát giao thông, hoặc hệ thống hỗ trợ ra quyết định.	CLO2: Áp dụng kỹ năng thiết kế và phát triển hệ thống đa tác nhân sử dụng các mô hình tương tác và các công cụ mô phỏng hiện đại.	PLO3, 4
CO3: Thực hiện nghiên cứu độc lập và đánh giá hiệu quả của các hệ thống đa tác nhân trong môi trường phức tạp, sử dụng công cụ phân tích định lượng và ngôn ngữ chuyên ngành.	CLO3: Vận dụng phương pháp nghiên cứu khoa học để phân tích, mô hình hóa và đánh giá hệ thống đa tác nhân trên cơ sở thử nghiệm có kiểm soát.	PLO5
CO4: Kết hợp các phương pháp và kỹ thuật từ các lĩnh vực khác như kinh tế học, hệ thống phức hợp, hoặc hệ thống xã hội để xây dựng các ứng dụng liên ngành sử dụng MAS.	CLO4: Thiết kế và triển khai hệ thống đa tác nhân trong môi trường liên ngành, đồng thời xác định hướng chuyển giao ứng dụng từ nghiên cứu sang thực tiễn.	PLO6
Mức tự chủ và trách nhiệm
CO5: Thể hiện tinh thần trách nhiệm, đánh giá rủi ro đạo đức, pháp lý và xã hội khi phát triển hệ thống đa tác nhân có khả năng tự hành xử và đưa ra quyết định.	CLO5: Phân tích tác động đạo đức, pháp lý và xã hội của MAS, thể hiện năng lực làm việc nhóm, lãnh đạo và học tập suốt đời trong lĩnh vực công nghệ đa ngành.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	5	5
CLO2			5	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] “Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations” của Shoham và Leyton-Brown

5.2. Tham khảo

[2] CS 224M: Multi Agent Systems course at Stanford University

[3] Multi-Agent Systems online courses on Class Central

[4] Multi-Agent Systems course at Vrije Universiteit Amsterdam

[5] CS525M-AMF course at WPI

[6] Multi-Agent System Course at EMSE

[7] ECE750/493 course at University of Waterloo

[8] What are some online courses in multi-agent systems? on Quora

[9] Multiagent Systems book overview on Cambridge University Press

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học và thực hành	Rubric AM1 và AM9	CLO1-5	15%
2	Bài tập hàng tuần	Rubric AM2	CLO1-5	30%
3	Dự án giữa kỳ	Rubric AM3	CLO1-5	20%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án cuối kỳ	Rubric AM8	CLO1-5	35%

21. CS5040: Chuỗi khối

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5040
Tên Tiếng Việt: Chuỗi khối Tên Tiếng Anh: Blockchain
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Cơ sở An toàn Thông tin hoặc Mật mã học ứng dụng; Cấu trúc Dữ liệu và Giải thuật; Ngôn ngữ lập trình (ưu tiên Python hoặc JavaScript)
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Lê Quốc Huy	0974877148	huy.le@ttu.edu.email	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Trình bày được các khái niệm cốt lõi về công nghệ chuỗi khối, bao gồm kiến trúc, cơ chế đồng thuận, hợp đồng thông minh và các nền tảng phổ biến như Ethereum, Hyperledger.	CLO1: Phân tích được kiến thức chuyên sâu về kiến trúc Blockchain, mô hình bảo mật, các giao thức đồng thuận và ứng dụng thực tế trong các lĩnh vực khác nhau.	PLO1
Kỹ năng
CO2: Thiết kế và phát triển các ứng dụng phân tán (DApps) dựa trên nền tảng chuỗi khối, từ hợp đồng thông minh đến giao diện người dùng.	CLO2: Vận dụng kiến thức chuyên môn để thiết kế, lập trình và triển khai ứng dụng Blockchain, đánh giá tính hiệu quả và an toàn của hệ thống.	PLO3, 4
CO3: Tiến hành nghiên cứu, thực nghiệm và đánh giá các thuật toán đồng thuận, mô hình mã hóa và các vấn đề mở của Blockchain trong bối cảnh học thuật và công nghiệp.	CLO3: Ứng dụng phương pháp nghiên cứu để phân tích các đặc tính kỹ thuật và thực hiện đánh giá so sánh các hệ thống Blockchain hiện đại bằng tiếng Anh chuyên ngành.	PLO5
CO4: Kết hợp công nghệ Blockchain với các lĩnh vực khác như tài chính, chuỗi cung ứng, bảo mật dữ liệu, để phát triển và chuyển giao các giải pháp liên ngành.	CLO4: Thiết kế và tích hợp hệ thống Blockchain trong bối cảnh liên ngành, đồng thời đánh giá tính khả thi và hiệu quả trong ứng dụng thực tiễn.	PLO6
Mức tự chủ và trách nhiệm
CO5: Đánh giá các tác động xã hội, đạo đức và pháp lý khi áp dụng công nghệ Blockchain, đặc biệt trong lĩnh vực dữ liệu cá nhân, tài chính và quyền riêng tư.	CLO5: Phân tích được rủi ro đạo đức, pháp lý và xã hội của các ứng dụng Blockchain; thể hiện năng lực lãnh đạo, làm việc nhóm và học tập suốt đời trong môi trường đa ngành.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	5
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Bashir, I. (2023). Mastering blockchain: Distributed ledger technology, decentralization, and smart contracts explained (4th ed.). Packt Publishing.

5.2. Tham khảo

[2] Antonopoulos, A. M., & Wood, G. (2018). Mastering Ethereum: Building smart contracts and DApps. O’Reilly Media.

[3] Drescher, D. (2017). Blockchain basics: A non-technical introduction in 25 steps. Apress.

[4] Modi, R. (2018). Solidity programming essentials: A beginner’s guide to build smart contracts for Ethereum and blockchain. Packt Publishing.

[5] Narayanan, A., Bonneau, J., Felten, E., Miller, A., & Goldfeder, S. (2016). Bitcoin and cryptocurrency technologies: A comprehensive introduction. Princeton University Press.

[6] Tapscott, D., & Tapscott, A. (2016). Blockchain revolution: How the technology behind Bitcoin is changing money, business, and the world. Portfolio/Penguin.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Tham gia lớp học	Rubric AM1	CLO1-CLO5	10%
2	Bài tập và bài thực hành	Rubric AM2 và AM9	CLO1-CLO5	20%
3	Dự án giữa kỳ	Rubric AM3	CLO1-CLO5	30%
II	Đánh giá tổng kết (cuối kỳ)
1	Dự án cuối kỳ	Rubric AM8	CLO1-CLO5	40%

22. CS5050: Mật mã ứng dụng

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS5050
Tên Tiếng Việt: Mật mã ứng dụng Tên Tiếng Anh: Applied Cryptography
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Toán rời rạc; Cấu trúc dữ liệu và Giải thuật; Ngôn ngữ lập trình( Python hoặc C/C++); Cơ sở an toàn thông tin (hoặc tương đương)
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

Học hàm, học vị,

họ và tên

Số điện thoại

Email

Ghi chú

TS. Lê Quốc Huy

0974877148

huy.le@ttu.edu.vn

Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Trình bày được các nguyên lý và thuật toán nền tảng của mật mã học hiện đại, bao gồm cả lý thuyết và ứng dụng thực tiễn trong bảo mật thông tin.	CLO1: Phân tích và trình bày được các khái niệm cơ bản và nâng cao trong mật mã học như mật mã đối xứng, bất đối xứng, hàm băm, giao thức xác thực, và hệ mật mã hậu lượng tử.	PLO1, 2
Kỹ năng
CO2: Thiết kế, cài đặt và đánh giá hiệu quả của các hệ thống bảo mật sử dụng kỹ thuật mật mã trong các ứng dụng thực tế như blockchain, bảo vệ dữ liệu, xác thực người dùng.	CLO2: Ứng dụng kỹ năng lập trình và phân tích để thiết kế các giải pháp mật mã phù hợp với yêu cầu bảo mật của hệ thống thông tin thực tế.	PLO3, 4
CO3: Thực hiện nghiên cứu về các giao thức mật mã mới, đánh giá rủi ro bảo mật và xây dựng mô hình phòng vệ cho các hệ thống đang phát triển.	CLO3: Vận dụng phương pháp nghiên cứu khoa học để khảo sát, phân tích và đề xuất cải tiến các thuật toán, giao thức mật mã, đồng thời trình bày kết quả bằng tiếng Anh chuyên ngành.	PLO5
CO4: Tích hợp kiến thức về mật mã vào các giải pháp bảo mật liên ngành như thương mại điện tử, y tế số, IoT hoặc chính phủ điện tử.	CLO4: Phối hợp giữa kiến thức chuyên ngành và các yêu cầu thực tiễn để thiết kế và chuyển giao các giải pháp bảo mật có yếu tố mật mã trong bối cảnh liên ngành.	PLO6
Mức tự chủ và trách nhiệm
CO5: Xác định được các vấn đề đạo đức, pháp lý và xã hội liên quan đến việc sử dụng, triển khai và quản lý các hệ thống mật mã trong thực tế.	CLO5: Phân tích và đánh giá được các ràng buộc pháp lý và đạo đức trong việc sử dụng mật mã; phát triển tư duy phản biện, làm việc nhóm hiệu quả và thể hiện tinh thần trách nhiệm trong bối cảnh bảo mật thông tin.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Ferguson, N., Schneier, B., & Kohno, T. (2010). Cryptography engineering: Design principles and practical applications. Wiley Publishing.

[2] Schneier, B. (1996). Applied cryptography: Protocols, algorithms, and source code in C (2nd ed.). John Wiley & Sons.

5.2. Tham khảo

[3] Piper, F., & Murphy, S. (2002). Cryptography: A very short introduction. Oxford University Press.

[4] Paar, C., & Pelzl, J. (2010). Understanding cryptography: A textbook for students and practitioners. Springer.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	Chuyên cần và hoạt động trên lớp.	Rubric AM1	CLO1-CLO5	10%
2	Bài tập và thực hành.	Rubric AM2 và AM9	CLO1-CLO5	20%
3	Kiểm tra giữa kỳ: Trắc nghiệm (50%) và thực hành (50%).	Thang trắc nghiệm và Rubric AM9	CLO1-CLO5	30%
III	Đánh giá tổng kết (cuối kỳ)
1	Sinh viên sẽ thực hiện một dự án thực tế liên quan đến mật mã và bảo mật ứng dụng.	Rubric AM8b	CLO1-CLO5	40%

23. AI4101: Nhập môn Học sâu

Thông tin chung về học phần

Tên học phần:				Mã học phần: AI4101
Tên Tiếng Việt: Nhập môn Học sâu Tên Tiếng Anh: Introduction to Deep Learning
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

Học hàm, học vị,

họ và tên

Số điện thoại

Email

Ghi chú

TS. Trần Ngọc Anh

091 3172646

anh.tran@ttu.edu.vn

Phụ trách

TS. Nguyễn Xuân Hà

–

ha.nguyen@ttu.edu.vn

Tham gia

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Trình bày được các kiến thức nền tảng về học sâu, bao gồm kiến trúc mạng neuron, lan truyền ngược, mạng tích chập (CNN), mạng hồi tiếp (RNN), và các phương pháp huấn luyện.	CLO1: Phân tích được cơ sở toán học và nguyên lý hoạt động của các kiến trúc học sâu cơ bản và nâng cao.	PLO1,2
Kỹ năng
CO2: Áp dụng được các kiến thức về học sâu vào việc giải quyết các bài toán thực tế như nhận diện ảnh, phân loại văn bản, hoặc dự đoán chuỗi.	CLO2: Thiết kế, huấn luyện, và đánh giá mô hình học sâu trên các bộ dữ liệu thực tế, sử dụng thư viện chuyên dụng như TensorFlow hoặc PyTorch.	PLO3, PLO4
CO3: Phân tích và so sánh hiệu quả các mô hình học sâu trong nghiên cứu và đề xuất cải tiến kiến trúc phù hợp với mục tiêu nghiên cứu.	CLO3: Vận dụng phương pháp nghiên cứu khoa học để cải tiến mô hình học sâu và trình bày kết quả nghiên cứu bằng tiếng Anh chuyên ngành.	PLO5
CO4: Ứng dụng kiến thức học sâu vào các bài toán liên ngành như y học, tài chính, năng lượng hoặc nông nghiệp thông minh.	CLO4: Tích hợp kỹ thuật học sâu với kiến thức liên ngành để xây dựng giải pháp thực tiễn, có khả năng chuyển giao công nghệ.	PLO6
Mức tự chủ và trách nhiệm
CO5: Nhận diện được các vấn đề đạo đức, thiên lệch thuật toán, và quyền riêng tư trong việc triển khai học sâu vào thực tế.	CLO5: Phân tích tác động xã hội và đạo đức của việc sử dụng học sâu, thể hiện tinh thần trách nhiệm và khả năng cộng tác trong môi trường nghiên cứu đa ngành.	PLO7,8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Ian Goodfellow, Yoshua Bengio, Aaron Courville. (2016). Deep Learning. MIT Press.

[2] Charniak, Eugene (2018). Introduction to deep learning. MIT Press.

5.2. Tham khảo

[3] Aurélien Géron. (2019). Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow. O’Reilly Media.

[4] François Chollet. (2017). Deep Learning with Python. Manning Publications.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Chuyên cần và hoạt động trên lớp.	Rubric AM1	CLO1-5	10%
2	– Bài tập cá nhân.	Rubric AM2a	CLO1-5	40%
III	Đánh giá tổng hợp (cuối kỳ)
1	– Dự án	Rubric AM8b	CLO1-5	50%

24. AI4003: Học sâu trong thị giác máy tính

Thông tin chung về học phần

Tên học phần:				Mã học phần: AI4003
Tên Tiếng Việt: Học sâu trong thị giác máy tính Tên Tiếng Anh: Deep Learning in Computer Vision
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 01	Số tín chỉ thực hành: 02		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 15		Số tiết thực hành: 60
Số tiết thực tập: 00		Số tiết tự học: 60
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Nhập môn học sâu
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

Học hàm, học vị,

họ và tên

Số điện thoại

Email

Ghi chú

TS. Trần Đào Huy Cường

–

cuong.tran@ttu.edu.vn

Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Cung cấp nền tảng lý thuyết về các mô hình học sâu trong thị giác máy tính và các nguyên lý xử lý ảnh số.	CLO1: Trình bày được các kiến thức lý thuyết cốt lõi về học sâu ứng dụng trong thị giác máy tính, bao gồm CNN, RNN, GAN và các kỹ thuật học sâu chuyên biệt cho xử lý ảnh.	PLO1, 2
Kỹ năng
CO2: Trang bị năng lực tư duy phân tích và xây dựng kiến trúc mạng học sâu cho các bài toán thị giác cụ thể.	CLO2: Phân tích và thiết kế các mô hình học sâu cho các bài toán thị giác như phân loại ảnh, phát hiện đối tượng, phân đoạn ảnh, và sinh ảnh bằng GAN.	PLO3,4
CO3: Rèn luyện kỹ năng triển khai mô hình học sâu trên nền tảng thực tế và khai thác hiệu quả thư viện mã nguồn mở.	CLO3: Thực hành xây dựng, huấn luyện và đánh giá mô hình học sâu sử dụng TensorFlow hoặc PyTorch; áp dụng các kỹ thuật huấn luyện nâng cao như augmentation, transfer learning, regularization.	PLO5
CO4: Khuyến khích sinh viên vận dụng kiến thức để giải quyết các vấn đề thực tiễn trong các lĩnh vực ứng dụng của thị giác máy tính.	CLO4: Ứng dụng kiến thức học sâu để giải quyết các bài toán thực tế trong thị giác máy tính như nhận diện khuôn mặt, phân tích y ảnh, thị giác trong xe tự hành, hoặc kiểm định sản phẩm công nghiệp.	PLO6
Mức tự chủ và trách nhiệm
CO5: Phát triển tinh thần làm việc nhóm, kỹ năng trình bày và ý thức trách nhiệm trong việc triển khai hệ thống học sâu công bằng và minh bạch.	CLO5: Làm việc nhóm trong dự án thị giác máy tính, trình bày kết quả, và nhận thức được các khía cạnh đạo đức như nhận diện sai, thiên lệch mô hình, và quyền riêng tư dữ liệu.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO8	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Richard Szeliski (2022). Computer Vision: Algorithms and Applications. Springer.

5.2. Tham khảo

[2] Forsyth, David A (2003). Computer Vision : A Modern Approach. Prentice-Hall of India.

[3] Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.

[4] OpenCV Documentation (Tài liệu trực tuyến).

[5] Scikit-image Documentation (Tài liệu trực tuyến).

[6] Các nguồn khác trên internet.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Chuyên cần và hoạt động trên lớp.	Rubric AM1	CLO1-5	10%
2	– Thực hành.	Rubric AM9	CLO1-5	20%
3	– Kiểm tra giữa kỳ: Trắc nghiệm (50%) và thực hành (50%).	Thang trắc nghiệm và Rubric AM9	CLO1-5	20%
II	Đánh giá tổng kết (cuối kỳ)
1	– Sinh viên thực hiện một dự án thị giác máy tính thực tế, áp dụng các kiến thức đã học trong học phần. Đánh giá dựa trên báo cáo và thuyết trình dự án.	Rubric AM8b	CLO1-5	50%

25. AI4002: Học sâu trong xử lý ngôn ngữ tự nhiên

Thông tin chung về học phần

Tên học phần:				Mã học phần: AI4002
Tên Tiếng Việt: Học sâu trong xử lý ngôn ngữ tự nhiên Tên Tiếng Anh: Deep learning in Natural Language Processing
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 01	Số tín chỉ thực hành: 02		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 15		Số tiết thực hành: 60
Số tiết thực tập: 00		Số tiết tự học: 60
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*: Nhập môn học sâu
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

Học hàm, học vị,

họ và tên

Số điện thoại

Email

Ghi chú

TS. Trần Ngọc Anh

0913172646

anh.tran@ttu.edu.vn

Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Cung cấp kiến thức lý thuyết nền và nâng cao về học sâu chuyên biệt trong lĩnh vực xử lý ngôn ngữ tự nhiên.	CLO1: Trình bày được kiến thức nền tảng và chuyên sâu về học sâu áp dụng trong NLP, bao gồm RNN, LSTM, GRU, Transformer và các kỹ thuật embedding.	PLO1, 2
Kỹ năng
CO2: Hình thành khả năng tư duy phân tích và thiết kế mô hình học sâu giải quyết các bài toán đặc thù trong NLP.	CLO2: Phân tích và thiết kế các hệ thống NLP sử dụng mô hình học sâu cho các bài toán như phân tích cảm xúc, phân loại văn bản, dịch máy, QA và tóm tắt.	PLO3, 4
CO3: Phát triển kỹ năng thực hành triển khai các mô hình học sâu trên tập dữ liệu thực tế trong lĩnh vực ngôn ngữ.	CLO3: Thực hành xây dựng và huấn luyện các mô hình học sâu NLP với TensorFlow/PyTorch, sử dụng dữ liệu thực tế và đánh giá kết quả bằng các chỉ số như BLEU, ROUGE, F1.	PLO5
CO4: Khuyến khích ứng dụng linh hoạt kiến thức để giải quyết các vấn đề trong các hệ thống NLP thực tế.	CLO4: Áp dụng học sâu để phát triển các ứng dụng NLP trong thực tế như chatbot, hệ thống hỗ trợ khách hàng, phân tích dư luận mạng xã hội, và hỗ trợ học tập ngôn ngữ.	PLO6
Mức tự chủ và trách nhiệm
CO5: Hình thành tinh thần làm việc nhóm, tư duy phản biện và nhận thức đạo đức trong ứng dụng học sâu với ngôn ngữ.	CLO5: Làm việc nhóm trong các dự án NLP, trình bày kết quả rõ ràng, và đánh giá các vấn đề liên quan đến thiên vị mô hình, đạo đức AI và quyền riêng tư ngôn ngữ.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Walker, Adrian, (1990). Knowledge systems and Prolog: Developing expert, Database, and Natural language systems. Addison-Wesley.

5.2. Tham khảo

[2] Ian Goodfellow, Yoshua Bengio, and Aaron Courville. (2016). Deep learning, The MIT Press

[3] Internet

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Chuyên cần và hoạt động trên lớp.	Rubric AM1	CLO1-5	10%
2	– Thực hành.	Rubric AM9	CLO1-5	20%
3	– Kiểm tra giữa kỳ: Trắc nghiệm (50%) và thực hành (50%).	Thang trắc nghiệm và Rubric AM9	CLO1-5	20%
II	Đánh giá tổng kết (cuối kỳ)
1	– Sinh viên thực hiện dự án.	Rubric AM8b	CLO1-5	50%

26. CS4001: Hệ thống phân tán

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS4001
Tên Tiếng Việt: Hệ thống phân tán Tên Tiếng Anh: Distributed Systems
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

Học hàm, học vị,

họ và tên

Số điện thoại

Email

Ghi chú

TS. Trương Hữu Trầm

–

tram.truong-huu@ttu.edu.vn

Phụ trách

TS. Nguyễn Xuân Hà

–

ha.nguyen@ttu.edu.vn

Trợ giảng

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Trang bị kiến thức nền về nguyên lý hoạt động và các vấn đề cốt lõi trong hệ thống phân tán.	CLO1: Trình bày được các khái niệm cơ bản của hệ thống phân tán, bao gồm tính minh bạch, khả năng chịu lỗi, tính đồng bộ, nhất quán, và khả năng mở rộng.	PLO1, 2
Kỹ năng
CO2: Phát triển khả năng đánh giá và đề xuất kiến trúc hệ thống phân tán cho các bài toán khác nhau.	CLO2: Phân tích và thiết kế các kiến trúc hệ thống phân tán như client-server, peer-to-peer, hệ thống dựa trên thông điệp (message-based), và microservices.	PLO3, 4
CO3: Tăng cường kỹ năng thực hành công cụ và công nghệ trong xây dựng hệ thống phân tán.	CLO3: Cài đặt và triển khai các thành phần của hệ thống phân tán sử dụng các framework phổ biến như Apache Kafka, Hadoop, hoặc gRPC trong môi trường mô phỏng hoặc thực tế.	PLO5
CO4: Hình thành tư duy ứng dụng hệ thống phân tán để giải quyết các vấn đề dữ liệu lớn và theo thời gian thực.	CLO4: Vận dụng kiến thức để xây dựng các ứng dụng phân tán có khả năng xử lý dữ liệu lớn trong thời gian thực, phục vụ cho các bài toán trong IoT, phân tích cảm biến, và xử lý log quy mô lớn.	PLO6
Mức tự chủ và trách nhiệm
CO5: Rèn luyện kỹ năng làm việc nhóm và tuân thủ các yêu cầu đạo đức trong môi trường hệ thống phân tán.	CLO5: Tham gia phát triển nhóm trong việc xây dựng hệ thống phân tán, tuân thủ nguyên tắc đạo đức nghề nghiệp và bảo mật dữ liệu trong môi trường phân tán.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Tanenbaum, A. S., & Van Steen, M. (2007). Distributed systems: principles and paradigms (2nd ed.). Pearson Prentice Hall.

5.2. Tham khảo

[2] Birman, Kenneth P. (2012). Guide to Reliable Distributed Systems: Building High-Assurance Applications and Cloud-Hosted Services. Springger.

[3] Bal, Henr (1992). Programming Distributed Systems. Silicon Press.

[4] Brian Goetz, Tim Peierls, Joshua Bloch, Joseph Bowbeer, David Holmes, and Doug Lea, (2006). Java Concurrency in Practice.. Addison-Wesley Professional.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Chuyên cần và nộp các bài tập đúng hạn.	Rubric AM1	CLO1-5	5%
2	– Phân tích tài liệu.	Rubric AM7	CLO1-5	15%
3	– Bài tập thực hành.	Rubric AM2a	CLO1-5	40%
II	Đánh giá tổng kết (cuối kỳ)
1	– Dự án nhóm môn học.	Rubric AM8b	CLO1-5	40%

27. CS4011: Dữ liệu lớn

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS4011
Tên Tiếng Việt: Dữ liệu lớn Tên Tiếng Anh: Big Data
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác:
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

TT	Học hàm, học vị, họ và tên	Số điện thoại	Email	Ghi chú
1	TS. Cao Tiến Dũng	0983695166	dung.cao@ttu.edu.vn	Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Trang bị kiến thức cơ sở về bản chất và thách thức của dữ liệu lớn trong thời đại số.	CLO1: Trình bày được khái niệm, đặc điểm 5V (Volume, Velocity, Variety, Veracity, Value), nguồn phát sinh, cũng như các ứng dụng chính của dữ liệu lớn trong khoa học dữ liệu và trí tuệ nhân tạo.	PLO1, 2
Kỹ năng
CO2: Thành thạo các công cụ và mô hình tính toán phổ biến trong hệ sinh thái dữ liệu lớn.	CLO2: Cài đặt và vận hành được quy trình xử lý dữ liệu lớn sử dụng Hadoop, Spark, hệ quản trị SQL/NoSQL và công nghệ MapReduce trong các hệ thống phân tán.	PLO3, 4
CO3: Phân tích và triển khai giải pháp dữ liệu lớn phục vụ bài toán nghiên cứu và công nghiệp.	CLO3: Thiết kế và đánh giá các pipeline xử lý dữ liệu lớn thực tế, ứng dụng kỹ thuật tổ chức dữ liệu, tối ưu truy vấn và tính toán song song để giải quyết vấn đề từ nguồn dữ liệu thực tế.	PLO5
CO4: Vận dụng kiến thức dữ liệu lớn trong các lĩnh vực liên ngành.	CLO4: Đề xuất và thực hiện các ứng dụng dữ liệu lớn trong các lĩnh vực như chăm sóc sức khỏe, tài chính, giáo dục, và phân tích mạng xã hội; vận dụng được dịch vụ đám mây (AWS, GCP) để triển khai hệ thống phân tích dữ liệu lớn.	PLO6
Mức tự chủ và trách nhiệm
CO5: Nhận thức đúng vai trò và trách nhiệm khi xử lý dữ liệu lớn.	CLO5: Thảo luận các vấn đề đạo đức, quyền riêng tư, tính thiên lệch dữ liệu và trách nhiệm trong việc lưu trữ, phân tích và sử dụng dữ liệu lớn; làm việc nhóm và trình bày giải pháp trong dự án thực tế.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] EMC Education Services (2015). Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data. John Wiley & Sons

5.2. Tham khảo

[2] Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data, Indiana John Wiley & Sons, 2015

[3] Viktor Mayer-Schönberger and Kenneth Cukier (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think. Houghton Mifflin Harcourt.

[4] Adriaans, Pieter (1996). Data Mining. Addison-Wesley

[5] Mohammed J. Zaki, Wagner Meira, Jr, (2020). Data Mining and Machine Learning: Fundamental Concepts and Algorithms. Cambridge University

[6] Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd Edition). O’Reilly Media.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Chuyên cần và hoạt động trên lớp.	Rubric AM1 và Rubric AM9	CLO1-5	10%
2	– Bài tập cá nhân	RubricAM2a	CLO1-5	40%
II	Đánh giá tổng hợp (cuối kỳ)
1	– Dự án cuối kỳ	Rubric AM8b	CLO1-5	50%

28. CS4037: Xử lý hình ảnh

Thông tin chung về học phần

Tên học phần:				Mã học phần: CS4037
Tên Tiếng Việt: Xử lý hình ảnh Tên Tiếng Anh: Image Processing
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác:
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

Học hàm, học vị,

họ và tên

Số điện thoại

Email

Ghi chú

TS. Trần Đào Huy Cường

–

cuong.tran@ttu.edu.vn

Phụ trách

Mô tả tóm tắt nội dung học phần

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.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần (CLO)	Mã CĐR CTĐT
Kiến thức
CO1: Trình bày và phân tích được các kiến thức chuyên sâu về xử lý ảnh số, bao gồm biến đổi ảnh, lọc, phân đoạn, biến đổi Fourier, nén ảnh và nâng cao chất lượng ảnh.	CLO1: Giải thích nguyên lý và áp dụng được các kỹ thuật xử lý ảnh từ cơ bản đến nâng cao vào các bài toán thực tiễn.	PLO1, PLO2
Kỹ năng
CO2: Áp dụng kỹ thuật xử lý ảnh vào việc giải quyết các vấn đề trong thị giác máy tính như phát hiện đối tượng, nhận dạng khuôn mặt, theo dõi vật thể, v.v.	CLO2: Phân tích, thiết kế và triển khai các thuật toán xử lý ảnh sử dụng ngôn ngữ lập trình và thư viện chuyên dụng (OpenCV, MATLAB, CNNs, Vision Transformers, GANs, Diffusion Models v.v.).	PLO3, PLO4
CO3: Đề xuất giải pháp cải tiến hoặc tối ưu hóa một thuật toán xử lý ảnh trong khuôn khổ nghiên cứu khoa học.	CLO3: Thực hiện nghiên cứu độc lập, đánh giá hiệu năng các giải pháp xử lý ảnh, viết báo cáo khoa học bằng tiếng Anh chuyên ngành.	PLO5
CO4: Ứng dụng xử lý ảnh vào các lĩnh vực liên ngành như y học, nông nghiệp, giao thông thông minh, công nghiệp 4.0.	CLO4: Tích hợp các kỹ thuật xử lý ảnh vào các giải pháp thực tế liên ngành, có khả năng chuyển giao công nghệ.	PLO6
Mức tự chủ và trách nhiệm
CO5: Xem xét các khía cạnh đạo đức, quyền riêng tư và hệ quả xã hội khi áp dụng các hệ thống xử lý ảnh trong giám sát, nhận diện, và các ứng dụng nhạy cảm khác.	CLO5: Đánh giá tác động đạo đức – xã hội của việc triển khai công nghệ xử lý ảnh, đồng thời thể hiện tinh thần trách nhiệm, hợp tác nghiên cứu và học tập suốt đời.	PLO7, PLO8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	4
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Moura, J. M. F. (2022). Deep Learning for Image Processing Applications. CRC Press.

[2] Dey, S. (2020). Hands-On Image Processing with Python. Packt Publishing.

5.2. Tham khảo

[3] Szeliski, R. (2022). Computer Vision: Algorithms and Applications (2nd Edition). Springer.

[4] Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.

Shanmugamani, R. (2018). Deep Learning for Computer Vision. Packt Publishing.

[5] Foster, D. (2022). Generative Deep Learning (2nd Edition). O’Reilly Media.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Bài tập thực hành.	Rubric AM1 và Rubric AM9	CLO1-5	30%
2	– Bài kiểm tra giữa kỳ	Theo đáp án	CLO1-5	20%
II	Đánh giá tổng hợp (cuối kỳ)
1	– Dự án cuối kỳ	Rubric AM8	CLO1-5	30%
2	– Bài thi cuối kỳ	Theo đáp án	CLO1-5	20%

29. DS5001: Vận trù học nâng cao

Thông tin chung về học phần

Tên học phần:				Mã học phần: DS5001
Tên Tiếng Việt: Vận trù học nâng cao Tên Tiếng Anh: Advanced Operations Research
Học phần: Bắt buộc Tự chọn
Thuộc khối kiến thức hoặc kỹ năng: Đại cương Cơ sở khối ngành Cơ sở ngành Chuyên ngành Khóa luận/Đồ án tốt nghiệp Bổ trợ
Tổng số tín chỉ: 03
Số tín chỉ lý thuyết: 02	Số tín chỉ thực hành: 01		Số tín chỉ thực tập: 00
Số tiết lý thuyết: 30		Số tiết thực hành: 30
Số tiết thực tập: 00		Số tiết tự học: 75
Số tiết đánh giá/thảo luận: 00
Số tiết các hoạt động khác: 00
Học phần tiên quyết *(nếu có)*:
Bộ môn quản lý học phần *(nếu có)*:

Thông tin về giảng viên

Học hàm, học vị,

họ và tên

Số điện thoại

Email

Ghi chú

TS. Trần Duy Hiến

0908 051 591

hien.tran@ttu.edu.vn

Phụ trách

Mô tả tóm tắt nội dung học phần

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 quy hoạch phi tuyến, lý thuyết trò chơi, chuỗi Markov, lý thuyết xếp hàng, mô phỏng, và lập trình động định tính. Người học sẽ học cách áp dụng các phương pháp nâng cao như Gradient Descent, mô phỏng Monte Carlo, và sử dụng ngôn ngữ lập trình Python để phân tích các bài toán thực tế. Học phần phát triển kỹ năng tư duy sáng tạo, tự học, và làm việc nhóm, phù hợp với người học đã có nền tảng cơ bản về nghiên cứu hoạt động.

Mục tiêu và chuẩn đầu ra học phần

Mục tiêu	Chuẩn đầu ra học phần	Mã CĐR CTĐT
Kiến thức
CO1: Hiểu và phân tích các mô hình và phương pháp nâng cao trong Vận trù học.	CLO1: Trình bày được các kiến thức về quy hoạch phi tuyến, lý thuyết trò chơi, chuỗi Markov, lý thuyết xếp hàng, mô phỏng và lập trình động định tính.	PLO1,2
Kỹ năng
CO2: Áp dụng thành thạo các kỹ thuật tối ưu hóa và công cụ mô phỏng hiện đại để giải quyết các bài toán thực tế trong quản lý, tài chính và viễn thông.	CLO2: Phân tích và mô hình hóa được các bài toán thực tế phức tạp trong các lĩnh vực như quản lý, tài chính, và viễn thông.	PLO3, 4
	CLO3: Áp dụng được các kỹ thuật như Gradient Descent, mô phỏng Monte Carlo, và sử dụng ngôn ngữ lập trình Python để giải quyết các bài toán tối ưu.	PLO5
	CLO4: Vận dụng hiệu quả các kỹ năng liên ngành và công cụ phân tích để xây dựng và đánh giá các hệ thống phức tạp.	PLO6
Mức tự chủ và trách nhiệm
CO3: Phát triển kỹ năng tư duy phản biện, sáng tạo và làm việc nhóm.	CLO5: Thể hiện trách nhiệm xã hội và đạo đức nghề nghiệp trong ứng dụng vận trù học nâng cao.	PLO7, 8

* Ma trận mức độ đóng góp của chuẩn đầu ra học phần (CLO) vào chuẩn đầu ra chương trình đào tạo (PLO)

CĐR HP (CLO)	Chuẩn đầu ra chương trình đào tạo (PLO)
CĐR HP (CLO)	PLO1	PLO2	PLO3	PLO4	PLO5	PLO6	PLO7	PLO8
CLO1	4	3
CLO2			4	4
CLO3					4
CLO4						4
CLO5							4	4

Ghi chú: Mức độ đóng góp theo thang điểm từ 1 đến 5 (Mức 1: Đóng góp ít; Mức 5: Đóng góp nhiều)

Tài liệu sử dụng cho học phần

5.1. Bắt buộc

[1] Winston, W. L. (2004). Operations research: Applications and algorithms (4th ed.). Cengage Learning.

5.2. Tham khảo

[2] Các nguồn khác trên internet.

Đánh giá kết quả học tập

TT	Hình thức, phương pháp đánh giá	Công cụ đánh giá	CĐR của HP liên quan	Trọng số
I	Đánh giá tiến trình
1	– Bài tập thực hành.	Rubric AM9	CLO1-5	30%
2	– Bài kiểm tra giữa kỳ	Theo đáp án	CLO1-5	20%
III	Đánh giá tổng hợp (cuối kỳ)
1	– Dự án cuối kỳ	Rubric AM8a	CLO1-5	30%
2	– Bài thi cuối kỳ	Theo đáp án	CLO1-5	20%

Danh mục môn học ngành KHMT 2025 (Thạc sĩ)

DANH MỤC MÔN HỌC

NGÀNH KHOA HỌC MÁY TÍNH

CHƯƠNG TRÌNH ĐÀO TẠO NĂM 2025

Trình độ Thạc sĩ

01. ESL5101: Tiếng Anh

02. MACL5101: Triết học

03. GEN5101: Năng lực số

04. CS5101: Cơ sở toán học cho Khoa học Máy tính

05. CS5102: Nhập môn chuyển đổi số

06. CS5103: Thiết kế giải thuật nâng cao

07. CS5104: Hệ cơ sở dữ liệu nâng cao

08. CS5105: An toàn thông tin

09. CS6080: Luận văn

10. CS6050: Các chuyên đề nghiên cứu

11. CS6051: Phương pháp nghiên cứu

12. CS6070: Đồ án tốt nghiệp

13. AI5010: Trí tuệ Nhân tạo tạo sinh

14. CS5020: Khai thác tập dữ liệu lớn

15. CS5021: Khai thác mạng xã hội

16. AI5011: Mô hình Ngôn ngữ Lớn

17. AI5012: Mô hình ngôn ngữ thị giác

18. CS5022: Hệ thống khuyến nghị

19. AI5013: Tác nhân trí tuệ nhân tạo

20. AI5014: Hệ thống đa tác nhân

21. CS5040: Chuỗi khối

22. CS5050: Mật mã ứng dụng

5.1. Bắt buộc

5.2. Tham khảo

23. AI4101: Nhập môn Học sâu

24. AI4003: Học sâu trong thị giác máy tính

25. AI4002: Học sâu trong xử lý ngôn ngữ tự nhiên

26. CS4001: Hệ thống phân tán

27. CS4011: Dữ liệu lớn

28. CS4037: Xử lý hình ảnh

29. DS5001: Vận trù học nâng cao

Sẵn sàng bắt đầu cùng chúng tôi?