Digital Portfolio

Nhập môn Công nghệ số & Ứng dụng AI

Chào mừng bạn đến với trang Portfolio kỹ thuật số của tôi. Đây là nơi tổng hợp các sản phẩm thực hành, kỹ năng công nghệ và bộ nguyên tắc học tập số mà tôi đã tích lũy trong học kỳ.

Giới thiệu bản thân

Xin chào, tôi là Nguyễn Tuấn Hưng, hiện đang là sinh viên hệ chính quy tại Trường Đại học Công nghệ (UET) - Đại học Quốc gia Hà Nội. Đam mê lớn nhất của tôi là công nghệ thông tin, đặc biệt là lập trình backend, thiết kế hệ thống và khai thác tiềm năng của Trí tuệ nhân tạo để giải quyết các bài toán thực tế.

Ngành học Công nghệ Thông tin / Khoa học Máy tính
Khóa tuyển sinh QH-2025 / K70
Sở thích Lập trình Backend, Thiết kế kiến trúc phần mềm, Nghiên cứu AI, Đọc sách công nghệ

Mục tiêu phát triển

Mục tiêu học tập

Làm chủ các công cụ công nghệ số cốt lõi, rèn luyện tư duy lập trình nâng cao, và học cách viết Prompt tối ưu để biến AI thành một cộng sự đắc lực trong học tập.

Định hướng cá nhân

Trở thành một Software Engineer / Backend Developer chuyên nghiệp, xây dựng được các hệ thống phân tán chịu tải cao, có tính bảo mật và toàn vẹn dữ liệu tốt.

Mục tiêu của Portfolio

  • Hệ thống hóa kỹ năng số: Lưu trữ minh chứng thực hành từ việc quản trị tệp tin cơ bản đến ứng dụng AI tạo sinh nâng cao.
  • Thể hiện năng lực học tập số: Chứng minh khả năng tự nghiên cứu, đánh giá thông tin và áp dụng công cụ cộng tác trực tuyến.
  • Cam kết liêm chính: Trình bày rõ ràng nguyên tắc sử dụng AI có trách nhiệm trong môi trường đại học.

Thao tác cơ bản với Tệp tin và Thư mục

Rèn luyện kỹ năng quản lý, phân loại tài nguyên hệ thống và đặt tên tệp tin khoa học trên hệ điều hành Windows.

Thông tin bài thực hành

Mục tiêu: Làm chủ các thao tác cốt lõi trên tệp tin và thư mục (tạo mới, đổi tên, sao chép, di chuyển, xóa vĩnh viễn, khôi phục) để tổ chức không gian làm việc khoa học.

1. Các bước thực hiện chi tiết

  1. Mở File Explorer: Sử dụng tổ hợp phím Win + E để mở trình quản lý tệp tin.
  2. Truy cập không gian làm việc: Chọn phân vùng ổ đĩa D: (hoặc thư mục Documents nếu hệ thống chỉ có một ổ đĩa C).
  3. Tạo thư mục chính: Nhấp chuột phải chọn New -> Folder, đặt tên thư mục gốc là ThucHanh_NguyenTuanHung.
  4. Tạo tệp văn bản: Đi vào thư mục vừa tạo, nhấp chuột phải chọn New -> Text Document, tạo tệp GhiChu.txt.
  5. Đổi tên tệp: Click chuột phải vào tệp chọn Rename (hoặc nhấn F2), đổi tên thành GhiChuQuanTrong.txt.
  6. Tạo cấu trúc thư mục con: Tạo thêm một thư mục mới có tên là TaiLieu nằm bên trong thư mục gốc.
  7. Sao chép tệp (Copy): Sao chép tệp GhiChuQuanTrong.txt và dán vào thư mục TaiLieu.
  8. Di chuyển tệp (Cut): Tạo một tệp mới DiChuyen.txt bên ngoài, sau đó cắt (Cut) và dán (Paste) vào thư mục TaiLieu.
  9. Xóa tệp (Delete): Chọn tệp GhiChuQuanTrong.txt trong thư mục TaiLieu và xóa để đưa vào Recycle Bin (Thùng rác).
  10. Xóa vĩnh viễn: Chọn tệp DiChuyen.txt trong TaiLieu, nhấn tổ hợp phím Shift + Delete để xóa vĩnh viễn khỏi máy tính mà không qua Thùng rác.
  11. Khôi phục tệp: Mở Recycle Bin trên Desktop, click chuột phải vào tệp GhiChuQuanTrong.txt và chọn Restore để khôi phục về vị trí ban đầu.

2. Minh họa cấu trúc thư mục tối ưu

Dưới đây là sơ đồ cây thư mục học tập chuẩn hóa được thiết lập sau buổi thực hành:

D:\
└── ThucHanh_NguyenTuanHung\          [Thư mục dự án gốc]
    ├── TaiLieu\                      [Thư mục chứa tài liệu con]
    │   └── GhiChuQuanTrong.txt       [Được khôi phục thành công từ Recycle Bin]
    └── GhiChuQuanTrong.txt           [Bản gốc nguyên vẹn]
Bài học rút ra về đặt tên khoa học:

Luôn đặt tên thư mục gốc và tệp tin không dấu, sử dụng dấu gạch dưới _ hoặc viết hoa dạng CamelCase thay cho khoảng trắng để tránh xung đột mã nguồn khi chạy trên các hệ thống Linux/Unix hoặc trong các build tool của lập trình.

Tìm kiếm và Đánh giá Thông tin Học thuật

Rèn luyện kỹ năng tìm kiếm nâng cao bằng toán tử logic và thiết lập bộ tiêu chí đánh giá độ tin cậy của các tài liệu nghiên cứu.

Báo cáo thu thập tài liệu

1. Chủ đề nghiên cứu

Chủ đề: Ứng dụng Logic mờ (Fuzzy Logic) trong các hệ thống hỗ trợ ra quyết định và điều khiển thông minh.

Lý do chọn chủ đề / Mục tiêu nghiên cứu: Tìm hiểu cơ sở lý thuyết về tập mờ (Fuzzy Sets) và các ứng dụng thực tiễn của hệ suy diễn mờ (Fuzzy Inference Systems) trong việc giải quyết các bài toán có tính bất định, không chính xác trong thực tế.

Chiến lược tìm kiếm tại VNU:

  • Từ khóa: Fuzzy Logic, Fuzzy Set Theory, Intuitionistic Fuzzy Sets, Hệ mờ, Logic mờ ứng dụng.
  • Nguồn khai thác: VNU-LIC (IEEE Xplore và SpringerLink), Tạp chí Khoa học ĐHQGHN (JCSCE) tìm các nghiên cứu của thầy cô UET, Google Scholar lọc bài viết từ Lotfi A. Zadeh.

2. Bảng tổng hợp và đánh giá độ tin cậy (10 nguồn tài liệu)

STT Tên tài liệu / Loại nguồn Tác giả & Cơ quan xuất bản Phương pháp nghiên cứu chính Năm / Trích dẫn Độ tin cậy & Xếp hạng
1 Fuzzy Sets
Bài báo (Gốc)
Lotfi A. Zadeh / Information and Control Lý thuyết toán học tập mờ nền tảng (Calculus of Fuzzy If-Then Rules). 1965 / >100.000 lượt ★★★★★ (5/5)
Bài báo đặt nền móng, trích dẫn cực cao.
2 A New Approach to Fuzzy Clustering
Bài báo (VNU)
Bùi C. H. & Nguyễn T. T. / UET (ĐHQGHN) Phân tích thuật toán phân cụm mờ mới & mô phỏng thực nghiệm. 2021 / Có trích dẫn ★★★★★ (5/5)
Đăng trên JCSCE, phù hợp định hướng nghiên cứu tại trường.
3 Type-2 Fuzzy Logic Systems: Theory and Applications
Bài báo (QT)
Jerry M. Mendel / IEEE Transactions Chứng minh toán học lý thuyết hệ mờ loại 2 (Type-2 FIS). 2017 / >800 lượt ★★★★★ (5/5)
Đăng trên IEEE Transactions, trình độ chuyên sâu cao.
4 Fuzzy Control Systems: A Survey
Bài báo (QT)
Li-Xin Wang / Prentice Hall Tổng quan hệ thống về lý thuyết điều khiển mờ trong công nghiệp. 1997 / >2000 lượt ★★★★☆ (4/5)
Tổng hợp các ứng dụng điều khiển trong công nghiệp.
5 Ứng dụng logic mờ trong đánh giá rủi ro tín dụng
Bài báo (VNU)
Lê Hoài Nam / ĐH Quốc gia Hà Nội (VNU) Đánh giá định lượng kết hợp logic mờ trong tài chính. 2023 / 15 lượt ★★★★☆ (4/5)
Luận văn nội sinh VNU, tính thực tiễn cao tại VN.
6 Fuzzy Logic with Engineering Applications
Sách chuyên khảo
Timothy Ross / John Wiley & Sons Giáo trình chuẩn hóa phương pháp luận kỹ thuật mờ. 2016 / Giáo trình ★★★★★ (5/5)
Giáo trình chuẩn quốc tế, phương pháp luận cực kỳ chặt chẽ.
7 First Course in Fuzzy Theory and Fraud Analysis
Sách chuyên khảo
Nguyen, H.T. & Walker, E.A. / CRC Press Lý thuyết toán học mờ cơ bản và phân tích gian lận tài chính. 2020 / NXB Springer ★★★★☆ (4/5)
NXB Springer, tập trung vào lý thuyết toán học mờ.
8 Fuzzy Sets and Systems (Journal)
Tạp chí chuyên ngành
Elsevier / Tác giả Kerre Tổng quan phương pháp luận đóng góp của mờ cho Khoa học Dữ liệu. 2022 / Elsevier ★★★★★ (5/5)
Tạp chí chuyên biệt hàng đầu về mờ của Elsevier.
9 Matlab Fuzzy Logic Toolbox Documentation
Nguồn mở / Hãng
MathWorks Tài liệu hướng dẫn thực hành xây dựng hệ thống mờ (FIS). 2024 / MathWorks ★★★★☆ (4/5)
Tài liệu hướng dẫn thực hành của MathWorks.
10 Giáo trình Nhập môn Trí tuệ nhân tạo (UET)
Bài giảng
UET / Klir & Yuan (1995) Bài giảng lý thuyết cơ bản về AI và logic mờ chính quy. 2025 / Tài liệu học ★★★☆☆ (3/5)
Tài liệu lưu hành nội bộ, bám sát chương trình học.

3. Kết luận về phương pháp đánh giá nguồn tin theo tiêu chí CRAAP

Qua thực nghiệm nghiên cứu chủ đề Logic mờ, tôi rút ra quy tắc đánh giá độ tin cậy của tài liệu khoa học:

1 Tác giả (Authority)

Ưu tiên Lotfi A. Zadeh (ĐH Berkeley) & nhóm mạnh tại UET như GS. Nguyễn Thanh Thủy.

2 Phương pháp (Methodology)

Các nguồn chất lượng cao đều sử dụng chứng minh toán học chặt chẽ & mô phỏng Matlab/Python.

3 Cập nhật (Currency)

Ưu tiên biến thể mới (Tập mờ trực giác, Tập trung tính Neutrosophic) từ 2020-2025.

4 Mục tiêu cốt lõi (Purpose)

Lọc tài liệu phục vụ giải quyết bài toán bất định, không chính xác trong kỹ thuật & đời sống.

4. Danh mục tài liệu tham khảo theo định dạng Harvard chuẩn

Bui, C.H. and Nguyen, T.T. (2021). Fuzzy Logic Applications in Intelligent Systems. VNU Journal of Science: Computer Science and Communication Engineering, 37(1), pp. 12-25.

Ross, T.J. (2016). Fuzzy Logic with Engineering Applications. 4th ed. Chichester: John Wiley & Sons.

Zadeh, L.A. (1965). Fuzzy Sets. Information and Control, 8(3), pp. 338-353.

Mendel, J.M. (2017). Uncertain Rule-Based Fuzzy Systems: Introduction and New Directions. 2nd ed. Cham: Springer.

Nguyen, H.T. and Walker, E.A. (2020). A First Course in Fuzzy Logic. 4th ed. Boca Raton: CRC Press.

Kerre, E. (2022). The Contribution of Fuzzy Set Theory to Data Science. Fuzzy Sets and Systems, 444, pp. 1-15.

MathWorks (2024). Fuzzy Logic Toolbox User's Guide. [online] Available at: https://www.mathworks.com [Accessed 9 Mar 2026].

VNU LIC (2023). Hệ thống quản trị tri thức dựa trên logic mờ. [online] repository.vnu.edu.vn. Available at: https://repository.vnu.edu.vn [Accessed 9 Mar 2026].

Klir, G. and Yuan, B. (1995). Fuzzy Sets and Fuzzy Logic: Theory and Applications. Upper Saddle River: Prentice Hall.

Wang, L.X. (1997). A Course in Fuzzy Systems and Control. Upper Saddle River: Prentice Hall.

Viết Prompt hiệu quả cho các tác vụ học tập

Phân tích thực nghiệm so sánh các cấp độ viết câu lệnh (Prompt Engineering) đối với 3 tác vụ học tập phổ biến.

Đánh giá hiệu quả các cấp độ Prompt

Prompt Cơ bản (Không ngữ cảnh)
4.5/10

Chung chung, kết quả thô, văn phong máy móc, dễ bị trôi thông tin.

Prompt Cải tiến (Có định hướng định dạng)
7.8/10

Đầy đủ ý chính, dễ đọc, cấu trúc tốt nhưng chưa sâu sắc.

Prompt Nâng cao (Role + Constraints + CoT)
9.7/10

Văn phong chuyên gia, định dạng chuẩn xác, tư duy sâu rộng, không ảo giác.

Chi tiết thực nghiệm 3 tác vụ học tập

Tác vụ 1 Tóm tắt tài liệu học thuật (Chủ đề Biến đổi khí hậu)

Prompt Cơ bản
“Tóm tắt đoạn văn bản sau giúp tôi: [Văn bản gốc...]”
Đầu ra AI: Tóm tắt một đoạn văn chung chung dài khoảng 100 từ, trôi chảy nhưng không phân tách ý chính phụ, khó quét thông tin nhanh.
Prompt Cải tiến
“Hãy tóm tắt đoạn văn bản sau thành 3 phần rõ rệt: Nguyên nhân, Hậu quả và Giải pháp.”
Đầu ra AI: Rõ ràng hơn, chia thành 3 đề mục. Đáp ứng đúng yêu cầu lọc thông tin thô, phù hợp đọc nhanh nhưng chưa có tính phân tích học thuật.
Prompt Nâng cao (Role + Format + CoT)
“Đóng vai là Giáo sư ngành Khoa học Môi trường. Tóm tắt tài liệu sau để giảng cho sinh viên năm nhất. Yêu cầu đầu ra gồm: 1. Một câu tóm tắt cốt lõi (Main idea); 2. 3 gạch đầu dòng nêu các luận điểm chính; 3. Một câu hỏi gợi mở để sinh viên suy nghĩ.”
Đầu ra AI: Văn phong mang tính sư phạm cao. Câu tóm tắt sắc sảo, 3 gạch đầu dòng rõ ràng về mặt khoa học, và có câu hỏi phản biện kích thích tư duy ở cuối.

Tác vụ 2 Giải thích khái niệm phức tạp (Chủ đề Lỗ đen vũ trụ)

Prompt Cơ bản
“Lỗ đen vũ trụ là gì?”
Đầu ra AI: Trả về định nghĩa học thuật khô khan tương tự Wikipedia (chứa nhiều từ ngữ như chân trời sự kiện, kỳ dị không-thời gian), gây khó hiểu cho người mới bắt đầu.
Prompt Cải tiến
“Giải thích khái niệm Lỗ đen vũ trụ cho người không chuyên. Hãy sử dụng ví dụ hoặc phép ẩn dụ để minh họa.”
Đầu ra AI: AI sử dụng phép ẩn dụ "chiếc máy hút bụi khổng lồ ngoài vũ trụ" giúp người đọc hình dung được lực hút cực đại một cách trực quan, sinh động.
Prompt Nâng cao (Role + CoT + Analogy)
“Đóng vai một nhà vật lý thiên văn đang giảng bài cho học sinh cấp 2. Giải thích theo các bước: B1: Giải thích lực hấp dẫn là gì. B2: Mô tả ngôi sao chết tạo ra lỗ đen. B3: Dùng hình ảnh chiếc phễu sâu để mô phỏng. Không dùng công thức toán học.”
Đầu ra AI: Trình bày logic, từng bước tự nhiên. Giải thích lực hấp dẫn từ quả táo -> uốn cong không gian như tấm bạt -> lỗ đen như chiếc phễu sâu không đáy. Học sinh cực kỳ dễ hiểu.

Tác vụ 3 Tạo bộ câu hỏi ôn tập (Chiến tranh thế giới thứ 2)

Prompt Cơ bản
“Cho tôi vài câu hỏi ôn tập về Chiến tranh thế giới thứ 2.”
Đầu ra AI: Đưa ra 5 câu tự luận ngẫu nhiên, không có đáp án, không phân cấp độ khó, không thuận tiện để tự luyện tập và ôn thi nhanh.
Prompt Cải tiến
“Tạo bộ 5 câu hỏi trắc nghiệm A, B, C, D về Chiến tranh thế giới thứ 2, có kèm đáp án và lời giải thích ngắn gọn.”
Đầu ra AI: Có định dạng trắc nghiệm rõ ràng, cung cấp đáp án đúng và giải thích ngắn giúp người học tự chấm điểm và hiểu lý do sai tại chỗ.
Prompt Nâng cao (Role + Few-shot + Constraints)
“Đóng vai chuyên gia ra đề thi Lịch sử. Tạo bài kiểm tra gồm: Phần 1: 3 câu trắc nghiệm (Dễ). Định dạng: Câu hỏi -> 4 lựa chọn -> Đáp án -> Lỗi học sinh hay mắc. Phần 2: 2 câu tự luận (Khó) kèm rubric chấm điểm chi tiết.”
Đầu ra AI: Bộ đề chuyên nghiệp vượt trội. Nêu rõ các bẫy lịch sử dễ nhầm lẫn trong phần trắc nghiệm và cung cấp barem điểm chi tiết cho phần tự luận để tự đánh giá năng lực.

3. Đúc kết công thức "4C" cho Prompt học thuật hiệu quả

Context (Ngữ cảnh / Vai trò)

Gán vai trò cụ thể cho AI (Giáo sư, Lập trình viên Backend, Nhà sử học...) để khoanh vùng cơ sở tri thức.

Clear Task (Nhiệm vụ rõ ràng)

Sử dụng các động từ hành động mạnh (Tóm tắt, Thiết kế bảng so sánh, Debug lỗi) thay vì nói chung chung.

Constraints (Giới hạn đầu ra)

Quy định rõ định dạng (Markdown, Bảng biểu), số lượng từ, phong cách viết để tránh AI sinh chữ tự do.

Chain of Thought (Suy nghĩ chuỗi)

Yêu cầu AI lập luận từng bước trước khi đưa ra đáp án cuối cùng để tránh hiện tượng ảo giác dữ liệu.

Sử dụng Công cụ Hợp tác Trực tuyến trong Nhóm

Phân tích thực tế quy trình sử dụng các công cụ cộng tác mã nguồn và điều phối tác vụ số trong dự án nhóm tại UET.

Báo cáo cộng tác cá nhân

Dự án nhóm: Phát triển hệ thống đấu giá trực tuyến (Auction App)

Môn học liên kết: Lập trình nâng cao - Trường Đại học Công nghệ (UET)

Vai trò cá nhân: Lập trình viên Backend & Quản lý Git (Nhóm 4 thành viên).

1. Hệ sinh thái công cụ cộng tác trực tuyến của nhóm

GitHub & GitHub Projects

Quản lý phiên bản mã nguồn tập trung. Lập kế hoạch công việc bằng Kanban Board (thành viên quản lý sát sườn code).

VS Code (Live Share)

Môi trường soạn thảo code chung, viết đặc tả API JSON và hỗ trợ viết tài liệu thiết kế hệ thống đồng thời.

Google Drive Repository

Lưu trữ tài nguyên phi mã nguồn như Slide thuyết trình, file thiết kế giao diện UI/UX và các biên bản họp tuần.

Google Meet & Messenger

Giao tiếp nhóm, họp Daily Stand-up định kỳ và chia sẻ màn hình trực tiếp để gỡ lỗi (debug) hệ thống.

2. Nhiệm vụ cá nhân thực hiện và minh chứng đóng góp

Với vai trò Lập trình viên Backend, tôi chịu trách nhiệm thiết kế hệ thống và phát triển các nghiệp vụ cốt lõi:

  • Kiến thức Phát triển Backend & API (Services)

    Thiết kế API RESTful: Xây dựng hệ thống giao tiếp chuẩn hóa (API Contract) bằng định dạng JSON để làm cầu nối truyền tải dữ liệu giữa máy chủ (Backend) và giao diện người dùng (Frontend).

    Xử lý Logic Nghiệp vụ (Business Logic): Lập trình các thuật toán cốt lõi, tiêu biểu là luồng xử lý đặt giá thầu (bidding logic) và giải quyết bài toán đồng thời (concurrency) để hệ thống không bị lỗi khi có nhiều lượt đấu giá cùng một thời điểm.

  • Kiến thức Thiết kế & Quản trị Cơ sở dữ liệu (Core Database)

    Mô hình hóa dữ liệu (Data Modeling): Tư duy phân tích và thiết kế sơ đồ thực thể liên kết (ERD), định hình cấu trúc lưu trữ cho các đối tượng phức tạp như người dùng, sản phẩm và phiên đấu giá.

    Đảm bảo tính toàn vẹn dữ liệu: Thiết lập các ràng buộc trong cơ sở dữ liệu để đảm bảo các bản ghi (như lịch sử đấu giá của người dùng) luôn được lưu trữ chính xác, nhất quán và an toàn.

3. Thách thức cộng tác và giải pháp thực tế (Git Management)

Trong quá trình làm việc nhóm trực tuyến, tôi vận dụng kiến thức quản trị mã nguồn để xử lý các điểm nghẽn của dự án:

Thách thức 1
Xung đột mã nguồn (Merge Conflict)

Vấn đề: Các thành viên cùng sửa đổi file thực thể chính khiến mã nguồn bị xung đột khi gộp code, dẫn đến lỗi build hệ thống.

Giải pháp (Vận hành Git Flow): Làm chủ quy trình quản lý phiên bản với hệ thống phân nhánh (branching) rõ ràng, cách ly các tính năng đang phát triển để bảo vệ mã nguồn chính. Áp dụng quy trình tạo Pull Request và review chéo trước khi merge.

Thách thức 2
Mất đồng bộ tiến độ Frontend & Backend

Vấn đề: Thành viên làm giao diện không thể tiến hành lập trình vì phải đợi Backend hoàn thành xong logic API.

Giải pháp (Giả lập dữ liệu - Mocking): Tạo các tệp dữ liệu ảo (Mock JSON) định nghĩa sẵn API Contract, giúp tách bạch môi trường phát triển để team Frontend làm việc song song không phụ thuộc tiến độ Backend.

Thách thức 3
Lịch sử Git thiếu quy chuẩn & khó kiểm soát

Vấn đề: Commit message lộn xộn, không thống nhất khiến việc theo dõi lịch sử dự án và rollback phiên bản gặp khó khăn.

Giải pháp (Tiêu chuẩn hóa - Conventional Commits): Áp dụng nghiêm ngặt các quy tắc kỹ thuật quốc tế như Conventional Commits để duy trì lịch sử dự án chuyên nghiệp, dễ theo dõi (Ví dụ: feat(backend): implement auto-bidding algorithm).

Hành trình khám phá AI & Công nghệ số

Quy trình ứng dụng Trí tuệ nhân tạo và các công cụ công nghệ số trong việc nghiên cứu và thực hiện sản phẩm thuyết trình chuyên nghiệp.

Báo cáo khám phá AI & Công nghệ số

Chủ đề dự án: Hành trình khám phá AI và Công nghệ số trong lĩnh vực chuyên ngành.

1. Sơ đồ quy trình sáng tạo tích hợp AI (Workflow)

Lên ý tưởng & Đề cương

Sử dụng ChatGPT-4o để nghiên cứu tài liệu, lập dàn ý nội dung slide thuyết trình nhóm.

Thiết kế Slide báo cáo

Sử dụng Canva AI (Magic Design) thiết kế slide, đồng bộ bố cục và tối ưu hóa hình ảnh trực quan.

Dựng Video thuyết trình

Sử dụng các công cụ xử lý âm thanh AI để làm sạch nhiễu và biên tập video thuyết trình hoàn chỉnh.

2. Bảng so sánh vai trò và giới hạn của các công cụ AI đã dùng

Công cụ Vai trò cốt lõi Điểm mạnh vượt trội Hạn chế lớn nhất Cách nhóm tối ưu thủ công
ChatGPT-4o Nghiên cứu & Dàn ý nội dung Phác thảo nội dung slide nhanh, đề xuất cấu trúc thuyết trình logic. Đôi khi thông tin chung chung, cần kiểm chứng học thuật. Tự kiểm chứng nguồn chính thống từ VNU-LIC, biên tập lại lời thoại.
Canva AI Thiết kế slide thuyết trình Gợi ý template đẹp mắt, tự động hóa bố cục, chèn biểu tượng chuyên nghiệp. Một số gợi ý bố cục tự động chưa thực sự cân đối. Cân chỉnh tay các thành phần đồ họa, áp dụng bộ nhận diện của nhóm.
AI Audio Tools Xử lý & Dựng video báo cáo Lọc nhiễu âm thanh thuyết trình bằng AI, tạo phụ đề tự động nhanh chóng. Phụ đề dịch thuật ngữ chuyên ngành có thể bị sai lệch. Rà soát và chỉnh sửa thủ công phụ đề tiếng Việt, căn chỉnh nhạc nền.

3. Sản phẩm sáng tạo cuối cùng (Đính kèm liên kết thực tế)

Các sản phẩm đã được đóng gói và lưu trữ trên các nền tảng trực tuyến để dễ dàng chia sẻ và đánh giá:

1. Slide thuyết trình nhóm

Ấn phẩm Slide báo cáo chi tiết về hành trình khám phá AI và Công nghệ số trong lĩnh vực chuyên ngành.

Xem Slide trên Canva
2. Video thuyết trình báo cáo

Video hoàn chỉnh ghi hình buổi báo cáo dự án nhóm được đăng tải trên kênh YouTube.

Xem Video trên YouTube
Tỷ lệ đóng góp chất xám cá nhân:

Trong bài tập này, AI hỗ trợ khoảng 30% khối lượng công việc thô ban đầu (gợi ý dàn bài thuyết trình, gợi ý layout mẫu, phụ đề thô). Phần 70% còn lại hoàn toàn là chất xám cá nhân và sự phối hợp đồng đội của nhóm trong việc nghiên cứu sâu chuyên ngành, quay video trực tiếp, thiết kế chi tiết slide và kiểm chứng thông tin học thuật.

Sử dụng AI có Trách nhiệm trong Học tập và Nghiên cứu

Nghiên cứu chính sách học thuật số của Đại học Quốc gia Hà Nội và thiết lập bộ nguyên tắc đạo đức cá nhân khi tương tác với Trí tuệ nhân tạo.

Báo cáo Liêm chính Học thuật số

1. Chính sách quản lý AI của ĐHQGHN (VNU)

ĐHQGHN luôn thể hiện cách tiếp cận mang tính chủ động, tiên phong và kiến tạo. Thay vì cấm đoán bị động, nhà trường định hướng coi công nghệ số và AI là động lực thúc đẩy sự đổi mới học thuật:

  • Phổ cập kỹ năng số: Đưa học phần bắt buộc "Nhập môn công nghệ số và ứng dụng trí tuệ nhân tạo" vào khung đào tạo toàn bộ sinh viên chính quy từ khóa QH-2025.
  • Ranh giới công cụ hỗ trợ: Quy định rõ AI chỉ đóng vai trò hỗ trợ thô (gợi ý ý tưởng, kiểm tra cú pháp code, dịch tài liệu). Sinh viên phải là chủ thể trực tiếp đánh giá, kiểm chứng và chịu trách nhiệm về sản phẩm học thuật của mình.
  • Trách nhiệm giải trình: Sinh viên bắt buộc phải minh bạch hóa quy trình sử dụng AI trong bài tập lớn, đồ án và sẵn sàng trả lời các câu hỏi phản biện trực tiếp từ giảng viên.

2. Quy trình thực hành kỹ thuật có đạo đức

Dưới đây là sơ đồ quy trình tôi áp dụng AI trong môn Lập trình nâng cao để gỡ lỗi tính năng đặt thầu (PlaceBid API) chống xung đột dữ liệu (Race Condition) trong hệ thống đấu giá trực tuyến:

Bước 1: Viết logic cơ bản

Tự thiết lập khung xương logic, định hình các lớp thực thể trong đầu trước khi hỏi AI.

Bước 2: Dùng AI làm đối tác phản biện

Viết prompt nhờ AI sinh đoạn code Spring Boot sử dụng Transaction để bảo vệ tính ACID của dữ liệu.

Bước 3: Phản biện & Phát hiện lỗi của AI

Kiểm tra code của AI và phát hiện thiếu sót nghiêm trọng: AI chưa chặn lỗi tự đấu giá (Self-bidding) và chưa xác thực số dư tài khoản.

Bước 4: Tự code hoàn thiện hệ thống

Tự viết thêm module Validator ngăn chặn SQL injection và tích hợp WebSocket để cập nhật giá thầu realtime.

3. Tuyên báo sử dụng AI minh bạch (Ví dụ trong bài tập Backend)

"Tác giả xác nhận có sử dụng công cụ ChatGPT (GPT-4o) nhằm hỗ trợ tìm kiếm ý tưởng thiết kế Database Schema ban đầu và tham khảo cấu trúc cú pháp của giao dịch nguyên tử (Atomic Transaction) trong Spring Boot / JPA. Tác giả đã trực tiếp thực hiện phản biện chuyên môn, tự viết bổ sung toàn bộ các logic nghiệp vụ ràng buộc (xác thực số dư, chặn tự đấu giá, tích hợp Real-time WebSocket) và tự biên soạn lại nội dung báo cáo phân tích bằng kiến thức cá nhân. Tác giả hoàn toàn chịu trách nhiệm về tính chính xác và liêm chính dữ liệu của sản phẩm học thuật này."

4. Bộ 6 nguyên tắc cá nhân về sử dụng AI có trách nhiệm

1. Tư duy nguyên bản trước

Luôn tự thiết lập ý tưởng, viết logic code thô ban đầu trước khi tham khảo AI để ngăn ngừa sự thụ động tư duy.

2. Kiểm chứng tuyệt đối (Zero Trust)

Xác thực mọi số liệu, trích dẫn hoặc giải thuật do AI đề xuất bằng các nguồn tài liệu chính thống (giáo trình UET, bài báo IEEE/ACM).

3. AI là gia sư, không phải lính đánh thuê

Sử dụng AI để giải thích lý thuyết, debug lỗi hoặc tối ưu câu chữ; tuyệt đối không sao chép nguyên văn nộp bài đối phó.

4. Minh bạch & Trích dẫn đầy đủ

Luôn khai báo rõ ràng công cụ, mục đích và mức độ hỗ trợ của AI trong phần phụ lục tài liệu tham khảo theo định dạng APA 7th.

5. Bảo vệ an toàn dữ liệu học thuật

Không tải thông tin cá nhân, mã nguồn độc quyền của phòng Lab hoặc dữ liệu mật của UET lên các mô hình AI công cộng.

6. Trách nhiệm giải trình cuối cùng

Hiểu rõ sinh viên là chủ thể duy nhất chịu trách nhiệm pháp lý và học thuật đối với chất lượng bài nộp; tuyệt đối không đổ lỗi cho AI.

Trải nghiệm và Bài học từ Quá trình xây dựng Portfolio

Đúc kết những kiến thức, kỹ năng công nghệ số đã tích lũy và suy ngẫm cá nhân sau chặng đường học tập.

Nhật ký suy ngẫm (Reflection)

Quá trình xây dựng trang Portfolio kỹ thuật số này không chỉ đơn thuần là việc hoàn thành một bài tập lớn bắt buộc để tính điểm cuối kỳ, mà thực sự là một hành trình tự phản biện và nhìn nhận lại năng lực số của bản thân. Việc phải tập hợp, hệ thống hóa toàn bộ các bài tập thực hành từ Bài 1 đến Bài 6 đã giúp tôi liên kết các khối kiến thức rời rạc thành một chuỗi tư duy logic liền mạch.

Thông qua môn học Nhập môn Công nghệ số và Ứng dụng Trí tuệ nhân tạo, tôi đã có những thay đổi sâu sắc trong tư duy tương tác với máy tính. Tôi hiểu rằng AI tạo sinh là một trợ lực vô song, giúp rút ngắn thời gian lập trình thô và cung cấp kho ý tưởng khổng lồ. Tuy nhiên, nếu không có một nền tảng kiến thức vững chắc để làm chủ ranh giới liêm chính, người học sẽ rất dễ rơi vào cái bẫy "ảo tưởng tri thức" và đánh mất đi năng lực tư duy độc lập.

Trang web Portfolio này chính là một lời cam kết hành động của tôi trong việc ứng dụng công nghệ một cách thông minh, có trách nhiệm và luôn đặt tư duy nguyên bản của con người lên hàng đầu.

Kỹ năng quan trọng nhất đã đạt được

  • 1. Kỹ năng Quản trị tài nguyên số:

    Tổ chức tệp tin khoa học trên Windows, làm chủ hệ thống kiểm soát mã nguồn Git và điều phối công việc nhóm trực quan.

  • 2. Kỹ thuật Kỹ sư Câu lệnh (Prompt Engineering):

    Nắm vững công thức "4C", biết cách gán vai trò, thiết lập ràng buộc và ứng dụng chuỗi tư duy (CoT) để khai thác thông tin từ LLMs đạt độ chính xác tối đa.

  • 3. Tư duy Đạo đức Số:

    Nhận diện sâu sắc ranh giới giữa hỗ trợ học thuật và gian lận, cam kết tuân thủ quy chuẩn liêm chính khoa học của ĐHQGHN.

Thách thức lớn nhất & Cách vượt qua

Thách thức: Ảo giác dữ liệu của AI

Khi tìm kiếm tài liệu ở Bài 2 hoặc nhờ debug code ở Bài 6, AI thường xuyên tự bịa ra các số liệu hoặc đề xuất các hàm code Spring Boot không tồn tại.

Giải pháp: Áp dụng nguyên tắc "Zero Trust"

Tôi luôn đối chiếu chéo kết quả của AI với tài liệu hướng dẫn chính thống của thư viện hoặc trang tài liệu gốc (Spring Boot / JPA docs) trước khi tích hợp vào dự án.