Đồ án này nghiên cứu và phát triển giải pháp ứng dụng thuật toán tối ưu bầy đàn (Particle Swarm Optimization - PSO) vào lĩnh vực học liên kết phân tán (Federated Learning) nhằm cải thiện hiệu quả huấn luyện mô hình học máy trên dữ liệu phân tán và bảo vệ tính riêng tư. Đề tài sử dụng framework Flower, một nền tảng mã nguồn mở hỗ trợ xây dựng hệ thống FL linh hoạt và mở rộng, làm môi trường triển khai.

Nghiên cứu nhằm phát triển, huấn luyện mô hình Deep Learning (DL) có khả năng giám sát và dự đoán số lượng xe trong tương lai từ dữ liệu lịch sử bãi xe. Xây dựng thành hệ thống hoàn chỉnh để hỗ trợ quản lý giao thông hiệu quả hơn.

Dưới sự hướng dẫn của ThS. Nguyễn Khánh Thuật, đồ án "Robot nhận diện vật thể thờigian thực trong nhà kho"được thực hiện với mục tiêu xây dựng một hệ thống robot tự hành thông minh, có khả năng phát hiện và nhận diện vật thể trong môi trường kho bãi một cách nhanh chóng và chính xác. Hệ thống này cho phép robot phản ứng tự động với các đối tượng được nhận diện mà không cần sự can thiệp trực tiếp của con người, đồng thời hỗ trợ giám sát và điều khiển từ xa thông qua các thiết bị kết nối mạng như máy tính hoặc điện thoại. Với việc tích hợp công nghệ xử lý hình ảnh, thị giác máy tính và truyền thông không dây, hệ thống được kỳ vọng sẽ tối ưu hóa hoạt động của robot trong môi trường thực tế, giảm thiểu rủi ro cho con người và nâng cao hiệu quả quản lý kho.

Đồ án chuyên ngành này trình bày về xây dựng hệ thống tư vấn pháp lý dựa trên mô hình ngôn ngữ lớn, kết hợp với phương pháp Retrieval-Augmented Generation. Mục tiêu chính của đề tài là tạo ra một giải pháp hỗ trợ tư vấn pháp lý một cách chính xác, nhanh chóng và dễ hiểu, tập trung chủ yếu vào Luật Hôn nhân và Gia đình Việt Nam.