Danh sách đ tài Đ c nglunvăn ề ề ươ ậ HK1/19-20

Danh sách đề tài Đề cương luận văn HK1/19-20
GVHD: TS. Phạm Quốc Cường – cuongpham@hcmut.edu.vn

Đề tài 1: Tìm hiểu lõi Berkeley HardFloat và so sánh đánh giá với các IP core số thực
riêng rẽ dùng các board FPGA
- 2-3 sinh viên (CE, có kỹ năng Verilog)
- Nội dung:
o Đề cương: tìm hiểu sử dụng HardFloat; ánh xạ HardFloat này lên các board FPGA
o LVTN: so sánh đánh giá hiệu suất, tài nguyên và năng lượng giữa HardFloat và các
IP core riêng rẽ khác; đưa ra khuyến cáo sử dụng cho từng trường hợp

Đề tài 2: Memory allocation in embedded systems
- 2-3 students (CE/CS)
- Guest advisor: Dr. Jae YoungHur
Summary: Modern operating systems employ the sophiscated memory memory allocation
schemes. An example is the Buddy allocator in Linux. Depending on the memory allocations,
system performance varies. In this work, we implement the memory allocator in C++. Then
considering an ARM-based embedded system, we explore and evaluate the performance of
various memory allocations.
Item Description
Operating system, Memory management, Embedded system, Computer
Key words
architecture, Simulation
- Literature study (Linux, simulation environment)
- Implementation of memory allocation algorithm
Expected work - Integration in architecture simulator
- Experiments and exploration
- Writing report

Đề tài 3: Performance modeling for embedded multimedia accelerators
Summary: To explore different workloads in a computer system, the simulation model for
different applications is required. Typically, the simulation model is implemented in the
functional model. In this work, we define a hardware micro-artecture for an image processing
application. An example can be JPEG. Then we develop the performance model of an
embedded accelerator. Then we conduct performance explorations using an architecture
simulation.
Item Description
Performance modeling, Digital logic design, Computer architecture,
Key words
Image processing, Simulation
- Literature study (application, simulation environment)
- Study functional model
- Development of performance model in C++
Expected work
- Integration in architecture simulator
- Experiments and exploration
- Writing thesis

Đề tài 4: Modeling of interconnects for system on a chip
Summary: Memory interleaving is one of the key techniques to improve the system
performance. Typically, interconnects in SoC (system on a chip) support this feature.To do
this, a re-order-buffer can be designed. In this thesis, we develop the performance model of
interconnects in C++. Considering ARM architecture, we experiment the system
performance.
Item Description
Key words Computer architecture, Digital logic design, System simulation
- Literature study (ARM bus protocol)
- Development of re-order-buffer performance model
Expected work
- Timing simulation, experiments, and exploration
- Writing thesis

Đề tài 5: DRAM controller performance modeling
Summary: In SoC (system on a chip), DRAM is typically used as a main memory. The
system performance is significally affected by memory controller operation. In this work, we
develop the performance model of a DRAM controller for the state-of-the-art technologies.
Considering ARM architecture, we experiment the system performance.
Item Description
Key words DRAM, Digital logic design, System simulation, Computer architecture
- Literature study (DRAM specification, ARM protocol)
- Development of memory controller model in C++
Expected work
- Timing simulation, experiments, and exploration
- Writing thesis
GVHD: PGS. TS. Trần Ngọc Thịnh – tnthinh@hcmut.edu.vn

Đề tài 6: Xây dựng hệ thống đỗ xe thông minh nhận diện vị trí đỗ xe sử dụng các kỹ
thuật Machine Learning/Deep Learning (Đồng hướng dẫn, KS. Lê Tấn Long)
- 3 SV CE/CS
Mô tả:
Hệ thống đỗ xe thông minh (Smart Parking) đóng vai trò quan trọng trong việc hình
thành cơ sở hạ tầng của một thành phố thông minh (Smart City). Trong đó, nhận
diện vị trí đỗ xe là một trong những tác vụ cơ bản và thiết yếu nhất của các hệ
thống Smart Parking.
Đề tài này xây dựng hệ thống có khả năng xử lý các hình ảnh, video được trích
xuất từ các camera giám sát trong các bãi đỗ xe, phát hiện những vị trí đỗ xe còn
trống để cung cấp cho các tài xế, hoặc trung tâm quản lý đỗ xe trong thời gian thực
với độ chính xác cao.
Giai đoạn Đề cương LVTN:
- Tìm hiểu các giải pháp đỗ xe thông minh (Smart Parking)
- Tìm hiểu các kỹ thuật Machine Learning/Deep Learning phù hợp cho xử lý ảnh
- Xây dựng tập huấn luyện từ các loại ảnh, video từ các loại camera giám sát
- Đề xuất hệ thống xử lý phát hiện những vị trí đỗ xe còn trống và cung c ấp cho các
tài xế, hoặc trung tâm quản lý đỗ xe trong thời gian thực.
Giai đoạn LVTN:
- Hiện thực, huấn luyện và kiểm tra hệ thống đã đề xuất.
- Hoàn thiện chương trình.
- Thử nghiệm và đánh giá hệ thống.
GVHD: PGS. TS. Trần Ngọc Thịnh – tnthinh@hcmut.edu.vn

Đề tài 7: Hiện thực giải pháp phát hiện xâm nhập anomaly-based IDS dựa vào mạng
Neural trên dataplane của mạng SDN. (Đồng hướng dẫn, KS. Ngô Đức Minh)
- 3SV CE/CS
Giai đoạn Đề cương LVTN:
- Tìm hiểu về hướng tiếp cận Software Defined Network (SDN)/OpenFlow
- Tìm hiểu nguyên tắc hoạt động của hệ thống anomaly-based IDS.
- Nghiên cứu các kỹ thuật trong phát hiện bất thường, lựa chọn kỹ thuật neural
network phù hợp để triển khai trên dataplane của mạng SDN.
- Trích xuất, tiền xử lý dữ liệu.
Giai đoạn LVTN:
- Hiện thực, huấn luyện và kiểm tra hệ thống đã đề xuất.
- Hoàn thiện chương trình.
Thử nghiệm và đánh giá hệ thống
GVHD: ThS. Võ Tấn Phương – vtphuong@hcmut.edu.vn

Đề tài 8: (2-3SV CE/CS) Thiết kế và hiện thực thiết bị theo dõi các chỉ số sinh tồn
(nhịp tim – heart rate, nồng độ oxy bão hòa trong máu – SpO2) từ xa
Giai đoạn thực tập:
-Tìm hiểu mạch tham khảo TIDA-01580 (Wireless ECG, SpO2, PTT and heart rate monitor)
-Lập trình giao tiếp IC AFE4900 và giải thuật lấy thông số SpO2, nhịp tim
Giai đoạn luận văn:
-Tìm hiểu giao tiếp Bluetooth với điện thoại
-Xây dựng server lưu trữ và quản lý truy xuất dữ liệu
-Xây dựng ứng dụng theo dõi các chỉ số sinh tồn từ xa
GVHD: ThS. Võ Tấn Phương – vtphuong@hcmut.edu.vn
Đề tài 9 (2-3 SV CE/CS): Xây dựng bộ tài liệu hướng dẫn lập trình micro:bit bằng
“make code” và micropython
Giai đoạn thực tập:
-Tìm hiểu module micro:bit
-Thiết kế layout lại mạch micro:bit và các module mở rộng (tối thiểu 10 module, đồng
thời tối thiểu 2 module)
-Viết tài liệu hướng dẫn lập trình micro:bit bằng “make code”
-Viết tài liệu hướng dẫn lập trình micro:bit bằng micropython
GVHD: ThS. Nguyễn Quốc Tuấn – nqtuan@hcmut.edu.vn

Đề tài 10 (2 SV CE): Nghiên cứu thiết kế mạch cảm biến siêu âm xác đ ịnh vị trí
người điều khiển khoảng cách 2,0m-2,5m và chuyển động của bàn tay đ ẩy v ề phía
trước, vẫy tay.
Nội dung thực tập tốt nghiệp:
- Tìm hiểu hoạt động vả lập trình C cho vi điều khiển PIC33Fxxxx.
- Thiết kế phần cứng mạch giao tiếp cảm biến siêu âm với PIC33Fxxxx có sử dụng
bộ biến đổi A/D, mạch giao tiếp MAX-485 kết nối với máy tính
- Viết chương trình C xử lý tín hiệu siêu âm xác định vị trí người điều khiển.
Nội dung luận văn tốt nghiệp :
- Viết chương trình C xử lý tín hiệu siêu âm xác định chuyển động đẩy tay và vẫy
tay bằng giải thuật DFT.
- Viết chương trình giao tiếp với PC thông qua MAX-485 để truyền kết quả: khoảng
cách người điều khiển, có đẩy tay, vẫy tay.
- Thống kê đánh giá độ chính xác dựa trên từng nhóm người
GVHD: TS. Phạm Hoàng Anh – anhpham@hcmut.edu.vn

ĐỀ TÀI 11. (đã có 01 sinh viên – cần tìm thêm 01 sinh viên CS hoặc CE)
Tên đề tài Tiếng Việt
Phát triển mô hình thử nghiệm mạng Mesh trên hạ tầng LoRa
Tên đề tài Tiếng Anh
Testbed Development of LoRa Mesh Network
Sinh viên thực hiện
 Huỳnh Hoàng Kha - 1513668
 Tên Sinh viên 2 - MSSV 2
 Tên Sinh viên 3 - MSSV 3
Mục tiêu kỳ vọng của đề tài
- Phát triển board IoT LoRa End-Node và IoT LoRa Gateway sử dụng module E32-
TTL-100 kết hợp nền tảng nhúng hoặc vi xử lý.
- Lập trình định tuyến trong mạng theo mô hình mesh
- Áp dụng một số kỹ thuật tiết kiệm năng lượng tại các End-Node.
- Triển khai hệ thống làm nền xây dựng hạ tầng LoRa Testbed tại H6.
Nhiệm vụ Giai đoạn Đề Cương Luận Văn
- Tìm hiểu những kiến thức liên quan đến các giải pháp liên quan cho đề tài
- Thực hiện phân tích và so sánh để chọn giải pháp thiết kế cho đề tài bao gồm
LoRa End-Node và LoRa Gateway sử dụng module E32-TTL-100 (kết hợp nền tảng
board nhúng hoặc vi điều khiển)
- Thực hiện phân tích và so sánh để lựa chọn giải thuật phù hợp cho vi ệc đ ịnh tuy ến
trong mạng và cấu hình hệ thống
- Đề xuất mô hình tổng quát để hiện thực trong giai đoạn LVTN
Nhiệm vụ Giai đoạn Luận Văn Tốt Nghiệp
- Hoàn thiện hiện thực hệ thống đề xuất ở giai đoạn ĐCLV
- Triển khai thử nghiệm tại toà nhà H6 – Đại học Bách Khoa
- Đánh giá hệ thống thử nghiệm và khả năng ứng dụng vào thực tế.
Tài liệu tham khảo
- Liên hệ GVHD

ĐỀ TÀI 12. (2 Sinh viên – CS & CE)
Nghiên cứu và hiện thực giải thuật SLAM trên nền tảng nhúng ROS
ROS = (Robot Operating System)
SLAM Implementation on ROS Platform
 Tên sinh viên 1 - MSSV 1
 Tên sinh viên 2 - MSSV 2
- Phát triển được thư viện hiện thực giải thuật SLAM trên nền tảng nhúng để xây
dựng bản đồ xung quanh vật thể để ứng dụng trên các mô hình xe tự hành.
- Hiện thực ứng dụng/mô hình thử nghiệm sử dụng cảm biến LiDAR A1 (có sẵn)
hoặc một module khác có chức năng tương đương.
- Tìm hiểu các giải thuật SLAM để dựng bản đồ từ cảm biến LiDAR
- Khảo sát nền tảng nhúng ROS (Robot Operating System)
- Khảo sát cảm biến LiDAR (sinh viên sẽ được cung cấp thiết bị)
- Đề xuất mô hình hệ thống và ứng dụng sẽ hiện thực trong giai đoạn Luận Văn Tốt
Nghiệp
- Thực hiện một số thử nghiệm ban đầu (nếu có thể)
- Thiết kế chi tiết hệ thống và hiện thực hoàn chỉnh ứng dụng
- Đánh giá kết quả hiện thực
- https://www.mrpt.org/tutorials/slam-algorithms/slam-simultaneous-localization-and-
mapping-for-beginners-the-basics/
- http://ais.informatik.uni-freiburg.de/teaching/ss12/robotics/slides/12-slam.pdf
- https://kr.mathworks.com/help/robotics/examples/implement-slam-with-lidar-
scans.html;jsessionid=6663d06def6ce666b60d366dc10a
- https://www.gislounge.com/robotic-mapping-simultaneous-localization-and-mapping-
slam/
- Cảm biến dự kiến sẽ được cung cấp là RPLIDAR A1 (360 Degree Laser Scanner
Development Kit)
- Robot Operating System: http://wiki.ros.org/

ĐỀ TÀI 13. (2 Sinh viên - CS & CE)
Nghiên cứu và hiện thực một giải pháp định vị ngoài trời
An Implementation of Outdoor Localization
 Tên Sinh Viên 1 - Mã Số Sinh Viên 1
 Tên Sinh Viên 2 - Mã Số Sinh Viên 2
- Hiện thực được một giải pháp định vị ngoài trời để ứng dụng cho ứng dụng tự
hành trong khuôn viên của trường đại học.
- Giải pháp hiện thực có khả năng hiệu chỉnh sai số từ GPS thông thường.
- Tìm hiểu và so sánh các giải pháp định vị bao gồm cả trong nhà và ngoài trời.
- Tìm hiểu các kiến thức nền tảng phục vụ cho việc hiện thực hệ thống
- Đề xuất giải pháp có khả năng hiệu chỉnh sai số từ GPS (có thể kết hợp với hệ
thống WiFi cục bộ và cảm biến)
- Đề xuất mô hình hệ thống sẽ hiện thực trong giai đoạn Luận Văn Tốt Nghiệp
- Thực hiện một số thử nghiệm ban đầu (nếu có thể)
- Thiết kế chi tiết và hiện thực hoàn chỉnh hệ thống
- Liên hệ GVHD

ĐỀ TÀI 14. (3 Sinh viên - CS & CE)
Hiện thực ứng dụng mô phỏng giao tiếp cộng tác trên nền tảng nhúng sử dụng công cụ
Webots
Demonstration of Cooperative Communications for Cyber-Physical Systems in Webots
 Tên Sinh Viên 1 - Mã Số Sinh Viên
- Xây dựng bộ tài liệu về công cụ mô phỏng Webots cho các ứng dụng Robotics
- Hiện thực được ứng dụng mô phỏng giao tiếp cộng tác giữa nhiều robot
- Tìm hiểu công cụ mô phỏng Webots
- Tìm hiểu giải thuật giao tiếp cộng tác giữa các robot
- Khảo sát video demo để từ đó đề xuất ý tưởng để hiện thực mô phỏng một ứng
dụng tương tự. (https://www.facebook.com/techinsider/videos/1013141915550831/)
- Thực hiện một số thử nghiệm ban đầu trên bộ công cụ Webots
- Đề xuất mô hình và đặc tả chi tiết ứng dụng sẽ phát triển trong giai đoạn LVTN
- Hiện thực hoàn chỉnh đề xuất ở giai đoạn ĐCLV
- Liên hệ GVHD
- Webots (https://cyberbotics.com)

ĐỀ TÀI 15. (2-3 Sinh viên - CS & CE)
Hiện thực mô hình điều khiển tự động quadcopter theo cơ chế bầy đàn
SWARM Implementation For Autonomous Quadcopters
- Xây dựng được thư viện và module điều khiển bay cho quadcopter có khả năng tích
hợp thêm các cảm biến và module giao tiếp khác.
- Hiện thực được ứng dụng điều khiển 2-3 quadcopter hoạt động theo mô hình bầy
đàn.
- Tìm hiểu kiến thức nền tảng về mô hình SWARM Robot (cụ thể cho quadcopter
robots)
- Tìm hiểu phần cứng và phương pháp điều khiển quadcopter (được cung cấp sẵn,
sinh viên không phải thiết kế và hiện thực phần cứng robot)
- Thử nghiệm điều khiển quadcopter bằng tay để từ đó đề xuất cơ chế điều khiển
tự động (cụ thể là nghiên cứu open-source trên module điều khiển bay để có thể lập
trình lại) hoặc sinh viên có thể tự phát triển module điều khiển bay trên một platform
nhúng.
- Nghiên cứu tích hợp thêm module giao tiếp trên quadcopter để hiện thực mô hình
SWARM
- Hiện thực mô hình SWARM cho 2-3 quadcopters (phần cứng robot được hỗ trợ)
- http://www.vision4uav.com/?q=quadrotor_stack
- https://spectrum.ieee.org/automaton/robotics/drones/this-autonomous-quadrotor-
swarm-doesnt-need-gps
- Luận văn từ các khoá trước về quadcopters
- Liên hệ GVHD

ĐỀ TÀI 16. (2-3 Sinh viên - CS & CE)
Phát triển mô hình xe tự hành trên nền tảng nhúng
Development of An Autonomous Car on Embedded Platforms
- Xây dựng được mô hình xe tự hành trên phần cứng tài trợ bởi FPT
- Phát triển các thư viện điều khiển cho mô hình xe tự hành cho phép tích hợp với
các module xử lý ảnh (nhận dạng làn đường, biển báo, vật cản) và các module cảm
biến khác để làm tiền đề cho các nhóm phát triển tiếp theo hoặc tham gia vào cu ộc
thi FPT Race.
- Khảo sát phần cứng của mô hình xe được tài trợ của FPT
- Tìm hiểu các kiến thức liên quan và công cụ lập trình để phát triển ứng dụng
- Lắp ráp mô hình xe và thực hiện các thử nghiệm có sẵn
- Xây dựng mô hình thư viện để tích hợp các module khác
- Đề xuất mô hình ứng dụng sẽ thực hiện trong giai đoạn LVTN
- Hiện thực đề xuất ở giai đoạn ĐCLV
- Liên hệ GVHD
GVHD: TS. Lê Trọng Nhân – trongnhanle@hcmut.edu.vn, TS. Nguyễn Trần Hữu

Nguyên
Đề tài 17: Customize Wake-Up Words Activation for Voice Assistant Service in
Embedded System
Number of students: 2- 3 (2 semesters) Trương Hồ Ngọc Cường - MSSV: 1727008, Bùi
Duy Thạc - MSSV: 1727036, Phạm Thị Kim Yến - MSSV: 1727052
In this thesis, students are supposed to implement a custom wake-up words for activating an
embedded system, acting like Google Assistant or Alexa systems. The voice input is based on
a mic-array, which can support up to 5 meters. The target of this thesis is to train a custom
wake-up words from a voice record dataset (e.g. 100 voice records) and perform at least 5
different assistants by voice commands from users.
In the first stage of the thesis, students are required to report a survey of some available voice
assistant and implement one of them in an Embedded System using Android based operating
system. However, instead of using a microphone, a mic-array will be used in this system.
Moreover, students also need to provide a study concerning approaches for customizing the
wake-up words.
In the second stage of the thesis, students focus on implementing the whole system and
applied it into a specific application. Finally, the performance of the system in term of
efficient distance for voice control, processing time and recognition accuracy should be
measured.
- Students can used available platforms
GVHD: TS. Lê Trọng Nhân – trongnhanle@hcmut.edu.vn

Đề tài 18: Cải thiện tầm xa cho nốt cảm biến sử dụng giao tiếp LoRa phục vụ cho
các ứng dụng dựa trên nền tảng IoT
Số lượng sinh viên: 2 - 3 (2 học kì)
Trong luận văn này, sinh viên sẽ tìm hiểu và hiện thực giải pháp nhằm tăng tầm xa của
giao tiếp không dây dựa trên nền tảng LoRa. Hiện tại, với module LoRa có sẵn trên th ị
trường, có tên là Dragino, tầm xa mặc định chỉ dừng lại ở tầm 500m, là r ất ng ắn so v ới kì
vọng của giao tiếp không dây LoRa. Sinh viên cần nghiên cứu và tìm các giải pháp khả dĩ
để nâng cao tầm xa của giao tiếp dựa trên module này bằng việc tối ưu chương trình
device driver, sử dụng thêm các mạch khuy đại và thậm chí là thay thế antenna với độ lợi
cao hơn.
Trong giai đoạn đề cương, sinh viên cần nắm các kiến thức cơ bản về module Dragino
trên nốt cảm biến, module LoRaHat trên gateway sử dụng board mạch Raspberry PI và xây
dựng một ứng dụng IoT cơ bản sử dụng các module này. Cũng trong giai đoạn th ực t ập,
sinh viên cần phải thử nghiệm và đưa ra các giải pháp khả dĩ đ ể nâng cao t ầm xa c ủa giao
tiếp LoRa
Trong giai đoạn luận văn, sinh viên hiện thực giải pháp đề ra trong giai đoạn đề cương.
Bên cạnh đó, sinh viên cần đo đạc các thông số về khoảng cách, năng l ượng tiêu th ụ, đ ộ
trễ của gói dữ liệu tính trên từng bước trong giải pháp nâng cao tầm xa của giao tiếp
LoRa.
GVHD: TS. Nguyễn Trần Hữu Nguyên – nthnguyen@hcmut.edu.vn

Đề tài 19: A SMART LOW-TEMPERATURE FOOD DEHYDRATION SYSTEM
(two periods – 2 students (required))
The dry food can be preserved for a longer duration and is less susceptible to spoilage caused
by the growth of bacteria, molds, and insects. One of the most common techniques for the dry
food is the use of Low Temperature Dehydration (LTD). LTD is a process of reducing
moisture of food to low level in low temperature environments. The dry food using LTD can
improve palatability, digestibility, color, flavor and appearance [1]. In the industry, many
machines that embed the LTD technique for food preservation. Most of these machines are
imported, stand-alone, locally controlled and expensive [2][3]. These machines mainly
operate continuously or periodically or fixed conditions. It leads to wasting energy,
decreasing the machine life expectancy, increasing labor cost. Most importantly, it does not
save the sensor data that can be used to improve the system for the next operation.
In this research, we target to build a SMART LTD System that supports centralized and real-
time monitoring for multiple LTD machines, high reliability, high availability and scalability
as well as affordability for Vietnamese users. Figure 1 shows an overview of a typical
architecture of a SMART LTD system. It includes LTD controllers, a centralized web server
and a cell-phone app. The LTD controller controls the LTD machine based on the temperature
and humidity inside and outside of the dry room. It sends temperature and humidity
information to the IoT server in real time via Wifi/3G connectivity. The IoT server saves the
data to the database for the future use and send them to the user app. The user app that can
run on an Android or iOS cellphone, is used to check the status of the current operation of the
LTD machines and to send new commands for any LTD controller.
Figure 1: A typical architecture of a SMART LTD system

An individual LTD machine normally includes three fans, a heater, a heat-pump/dehydration
machine and an LTD controller. The LTD controller can sense the temperature and humidity
inside and outside the dry room as well as can control fans, the heater and heat-
pump/dehydration machine adaptively. Moreover, the LTD controller can also obtain
commands from the user app to operate appropriately.
Since the operations of the SMART LTD system based on temperature and humidity sensor
located inside the dry room, it becomes a single point of failure in this system. We use a triple
redundancy technique that uses three sensors connected to three pins of a processor in order
to improve the system reliability. This system still operates if one sensor fails. The failed
sensor is notified to the system admin so that it will be replaced as soon as possible without
interrupting the LTD machine operation.
With the support of the SMART LTD system, we believe we can improve productivity, save
energy and help Vietnamese farmers preserving their food effectively resulting in improving
agricultural product values.
[1] Raponi, Flavio, et al,. "Monitoring and optimization of the process of drying fruits and
vegetables using computer vision: a review." Sustainability 9, no. 11 (2017): 2009.
[2] https://www.ike.cn/food-dehydrator?
gclid=Cj0KCQjwyLDpBRCxARIsAEENsrK_htCWl-ZA-
RiykGxbWBvy9AJZ4qFIe_FKwnWwEGXQ2Zog05JTzcwaAmA9EALw_wcB
[3] https://www.food-drying-machine.com/
The requirements of the research proposal include:
- Literature review on low temperature food dehydration systems
- Research on Androidthings and Embedded Android
- Research on microcontroller and how to connect a microcontroller with an embedded
Android board
- Research on how an embedded Android board connecting to a server
- Implement a simple webpage that communicates with the embedded Android board
via a server
- Write a report
GVHD: ThS. Vũ Trọng Thiên – vuthien@hcmut.edu.vn

Đề tài 20: Xây dựng ứng dụng IoT áp dụng kiến trúc sử dụng Edge Computing trên
thiết bị nhúng
- Số lượng sinh viên: 2-3 sinh viên (sinh viên khá – CE/CS)
- Giới thiệu: Hệ thống IoT bao gồm nhiều thành phần, trong đó, không thể thiếu là
hệ thống server khả đáp ứng những yêu cầu cơ bản về giao tiếp với các thiết bị IoT theo
các chuẩn giao tiếp đòi hỏi đặc tính thời gian thực. Dựa trên đó, hệ thống với lượng dữ
liệu về hành vi sử dụng của người dùng hoặc lịch sử dữ liệu thu thập được sẽ là cơ sở để
đưa ra những phân tích hữu ích trong thực tế.
Tuy nhiên, việc các end-device giao tiếp với server một cách trực tiếp sẽ vấp phải những
vấn đề về:
o Tăng lượng kết nối đến server
o Giảm tốc độ phản hồi, xử lý trên kiến trúc tổng thể
o Giảm mức độ linh hoạt xử lý trong mạng cục bộ của các end-device
o ….
 Việc xây dựng kiến trúc tổng thể hệ thống IoT dựa trên kiến trúc có sử dụng thiết
bị đóng vai trò là các Edge Computing Devices sẽ hỗ trợ nâng cao hiệu năng, đồng thời mở
ra nhiều hướng ứng dụng ở “biên” của hệ thống.
- Công nghệ sử dụng:
o Xây dựng server thời gian thực với các chuẩn giao tiếp IoT: HTTP, TCP/IP, socket,
MQTT
o Dùng các hệ thống phần cứng xây dựng sẵn trên thị trường (Arduino, ESP8266, Kit
STM32,…) để dựng demo ứng dụng thực tế trong việc mô phỏng hành vi sử dụng điện
trong nhà của người dùng.
o Xây dựng edge computing device dựa trên nền tảng có sẵn Raspberry Pi 3 model B
- Mục tiêu đề tài:
o Đề tài KHÔNG tập trung vào việc xây dựng thiết bị đầu cuối mới, mà tập trung
vào việc quản lý kiến trúc của hệ thống, hướng nhóm sinh viên hiểu và tạo ra được 1 bản
prototype của hệ thống IoT với các yêu cầu hoạt động thực tế.
o Xây dựng mô hình IoT dựa trên kiến trúc IoT có sử dụng Edge Computing Devices
o Ứng dụng sẽ được quyết định khi trao đổi với nhóm sinh viên thực hiện đề tài
GVHD: TS. Trần Minh Quang (quangtran@hcmut.edu.vn)

Đề 21: Phát triển hệ thống cảnh báo tình trạng giao thông ở TP. HCM trên nền
tảng web (2SV)
SVTH: Trần Quốc Khánh - 1511524. Dương Vọng - 1514090

Nội dung: Tìm hiểu hệ thống hiện có, phát triển, nâng cấp để hoàn thiện các chức năng
của hệ thống.
Giai đoạn đề cương:
- Tìm hiểu các hệ thống cảnh báo giao thông hiện có như: BK smart traffic,
Google map, hệ thống thông tin giao thông của Sở GTVT TP. HCM,...
- Tìm hiểu hệ thống cảnh báo tình trạng giao thông hiện có, do nhóm nghiên cứu
của GV hướng dẫn thực hiện
- Phân tích để phát triển các chức năng còn thiếu, tối ưu hóa các chức năng tìm địa
điểm trên bản đồ, tìm đường đi hợp lý có xét đến tình trạng giao thông, phát triển
chức năng hỗ trợ các thông tin khác (ví dụ tìm cây xăng, bệnh viện, quán ăn,...) cho
hệ thống
- Phát triển các giải pháp dự đoán tình trạng giao thông ở TP. HCM
- Tích hợp và thử nghiệm hệ thống

- Hoàn thiện hệ thống để hệ thống có thể triển khai được vào thực tế
- Đánh giá hệ thống

Đề 22: Xây dựng ứng dụng di động cảnh báo tình trạng giao thông (2SV)
Nội dung: Phân tích, thiết kế và hiện thực ứng dụng di động cảnh báo tình trạng giao
thông dựa vào dữ liệu từ cộng đồng
Google map, hệ thống thông tin giao thông của Sở GTVT TP. HCM, hệ thống cảnh
báo ùn tắc giao thông dựa vào dữ liệu từ cộng đồng do giáo viên hướng dẫn đang
chủ trì thực hiện,...
- Tìm hiểu các kỹ thuật lập trình di động, các phương pháp liên quan đến speech
to text, so trùng hình ảnh,....
- Tìm hiểu ứng dụng cảnh báo TTGT trên di động hiện có do nhóm nghiên cứu
của GV hướng dẫn phát triển
- Phân tích, thiết kế, nâng cấp các tính năng của ứng dụng đang có

- Hiện thực và tích hợp các chức năng của hệ thống cảnh báo tình trạng giao
thông ở TP. HCM trên ứng dụng di động
- Thử nghiệm và đánh giá giải pháp đề xuất.

Đề 23: Áp dụng các kỹ thuật khai phá dữ liệu vào bài toán cảnh báo tình trạng
giao thông ở TP.HCM (2SV)
SV thực hiện: Lê Võ Hoàng Ân (1510123) Nguyễn Đặng Minh Công (1510328)
báo TTGT do nhóm nghiên cứu của GV hướng dẫn thực hiện...
- Tìm hiểu các kỹ thuật khai phá dữ liệu như dự đoán (prediction), phân lớp
(classification), gom cụm dữ liệu (clustering) để áp dụng vào dự đoán tình trạng
giao thông
- Thực hiện một hệ thống mẫu (demo) cho hệ thống đề xuất.

- Xây dựng hoàn chỉnh hệ thống

Đề 24: Xây dựng hệ thống kho dữ liệu và hỗ trợ ra quyết định liên quan đến tình
trạng giao thông ở TP. HCM (2SV)
Nội dung: Phân tích, thiết kế và hiện thực hệ thống kho dữ liệu (data warehouse) và hệ hỗ
trợ ra quyết định cho nhà quản lý giao thông trên địa bàn TP. HCM.
báo TTGT do nhóm nghiên cứu của GV hướng dẫn thực hiện...
- Tìm hiểu về kho dữ liệu (data warehouse), hệ hỗ trợ ra quyết định và các kỹ
thuật liên quan.
- Phân tích thiết kế kho dữ liệu, các chức năng hỗ trợ nhà quản lý liên quan đến
tình trạng giao thông ở TP. HCM.
- Thực hiện một hệ thống mẫu (demo) cho hệ thống đề xuất.

- Xây dựng hoàn chỉnh hệ thống

Đề 25: Nghiên cứu kiến trúc mở cho tính toán sương mù (Fog Computing) và ứng
dụng (2SV)
Nội dung: Nghiên cứu về tính toán sương mù (fog computing) và tính toán ở cạnh (edge
computing), phân tích, thiết kế việc phân bổ tài nguyên và dịch vụ trên mô hình fog
computing. Áp dụng kiến trúc đề xuất vào các ứng dụng và dịch vụ IoT để giải các bài
toán giao thông thông minh (ITS).
- Tìm hiểu các kiến trúc của hệ thống IoT, các kiến trúc tính toán sương mù (fog
computing), mobile computing
- Đề xuất giải pháp phân tán dữ liệu và dịch vụ trên các kiến trúc đa tầng dựa
vào ngữ cảnh, áp dụng trong bài toán giao thông thông minh
- Tìm hiểu các công cụ mô phỏng như iFogsim để mô phỏng bài toán
- Thiết kế được các node tính toán ở cạnh (prototype) có khả năng mở rộng, khả
năng lập trình được,... (dựa vào các đề xuất của OpenFog).

- Phát triển hệ thống prototype với các node có nhiều tính năng phức tạp hơn
như: có thể thực hiện các công đoạn trong việc phân tích dữ liệu, có khả năng tùy
biến, dễ mở rộng
- Ứng dụng kiến trúc đề xuất vào các ứng dụng IoT cho bài toán giao thông thông
minh, y tế thông minh
GVHD: PGS.TS. Đặng Trần Khánh (khanh@hcmut.edu.vn;
www.cse.hcmut.edu.vn/~khanh)
Đề 26 (2-3 sv): Phát triển hạ tầng cho Open Data SaaS (Service-as-a-Service) trên nền
tảng kiến trúc CKAN và định hướng theo mô hình microservice architecture.
(Developing Open Data Service-as-a-Service Infrastructure using CKAN platform and
microservice architecture model)
Sinh viên: Đặng Phú Trung Tín -1613557
Nội dung: Xây dựng Open data portal trong đó cho phép xuất bản và quản lý các services;
Phát triển bộ công cụ CLI và các API cho client , các core services hỗ trợ trong việc xây
dựng mô hình SaaS.
Từ khóa: Big data, Open Data, Comprehensive Knowledge Archive Network (CKAN), Smart
Cities/Industry 4.0, Service as a Service, Microservice Architecture Model.
Giai đoạn TTTN:

- Tìm hiểu công nghệ (CKAN, microservice architecture, Open data, Python, …)
- Tìm kiếm những service mẫu phù hợp với hệ thống.
- Tìm hiểu các vấn đề liên quan để bảo mật, chịu tải, sẵn sàng,… của hệ thống.
- Tìm hiểu về các vấn đề liên quan đến tính mở (open) của hệ thống như dynamic
config, data format, user role,…
- Demo (mô tả hệ thống, giao diện trang web)
Giai đoạn LVTN: Phát triển và đánh giá hệ thống.
Yêu cầu: Sinh viên có học lực khá giỏi và kỹ năng lập trình tốt. Ưu tiên sv có khả năng và
đam mê NCKH. Làm việc tại AC Lab (301B9).
Công cụ thực hiện: Không giới hạn.
Tài liệu tham khảo: Trao đổi cụ thể với CBHD.

Đề 27 (3-4 sv): Phát triển ứng dụng AI với Google Cloud Platform
(Building an AI application on Google Cloud Platform)
Sinh viên:Nguyễn Phương Vương – 1614186, Lương Thiện Chí – 1610304, Đặng
Hoàng Ân - 1610132
Nội dung: Phát triển 1 ứng dụng (sẽ xác định cụ thể sau giai đoạn đề cương lvtn) sử dụng
các tính năng AI do google cung cấp.
Từ khóa: Deep learning, AI, big data, security, smart cities
Giai đoạn TTTN:

- Tìm hiểu công nghệ (xây dựng ứng dụng AI trên GCP, MongoDB, Java/Python và
các công cụ liên quan)
- Xác định, phân tích và thiết kế hệ thống cho một ứng dụng cụ thể
- Demo
Giai đoạn LVTN: Hoàn thiện và đánh giá hệ thống.
đam mê NCKH.
Đề 28 (2-3 sv): Bảo vệ tính riêng tư cho xuất bản dữ liệu mở dựa trên ẩn danh dữ
liệu
(Privacy Protection for Open Data Publishing using Data Anonymization)
Sinh viên: Trần Pi Tơ – 1613614, Trần Trương Tuấn Phát - 1612541
Nội dung: Xây dựng hệ thống bảo vệ tính riêng tư có tính khả mở cho xuất bản dữ liệu
mở bằng các kỹ thuật ẩn danh dữ liệu và các kỹ thuật mở rộng khác. Hệ thống cho phép
người dùng bảo vệ tính riêng tư tập dữ liệu chia sẻ của mình, đánh giá được mức độ mất
tính riêng tư (privacy loss), các rủi ro (risks), cũng như tính hữu dụng (utilities) của dữ liệu
sau khi xử lý ẩn danh.
Từ khóa: Data anonymization, open data, data sharing, data publishing, data privacy
protection, differential privacy, smart cities/industry 4.0.
Giai đoạn TTTN:

- Tìm hiểu về kiến trúc open data, các framework bảo vệ tính riêng tư.
- Tìm hiểu các kỹ thuật về ẩn danh dữ liệu, điểm mạnh và yếu của chúng trong các
trường hợp và các xu hướng, công trình về bảo vệ tính riêng tư mới.
- Tìm hiểu về các ngữ cảnh, các mô hình tấn công (attack models) cùng các độ đo
xây dựng dựa trên đó.
- Kết hợp các kỹ thuật ẩn danh, độ đo liên quan đến chúng để xây dựng công cụ cho
phép thao tác, phân tích dữ liệu chia sẻ được xuất bản mở.
- Tích hợp công cụ vào hệ thống dữ liệu mở (Open Data Framework, e.g. CKAN).
- Demo (mô tả hệ thống, giao diện sử dụng).
Giai đoạn LVTN: Phát triển và đánh giá hệ thống.
đam mê NCKH. Làm việc tại AC Lab (301B9).

Đề 29 (2-3sv): Chống lại tấn công dạng “black-box” vào các phương pháp học sâu
(Black-Box Attacks against Deep Learning)
Students: (still available)
Description: Deep learning models work quite well for image/video classification problem
and therefore are commonly used for this type of problem. However, these models are
vulnerable to adversarial samples: inputs that look like they belong to one class but classified
as a different (sometimes specifically targeted) class with high confidence.
This is a major security problem because it means an adversary could make small changes to
their face to bypass facial recognition algorithms or possibly even modify street signs with
small changes to confuse self-driving cars. In this thesis, the students will explore a
generalized class of adversaries, and how a (concrete) deep learning model (e.g., DNNs) with
“on-top autoencoders” will increase the complexity required to generate a successful attack
with no significant reduction in the accuracy of the DL model.
GVHD: TS. Phan Trọng Nhân (nhanpt@hcmut.edu.vn)

Đề 30: Phát triển hệ thống mua hàng hộ.
SVTH: 2-3 SV
Nhiệm vụ TTTN:
- Tìm hiểu các hệ thống mua hàng hộ.
- Tìm hiểu quy trình truy vết đơn hàng.
- Nghiên cứu các kỹ thuật rút trích dữ liệu.
- Tìm hiểu các kỹ thuật công nghệ phát triển website thương mại điện tử.
- Phát triển hệ thống demo.
Nhiệm vụ LVTN:
- Hoàn chỉnh hệ thống.
- Thực hiện các thí nghiệm kiểm thử và đánh giá.
Từ khóa: order on behalf, data crawling, order tracking, e-commerce system

Đề 31: Phát triển phân hệ báo giá tự động cho hệ thống tổ chức sự kiện.
SVTH: 2-3 SV
Nhiệm vụ TTTN:
- Tìm hiểu các hệ thống tổ chức sự kiện.
- Nghiên cứu các kỹ thuật tìm kiếm tương tự.
- Đề xuất giải pháp báo giá tự động theo nghiệp vụ tổ chức sự kiện.
Nhiệm vụ LVTN:
Từ khóa: auto quotation, similarity search, e-commerce system

Đề 32: Phát triển phân hệ gợi ý cho hệ thống thương mại điện tử.
SVTH: 2-3 SV
Nhiệm vụ TTTN:
- Tìm hiểu bài toán gợi ý từ các hệ thống thương mại điện tử.
- Nghiên cứu các kỹ thuật gợi ý.
- Thiết kế kiến trúc cho phân hệ gợi ý.
Nhiệm vụ LVTN:
Từ khóa: recommendation system, content-based recommendation, collaboration-based
recommendation, e-commerce system
GVHD: ThS. Trần Quang (tranquang@hcmut.edu.vn)

Đề 33 (2-3 SV): Xây dựng phần mềm quản lý tài sản cố định
SVTH:
Nội dung: Phần mềm quản lý tài sản có thể theo dõi được lịch sử sử dụng tài sản như
người quản lý tài sản, nâng cấp, sửa chữa, … từ lúc nhập tài sản đến lúc thanh lý tài sản;
phần mềm cũng theo dõi được việc khấu hao tài sản.
- Tìm hiểu nghiệp vụ.
- Phân tích và thiết kế hệ thống.
- Tìm hiểu về công nghệ: Oracle NoSQL Database và các công cụ phát triển ứng dụng
desktop bằng ngôn ngữ python
- Thực hiện demo
- Xây dựng phần mềm hoàn chỉnh

Đề 34 (2-3 SV): Xây dựng website quản lý các khóa học trực tuyến cho một trung
tâm đào tạo.
SVTH:
Nội dung: Website cung cấp các khóa đào tạo ngắn hạn, mỗi khóa có thể bao gồm 1 hoặc
nhiều môn. Các chức năng chính của website bao gồm: tạo các bài kiểm tra để giúp đánh
giá năng lực của người học trước khi đăng ký học, quản lý học viên các lớp, quản lý tài
liệu học tập, tương tác giữa giáo viên và người học, đánh giá, quản lý kết quả và quản lý
việc cấp phát chứng chỉ
- Tìm hiểu về công nghệ: ngôn ngữ python, framework Django và các công nghệ liên quan
- Xây dựng website hoàn chỉnh
GVHD: ThS. Nguyễn Thanh Tùng (thanhtung@hcmut.edu.vn)

Đề 35: Xây dựng hệ thống phòng Tổ chức hành chính
SVTH: Nguyễn Hoàng Nam (1612115), Nguyễn Quốc Cường (1610372), Nguyễn Xuân
Thi (1613297)
Nội dung: quản lý nhân sự, hồ sơ, chức danh, báo cáo, thông kê.
- Tìm hiểu về công nghệ: NodeJS, ReactJS, Oracle
- Xây dựng hệ thống hoàn chỉnh

Đề 36: Xây dựng hệ thống phòng Công tác chính trị sinh viên
SVTH: Huỳnh Trung Thức 1513404
Nội dung: quản lý công văn, sự kiện, báo cáo, thống kê.

Đề 37: Xây dựng hệ thống kho vận
SVTH: Bùi Vân Trung (1513708), Nguyễn Thị Tường Vy (1414796)
Nội dung: Xây dựng hệ thống kho vận gồm những kho hàng thông minh giúp sắp xếp và
bốc hàng thông minh.
- Tìm hiểu về công nghệ: NodeJS, ReactJS, MongoDB
Đề 38: Xây dựng hệ thống phòng Kế hoạch tài chính
SVTH: Tạ Văn Vượng (1614189), Trần Thanh Sang (1612939), Lê Trọng Phú (1612604)
Nội dung: quản lý tin tức, hồ sơ, tài chính cá nhân cũng như tổ chức, báo cáo, thống kê,
kết hợp với hệ thống Misa.

Đề 39: Xây dựng hệ thống chăm sóc khách hàng.
SVTH: Trịnh Minh Dũng (1510580), Phan Việt Đức (1510809), Lê Quốc Vương
(51304920)
Nội dung: Tìm hiểu nghiệp vụ của hệ thống chăm sóc khách hàng, kết hợp nhận diện
khuôn mặt trên máy Raspberry PI 3.

Đề 40: Xây dựng hệ thống phòng Quản trị thiết bị
SVTH: Trương Như Bảo (1610204), Võ Khắc Trí (1613754), Đoàn Vương Binh Tú
(1414473)
Nội dung: quản lý thiết bị, tài sản, hồ sơ, báo cáo, thống kê.

Đề 41: Xây dựng hệ thống du lịch
SVTH: Trần Minh Mẫn (1412244)
Nội dung: tạo sân chơi cho khách và hướng dẫn viên có thể tạo và tham gia du lịch thông
minh, phù thuộc vào thông tin cá nhân sở thích của người dùng.
GVHD: ThS. Đặng Trần Trí (tridang@hcmut.edu.vn)
Đề 42 (2-3 SV): Hệ thống học lập trình dành cho học sinh tiểu học
SVTH:
Nội dung: Nghiên cứu và phát triển công cụ học lập trình dành cho học sinh tiểu học. Một
số sản phẩm tương tự là Alice, Scratch, v.v...
-Tìm hiểu, khảo sát, và phân tích các hệ thống tương tự
-Đề xuất mục tiêu và phạm vi đề tài
-Tìm hiểu các công cụ, thư viện hỗ trợ
-Hiện thực demo
-Xây dựng phần mềm hoàn chỉnh
-Triển khai thử nghiệm và đánh giá trên một nhóm nhỏ học sinh
GVHD: ThS. Đặng Trần Trí (tridang@hcmut.edu.vn)

Đề 43 (2-3 SV): Game mô phỏng cho học bảo mật mạng
SVTH:
Nội dung: Phát triển game mô phỏng quá trình tấn công/phòng thủ hệ thống mạng. Người
chơi thông qua đó sẽ học các khái niệm liên quan một cách sinh động, hấp dẫn.
-Tìm hiểu, khảo sát, và phân tích các hệ thống tương tự
-Đề xuất mục tiêu và phạm vi đề tài
-Tìm hiểu các công cụ, thư viện hỗ trợ
-Hiện thực demo
-Xây dựng phần mềm hoàn chỉnh
-Triển khai thử nghiệm và đánh giá trên một nhóm nhỏ người học
GVHD: PGS.TS. Nguyễn Thanh Bình. Email: ntbinh@hcmut.edu.vn

Đề 44: TRUY VẤN ẢNH TRONG TẬP DỮ LIỆU ẢNH DỰA TRÊN ĐẶC TRƯNG
RIÊNG (1 hoặc 2 hoặc 3 sv)
* Nội dung đề tài:
Tìm kiếm đối tượng trong ảnh theo một vài đặc điểm của đ ối t ượng trong t ập d ữ li ệu l ớn
là một công đoạn quan trọng trong rất nhiều ứng dụng th ị giác máy tính. N ội dung chính
của đề tài là nghiên c ứu phương pháp nhằm tìm kiếm đối tượng cụ thể nào đó (quần áo,
túi xách, vali,...) dựa trên một số đặc điểm được mô tả trước trong tập dữ liệu ảnh cho
trước.
* Các từ khóa tìm kiếm:
- Image retrival methods
- Content-based image retrieval
Yêu cầu:
Giai đoạn đề cương luận văn tốt nghiệp/thực tập tốt nghiệp
- Tìm hiểu các định dạng ảnh
- Tìm hiểu các đặc trưng của đối tượng trong ảnh (túi xách, va li, quần áo,...)
- Tìm hiểu các phương pháp truy vấn ảnh hiện có (image retrival methods)
Giai đoạn LVTN
- Hiện thực phương pháp tìm đối tượng theo đặc trưng cho trước trong tập dữ liệu ảnh
lớn.
Công cụ thực hiện: học viên có thể dùng một trong các công cụ sau đây: C#, C++, Java,
Matlap
Tài liệu tham khảo: GV cung cấp

Đề 45: ĐẾM SỐ LƯỢNG NGƯỜI TRONG ẢNH CUỘC HỌP (1 hoặc 2 hoặc 3 sv)
* Nội dung đề tài:

Đếm số lượng người trong đám đông là một công đoạn quan trọng trong rất nhiều ứng
dụng thị giác máy tính. Nội dung chính của đề tài là nghiên c ứu phương pháp đếm/ước
lượng trong một bước ảnh chụp được hoặc trong một đoạn video có khoảng bao nhiêu
người.
* Các từ khóa tìm kiếm:
- People counter on the bus, street, threatre
- Content-based image retrieval
Yêu cầu:
- Tìm hiểu các định dạng ảnh
- Tìm hiểu đặc trưng người trong cuộc họp
- Tìm hiểu các phương pháp truy vấn ảnh hiện có (image retrival methods)
Giai đoạn LVTN
- Hiện thực phương pháp đếm/ ước lượng số lượng người trong ảnh
Matlap
GVHD: PGS.TS. Nguyễn Thanh Bình Email: ntbinh@hcmut.edu.vn

Đề 46: PHÁT HIỆN ĐÓM SÁNG TRONG ẢNH VÕNG MẠC MẮT (1 hoặc 2 hoặc 3
sv)
Nội dung đề tài:

Ảnh y khoa có vai trò quan trọng trong việc chẩn đoán các dị tật bất th ường trong c ơ th ể
bệnh nhân. Mỗi chi tiết nhỏ trong ảnh góp phần nâng cao hiệu quả chẩn đoán. Hầu hết
các ảnh y khoa thường bị thiếu thông tin do chụp ở các góc chụp khác nhau. N ội dung
chính của đề tài này là phát hiện đóm sáng trong ảnh võng mạc mắt bước đầu phục vụ
cho phân loại bệnh.
Từ khóa tìm kiếm: edge detection, segmentation
Yêu cầu:
-Tìm hiểu ảnh y khoa.
- Nghiên cứu các phương pháp edge detection trong ảnh võng mạc mắt.
Giai đoạn LVTN
- Demo phương pháp edge detection/segmentation ảnh ảnh võng mạc mắt.
Matlab
GVHD: PGS.TS. Nguyễn Thanh Bình Email: ntbinh@hcmut.edu.vn

Đề 47: PHÂN ĐOẠN MẠCH MÁU TRONG ẢNH VÕNG MẠC MẮT (1 hoặc 2 hoặc
3 sv)
bệnh nhân, đặc biệt là các bệnh cao huyết áp, tiểu đường. Phần lớn ảnh y khoa có chất
lượng kém nên việc phát hiện ra các bất thường có kích thước nhỏ và hình dạng bất
thường bằng mắt thường là rất khó. Nội dung chính của đề tài này là nghiên c ứu các
phương pháp để phân đoạn mạch máu trong ảnh võng mạc mắt phục vụ chẩn đoán bệnh.
Từ khóa tìm kiếm: retinal blood vessels, retinal blood segmentation

Yêu cầu:
- Nghiên cứu các phương pháp phân đoạn ảnh y khoa, nhất là ảnh võng mạc mắt
Giai đoạn LVTN
- Demo phương pháp phân đoạn mạch máu trong ảnh võng mạc mắt.
Matlab
GVHD: PGS.TS. Nguyễn Thanh Bình, Email: ntbinh@hcmut.edu.vn

Đề 48: PHÁT HIỆN BẤT THƯỜNG TRONG ẢNH VÕNG MẠC MẮT (1 hoặc 2
hoặc 3 sv)
bệnh nhân, đặc biệt là võng mạc mắt. Phần lớn ảnh y khoa có chất lượng kém nên vi ệc
phát hiện ra các bất thường có kích thước nhỏ và hình dạng bất thường bằng mắt thường
là rất khó. Nội dung chính của đề tài này là nghiên cứu các phương pháp để phân phát hiện
các bất thường trong ảnh võng mạc mắt.
Từ khóa tìm kiếm: blood vessels in the retina
Yêu cầu:
- Nghiên cứu các phương pháp phân đoạn ảnh y khoa.
Giai đoạn LVTN
- Demo phương pháp phân đoạn ảnh y khoa.
Matlab
Để 49: RÚT TRÍCH BẤT THƯỜNG CỦA ĐỐI TƯỢNG TRONG ẢNH Y KHOA (1
hoặc 2sv)

bệnh nhân, đặc biệt là bệnh u não. Phần lớn ảnh y khoa có chất lượng kém nên việc phát
hiện ra các khối u có kích thước nhỏ và hình dạng bất thường bằng mắt thường là rất khó.
Nội dung chính của đề tài này là nghiên cứu các phương pháp để phân đoạn kh ối u trong
ảnh y khoa
Từ khóa tìm kiếm: Image segmentation, pancreas segmentation
Yêu cầu:
- Nghiên cứu các phương pháp liên quan
Giai đoạn LVTN:
- Demo phương pháp rút trích tuyến tụy.
Matlab
Đề 50: DÒ TÌM BẤT THƯỜNG TRONG MẠCH MÁU PHỤC VỤ CHẨN ĐOÁN
BỆNH (1 hoặc 2sv)
bệnh nhân, đặc biệt có ý nghĩa quan trọng trong việc phát hiện ra các vùng tế bào ung thư
mới được hình thành. Bởi vì, nếu Bác Sĩ không xác định được chính xác đ ường vi ền c ủa
đối tượng thì có nhiều khả năng Bác Sĩ không nhận biết được các tế bào ung thư mới hình
thành do sự chênh lệch độ tương phản giữa các tế bào bất thường và các tế bào bình
thường là rất thấp. Điều này dẫn đến kết quả là mắt thường khó phát hiện ra tế bào ung
thư. Do đó, nội dung chính của đề tài này là nghiên cứu các ph ương pháp dò tìm b ất
thường trong ảnh y khoa.
- Nghiên cứu các phương pháp dò tìm bất thường của đối tượng trong ảnh y khoa.
Giai đoạn LVTN:

- Demo phương pháp dò tìm bất thường của đối tượng trong ảnh y khoa.
Matlab
GVHD: PGS.TS. Nguyễn Thanh Bình.Email: ntbinh@hcmut.edu.vn

Đề 51: PHÂN TÍCH ẢNH VÕNG MẠC MẮT HỖ TRỢ PHÁT HIỆN VÕNG MẠC
TĂNG HUYẾT ÁP(1 hoặc 2sv hoặc 3 sv)
Ảnh võng mạc mắt có vai trò quan trọng trong việc chẩn đoán các bệnh liên quan như:
võng mạc tiểu đường, bệnh bong võng mạc, bệnh võng mạc tăng huyết áp. Nếu Bác Sĩ
không xác định được chính xác đường viền của đối tượng trong ảnh võng mạc thì có
nhiều khả năng Bác Sĩ không nhận biết được các tế bào tổn thương hình thành do sự
chênh lệch độ tương phản giữa các tế bào bất thường và các tế bào bình thường là rất
thấp. Do đó, nội dung chính của đề tài này là nghiên cứu các phương pháp dò tìm bất
thường trong ảnh võng mạc mắt hỗ trợ phát hiện võng mạc tăng huyết áp.
- Nghiên cứu các phương pháp dò tìm bất thường của đối tượng trong ảnh võng mạc.
Giai đoạn LVTN:

- Demo phương pháp dò tìm bất thường của đối tượng trong ảnh võng mạc.
Matlab
Đề 52: PHÂN TÍCH ẢNH VÕNG MẠC MẮT HỖ TRỢ PHÁT HIỆN BONG VÕNG
MẠC (1 hoặc 2sv hoặc 3 sv)
chênh lệch độ tương phản giữa các tế bào bất thường và các tế bào bình th ường là rất
thường trong ảnh võng mạc mắt hỗ trợ phát hiện bong võng mạc.
Giai đoạn LVTN:

Matlab
Đề 53: PHÂN TÍCH ẢNH VÕNG MẠC MẮT HỖ TRỢ PHÁT HIỆN VÕNG MẠC
TIỂU ĐƯỜNG (1 hoặc 2sv hoặc 3 sv)
chênh lệch độ tương phản giữa các tế bào bất thường và các tế bào bình th ường là rất
thường trong ảnh võng mạc mắt hỗ trợ phát hiện võng mạc tiểu đường.
Giai đoạn LVTN:

Matlab
GVHD: ThS. Nguyễn Thị Ái Thảo (thaonguyen@hcmut.edu.vn)

Đề 54: Xây dựng hệ thống quản lý căn hộ dịch vụ cho thuê
SVTH: (2-3 sv)
Nội dung:
Giai đoạn TTTN:
- Tìm hiểu nhu cầu thực tế, hình thành nghiệp vụ.
- Phân tích và thiết kế
- Hiện thực một số chức năng cơ bản:
o Khách thuê: xem và lựa chọn các căn hộ cho thuê, lọc theo các yêu cầu của khách hàng
(giá, vị trí, loại căn hộ, tiện ích,…); liên hệ với người cho thuê; lưu ngày bắt đầu thuê &
ngày kết thúc; tính chi phí; …
o Người cho thuê: quản lý căn hộ (tình trạng thuê, loại căn hộ, giá, hướng, vị trí,…),
quản lý các tiện ích trong và ngoài căn hộ, quản lý các loại phí, yêu cầu chi tiết của khách
hàng, phương thức cho thuê, hẹn giờ đón khách,…
o Quản lý nhân viên.
Giai đoạn LVTN:
- Hoàn thiện hệ thống trên nền web.
- Thu thập dữ liệu thực nghiệm.
- Đánh giá hệ thống.
- Viết LVTN
GVHD: ThS. Nguyễn Thị Ái Thảo (thaonguyen@hcmut.edu.vn)

Đề 55: Xây dựng hệ thống quản lý phòng cho thuê trên mobile
SVTH: (2-3 sv)
Nội dung:
Giai đoạn TTTN:
- Tìm hiểu nhu cầu thực tế, hình thành nghiệp vụ.
- Phân tích và thiết kế
- Hiện thực một số chức năng cơ bản dành cho
o Khách thuê: xem và lựa chọn phòng cho thuê, lọc theo các yêu cầu của khách hàng (giá,
vị trí, loại phòng, tiện ích,…); liên hệ với người cho thuê; lưu ngày bắt đầu thuê & ngày
kết thúc; tính chi phí; …
o Người cho thuê: quản lý phòng (tình trạng thuê, loại căn hộ, giá, hướng, vị trí,…), quản
lý các tiện ích, quản lý các loại phí, yêu cầu chi tiết của khách hàng, phương thức cho
thuê, hẹn giờ đón khách,...
o Nhân viên: quản lý, lau dọn, bảo vệ,…
Giai đoạn LVTN:
- Hoàn thiện hệ thống trên nền mobile.
Viết LVTN
GVHD: ThS. Trương Quỳnh Chi (tqchi@hcmut.edu.vn)

Đề 55: Xây dựng công cụ học tập dựa trên nền tảng trò chơi có sự tương tác
trực tiếp giữa các thành viên trong lớp học.
SVTH: (2-3 sv)
Nội dung:
Giai đoạn TTTN:
- Tìm hiểu các công cụ hỗ trợ học tập, kiểm tra trực tuyến hiện có như Kahoot!.
- Phân tích và thiết kế hệ thống gồm (ứng dựng web và mobile)
o Giáo viên: xây dựng bộ câu hỏi (trắc nghiệm, điền từ, …), khảo sát, hình thức tiến
hành ...
o Học viên: tham gia trả lời câu hỏi
o Các chức năng khác: thống kê, xếp hạng, điểm danh.
Giai đoạn LVTN:
- Hoàn thiện hệ thống.
- Viết LVTN
GVHD: ThS. Trương Quỳnh Chi (tqchi@hcmut.edu.vn)

Đề 56: Xây dựng công cụ quản lý lớp học.
SVTH: (2-3 sv)
Nội dung:
Giai đoạn TTTN:
- Tìm hiểu các công cụ hỗ trợ quản lý lớp học
- Phân tích và thiết kế hệ thống gồm (ứng dựng web và mobile)
o Giáo viên: tạo danh sách lớp, điểm danh, lập bảng điểm
o Học viên: tham gia lớp học
o Phụ huynh: theo dõi tình hình học tập
o Các chức năng khác: thống kê, xếp hạng, điểm danh, kết nối phụ huynh - giáo viên -
học sinh
Giai đoạn LVTN:
- Viết LVTN
GVHD: THS. Trần Thị Quế Nguyệt (ttqnguyet@hcmut.edu.vn)

Đề 57: Xây dựng ứng dụng mobile hỗ trợ tìm kiếm và kết nối gia sư
SVTH: (3 sv) Phạm Cao Lương (1611949) - Phạm Ngọc Thạch (1613240) - Huỳnh Công
Thức (1613494)
Nội dung:
Giai đoạn TTTN:
- Tìm hiểu các ứng dụng tìm kiếm và kết nối gia sư trong và ngoài nước, các ứng
dụng hỗ trợ giải bài tập như Gotit, các ứng dụng tìm kiếm tuyển dụng và ứng dụng đánh
giá người dùng mạng xã hội như Traity
- Tìm hiểu các giải thuật đề xuất và xử lý ảnh
- Đề xuất và thiết kế sản phẩm, thiết kế hệ thống quản lý
- Xây dựng bản mockup và demo các công nghệ cần thiết cho đề tài
Giai đoạn LVTN:
- Xây dựng dữ liệu
- Triển khai và đánh giá hệ thống
GVHD: ThS. Trần Thị Quế Nguyệt (ttqnguyet@hcmut.edu.vn)

Đề 58: Phát triển hệ thống học tập và xây dựng game lập trình Scratch
SVTH (2-3SV):
Giai đoạn TTTN:
- Tìm hiểu lập trình scratch để xây dựng các mini game
- Tìm hiểu các hệ thống website e-learning, hệ thống giảng dạy STEM
- Nghiên cứu và thiết kế hệ thống website hỗ trợ học tập và xây dựng game lập trình
Scratch trực tuyến
- Demo các kỹ thuật, giải pháp và tính năng cốt lỗi
Giai đoạn LVTN:
- Xây dựng dữ liệu
Điều kiện:
- Yêu thích nghiên cứu thiết kế và phát triển sản phẩm đổi mới sáng tạo
- Yêu thích tìm hiểu lập trình Scratch, ReactJS, NodeJS
Tham khảo: https://scratch.mit.edu

Đề 59: Xây dựng hệ thống quản lý, phân tích dữ liệu và dự báo tổng hợp thu
thập từ đa nguồn
SVTH (3SV khá giỏi):
Giai đoạn TTTN:
- Tìm hiểu các hệ thống trực quan hóa dữ liệu, phân tích dữ liệu như Qlik, SIFT
- Tìm hiểu các khái niệm phân tích dữ liệu kinh doanh, ý nghĩa dữ liệu và các lược
đồ trực quan đa chiều và thời gian thực
- Tìm hiểu các phương pháp thống kê, phân tích và các mô hình dự báo dữ liệu, dữ
liệu lớn, các loại dữ liệu khác nhau từ camera, cảm biến, v.v
- Phân tích và thiết kế hệ thống nền tảng có tính năng tổng hợp, phân tích và trực
quan dữ liệu, cũng như dự báo dữ liệu tổng quát.
Giai đoạn LVTN:
- Xây dựng dữ liệu thử nghiệm.
Điều kiện:
- Yêu thích phân tích dữ liệu và trực quan hoá, nghiên cứu thiết kế và phát triển sản
phẩm đổi mới sáng tạo
Tham khảo: Data warehouse, IoT platform, Big data models

Đề 60: Xây dựng hệ thống học tập và kiểm tra kỹ năng lập trình trực tuyến
SVTH (3SV khá giỏi):
Giai đoạn TTTN:
- Tìm hiểu các trang học tập và kiểm tra lập trình, ngôn ngữ lập trình trực tuyến
- Tìm hiểu các giải thuật và cơ chế liên quan để chấm tự động hoặc bán tự động
code
- Nghiên cứu, phân tích và thiết kế sản phẩm
- Demo các kỹ thuật, giải pháp, tính năng cốt lỗi
Giai đoạn LVTN:
- Xây dựng dữ liệu thực nghiệm.
- Triển khai và đánh giá hệ thống.
Điều kiện:
- Yêu thích giải thuật, lập trình, nghiên cứu thiết kế và phát triển sản phẩm đổi mới
sáng tạo
- Yêu thích tìm hiểu Reactjs Redux
Tham khảo: leetcode.com, hackerrank.com
GVHD: TS. Lê Hồng Trang (lhtrang@hcmut.edu.vn)

Đề 61: Phân lớp dữ liệu kích thước lớn với mô hình SVM và Coreset (2SV)
SVTH: Nguyễn Lê Chí Bảo - 1610179 và Nguyễn Quang Hoàng Lâm - 1611743
Nội dung: Nghiên cứu bài toán phân lớp dữ liệu với kích thước lớn, mô hình SVM và các
biến thể giải bài toán phân lớp với kích thước lớn.
- Tìm hiểu bài toán phân lớp dữ liệu kích thước lớn, các ứng dụng, thách thức. Các
tiếp cận hiện nay cho bài toán này (hiểu rõ các ưu/nhược điểm của các tiếp cần
này).
- Tìm hiểu chi tiết về SVM và các biến thể của nó cho bài toán phân lớp dữ liệu
kích thước lớn, hiện thực và tiến hành một số thực nghiệm. Phân tích và đánh giá
các kết quả thực nghiệm này.
- Nghiên cứu một số tiếp cận lấy mẫu, giải quyết với bài toán kích thước lớn,
không cân bằng trong mô hình SVM.
- Tìm hiểu khái niệm coreset, các kỹ thuật sinh coreset cho việc lấy mẫu.
- Đề xuất ý tưởng dùng coreset trong việc training của SVM. Tiến hành một thử
nghiệm ban đầu.

- Cải thiện để tiến tới đề xuất mô hình SVM dùng coreset để giải bài toán.
- Đề xuất mô hình và thực nghiệm.
- Đánh giá mô hình đề xuất.

Đề 62: Dự đoán giá trên hệ thống dịch vụ đặt phòng dựa vào máy học và phân tích
cảm xúc (2SV)
SVTH:
Nội dung: Tìm hiểu về các hệ thống cung cấp dịch vụ đặt phòng (booking), khảo sát việc
áp dụng các kỹ thuật học máy phổ biến và phân tích cảm xúc cho việc dự đoán giá đặt
phòng.
- Tìm hiểu về bài toán dự đoán, tập trung vào việc dự đoán giá của một số hệ
thống cung cấp dịch vụ đặt phòng.
- Tìm hiểu các mô hình máy học phổ biến (hồi quy, SVM, mạng nơ-ron): mô hình,
công cụ/công nghệ hiện thực các mô hình này.
- Tìm hiểu về bài toán phân tích cảm xúc trong văn bản, và một số kỹ thuật xử lý
ngôn ngữ tự nhiên (NLP) để giải bài toán này.
- Nghiên cứu mô hình dự đoán dùng máy học kết hợp với phân tích cảm xúc..

- Hiện thực và thử nghiệm mô hình đề xuất.
- Đánh giá và hoàn thiện mô hình.
Đề 63: Tiếp cận hồi quy cải tiến cho việc học mô hình cho robot (2SV)
SVTH:
Nội dung: Tìm hiểu về mô hình và các kỹ thuật cho hồi quy, áp dụng cho bài toán mô hình
hoá robot.
- Tìm hiểu về các kỹ thuật học máy phổ biến cho việc học mô hình cho robot, các
ưu/nhược điểm của chúng, đặc biệt là với vấn đề dữ liệu nhiễu và phần tử ngoại
biên (outlier).
- Tìm hiểu một số phương pháp giải quyết với nhiễu và phần tử ngoại biên của dữ
liệu được thu thập bởi các sensor trong một số mô hình robot.
- Nghiên cứu chi tiết mô hình hồi quy không tuyến tính (nonlinear regression) cho
bài toán này, trong đó có việc phát hiện các phần tử ngoại biên được chú ý.
- Hiện thực mô hình ban đầu (initial) và thử nghiệm.

- Hoàn thiện, thực nghiệm và đánh giá mô hình trong một môi trường mô phỏng.

Đề 64: Xấp xỉ bình phương tối thiểu (least square approximation) cho các hệ thống
phân tán (2SV)
SVTH:
Nội dung: Tìm hiểu mô hình phân tích dữ liệu lớn dựa trên hồi quy, trong đó quá trình phân
tích được thực hiện trên nhiều máy. Tìm hiểu áp dụng phương pháp số, cụ thể là xấp xỉ
bậc hai, cho việc tăng tốc việc tính toán trên hệ thống phân tán này.
- Tìm hiểu phân tích hồi quy qua một họ các bài toán hồi quy (hồi quy tuyến tính,
hồi quy logistic, ...) trên một hệ thống phân tán.
- Tìm hiểu phương pháp số xấp xỉ bậc hai cho mô hình phân tán: lý thuyết, chứng
minh tính đúng đắn, đánh giá hiệu năng.
- Hiện thực trên Spark và thử nghiệm bước đầu với một mô hình đơn giản.

- Hoàn thiện với các mô hình hồi quy mở rộng/tổng quát, thực nghiệm và đánh giá
các mô hình.

Đề 65: Tuyến tính hoá một số giải thuật máy học và một thử nghiệm với chuẩn
đoán ưng thư ngực (2SV)
SVTH:
Nội dung: Tìm hiểu một số mô hình máy học như MLP và hồi quy, áp dụng một số kỹ
thuật tuyến tính hoá dựa trên phép chiếu trong không gian Euclide. Thử nghiệm với tập dữ
liệu ung thư ngực cho việc chẩn đoán.
- Tìm hiểu các mô hình máy học phổ biến như multilayer perceptron (MLP) và hồi
quy.
- Tìm hiểu kỹ thuật chiếu (projection) để biến đổi tuyến tính một số toán tử trong
không gian Euclide.
- Nghiên cứu kỹ thuật tuyến tính hoá cho việc nâng cao hiệu quả tính toán của các
mô hình máy học ở trên.
- Hiện thực trên Spark MLLib và thử nghiệm bước đầu với một mô hình đơn giản.

- Hoàn thiện các mô hình, thực nghiệm và đánh giá các mô hình.
- Thử nghiệm với tập dữ liệu ung thư ngực cho việc chẩn đoán.
GVHD: TS. VO THI NGOC CHAU (CHAUVTN@HCMUT.EDU.VN)
Đề 66. DEVELOPMENT OF A DEEP LEARNING METHOD FOR STUDY STATUS
PREDICTION IN A CREDIT SYSTEM (3sv)
DESCRIPTION: THIS PROJECT AIMS AT A MORE EFFECTIVE SOLUTION TO
STUDY STATUS PREDICTION IN A CREDIT SYSTEM. ONE INTERESTING
APPPROACH IS DEEP LEARNING. THEREFORE, YOU ARE REQUIRED TO
DEVELOP A DEEP LEARNING METHOD FOR THIS TASK.
PRE-THESIS PHASE: MAKE A LITERATURE REVIEW AND TOOL EXPLORATION

FOR THE PROJECT. MAKE SOME EXPERIMENTS TO EXPLOIT THE EXISTING
SOLUTIONS.
THESIS PHASE: PROPOSE A COMPLETE SOLUTION AND BUILD A DEMO FOR THE
TASK.
GVHD: TS.: Nguyễn Đức Dũng,Email: nddung@hcmut.edu.vn

Đề 67: Nhận diện khuôn mặt với công nghệ học sâu
Mô tả: đề tài hướng đến nhận diện mặt người qua ảnh chụp.
Yêu cầu:
 Kiến thức căn bản về toán và xử lý ảnh tốt, hứng thú với mô hình máy học.
 Lập trình tốt và sử dụng tốt các công cụ, thư viện đa nền tảng.
 Có khả năng phân tích một cách có hệ thống vấn đề cũng như kết quả.
 Sinh viên tham gia đề tài: 2 sinh viên
Mục tiêu: nghiên cứu cách nhận diện mặt người thông qua hình ảnh.
Nhiệm vụ:
Giai đoạn DCLV:
 Tìm hiểu về máy học, các mô hình đang được sử dụng.
 Tìm hiểu các đặc trưng cs thể trích xuất từ mô hình máy học.
 Đề xuất giải pháp và hướng đi cụ thế cho giai đoạn LVTN
 Đề xuất mô hình máy học dự kiến trong giai đoạn làm LVTN.
Giai đoạn LVTN:
 Phân tích chi tiết giải pháp đề xuất, liên hệ với các nghiên cứu liên quan
 Đề xuất mô hình phát hiện mặt người trong ảnh.
 Hiện thực mô hình nhận diện gương mặt.
 Đánh giá các mô hình đề xuất.

Đề 68: Phát hiện khối u trên ảnh y khoa
Mô tả: đề tài hướng đến xây dựng hệ thống phân đoạn khối u trên các ảnh y khoa nhằm
hỗ trợ bác sĩ trong điều trị và chẩn đoán bệnh.
Yêu cầu:
 Sinh viên tham gia đề tài: Nguyễn Gia Bảo, Võ Trung Nhân
Mục tiêu: nghiên cứu cách nhận diện mặt người thông qua hình ảnh.
Nhiệm vụ:
Giai đoạn DCLV:
 Đề xuất giải pháp và hướng đi cho giai đoạn LVTN
Giai đoạn LVTN:
 Phân thích chi tiết giải pháp đề xuất, liên hệ với các nghiên cứu liên quan
 Đề xuất mô hình phân đoạn khối u trong ảnh.
 Hiện thực mô hình phân đoạn khối u.

Đề 69: Xây dựng mô hình hỗ trợ lái xe tự động với phương pháp học tăng cường
Mô tả: Đề tài hướng đến xây dựng một hệ thống hỗ trợ ra quyết định cho xe t ự hành s ử
dụng các kỹ thuật học tăng cường.
Yêu cầu:
Sinh viên tham gia: 2 sinh viên
Nhiệm vụ:
Giai đoạn TTTN:
 Tìm hiểu về framework cần dung cho hệ thống.
 Tìm hiểu các hệ thống hỗ trợ giả lập xe tự hành.
 Tìm hiểu các mô hình học tang cường: Q-learning, SARSA.
 Đề xuất xây dựng các mô hình học tăng cường cho bài toán điều khiển tự động.
Giai đoạn LVTN:
 Xây dựng mô hình cho đề tài.
 Thu thập dữ liệu huấn luyện mô hình đề xuất.
 Hiện thực mô hình đề xuất và huấn luyện hệ thống.
 Đánh giá và cải thiện độ chính xác của hệ thống đề xuất.

Đề 70: Xây dựng hệ thống hỏi đáp
Mô tả: Xây dựng ứng dụng đọc đoạn văn và trích xuất câu trả lời cho câu hỏi, với ràng
buộc đáp án là một từ hoặc cụm từ có sẵn trong đoạn văn. K ết quả này có nhi ều ứng
dụng cho các lĩnh vực truy vấn thông tin, áp dụng cho hệ thống đối thoại (chatbot)... Hệ
thống sẽ sử dụng nhiều kỹ thuật liên quan chủ yếu đến xử lý ngôn ngữ tự nhiên.
Yêu cầu:
Nhiệm vụ:
Giai đoạn TTTN:
 Tìm hiểu về framework dùng cho đề tài.
 Tìm hiểu những model Question-Answering đã có trên thế giới, so sánh và phân tích
những model đó.
 Tìm kiếm dữ liệu phục vụ hiện thực đề tài.
 Tìm hiểu các mô hình học máy: RNN, LSTM, CNN.
 Đề xuất các hướng cải tiến hoặc đề xuất mô hình mới.
 Đề xuất ứng dụng sẽ hiện thực sử dụng mô hình được đề xuất.
Giai đoạn LVTN:

Đề 71: Sinh giọng nói từ văn bản tiếng Việt với công nghệ học sâu
Mô tả: Đề tài hướng tới xây dựng hệ thống sinh giọng nói từ văn bản ti ếng Vi ệt nh ằm h ỗ
trợ các ứng dụng cần có tương tác giọng nói giữa người và máy.
Nhiệm vụ:
Giai đoạn TTTN:
 Tìm hiểu về framework cần dùng cho hệ thống.
 Tìm hiểu các mô hình học máy
 So sánh các hướng tiếp cận trong đề tài, lựa chọn mô hình.
 Đề xuất mô hình cho hệ thống sinh giọng nói.
Giai đoạn LVTN:

Đề 72: Chuyển đổi giọng nói sang dạng văn bản (tiếng Việt) hỗ trợ tương tác
người-máy
Mô tả: Để tài hướng tới xây dựng hệ thống chuyển đổi giọng nói sang văn bản tiếng Việt
nhằm hỗ trợ các ứng dụng cần có tương tác giọng nói giữa người và máy.
Nhiệm vụ:
Giai đoạn TTTN:
 Tìm hiểu về framework cần dùng cho hệ thống.
 Tìm hiểu các mô hình học máy
 So sánh các hướng tiếp cận trong đề tài, lựa chọn mô hình.
 Đề xuất mô hình cho hệ thống nhận dạng.
Giai đoạn LVTN:

Đề 73: Điều khiển đèn giao thông với kỹ thuật học tăng cường
Mô tả: Xây dựng hệ thống giải quyết vấn đề điều khiển tín hiệu đèn giao thông dựa trên
thông tin trích xuất được từ mạng lưới các phương tiện giao thông. M ục tiêu quan tr ọng
đặt ra là quản lí hiệu quả tình trạng giao thông tại các giao lộ, giảm ùn tắc, kẹt xe.
Yêu cầu:
Nhiệm vụ:
Giai đoạn TTTN:
 Tìm hiểu về framework Markov Decision Process (MDP).
 Tìm hiểu những model Traffic Light Control đã có trên thế giới. Đánh giá và so
sánh.
 Tìm hiểu về convolutional neural network (CNN).
 Tìm hiểu về Double Dueling Deep Q Network (3DQN).
 Đề xuất hướng cải tiến hoặc đề xuất mô hình mới.
Giai đoạn LVTN:
 Xây dựng model cho đề tài.
 Hiện thực hệ thống Traffic Light Control.
 Đánh giá và cải thiện hệ thống đề xuất.

Đề 74: Nhận diện văn bản viết tay với mô hình học sâu
Mô tả: đề tài hướng đến nhận diện chữ viết tay thông qua ảnh chụp.
Yêu cầu:
 Sinh viên tham gia đề tài: 2 sinh viên
Mục tiêu: nghiên cứu cách nhận diện chữ viết tay với các mô hình học sâu.
Nhiệm vụ:
Giai đoạn DCLV:
Giai đoạn LVTN:
 Đề xuất mô hình nhận diện chữ viết tay qua ảnh.
 Hiện thực mô hình nhận diện chữ viết tay.

Đề 75: Phục hồi ảnh với công nghệ học sâu
Mô tả: đề tài hướng đến xây dựng hệ thống phục hồi ảnh sử dụng các mô hình học sâu.
Yêu cầu:
Sinh viên tham gia đề tài: 2 sinh viên
Mục tiêu: nghiên cứu các mô hình phục hồi ảnh khác nhau sử dụng công nghệ học máy.
Nhiệm vụ:
Giai đoạn DCLV:
Giai đoạn LVTN:
 Đề xuất mô hình phục hồi ảnh
 Hiện thực mô hình nhận diện gương mặt.
Đề 76: Hệ thống bảo vệ thông tin riêng tư cho dữ liệu mở (1-3sv).

GVHD: TS. Trương Tuấn Anh (email: anhtt@hcmut.edu.vn)
SVTH:
Nội dung: Hiện thực một hệ thống có chức năng nhận đầu vào là m ột tập dữ liệu và đầu
ra là tập dữ liệu đã được che dấu thông tin riêng tư trong dữ liệu gốc.
Từ khóa: Privacy, Anonymization, Data mining
Giai đoạn TTTN:
- Tìm hiểu các tài liệu được cung cấp
- Phát triển các kỹ thuật bảo vệ thông tin riêng tư
Giai đoạn LVTN: Thiết kế và hiện thực hệ thống
Đề 77: Hệ thống truy xuất nguồn gốc của dữ liệu chia sẻ dựa trên blockchain (1-3
SV).
GVHD: TS. Trương Tuấn Anh (email: anhtt@hcmut.edu.vn)
SVTH:
Nội dung: Hiện thực một hệ thống kiểm soát và quản lý các dữ liệu được chia sẻ trên
IoTs đựa trên blockchain.
Từ khóa: IoTs, blockchai, data sharing
Giai đoạn TTTN:
- Tìm hiểu các tài liệu được cung cấp
- Phát triển các kỹ thuật kiểm soát nguồn gốc
Giai đoạn LVTN: Thiết kế và hiện thực hệ thống
Đề 78: Thực hiện sửa lỗi chính tả tiếng Việt bằng phương pháp học sâu – 1 SV
GVHD: PGS.TS Quản Thành Thơ – Email: qttho@hcmut.edu.vn
SVTH: Vũ Đào Anh Tuấn - 1613938
Nội dung: tbc.
Từ khóa:
Giai đoạn TTTN:
- tbc.
- tbc
- tbc
Giai đoạn LVTN:
Yêu cầu: tbc
Công cụ thực hiện: tbc
Tài liệu tham khảo: tbc
Đề 79: Phát triển một chatbot thông minh để tư vấn hoạt đ ộng Đoàn cho sinh viên. 2
SV
SVTH: Phạm Minh Hiếu – 1611046, Cao Chánh Dương - 1610571
Nội dung: tbc.
Từ khóa:
Giai đoạn TTTN:
- tbc.
- tbc
- tbc
Giai đoạn LVTN:
Yêu cầu: tbc
Đề 80: Áp dụng các kỹ thuật học sâu cho bài toán phân loại văn bản – 1 SV
SVTH: Vũ Đức Duy Nội dung: tbc.
Từ khóa:
Giai đoạn TTTN:
- tbc.
- tbc
- tbc
Giai đoạn LVTN:
Yêu cầu: tbc
Đề 81: Phát triển một ứng dụng quản lý nhà cho thuê – (1-2 SV)
SVTH:
Từ khóa:
Giai đoạn TTTN:
- Nghiên cứu các kỹ thuật NLP để xử lý thông tin mô tả cho thuê nhà
- Nghiên cứu công nghệ phù hợp để phát triển ứng dụng
- Thiết kế và demo ứng dụng.
Giai đoạn LVTN:
- Hoàn thiện và đánh giá ứng dụng
Yêu cầu: tbc
Đề 82: Sử dụng reinforcemnt learning cho bài toán điều khi ển dung l ượng băng
thông mạng – (1-2 SV)
SVTH:
Đề tài hướng dẫn chung với Tiến Sĩ Võ Thị Lưu Phương – ĐH Quốc tế
Từ khóa:
Giai đoạn TTTN:
- Nghiên cứu reinforcement learning
- Nghiên cứu bài toán điều khiển lưu lượng băng thông tự động
- Thiết kế và demo giải pháp.
Giai đoạn LVTN:
- Hiện thực và đánh giá ứng dụng
Yêu cầu: tbc
Đề 110: Sử dụng học sâu để phân loại mã độc – (1-2 SV)

SVTH:
Chú thích: Đề tài hướng dẫn chung với TS Đàm Khánh Hoà, University of Wollongong
(UOW), yêu cầu sinh viên thích nghiên cứu và có background về machine learning, đặc biệt
là deep learning
Từ khóa:
Giai đoạn TTTN:
- Nghiên cứu các kỹ thuật học sâu phù hợp với biểu diễn mã độc
- Thiết kế và demo ứng dụng
Giai đoạn LVTN:
- Thí nghiệm đánh giá kết quả.
- Đánh giá kết quả
Yêu cầu: tbc
Đề 111: Hệ thống trợ giúp đăng ký môn học cho sinh viên trường ĐHBK.(2 sv)
GVHD: PGS.TS. Bùi Hoài Thắng (bhthang@hcmut.edu.vn)

Nội dung:
- Tìm hiểu các bài toán về tìm kiếm tối ưu
- Tìm hiểu các yêu cầu về đăng ký môn học (ràng buộc môn học trước sau, khung
thời biểu, học song ngành, …)
- Xây dựng công cụ trợ giúp đăng ký môn học
Từ khóa:
Giai đoạn TTTN/Đề cương:

- Tìm hiểu các bài toán về tìm kiếm tối ưu
- Tìm hiểu các yêu cầu về đăng ký môn học (ràng buộc môn học trước sau, khung
thời biểu, học song ngành, …)
- Xây dựng mô hình
- Xây dựng phần mềm thử nghiệm
Giai đoạn LVTN:
- Xây dựng hoàn chỉnh phần mềm
GVHD: Lê Hồng Trang

Đề 112: Phân cụm dữ liệu lớn dựa vào lấy mẫu và xu hướng cụm (Big data
clustering based on cluster tendency and sampling)
Sinh viên: Nguyễn Minh Khôi (1611657) và Nguyễn Phan Đăng Khoa (1611626)

Đề 113: Framework xây dựng và tổ chức cuộc thi lập trình đối kháng
SVTH: Dương Thái Minh - MSSV: 1412252
GVHD : PGS.TS. Thoại Nam (namthoai@hcmut.edu.vn)

Đề 113A: (Dành cho 1-2SV) Lê Hoàng Dương (1710900)
Nghiên cứu và phát triển giải thuật quản lý tài nguyên hệ thống tính toán l ớn
ứng dụng kỹ thuật học máy
TTTN:
 Tìm hiểu công cụ quản lý tài nguyên PBS Pro
 Phân tích log file và trích xuất các thông tin ảnh hưởng đến việc quản lý tài nguyên
 Khảo sát khả năng ứng dụng các kỹ thuật Machine Learning/Reinforcement
Learning vào công cụ quản lý tài nguyên.
LVTN:
 Tiến hành thực nghiệm các giải thuật lập lịch/quản lý tài nguyên khác nhau trên hệ
thống thực – SuperNode-XP
 Đề xuất giải pháp lập lịch/quản lý tài nguyên bằng việc ứng dụng Machine
Learning/Reinforement Learning.

Đề 114: (Dành cho 1-2SV) Nguyễn Quốc Anh (1610081) & Trần Cảnh Huy (1611331)
1610081@hcmut.edu.vn
Nghiên cứu và phát triển hệ thống lưu trữ meta-data kết hợp với hệ thống lưu
trữ PACS.
Trong xu thế phát triển và ứng dụng CNTT vào lĩnh vực y tế thì việc lưu trữ các hình
ảnh y khoa dạng số trên các hệ thống lưu trữ chuyên dụng gọi là PACS đang ứng dụng
rộng rải tại các bệnh viện ở Việt Nam. Một xu hướng mới là ứng dụng AI để phân tích
ảnh y khoa được áp dụng trong các máy chụp tiên tiến để chuẩn đoán bệnh. Vì vậy nhu
cầu nghiên cứu phát triển một hệ thống vừa lưu trữ ảnh y khoa và vừa lưu trữ các meta-
data như dữ liệu phân tích ảnh y khoa dùng AI là cần thiết. Đề tài này tập giải quyết vấn
đề trên.
TTTN:
 Tìm hiểu về kiến trúc hệ thống file phân tán (Distributed File Systems)
 Tìm hiểu mã nguồn mở các hệ thống PACS/DICOM: https://medevel.com/10-open-
source-pacs-dicom/
 Lựa chọn và triển khai hệ thống PACS/DICOM
 Đề xuất co chế tích hợp meta-data vào hệ thống PACS/DICOM
LVTN:
 Triển khai mô hình để xuất
 Đánh giá hiệu quả & cải tiến.
GVHD : PGS.TS. Thoại Nam (namthoai@hcmut.edu.vn) & Trần Ngọc Anh Tú

Đề 115: (Dành cho 1-2SV)
Nghiên cứu và phát triển công cụ giúp xây dựng hệ thống phân phối nội dung số tốt
nhất dựa trên CDNs (Content Delivery/Distribution Networks) dùng Machine
Learning
CDN là một mạng phân tán về mặt địa lý gồm nhiều máy chủ cung cấp nội dung ở
các trung tâm dữ liệu khác nhau. Mục tiêu của CDNs là cung cấp dịch vụ tốt nhất cho
người dùng; nó được ứng dụng rộng rãi ngày nay trong các lĩnh vực như live/on-demand
streaming media, software download, dịch vụ web... Các giải thuật trí tuệ nhân tạo có thể
ứng dụng để dự đoán tải trong tương lai chính xác hơn và có thể giúp để phát triển các
giải thuật caching hiệu quả dùng trong CDNs.
Yêu cầu: Sinh viên có kiến thức cơ bản về Linux, network.
TTTN:
 Tìm hiểu về các giải thuật CDNs đang được dùng thực tế tại các nhà cung cấp
dịch vụ số
 Tìm hiểu Machine Learning và khả năng ứng dụng tối ưu giải pháp tính toán kịch
bản thử nghiệm
 Tìm hiểu và sử dụng công cụ giả lập hệ thống thực tế Mininet (http://mininet.org/)
 Lựa chọn các giải thuật và đề xuất giải pháp.
LVTN:
 Hiện thực các giải thuật trên Mininet
 Thử nghiệm, đánh giá và cải tiến.
GVHD : PGS.TS. Thoại Nam (namthoai@hcmut.edu.vn) & Trần Ngọc Anh Tú

Nghiên cứu và phát triển giải thuật Machine Learning cho bài toán IoT Caching
Lượng dữ liệu tạo ra từ các thiết bị IoT ngày càng nhiều và sẽ làm nghẽn hệ thống
mạng trong tương lai gần nếu không có giải pháp. Một xu thế mới từ 2018 là phát triển
các giải thuật IoT Caching giúp cho việc chia sẽ dữ liệu IoT; và một hướng đi là ứng dụng
Machine Learning vào các giải thuật dùng cho IoT Caching.
Yêu cầu: Sinh viên có kiến thức cơ bản về Linux, network.
TTTN:
 Tìm hiểu về các giải thuật IoT Caching
 Tìm hiểu về ICN (Information Centric Networking) và NDN (Named Data
Networking) cho IoT
 Tìm hiểu công cụ ndnSIM (https://ndnsim.net/current/)
 Tìn hiểu Machine Learning & các giải thuật IoT Cahcing dùng Machine Learning
 Đề xuất 1 giải thuật IoT Caching.
LVTN:
 Hiện thực giải thuật IoT Caching trên ndnSIM

Nghiên cứu & phát triển công cụ, giải thuật thông minh ứng dụng trong phân tích &
trực quan hoá dữ liệu cho đại học.
Trong xu thế phát triển hiện nay, kỹ thuật phân tích dữ liệu và trực quan hoá có
nhiều ứng dụng trong thực tế & cũng chiếm một tỉ trọng rất lớn trong ứng dụng thực tế.
Đề tài này hướng đến xây dựn một bộ công cụ giúp phân tích dữ liệu sinh viên của một
trường đại học và trực quan hoá kết quả trên màn hình lớn.
Yêu cầu: Sinh viên có kiến thức cơ bản về operating systems, network, khả năng lập
trình.
TTTN:
 Tìm hiểu về bộ dữ liệu sinh viên của trường đại học (sử dụng bộ dữ liệu của
ĐHBK với hơn 3 triệu records)
 Tìm hiểu công cụ phân tích dữ liệu lớn hiệu quả hiện tại là Spark
 Tìm hiểu về các công cụ trực quan hoá như Tableau.
 Lựa chọn và thử nghiệm các công cụ được lựa chọn
 Đề xuất hướng xây dựng một bộ công cụ phân tích dữ liệu và trực quan hoá & &
giải thuật sử dụng.
LVTN:
 Tích hợp công cụ, phát triển giải thuật
 Thử nghiệm và cải tiến hiệu năng.
GVHD : PGS.TS. Thoại Nam (namthoai@hcmut.edu.vn) & ThS. Nguyễn Mạnh Thìn
Nghiên cứu và phát triển cổng liên kết nhiều hệ thống tính toán mạnh dựa trên nền
Open OnDemand.
Các hệ thống máy tính mạnh xuất hiệng ngày càng nhiều do nhu cầu tính toán lớn,
xử lý dữ liệu lớn và ứng dụng trí tuệ nhân tạo. Việc sử dụng các hệ thống máy tính mạnh
và đắc tiền này hiệu quả thì cần một giải pháp liên kết và cho phép người dùng truy cặp
vào các hệ thống này thật dễ dàng. Open OnDemand là một cổng truy xuất mã nguồn mở
được tài trở bởi quỹ NFS có các tính năng này.
Đề tài hướng đến ứng dụng Open OnDemand để liên kết các hệ thống máy tính
mạnh tại Trường ĐHBK như SuperNode-XP, SuperNode-AI để hỗ trợ cho người quản trị,
người sử dụng.
Yêu cầu: Sinh viên có kiến thức cơ bản về Linux, network, lập trình web.
TTTN:
 Tìm hiểu các yêu cầu của người sử dụng và người quản trị trên hệ thống máy tính
mạnh;
 Tìm hiểu các hàm, thư viện trong Open OnDemand (https://openondemand.org);
 Đề xuất thiết kế dựa trên Open OnDemand và triển khai bước đầu.
LVTN:
 Hiện thực hoàn chỉnh các chức năng cho cổng truy xuất
 Thử nghiệm, đánh giá và cải tiến cổng giao tiếp.
GVHD : PGS.TS. Thoại Nam (namthoai@hcmut.edu.vn) & ThS. Nguyễn Mạnh Thìn
Nghiên cứu & phát triển công cụ giám sát và quản trị cho hệ thống máy tính lớn.
HPC Lab - ĐHBK đang vận hành hệ thống máy tính mạnh SuperNode-XP 50 TFLops
với 26 nút tính toán mạnh và luôn có nhiều ứng dụng khác nhau thực thi cùng lúc. Việc
giám sát & quản trị hệ thống này đòi hỏi phải có công cụ. Hiện tại hệ thống cũng đang có
các công cụ chuyên dụng của Intel, HPE & nhiều công cụ mã nguồn mở đang được sử
dụng tại nhiều trung tâm khác trên thế giới.
Đề tài này hướng đến phát triển 1 công cụ giám sát và quản trị hiệu quả dựa trên
việc liên kết các công cụ hữu ích đang sử dụng trực tiếp trên hệ thống SuperNode-XP &
một công cụ mã nguồn mở.
Yêu cầu: Sinh viên có kiến thức cơ bản về operating systems, network, parallel
processing.
TTTN:
 Tìm hiểu về hệ thống SuperNode-XP
 Nghiên cứu & và lựa chọn các công cụ giám sát mã nguồn mở Incinga và công cụ
giám sát của Intel, HPE
 Thử nghiệm các công cụ được lựa chọn
 Đề xuất hướng xây dựng một bộ công cụ giám sát cho SuperNode-XP.
LVTN:
 Xây dựng bộ công cụ giám sát
 Triển khai đánh giá trên SuperNode-XP
 Cải tiến công cụ.

Đề 120 : (Dành cho 1-2SV)
Nghiên cứu và đánh giá hiệu năng mô hình Distributed Deep Learning.
Ngày càng nhiều ứng dụng trí tuệ nhân tạo dùng Deep Learning trong thực tế. Một
hạn chế trong giải pháp Deep Learning là khối lượng tính toán rất lớn đặc biệt khi giải các
bài toán có lượng dữ liệu luấn luyện lớn. Vì vậy việc chỉ có thể tính toán dùng các GPUs
trên cùng 1 máy tính không thể giải được các bài toán lớn. Vì vậy một hướng nghiên cứu
mới dùng nhiều máy tính có GPUs cùng giải một giải bài toán gọi là Distributed Deep
Learning nhận được sự quan tâm của các đại học, công ty hàng đầu của thế giới từ 2017
và đặc biệt trong năm 2019.
Đề tài này hướng đến tìm hiểu, khảo sát những giải pháp, công cụ hiện có trong
Distributed Deep Learning
TTTN:
 Tìm hiểu kiến trúc của Distributed Deep Learning (DDL):
o ETH: https://arxiv.org/pdf/1802.09941.pdf
o Stanford:
https://web.stanford.edu/~rezab/classes/cme323/S16/projects_reports/hedge_u
smani.pdf
o MIT:
https://www.researchgate.net/publication/329387825_Split_learning_for_healt
h_Distributed_deep_learning_without_sharing_raw_patient_data
o TUM: https://arxiv.org/pdf/1903.11314.pdf
o Intel: https://www.intel.ai/introducing-nauta/#gs.h02fnv
o Microsoft: http://www.dmtk.io
o IBM: https://dataplatform.cloud.ibm.com/docs/content/wsj/analyze-
data/ml_dlaas_ibm_ddl.html
o Uber: https://eng.uber.com/horovod/
o Bosch & LG: https://www.kdd.org/kdd2018/files/deep-learning-
day/DLDay18_paper_29.pdf
o Awesome DDL: https://github.com/bharathgs/Awesome-Distributed-Deep-
Learning;
 Triển khai thử nghiệm một số thư viện DDL tiềm năng với 1 số ứng dụng;
 Đề xuất giải pháp đánh giá trên một số công cụ lựa chọn.
LVTN:
 Thực nghiệm và đánh giá hiệu suất của các ứng dụng AI khi được training theo mô
hình Distributed System;
 Từ kết quả thực nghiệm, phân tích và cho thấy những yếu tố chính ảnh hưởng đến
hiệu suât;
 (Optional) Đưa ra một mô hình dự đoán hiệu suất của ứng dụng Distributed Deep
Learning dựa trên các yếu tố ảnh hưởng đã đánh giá.

Nghiên cứu và phát triển cổng thông tin điện tử cho một sản phẩm địa phương.
Hiện nay việc ứng dụng được kỹ thuật số giúp các đơn vị như huyện/xã/ấp/làng ở
nông thôn trong việc nuôi trồng/sản xuất sản phẩm địa phương bền vững & kết nối các
doanh nghiệp để bán sản phẩm có giá trị cao là hết sức cần thiết.
Đề tài này hướng đến phát triển một cổng thông tin điện tử nhằm kết nối giữa bên
mua và bên bán nhằm liên kết cộng đồng nông dân ở 1 địa phương trong việc nắm bắt
thông tin thị trường, các nguồn (doanh nghiệp) thu mua sản phẩm để nông dân không bị ép
giá nông sản.
TTTN:
 Tìm hiểu về cổng thông tin điện tử & kỹ thuật, công cụ để xây dựng
 Tìm hiểu các dữ liệu quan đến sản phẩm địa phương (ở đây làm củ thể là trái xoài)
và mô hình mua bán sản phẩm này
 Đề xuất một mô hình công thông tin điện tử cho sản phẩm địa phương (người
dùng đầu cuối dùng máy tính, smart phones)
LVTN:
 Triển khai mô hình;
GVHD : TS. Dương Ngọc Hiếu (dnhieu@hcmut.edu.vn) & PGS.TS. Thoại Nam
(namthoai@hcmut.edu.vn)
Đề 122: (Dành cho 2SV) Dương Văn Trường - MSSV: 1613832 & Nguyễn Trọng
Nghĩa - MSSV: 1612212
Xây dựng hệ thống đào tạo trực tuyến
Nội dung:
 Quản lý nhân sự Training Center
 Quản lý khóa học online
 Quản lý khóa học offline
 Quản lý đề cương khóa học
 Quản lý bài kiểm tra
 Quản lý kỳ mở lớp
 Quản lý quá trình học
 Quản lý học viên
 Quản lý giảng viên
 Khám phá khóa học
 Học khóa học
 Xếp loại và đánh giá
 Thống kê báo cáo E-learning
Đề 123: (Dành cho 2SV)
Xây dựng ứng dụng truy vết đối tượng dựa trên công nghệ xử lý ảnh và GIS
Nội dung:
 Nghiên cứu công nghệ Video Management System, cho phép lưu trữ và truy xuất dữ
liệu video playback.
 Xây dựng bản đồ camera (toạ độ, góc camera) chồng lớp trên nền bản đồ Open
Street Map.
 Xây dựng bộ công cụ cho phép tương tác trên bản đồ camera, cho phép đánh dấu
thời điểm, hướng di chuyển của đối tượng để làm cơ sở truy vết đối tượng
 Nghiên cứu giải thuật cho phép tính toán theo không gian, thời gian ước lượng vị trí
camera và thời điểm đối tượng truy vết lọt vào khung camera.
Đề 124: (Dành cho 2SV)
Xây dựng ứng dụng OTT (Over-the-top) về đào tạo
Nội dung:
 Xây dựng hệ thống hỗ trợ tạo bài giảng điện tử
 Xây dựng hệ thống quản lý bài giảng điện tử
 Xây dựng ứng dụng di động OTT vận hành trên iOS và Android
Đề 125.
Xây dựng phần mềm quản lý camera tập trung (VMS - Video Management
System)
GVHD:
- PGS. TS. Trần Văn Hoài (hoai@hcmut.edu.vn)
- TS. Dương Ngọc Hiếu (dnhieu@hcmut.edu.vn)
Yêu cầu:
- Dành cho nhóm 2 hoặc 3 sinh viên.
- Ham thích học hỏi/tìm hiểu công nghệ
- Đề tài có tính ứng dụng, và làm việc chung trong một công ty có tiếp cận với công
nghệ VMS, cũng như dữ liệu thực tế để thử nghiệm.
Nội dung
- Nghiên cứu các công nghệ mã nguồn mở về VMS
- Lựa chọn công nghệ phù hợp, đọc hiểu và cải tiến sao cho phần mềm VMS đáp
ứng được các tiêu chí cơ bản sau:
 Phần mềm có thể quản lý camera, có khả năng kết nối với camera (IP và Analog)
 Hỗ trợ kết nối camera có nhiều luồng video (Multi stream )
o Luồng hình ảnh: JPEG/MJPEG/MPEG4/H264/H265;
o Luồng âm thanh: có hỗ trợ đối với các camera có âm thanh, có thể ghi đồng
bộ hình ảnh và âm thanh vào 1 file video;
 Kết nối thông minh: tùy chọn chỉ kết nối đến các đầu ghi khi camera từ đầu ghi
được chọn hiển thị trên màn hình, hiển thị luồng video phụ khi hiển thị đồng thời
nhiều camera để giảm băng thông mạng và giảm tải CPU.
o Tự động kết nối camera: Tự động phát hiện mất tín hiệu kết nối đến
camera và kết nối lại;
o Cảnh báo khi camera mất kết nối: Cảnh báo qua email hoặc tin nhắn SMS
khi camera bị mất kết nối. Trạng thái của mỗi camera (ghi hình, không ghi
hình, mất kết nối, v.v…) được thể hiện bằng các biểu tượng khác nhau trên
màn hình.
 Hiển thị linh hoạt nhiều chế độ xem trên các nền web, mobile
 Ghi hình:
o Ghi đè: tự động ghi đè dữ liệu cũ nhất khi tất cả các ổ cứng đầy (dung
lượng tới hạn có thể đặt được);
o Lưu theo chuẩn nén hình ảnh H264/H265;
o Ghi cân bằng tải: ghi dữ liệu đều lên các ổ cứng để tránh quá tải băng thông
đọc ghi của ổ cứng;
o Ghi hình theo lịch: thiết lập lịch ghi hình cho các ngày khác nhau trong tuần;
o Ghi hình theo chuyển động: sử dụng tín hiệu cảnh báo chuyển động từ
camera giúp giảm tải CPU (áp lụng với một số loại camera: Panasonic, Axis,
Sony, Dahua, Hikvision, LILIN, Dmax, Foscam, Flir, Brickcom, Keeper,
Shany, Truen, Avigilon, Arecont Vision, v.v…)
 Tìm kiếm và xem lại dữ liệu video playback.
 Điều khiển camera PTZ.
 Tích hợp bản đồ số E-map: Phần mềm có khả năng tích hợp với bản đồ số, cho
phép xác định dễ dàng vị trí camera trên bản đồ, tính năng click and view hình ảnh
trực tuyến camera trên bản đồ.
 Phần mềm phải có khả năng chia sẻ được video stream của từng camera thông qua
phần mềm VMS bằng giao thức RTSP, HTTP.
 Phân quyền quản trị: Phân quyền quản trị với nhiều mức khác nhau: Admin (toàn
quyền quản trị và khai thác hệ thống), User1, User2, … Usern (cho phép quản trị,
khai thác hệ thống theo từng cấp độ khác nhau), v.v...
Giai đoạn TTTN:
- Nghiên cứu tổng quan về VMS, các thư viện mã nguồn mở VMS
- Phân tích và hiết kế chi tiết hệ thống VMS
- Xây dựng demo
Giai đoạn LVTN:
- Hiện thực các nội dung còn lại theo yêu cầu liệt kê trên.
Đề 126.
Phát triển thuật toán điều khiển tín hiệu đèn cho mạng giao thông Vi ệt Nam
(Developing an algorithm of light control for mixed traffic in Vietnam transportation
roads.)
GVHD: PGS. TS. Trần Văn Hoài (hoai@hcmut.edu.vn)

Yêu cầu:
- Dành cho 1 sinh viên tài năng (Đã có sinh viên nhận: Trần Việt Toản, MSSV:
1613611, MT16KTTN)
Nội dung
Điều khiển đèn giao thông tự động hoặc bán tự động là một mong muốn cũng như
nhu cầu rất thực ở Việt Nam. Tuy nhiên, với dòng giao thông hỗn hợp, cũng như hành vi
giao thông khá phức tạp đã làm nãy sinh nhiều thách thức lớn. LV này là một phần giúp
giải quyết bài toán lớn nêu trên. Cụ thể 2 nội dung chính của LV là:
 Mô hình điều khiển đèn không thể dễ dàng được triển khai trong môi trường thực. Do
đó LV phải xây dựng một môi trường để đánh giá thử nghiệm những đề xuất về điều
khiển. Môi trường này nên đưa nhiều yếu tố thjực tế vào (bộ phát sinh xe, hành vi của
xe, sự hỗn hợp của dòng xe, yếu tố hình hoc của giao lộ, mối quan hệ giữa những giao
lộ gần nhau,...)
 Đề xuất một thuật toán điều khiển minh hoạ được khả năng cải thiện thông suất
(throughput) và giảm độ trễ (delay) của toàn bộ hệ thống giao thông xem xét.
Giai đoạn TTTN :
 Tìm hiểu về những phần mềm mô phỏng (Vissim PTV, SUMO,...) và đề xuất một
phần mềm phù hợp.
 Xây dựng một mô hình mô phỏng một giao lộ và một mạng các giao lộ gần nhau (bao
gồm nhiều yếu tố thực tế có thể)
 Tìm hiểu tất cả những dữ liệu có thể được xem như là đầu vào của thuật toán (có thể
là cả số xe tại một thời điểm được đếm bởi một hệ thống khác).
Giai đoạn LVTN
 Hoàn thiện mô tả bài toán.
 Phát triển thuật toán (mô hình) điều khiển đèn và thử nghiệm trên mô hình mô phỏng.
Đề 127.
Xây dựng thuật toán dựa trên DBSCAN cho bài toán phân cụm trong sinh học.
(Developing a DBSCAN-based method for clustering problem in biology)
GVHD: PGS.TS. Trần Văn Hoài

Yêu cầu:
- Số sinh viên: 1 hoặc 2
- Sinh viên ham học hỏi/tìm hiểu về những thuật toán học máy.
- Sinh viên chăm chỉ làm việc.
Nội dung:
Phân cụm là bài toán cơ bản trong nghiên cứu quần thể (có nhiều loài) trong sinh
học, mà cụ thể là trong lĩnh vực metagenomics. Một trong những thách thức lớn hiện nay
của nhóm nghiên cứu sinh tin học của Thầy Trần Văn Hoài là trả lời câu hỏi nhóm thuật
toán phân cụm nào là tốt với dữ liệu dạng chuỗi DNA. Những nghiên cứu trước đây đều
sử dụng nhóm thuật toán dựa trên khoảng cách (cụ thể là k-means). Mặc dù kết quả tính
toán cũng rất khả quan (nhiều bài báo quốc tế), nhưng nhóm nhận thấy có thể sử dụng
nhóm thuật toán dựa trên mật độ, mà điển hình là DBSCAN. Đấy cũng chính là thách thức
và là mục tiêu của đề tài.
Giai đoạn TTTN:
- Tìm hiểu về bài toán phân cụm metagenomics và dữ liệu.
- Tìm hiểu về các nhóm thuật toán phân cụm.
- Tìm hiểu DBSCAN và các tham số chính của thuật toán. Thử nghiệm trên một số
dữ liệu cơ bản.
Giai đoạn LVTN:
- Triển khai tính toán với DBSCAN cơ bản.
- Phát triển phương pháp phân cụm dựa trên DBSCAN cho bài toán phân cụm
metagenomics.
- So sánh kết quả của phương pháp dựa trên DBSCAN với phương pháp dựa trên k-
means.
Đề 128.
Xây dựng thuật toán phân tách đồ thị tạo ra từ dữ liệu sinh học.
(Developing a graph partitioning algorithm for biological-originated datasets)
GVHD: PGS.TS. Trần Văn Hoài
Yêu cầu:
- Số sinh viên: 1 hoặc 2
- Ham học hỏi/tìm hiểu về đồ thị và những thuật toán liên quan.
Nội dung:
Để phân cụm những tập dữ liệu chứa nhiều loài khác nhau bên trong, một số
phương pháp tiếp cận theo hướng chuyển sang một đồ thị. Một lợi thế của những
phương pháp này là đã nhúng được đặc tính sinh học vào đồ thị. Tuy nhiên, để phân cụm
tốt thì một thách thức cần giải quyết là phải phân tách (partition) đồ thị này thành những
đồ thị con ở những điểm (đỉnh hoặc cạnh) “yếu”nhất của đồ thị ban đầu. Luận văn sẽ
hướng đến sử dụng những kỹ thuật phân tích đồ thị (và các thành phần), để từ đó tìm ra
điểm phân tách tốt.
Giai đoạn TTTN:
- Tìm hiểu những độ đo trên đồ thị.
- Tìm hiểu ứng dụng của độ đo trên đồ thị vào giải bài toán phân hoạch đồ thị.
- Tìm hiểu đồ thị tạo ra từ dữ liệu sinh học.
Giai đoạn LVTN:
- Phát triển một phương pháp phân hoạch đồ thị dựa trên các kiến thức đã tìm hiểu.
- Ứng dụng với dữ liệu đồ thị từ bài toán sinh học và hiệu chỉnh phương pháp cho
phù hợp.
Đề 129. (2sv) Xây dựng hệ thống cân bằng tải cho dịch vụ Web của trường.
GVHD: ThS. Nguyễn Cao Đạt
Yêu cầu:
- Có khả năng đọc và hiểu tiếng Anh.
- Quen thuộc với hệ điều hành Linux.
Đề cương LVTN:
- Tìm hiểu hệ thống cân bằng tải cho dịch vụ Web.
- Tìm hiểu các mã nguồn mở NGINX & HAProxy.
- Triển khai hệ thống cân bằng tải cho dịch vụ Web mức độ đơn giản.
- Đề xuất các yêu cầu cụ thể thực hiện trong LVTN.
LVTN:
- Triển khai đầy đủ hệ thống cân bằng tải cho dịch vụ Web của trường.
- Đánh giá hệ thống đã triển khai.
Đề 130. (2sv) Xây dựng hệ thống xác thực tập trung hỗ trợ nhiều yếu tố.
GVHD: ThS. Nguyễn Cao Đạt
Yêu cầu:
- Quen thuộc với hệ điều hành Linux và có khả năng lập trình Java.
Đề cương LVTN:
- Tìm hiểu hệ thống xác thực tập trung hỗ trợ nhiều yếu tố.
- Tìm hiểu dịch vụ xác thực tập trung (Central Authentication Service).
- Triển khai hệ thống xác thực tập trung hỗ trợ nhiều yếu tố mức độ đơn giản.
LVTN:
- Triển khai đầy đủ hệ thống xác thực tập trung hỗ trợ nhiều yếu tố.
- Đánh giá hệ thống đã triển khai.
Đề 131. : (2sv) Xây dựng giải pháp sao lưu dự phòng và khôi phục hệ thống
sau thảm họa.
Yêu cầu:
- Quen thuộc với hệ điều hành Linux.
Đề cương LVTN:
- Tìm hiểu sao lưu dự phòng và khôi phục hệ thống sau thảm họa.
- Tìm hiểu các công cụ hỗ trợ sao lưu dự phòng và khôi phục hệ thống sau thảm
họa.
- Triển khai giải pháp ở mức độ đơn giản.
LVTN:
- Triển khai đầy đủ giải pháp sao lưu dự phòng và khôi phục hệ thống sau thảm họa.
- Đánh giá giải pháp đã triển khai.
Đề 132. (Dành cho 2 sinh viên ngành CS)

Nghiên cứu cơ chế định tuyến động dựa vào thông số chất lượng dịch vụ
(Quality of Service) cho hệ thống IoT gồm các thiết bị khác nhau.
GVHD: TS. Nguyễn Lê Duy Lai
Giai đoạn ĐCLV/TTTN

 Tìm hiểu về hệ thống IoT và các phương pháp định tuyến của mạng Internet.
 Tìm hiểu các thông số QoS được sử dụng.
 Nghiên cứu cơ chế định tuyến cho các thiết bị khác nhau trong hệ thống IoT.
Giai đoạn LVTN
 Hiện thực giải thuật định tuyến và mô phỏng.
 Phân tích và đánh giá kết quả.
Đề 133. (Đã có SV: 51304339_Đỗ Minh Trí)

Phân hệ sử dụng mạng giao tiếp tốc độ siêu cao

 Nội dung 1.1: Nghiên cứu kỹ thuật mạng truyền dữ liệu tốc độ cao đang sử dụng
InfiniBand overview
 Nội dung 1.2: Giải pháp sử dụng mạng Gigabit Ethernet trên máy vật lý, máy ảo và
Docker
 Nội dung 1.3: Nghiên cứu và cập nhật về kỹ thuật mạng Infiniband trong thời điểm
hiện tại
 Nội dung 1.4: Đề xuất các giải pháp sử dụng Infiniband cho nhiều nút tính toán
 Nội dung 1.5: Thiết kế chi tiết giải pháp cấp địa chỉ IP và sử dụng Infiniband cho
nhiều nút tính toán
Giai đoạn LVTN
 Nội dung 1.6: Hiện thực giải pháp cấp địa chỉ IP và sử dụng Infiniband cho nhiều
nút tính toán vật lý
nút tính toán ảo
 Nghiên cứu công cụ đánh giá hiệu suất giao tiếp, những vấn đề gặp phải về
communication trong hệ phân bố, tổng hợp kiến thức về network, tiêu chí đánh giá,
queuing theory, …
(ref: https://www.sciencedirect.com/science/article/pii/S1571066118300598)
nút tính toán ảo Docker
 Nghiên cứu công nghệ RDMA
(ref: http://spcl.inf.ethz.ch/Research/Scalable_Networking/DFSSSP/, http://spcl.inf.et
hz.ch/Research/Scalable_Networking/Network_Topologies/)
Đề 134. (2 sinh viên ngành CE)

Nghiên cứu và phát triển công cụ quản trị mạng dùng trong hệ thống HPC

 Nội dung 2.1: Thiết kế và xây dựng giao diện quản lý tài khoản người dùng người
sử dụng trên SuperNode-XP
 Nội dung 2.2: Xây dựng giải pháp tiếp nhận và phản hồi yêu cầu của người sử
dụng trên SuperNode-XP
 Nội dung 2.3: Hiện thực giải pháp tiếp nhận và phản hồi yêu cầu của người sử
dụng trên SuperNode-XP
 Nội dung 2.4: Khảo sát các công cụ giám sát tài nguyên phổ dụng
 Nội dung 2.5: Nghiên cứu và chọn lựa công cụ giám sát tài nguyên hợp lý cho hệ
thống
 Nội dung 2.6: Triển khai công cụ giám sát tài nguyên trên hệ thống SuperNode-XP
 Nội dung 2.7: Khảo sát các công cụ giám sát ứng dụng phổ dụng
 Nội dung 2.8: Nghiên cứu và chọn lựa công cụ giám sát ứng dụng hợp lý cho hệ
thống
 Nội dung 2.9: Triển khai công cụ giám sát ứng dụng trên hệ thống SuperNode-XP
Giai đoạn LVTN
 Nội dung 2.10: Khảo sát các công cụ giám sát hiệu năng tính toán hệ thống phổ
dụng
 Nội dung 2.11: Nghiên cứu và chọn lựa công cụ giám sát hiệu năng tính toán hợp lý
cho hệ thống
 Nội dung 2.12: Triển khai công cụ giám sát hiệu năng tính toán trên hệ thống
SuperNode-XP
 Nội dung 2.13: Khảo sát các công cụ đánh giá hiệu năng giao tiếp hệ thống phổ
dụng
 Nội dung 2.14: Nghiên cứu và chọn lựa công cụ đánh giá hiệu năng giao tiếp hợp lý
cho hệ thống
 Nội dung 2.15: Triển khai công cụ giám sát hiệu năng giao tiếp trên hệ thống
SuperNode-XP
Đề 135. (1 sinh viên: Lê Đức Mạnh (1611985))

Nghiên cứu và phát triển Container as a Service trên public cloud với tính năng
Fully Managed Kubernetes Master Clusters
GVHD: PGS.TS. Phạm Trần Vũ (ptvu@hcmut.edu.vn)
Giai đoạn Đề cương

- Tìm hiểu giải pháp Container as a service hiện có
- Tìm hiểu các hệ thống có thể triển khai public cloud sử dụng nguồn mở
- Tìm hiểu các công nghệ liên quan
- Xác định mục tiêu, phương pháp và kế hoạch triển khai LVTN
Giai đoạn LVTN
- Hoàn thiện giải pháp container as a service có tính năng Fully Managed Kubernetes
Master Clusters
- Xây dựng và triển khai hệ thống trong điều kiện thử nghiệm
Đề 136. 2 sinh viên: Lương Tuấn Kiệt (1611695), Thân Đức Tài (1613027)
Xây dựng kiến trúc hệ thống IoT cho các ứng dụng quan trắc dựa trên mô hình
Fog/Edge Computing

- Tìm hiểu tổng quan về các hệ thống quan trắc, giám sát và cảnh báo
- Tìm hiểu mô hình tính toán Fog/Edge computing
Giai đoạn LVTN
- Hoàn thiện giải pháp
- Xây dựng ứng dụng mẫu
Đề 137. 2 sinh viên: Nguyễn Thị Như Ý (1614246), Lê Huân (1611225)

Xây dựng hệ thống hỗ trợ du lịch thông minh
- Tìm hiểu các nhu cầu chính của khách du lịch
- Tìm hiểu các công nghệ liên quan đến bản đồ số trực tuyến
- Tìm hiểu cơ chế hoạt động của các hệ thống gợi ý
Giai đoạn LVTN
- Xây dựng ứng dụng mẫu cho một địa bàn cụ thể
Đề 138. Nguyễn Việt Hưng (1611441)

Xây dựng hệ thống phân tích mối quan tâm và cảm xúc của cộng đồng thông
qua các bài viết trên mạng xã hội
- Tìm hiểu cách thức thu thập dữ liệu trên mạng
- Tìm hiểu các giải pháp phân tích, rút trích mối quan tâm của cộng đồng từ dữ liệu
mạng
- Tìm hiểu các giải pháp phân tích cảm xúc qua văn bản
Giai đoạn LVTN
Đề 139. Lê Thị Thúy Hằng 1610956, Trần Thị Kim Ngân 1612176
Xây dựng ứng dụng thay đổi hình ảnh tự động theo một ảnh mẫu cho trước
- Tìm hiểu các công nghệ xử lý ảnh, các phương pháp rút trích đặc trưng từ ảnh
chụp
- Tìm hiểu các giải pháp phân tích, rút trích đặc trưng ảnh
- Tìm hiểu các giải pháp thay đổi kiểu ảnh (style) hiện có
Giai đoạn LVTN
Đề 140. Nguyễn Khắc Quang Huy (1611288)

Xây dựng giải pháp xác thực dựa vào ảnh chụp khuôn mặt
- Tìm hiểu các công nghệ xử lý ảnh, các phương pháp rút trích đặc trưng từ ảnh
chụp
- Tìm hiểu các giải pháp nhận diện đối tượng qua ảnh
- Tìm hiểu cơ chế xác thực dựa trên hình ảnh hiện có
Giai đoạn LVTN
Đề 141. Dành cho nhóm 2 sinh viên ngành CS

Ứng dụng mô hình học sâu trong việc đánh giá sự tương đồng về mặt ngữ
nghĩa của thuật ngữ y khoa với mô hình học sâu.
GVHD: TS. Lê Thanh Vân (ltvan@hcmut.edu.vn), PGS.TS. Quản Thành Thơ
(qttho@hcmut.edu.vn)
Yêu cầu sinh viên liên hệ GVHD để biết thêm thông tin chi tiết.

- Tìm hiểu các bộ thuật ngữ y khoa theo chuẩn quốc tế UMLS (Unified Medical
Language Systems)
- Tìm hiểu các mô hình học sâu Siamese RNN, CNN
Giai đoạn LVTN:
- Hiện thực các mô hình đã tìm hiểu với bộ dữ liệu chuẩn và đánh giá
Yêu cầu:
- Sinh viên biết lập trình với Java, Python và CSDL

Xây dựng kho tri thức thể hiện mối quan hệ giữa thực phẩm và dinh dưỡng sử
dụng ontology ngữ nghĩa
- Tìm hiểu Web ngữ nghĩa
- Tìm hiểu CSDL Neo4j
Giai đoạn LVTN:
- Phát triển kho tri thức tích hợp các nguồn CSDL khác nhau
Yêu cầu:

Xây dựng hệ tri thức về công thức nấu ăn cho hệ thống gợi ý theo hướng cá
nhân hoá

- Thu thập dữ liệu từ Web
- Tìm hiểu về Web ngữ nghĩa
- Tìm hiểu công cụ NLP: Stanford parser
Giai đoạn LVTN
- Xây dựng hệ tri thức về mối quan hệ giữa các thực thể trong thực đơn người dung
Yêu cầu:
Ứng dụng các mô hình học sâu để nhận biết các thành phần nguyên liệu thực
phẩm trong ảnh

- Tìm hiểu các mô hình học sâu như CNN cho phân tích ảnh
- Hiện thực thử nghiệm các mô hình
Giai đoạn LVTN:
- Hiện thực mô hình đã tìm hiểu và ứng dụng vào nhận biết đối tượng trong ảnh
- Đánh giá mô hình đã hiện thực
Yêu cầu:

Ứng dụng mô hình học sâu nhận biết và thông tin địa điểm
GVHD: TS. Lê Thanh Vân (ltvan@hcmut.edu.vn)

- Tìm hiểu các mô hình học sâu như CNN cho phân tích ảnh
- Hiện thực thử nghiệm các mô hình
Giai đoạn LVTN:
- Hiện thực mô hình đã tìm hiểu và ứng dụng vào nhận biết đối tượng trong ảnh
- Đánh giá mô hình đã hiện thực
Yêu cầu:
GVHD: TS. Nguyễn Quang Hùng (nqhung@hcmut.edu.vn)

Đề 146. Dành cho sinh viên CE & CS.
Hiện thực giải thuật di truyền phân bố trên nhiều bộ đồng xử lý Intel Xeon Phi.
Intel Xeon Phi là một giải pháp của Intel cho các ứng dụng tính toán hiệu năng cao,
với mỗi bộ đồng xử lý Intel Xeon Phi có 61 cores giúp tăng hiệu năng tính toán bên cạnh
Intel CPU Xeon. Bước đầu tôi đã có một số kết quả cải tiến giải thuật di truyền song song
chạy trên Intel Xeon Phi. Sinh viên cần khai thác thêm khả năng của hệ thống SuperNode-
XP với 24 server CPU Xeon (12core/CPU và 2 bộ đồng xử lý Intel Xeon Phi) đạt
100TFlops.
Yêu cầu: lập trình C/C++.
Giai đoạn Đề cương/TTTN:
- Tìm hiểu lập trình Xeon Phi.
- Tìm hiểu OpenMP, MPI, lập trình Hybrid MPI + OpenMP.
- Tìm hiểu kiến trúc Intel Xeon Phi (MIC), Intel compiler, lập trình Xeon Phi.
- Phân tích và thiết kế giải thuật di truyền phân bố thực thi trên kiến trúc Xeon Phi.
- Gợi ý: Nghiên cứu bài toán lập lịch thời khóa biểu.
Giai đoạn LVTN
- Hiện thực giải thuật di truyền song song cho bài toán lập lịch thời khóa biểu.
- Đánh giá giải thuật di truyền phân bố trên hệ thống Supernode-XP của trung tâm
tính toán hiệu năng cao (HPCC).

Xây dựng portal cho Smart Village
Trong Làng Thông Minh, các dịch vụ truyền thống được tăng cường bằng các
phương tiện kỹ thuật số, công nghệ viễn thông, công nghệ thông tin, công nghệ khoa học
tiên tiến đa lĩnh vực vì lợi ích của người dân và doanh nghiệp, tăng cường các dịch vụ
công, tiết kiệm tài nguyên, bảo vệ môi trường, quảng bá sản phẩm địa phương, chuyên
môn hóa các dự án nông sản, du lịch và các hoạt động văn hóa. Tuy nhiên, việc phát triển
Làng Thông Minh không có một quy định, tầm vực cụ thể mà còn phụ thuộc vào chiến
lược phát triển và chính sách đầu tư của mỗi khu vực, quốc gia. Portal cho phép hiển thị
thông tin về điện, nước thông minh, nhà vườn thông minh,…
Yêu cầu: Lập trình Web, mobile (Android, iOS).
- Tìm hiểu lập trình Web, mobile (Android, iOS).
- Tìm hiểu portal.
- Tìm hiểu hệ sinh thái ứng dụng trong Smart Village.
- Đưa ra giải pháp portal cho Smart Village.
Giai đoạn LVTN:
- Xây dựng giải pháp portal cho Smart Village.
Xây dựng công cụ đánh giá hệ thống AI có dùng GPU.
Hệ thống Supernode-XP có nhiều nút tính toán đa dạng với multicore CPU, x2 bộ
Xeon Phi co-processor hoặc các GPUs. Hệ thống Supernode-XP sử dụng PBS để quản lý
và cấp phát tài nguyên cho các Docker, các VM và các HPC jobs đồng thời. Đánh giá các
dạng bài toán khác nhau trên kiến trúc GPUs của hệ thống Supernode-XP. Đánh giá các
dạng bài toán AI khác nhau trên kiến trúc GPUs của hệ thống Supernode-XP
Yêu cầu: lập trình python, C++.
- Tìm hiểu lập trình GPU.
- Nghiên cứu công nghệ tính toán mới trên GPUs.
- Nghiên cứu kiến trúc GPUs và bài toán phù hợp.
- Đánh giá các dạng bài toán khác nhau trên kiến trúc GPUs của hệ thống Supernode-
XP.
- Đánh giá các giải pháp triển khai ứng dụng sử dụng GPUs trên máy vật lý, máy ảo
và Dockers.
Giai đoạn LVTN:
- Xây dựng công cụ đánh giá hệ thống AI có dùng GPU.
GVHD: TD. Nguyễn Quang Hùng (nqhung@hcmut.edu.vn)

Đề 149. Dành cho sinh viên CE và CS.
Mô phỏng ứng dụng IoT hướng năng lượng hiệu quả trên môi trường Fog/Edge
computing.
Mạng Fog/Edge hỗ trợ khái niệm Internet of Things (IoT), trong đó hầu hết các thiết
bị được dùng bởi con người trong các hoạt động hàng ngày sẽ được kết nối với nhau. Ví
dụ như là các điện thoại thông minh, đồng hồ thông minh, phương tiện di chuyển hỗ trợ
kết nối, các thiết bị thực tế ảo như Google Glass. Năng lượng là một thách thức lớn với
các thiết bị Fog/Edge computing giúp duy trì hoạt động hiệu quả.
 Tìm hiểu Fog/Edge computing.
 Tìm hiểu giải thuật cấp phát tài nguyên trên Fog computing dựa trên yếu tố như
năng lượng, thời gian hoàn thành,….
 Chọn lựa công cụ mô phỏng Fog computing như iFogSim.
 Tìm hiểu giải thuật cấp phát tài nguyên First-Fit dựa trên iFogSim đã có. Phát triển
một giải thuật phân bổ công việc trên các Fog/Edge node hiệu quả hơn.
Giai đoạn LVTN:
 Hiện thực giải thuật cấp phát tài nguyên cho Fog computing dựa trên mô phỏng.

Đề 150. Dành cho nhóm 2 sinh viên CS, CE.
Sử dụng mô hình học sâu dự đoán giá chứng quyền mua dựa trên dữ liệu
chứng khoán.
Áp dụng các kỹ thuật học sâu, data mining để dự đoán xu hướng mã chứng khoán
dựa trên dữ liệu chứng khoán của VN/TG. Chứng quyền của mã cơ sở có mối quan hệ với
chứng khoán cơ sở. Do đó việc dự đoán đúng xu hướng mã cơ sở để tính toán giá trị tương
lai của chứng quyền của mã cơ sở là cần thiết. Sinh viên sẽ học được kiến thức về tài
chính, chứng khoán, kinh tế vĩ mô.
Yêu cầu: lập trình python, Java, C/C++.
- Tìm hiểu về giải thuật phân loại dữ liệu bằng data mining, học máy, học sâu.
- Phân tích và thiết kế mô hình học sâu dự đoán giá chứng quyền mua.
Giai đoạn LVTN
- Hiện thực giải pháp đã đề xuất. Đánh giá với bộ dữ liệu chứng khoán Việt Nam
và/hoặc thế giới.

Đề 151. Xây dựng website quản lý cho một trung tâm tập yoga
SVTH: Võ Anh Tuấn (1513886) - Trần Gia Trường (1513794), Nguyễn Thị Thu Trang
(1513575)
Nội dung: Website cung cấp các khóa tập yoga. Các chức năng chính của website bao
gồm: quản lý học viên, giáo viên, giờ tập, chương trình tập, học phí, khuyến mãi. Website
cũng có các trang tin cập nhật các thông tin mới, các bài tập cơ bản, … nhằm thu hút người
đến tập. Website cho đặt quảng cáo để bán các sản phẩm liên quan đến yoga, nên cũng
phải quản lý chức năng này.
- Tìm hiểu về công nghệ: ngôn ngữ python, lựa chọn 1 framework để lập trình web
dùng python (Django, Pyramid, …) và các công nghệ liên quan
- Xây dựng website hoàn chỉnh

Đề 152: Phát triển hệ thống học trực tuyến (1sv).
SVTH: Nguyễn Trọng Luân (1611931)

Đề 153: Phát triển hệ thống ngân hàng đề thi (4sv)
SVTH: Phạm Châu Tú (1513939), Võ Sơn Trà (1613650), Nguyễn Hoài Danh
(1610391), Phạm Hồng Nhật (1612392)

Đề 154: Phát triển hệ thống thi trực tuyến. (2sv)
SVTH: Trần Kim Năm (51302470), Trần Quang Hồng Khánh (1527020)

Danh sách đ tài Đ c nglunvăn ề ề ươ ậ HK1/19-20

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Danh sách đ tài Đ c nglunvăn ề ề ươ ậ HK1/19-20

Uploaded by

Copyright:

Available Formats

Danh sách đề tài Đề cương luận văn HK1/19-20

GVHD: TS. Phạm Quốc Cường – cuongpham@hcmut.edu.vn

GVHD: TS. Phạm Quốc Cường – cuongpham@hcmut.edu.vn

GVHD: TS. Phạm Quốc Cường – cuongpham@hcmut.edu.vn

GVHD: TS. Phạm Quốc Cường – cuongpham@hcmut.edu.vn

GVHD: TS. Phạm Quốc Cường – cuongpham@hcmut.edu.vn

GVHD: PGS. TS. Trần Ngọc Thịnh – tnthinh@hcmut.edu.vn

GVHD: PGS. TS. Trần Ngọc Thịnh – tnthinh@hcmut.edu.vn

GVHD: ThS. Võ Tấn Phương – vtphuong@hcmut.edu.vn

GVHD: ThS. Nguyễn Quốc Tuấn – nqtuan@hcmut.edu.vn

GVHD: TS. Phạm Hoàng Anh – anhpham@hcmut.edu.vn

GVHD: TS. Phạm Hoàng Anh – anhpham@hcmut.edu.vn

GVHD: TS. Phạm Hoàng Anh – anhpham@hcmut.edu.vn

GVHD: TS. Phạm Hoàng Anh – anhpham@hcmut.edu.vn

GVHD: TS. Phạm Hoàng Anh – anhpham@hcmut.edu.vn

GVHD: TS. Phạm Hoàng Anh – anhpham@hcmut.edu.vn

GVHD: TS. Lê Trọng Nhân – trongnhanle@hcmut.edu.vn, TS. Nguyễn Trần Hữu

GVHD: TS. Lê Trọng Nhân – trongnhanle@hcmut.edu.vn

GVHD: TS. Nguyễn Trần Hữu Nguyên – nthnguyen@hcmut.edu.vn

Figure 1: A typical architecture of a SMART LTD system

GVHD: ThS. Vũ Trọng Thiên – vuthien@hcmut.edu.vn

GVHD: TS. Trần Minh Quang (quangtran@hcmut.edu.vn)

SVTH: Trần Quốc Khánh - 1511524. Dương Vọng - 1514090

Giai đoạn luận văn:

GVHD: TS. Trần Minh Quang (quangtran@hcmut.edu.vn)

Giai đoạn luận văn:

GVHD: TS. Trần Minh Quang (quangtran@hcmut.edu.vn)

Giai đoạn luận văn:

GVHD: TS. Trần Minh Quang (quangtran@hcmut.edu.vn)

Giai đoạn luận văn:

GVHD: TS. Trần Minh Quang (quangtran@hcmut.edu.vn)

Giai đoạn luận văn:

Giai đoạn TTTN:

Giai đoạn LVTN: Phát triển và đánh giá hệ thống.

GVHD: PGS.TS. Đặng Trần Khánh (khanh@hcmut.edu.vn;

Từ khóa: Deep learning, AI, big data, security, smart cities

Giai đoạn TTTN:

Giai đoạn LVTN: Hoàn thiện và đánh giá hệ thống.

Giai đoạn TTTN:

GVHD: PGS.TS. Đặng Trần Khánh (khanh@hcmut.edu.vn;

GVHD: TS. Phan Trọng Nhân (nhanpt@hcmut.edu.vn)

GVHD: TS. Phan Trọng Nhân (nhanpt@hcmut.edu.vn)

GVHD: TS. Phan Trọng Nhân (nhanpt@hcmut.edu.vn)

GVHD: ThS. Trần Quang (tranquang@hcmut.edu.vn)

GVHD: ThS. Trần Quang (tranquang@hcmut.edu.vn)

GVHD: ThS. Nguyễn Thanh Tùng (thanhtung@hcmut.edu.vn)

GVHD: ThS. Nguyễn Thanh Tùng (thanhtung@hcmut.edu.vn)

GVHD: ThS. Nguyễn Thanh Tùng (thanhtung@hcmut.edu.vn)

GVHD: ThS. Nguyễn Thanh Tùng (thanhtung@hcmut.edu.vn)

GVHD: ThS. Nguyễn Thanh Tùng (thanhtung@hcmut.edu.vn)

GVHD: ThS. Nguyễn Thanh Tùng (thanhtung@hcmut.edu.vn)

GVHD: ThS. Đặng Trần Trí (tridang@hcmut.edu.vn)

GVHD: PGS.TS. Nguyễn Thanh Bình. Email: ntbinh@hcmut.edu.vn

GVHD: PGS.TS. Nguyễn Thanh Bình. Email: ntbinh@hcmut.edu.vn

* Nội dung đề tài:

GVHD: PGS.TS. Nguyễn Thanh Bình Email: ntbinh@hcmut.edu.vn

Nội dung đề tài:

GVHD: PGS.TS. Nguyễn Thanh Bình Email: ntbinh@hcmut.edu.vn

Từ khóa tìm kiếm: retinal blood vessels, retinal blood segmentation

GVHD: PGS.TS. Nguyễn Thanh Bình, Email: ntbinh@hcmut.edu.vn

Nội dung đề tài:

Giai đoạn LVTN:

GVHD: PGS.TS. Nguyễn Thanh Bình.Email: ntbinh@hcmut.edu.vn