EduTwin ứng dụng ý tưởng "Digital Twin" để tạo ra một bản sao kỹ thuật số của người học, có khả năng "tiến hóa" thông qua dữ liệu tương tác liên tục. Hệ thống kết hợp thuật toán Lazy Learning (K-NN, KR, LWLR) để dự đoán kết quả học tập tức thời mà không cần huấn luyện lại, cùng với các Large Language Model (LLM) để đóng vai trò như một trợ lý ảo thấu hiểu ngữ cảnh và tâm lý người học. Kết quả thực nghiệm cho thấy hệ thống không chỉ cung cấp các dự báo có độ tin cậy cao mà còn tạo ra trải nghiệm tương tác tự nhiên, giúp học sinh chủ động hơn trong việc định hướng lộ trình học tập của mình.
Việc kết hợp công nghệ đọc thẻ với công nghệ xử lý ảnh sẽ giúp tự động hóa quá trình nhận diện biển số xe, lưu trữ thông tin hiệu quả, nâng cao tính chính xác và tiện lợi trong việc quản lý. Nhóm chọn đề tài này để giải quyết bài toán được đặt ra ở trên và nâng cao kỹ năng chuyên môn
Kết quả thực nghiệm cho thấy lớp tăng cường truy vấn giúp cải thiện rõ rệt độ liên quan và độ bao phủ (recall) của kết quả truy hồi, đặc biệt hiệu quả với các truy vấn mơ hồ hoặc thiếu thông tin. Ngoài ra, việc sử dụng lớp LLM như một thành phần độc lập mang lại tính linh hoạt cao, dễ dàng tích hợp với bất kỳ hệ thống tìm kiếm nào hiện có. Mặc dù lớp tăng cường làm gia tăng độ trễ xử lý, tổng thời gian phản hồi vẫn nằm trong ngưỡng chấp nhận được khi hệ thống được triển khai trên hạ tầng phần cứng phù hợp.
Đề tài hướng đến việc tích hợp và mở rộng dữ liệu cho các mô hình Machine Learning trong ứng dụng web, đồng thời cung cấp khả năng quản lý hiệu suất và đánh giá chất lượng hoạt động của mô hình. Điều này giúp người quản trị đưa ra các giải pháp cải thiện hiệu suất trong quá trình triển khai, đồng thời hỗ trợ việc ra quyết định dựa trên dữ liệu cập nhật.
Trong đề tài này, nhóm chúng em đã trình bày một hệ thống đếm người kết hợp hiệu quả hai phương pháp: thị giác máy tính và cảm biến WiFi. Bằng cách tận dụng ưu điểm của mỗi phương pháp – độ chính xác cao của thị giác máy tính trong điều kiện lý tưởng và khả năng hoạt động trong môi trường thiếu sáng của WiFi – hệ thống đề xuất đã cho thấy tiềm năng to lớn trong việc giải quyết bài toán đếm người trong điều kiện bất lợi.
Đồ án này tập trung vào việc phát triển hệ thống giám sát thông minh cho trạm sạc xe máy điện, sử dụng Raspberry Pi 5 kết hợp với Pi Camera và cảm biến DHT22. Hệ thống có khả năng phát hiện cháy bằng mô hình học máy và gửi cảnh báo qua Telegram, đồng thời giám sát số xe đang sạc và cung cấp thông tin nhiệt độ, độ ẩm lên ứng dụng web. Điều này giúp người dùng theo dõi và đảm bảo an toàn trạm sạc một cách hiệu quả.
