Nhằm thúc đẩy hoạt động nghiên cứu khoa học, đổi mới sáng tạo và nâng cao chất lượng đào tạo gắn với thực tiễn, trong năm học 2026–2027, Khoa Công nghệ Thông tin đã có nhiều đề tài nghiên cứu của giảng viên và sinh viên được Nhà trường phê duyệt triển khai ở cấp trường.

Các đề tài được lựa chọn tập trung vào nhiều hướng nghiên cứu hiện đại như Trí tuệ nhân tạo (AI), Thị giác máy tính (Computer Vision), Mô hình ngôn ngữ lớn (LLMs), Học tăng cường (Reinforcement Learning), Bảo mật dữ liệu, Tối ưu hóa thông minh và các thuật toán Metaheuristic thế hệ mới. Đây đều là những lĩnh vực đang nhận được sự quan tâm lớn từ cộng đồng nghiên cứu và doanh nghiệp trong bối cảnh chuyển đổi số hiện nay.

Đề tài nghiên cứu của giảng viên

1. Phát triển mô hình chú thích ảnh dựa trên kiến trúc Transformer và mô hình ngôn ngữ – thị giác

Chủ nhiệm: ThS. Đinh Thị Mận

Đề tài hướng đến việc phát triển mô hình chú thích ảnh theo kiến trúc encoder–decoder dựa trên Transformer kết hợp các mô hình ngôn ngữ – thị giác hiện đại như CLIP, BLIP và BLIP-2. Nghiên cứu tập trung xây dựng cơ chế tạo prompt có cấu trúc từ thông tin đối tượng và quan hệ trong ảnh, đồng thời đề xuất phương pháp hợp nhất có chọn lọc giữa đặc trưng thị giác và đặc trưng ngữ nghĩa nhằm nâng cao chất lượng mô tả ảnh. Hiệu quả của mô hình sẽ được đánh giá trên các bộ dữ liệu chuẩn quốc tế.

2. Nghiên cứu và xây dựng mô hình chú thích ảnh sử dụng Deep Learning kết hợp LLMs trong môi trường giáo dục Đại học

Chủ nhiệm: TS. Nguyễn Thị Định

Đề tài tập trung nghiên cứu các mô hình sinh chú thích ảnh dựa trên học sâu kết hợp mô hình ngôn ngữ lớn (LLMs). Bên cạnh việc khảo sát các hướng nghiên cứu trong và ngoài nước, nhóm nghiên cứu sẽ xây dựng bộ dữ liệu hình ảnh Data-iHUIT được thu thập từ môi trường Trường Đại học Công Thương Thành phố Hồ Chí Minh. Kết quả nghiên cứu kỳ vọng đóng góp một mô hình sinh chú thích ảnh phù hợp với bối cảnh giáo dục đại học tại Việt Nam.

Đề tài nghiên cứu khoa học sinh viên

Năm học 2026–2027 ghi nhận nhiều đề tài sinh viên có tính ứng dụng cao, giải quyết các bài toán thực tiễn trong giáo dục, logistics, thương mại điện tử, giao thông thông minh, môi trường và bảo mật dữ liệu.

1. Phát triển thuật toán CARO nhằm giảm Membership Inference Attack trên mô hình Random Forest

Sinh viên thực hiện: Hoàng Ngọc Kiên
Giảng viên hướng dẫn: ThS. Trần Thị Bích Vân

Đề tài nghiên cứu bài toán bảo vệ quyền riêng tư trong học máy thông qua việc phát triển thuật toán Chaotic Artificial Rabbit Optimization (CARO) để tối ưu cấu trúc và siêu tham số của Random Forest, góp phần giảm thiểu nguy cơ bị tấn công suy luận thành viên (Membership Inference Attack) trong khi vẫn duy trì hiệu năng dự đoán.

2. Xây dựng giải pháp sắp xếp hàng hóa lên xe tải nhằm tối ưu không gian và giảm chi phí vận chuyển bằng Genetic Starfish Optimization Algorithm

Sinh viên thực hiện: Lưu Hoàn Kim
Giảng viên hướng dẫn: ThS. Nguyễn Thị Huyền Trang

Đề tài xây dựng mô hình tối ưu hóa bài toán chất xếp hàng hóa 3 chiều trên xe tải với nhiều ràng buộc thực tế. Thuật toán Genetic Starfish Optimization được đề xuất nhằm nâng cao hiệu quả sử dụng không gian, giảm số lượng xe và chi phí vận chuyển. Kết quả được triển khai trên nền tảng web trực quan hóa không gian chất xếp 3D.

3. Xây dựng ứng dụng lập lịch sinh hoạt đa mục tiêu cho sinh viên dựa trên thuật toán Snake Optimization with Parasitic Mechanism (SOPM)

Sinh viên thực hiện: Nguyễn Thị Mỹ Duyên
Giảng viên hướng dẫn: ThS. Nguyễn Thị Thùy Trang

Đề tài hướng đến xây dựng hệ thống hỗ trợ sinh viên lập kế hoạch học tập và sinh hoạt hiệu quả thông qua thuật toán SOPM, một thuật toán tối ưu mới được phát triển từ Snake Optimizer kết hợp cơ chế ký sinh của Cuckoo Catfish. Giải pháp giúp cân bằng giữa hiệu suất học tập, sức khỏe và chất lượng cuộc sống.

4. Xây dựng giải pháp tối ưu hóa lộ trình học tập của sinh viên bằng thuật toán HOSM

Sinh viên thực hiện: Cao Minh Luân
Giảng viên hướng dẫn: ThS. Nguyễn Thế Hữu

Đề tài nghiên cứu bài toán cá nhân hóa lộ trình học tập dựa trên năng lực, mục tiêu nghề nghiệp và các ràng buộc học phần. Thuật toán HOSM được đề xuất nhằm xác định lộ trình tối ưu giúp sinh viên đạt chuẩn đầu ra trong thời gian phù hợp nhất.

5. Ứng dụng tối ưu hóa lộ trình giao hàng phụ thuộc thời gian bằng thuật toán RAPO

Sinh viên thực hiện: Huỳnh Thanh Minh Tâm
Giảng viên hướng dẫn: ThS. Đinh Nguyễn Trọng Nghĩa

Đề tài nghiên cứu bài toán Time-Dependent Vehicle Routing Problem (TDVRP), đề xuất thuật toán RAPO nhằm tối ưu quãng đường, thời gian giao hàng và các chi phí phát sinh do vi phạm ràng buộc vận tải. Một phần mềm mô phỏng trực quan lộ trình giao hàng sẽ được phát triển để đánh giá hiệu quả giải pháp.

6. Xây dựng giải pháp tối ưu đóng gói đơn hàng trong thương mại điện tử nhằm tiết kiệm không gian và chi phí vận chuyển bằng thuật toán Starfish Fourier Transform

Sinh viên thực hiện: Trần Gia Bảo
Giảng viên hướng dẫn: ThS. Đinh Nguyễn Trọng Nghĩa, ThS. Trần Đình Toàn

Đề tài tập trung giải quyết bài toán đóng gói đơn hàng trong thương mại điện tử thông qua việc đề xuất thuật toán Starfish Fourier Transform, hướng đến tối đa hóa khả năng tận dụng không gian đóng gói và giảm chi phí vận chuyển.

7. Tối ưu hóa tuyến vận chuyển nông sản tươi theo thời gian thực trong điều kiện giao thông biến động sử dụng thuật toán CPO (Chaotic Pufferfish Optimization)

Sinh viên thực hiện: Nguyễn Lệ Quyên
Giảng viên hướng dẫn: ThS. Đinh Nguyễn Trọng Nghĩa, ThS. Nguyễn Thị Thùy Trang

Đề tài nghiên cứu bài toán tối ưu tuyến vận chuyển nông sản tươi trong môi trường giao thông động, hướng đến giảm thời gian giao hàng và hạn chế tổn thất chất lượng sản phẩm. Thuật toán Chaotic Pufferfish Optimization được kỳ vọng mang lại khả năng thích nghi tốt với dữ liệu giao thông thời gian thực.

8. Tối ưu vị trí trạm quan trắc không khí bằng thuật toán Thỏ nhân tạo cải tiến với Halo đa lớp

Sinh viên thực hiện: Phan Hoài Bảo Khang
Giảng viên hướng dẫn: ThS. Phan Thị Ngọc Mai

Đề tài xây dựng mô hình tối ưu hóa vị trí các trạm quan trắc không khí trong môi trường đô thị giả lập. Thuật toán HARO (Halo-enhanced Artificial Rabbits Optimization) được phát triển nhằm nâng cao độ bao phủ và chất lượng giám sát môi trường với số lượng trạm hạn chế.

9. Nghiên cứu mô hình học tăng cường để tối ưu hóa mức độ tương tác dài hạn của người dùng trong các hệ thống gợi ý sinh

Sinh viên thực hiện: Đặng Nguyên Hoài
Giảng viên hướng dẫn: ThS. Bùi Công Danh

Đề tài nghiên cứu sự kết hợp giữa Generative AI và Reinforcement Learning nhằm tối ưu hóa mức độ tương tác dài hạn của người dùng trong các hệ thống gợi ý. Mô hình đề xuất hướng đến khả năng thích nghi liên tục, cân bằng giữa việc khai thác sở thích hiện có và khám phá nhu cầu mới của người dùng.

Khẳng định định hướng nghiên cứu ứng dụng và đổi mới sáng tạo

Các đề tài được phê duyệt trong năm học 2026–2027 phản ánh định hướng phát triển nghiên cứu của Khoa Công nghệ Thông tin theo hướng gắn kết chặt chẽ giữa lý thuyết và thực tiễn, đồng thời cập nhật các xu hướng công nghệ tiên tiến của thế giới như Trí tuệ nhân tạo, Thị giác máy tính, Mô hình ngôn ngữ lớn, Học tăng cường và Metaheuristic.

Khoa Công nghệ Thông tin tin tưởng rằng các đề tài sẽ tạo ra những kết quả nghiên cứu có giá trị học thuật và ứng dụng thực tiễn cao, góp phần nâng cao năng lực nghiên cứu khoa học của giảng viên, sinh viên cũng như đóng góp tích cực cho hoạt động đổi mới sáng tạo của Nhà trường.