Đề tài này hướng đến việc khắc phục những hạn chế của mô hình truyền thống trong việc phát video trực tuyến, đặc biệt là vấn đề quá tải máy chủ và chi phí vận hành cao. Ý tưởng chính của đề tài là áp dụng công nghệ P2P giúp các thiết bị người dùng trao đổi dữ liệu trực tiếp, từ đó giảm sự phụ thuộc vào máy chủ trung tâm và tối ưu hóa quá trình truyền tải video.
Ngày nay, có rất nhiều rủi ro và mối nguy hiểm tiềm ẩn về bảo mật thông tin trong các ứng dụng công nghệ Internet vạn vật - Internet of Things (IoT). Để bảo mật các hệ thống phần mềm IoT, các kỹ sư phần mềm phải triển khai phần mềm bảo mật tiên tiến như Hệ thống phát hiện xâm nhập - Instrusion Detection System (IDS) có khả năng theo dõi cách các thiết bị IoT hoạt động trong mạng và phát hiện mọi hoạt động độc hại có thể xảy ra.
Đồ án này trình bày một Hệ thống cảnh báo khí gas tích hợp IoT và học máy nhằm giải quyết các hạn chế của hệ thống cảnh báo truyền thống như độ nhạy thấp, tỷ lệ cảnh báo sai cao và độ trễ phản hồi. Hệ thống được thiết kế với kiến trúc ba lớp: lớp cảm biến (sử dụng MQ-135 và DHT22), lớp xử lý Edge (Raspberry Pi với Node-RED) và lớp đám mây/ứng dụng người dùng.
Để giải quyết những hạn chế này, việc tích hợp SoftwareDefined Networking (SDN) và điện toán biên (Edge Computing) vào VANET đã được đề xuất như một giải pháp triển vọng nhằm tối ưu hóa hiệu suất và giảm độ trễ.
Đồ án này đề xuất và triển khai một hệ thống giám sát và dự đoán chất lượng không khí dựa trên nền tảng Internet of Things (IoT), học sâu (Deep Learning) và điện toán đám mây (Cloud Computing). Hệ thống gồm nhiều thành phần tích hợp chặt chẽ: các nút cảm biến IoT được triển khai thực tế để thu thập các thông số môi trường (nhiệt độ, độ ẩm, bụi mịn Particulate Matter 2.5 (PM2.5), Particulate Matter 10 (PM10), các khí Nitrogen dioxyde (NO2), Sulfur dioxide (SO2), Carbon monoxide (CO)) thông qua giao thức truyền thông MQTT; một máy chủ xử lý trung tâm có nhiệm vụ nhận dữ liệu, lưu trữ vào hệ quản trị cơ sở dữ liệu PostgreSQL, đồng thời áp dụng mô hình học sâu DNN để phân loại mức độ ô nhiễm và mô hình LSTM để dự đoán xu hướng nhiệt độ trong tương lai.
Đề tài "Ứng dụng kỹ thuật học máy để phân tích nhịp tim và dự báo nguy cơ mắc bệnh tim" được thực hiện với định hướng phát triển một hệ thống hỗ trợ ra quyết định lâm sàng (CDSS). Hệ thống này cho phép bác sĩ và nhân viên y tế nhập vào các thông số y học của bệnh nhân (như huyết áp, cholesterol, kết quả điện tâm đồ, nhịp tim tối đa, v.v.) và nhận được kết quả dự đoán nguy cơ mắc bệnh tim, từ đó hỗ trợ quá trình chẩn đoán và tư vấn điều trị một cách hiệu quả và chính xác hơn.
Đồ án này tập trung vào các loại ung thư phổ biến như ung thư da, ung thư vú, bởi vì đây là những bệnh lý có tỷ lệ mắc cao và có dữ liệu y khoa phong phú để thử nghiệm.
Trong khóa luận này, nhóm nghiên cứu đã xây dựng một hệ thống giám sát thiết bị công nghiệp theo cách tiếp cận không xâm lấn – sử dụng camera chụp lại màn hình HMI của máy móc, thay vì can thiệp vào phần mềm điều khiển vốn thường bị ràng buộc bởi hợp đồng bảo hành hoặc giới hạn kỹ thuật.
