Dòng Nội dung
1
Thiết kế giao diện dự đoán bệnh tim cho người dùng bằng Framework Django. : Khóa luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Nguyễn Đình Trường Khải, Thái Trúc Nhi hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
viii, 68 tr. : Hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 616.12
Đề tài nghiên cứu nhằm phát triển mô hình dự đoán bệnh tim trên dữ liệu y tế của người dùng, bao gồm các yếu tố như huyết áp, đường huyết, cholesterol, tuổi, giới tính và một số yếu tố khác.Áp dụng nhiều mô hình thuật toán để thực hiện và xem xét mô hình nào có độ chính xác cao để áp dụng vào giao diện. Tiến hành chọn lọc các biến quan trọng và xử lý dữ liệu y tế để chuẩn bị cho việc đào tạo mô hình. Thực hiện các đánh giá hiệu suất nmo6 hình chi tiết về độ chính xác của mô hình giữa kết quả của giao diện khi áp dụng và dữ liệu đã gắn nhãn cho trước. Kết hợp mô hình dự đoán bệnh tim vào ứng dụng web Django để cung cấp dự đoán nguy cơ bệnh tim cho người dùng.
 Số bản sách: (1) Tài liệu số: (0)
2
Tiềm năng ứng dụng công nghệ và các mô hình tích hợp trong chăm sóc sức khỏe người cao tuổi tại Thành Phố Hồ Chí Minh / Nguyễn Thị Toàn Thắng // Tạp chí tài chính . - 2025. - tr. 67-77. - ISSN: 3030-4288



Ký hiệu phân loại (DDC): 362
Phân tích tiềm năng ứng dụng công nghệ như telemedicine, thiết bị y tế thông minh, và hệ thống quản lý thông tin sức khỏe kết hợp với các mô hình chăm sóc tích hợp. Mục tiêu là đánh giá hiệu quả, nhận diện thách thức trong triển khai, và đề xuất các chiến lược phát triển hệ thống chăm sóc sức khỏe người cao tuổi tại TP.HCM. Các luận điểm được thể hiện thông qua việc tổng hợp và phân tích dữ liệu từ các báo cáo chính thức và tham luận thực tế, kết hợp với nghiên cứu kinh nghiệm quốc tế từ Nhật Bản và Hàn Quốc. Kết quả cho thấy các mô hình tích hợp không chỉ cải thiện khả năng tiếp cận dịch vụ mà còn nâng cao chất lượng chăm sóc toàn diện. Tuy nhiên, rào cản lớn bao gồm cơ sở hạ tầng, nhân lực, và chính sách hỗ trợ chưa đồng bộ. Bài viết đề xuất các giải pháp như tăng cường hợp tác công - tư, đầu tư vào công nghệ y tế, mở rộng mô hình tích hợp, và nâng cao nhận thức cộng đồng để xây dựng hệ thống chăm sóc sức khỏe người cao tuổi hiệu quả và bền vững tại TP.HCM.
 Số bản sách: (0) Tài liệu số: (1)
3
Xây dựng Chatbot mô hình ngôn ngữ lớn Mistral 7B đa tác nhân ứng dụng công nghệ RAG, Autogen : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Hà Minh Quân, Đặng Như Phú hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
xii, 74 tr. : Hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Trình bày về các nền tảng lý thuyết, phương pháp thư6v hiện, các quy trình thực nghiệm và kết quả đánh giá hiệu suất để cài thiện các mặt còn hạn chế của các mô hình LLM. Đề tài nghiên cứu chuyên sâu về các mô hình ngôn ngữ lớn, sử dụng mô hình Transformers trong việc phân loại tác vụ trong Chatbot LLM. Ngoài ra, ứng dụng công nghệ Autogen đa tác nhân giúp nâng cao khả năng suy luận, công nghệ RAG để mở rộng kiến thức mô hình. Cuối cùng, xây dựng một chatbot LLM Mistral 7B tích hợp toàn bộ các mô hình và công nghệ trên cải thiện khả năng giải đáp vấn đề một cách chuẩn xác và nhanh chóng. Loại bỏ các mặt hạn chế của mô hình LLM, mang lại trải nghiệm tốt hơn cho người dùng khi sử dụng chatbot thông minh.
 Số bản sách: (1) Tài liệu số: (0)
4
Xây dựng mô hình tích hợp kỹ thuật học sâu để dự đoán giá cố phiếu : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành: 8480201 / Nguyễn Vĩnh Phúc; Nguyễn Kim Quốc, Cao Văn Kiên hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
xi, 76 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 332.632
Thị trường chứng khoán là môi trường đầy biến động, nơi mà khả năng dự báo chính xác xu hướng giá cổ phiếu đóng vai trò then chốt đối với nhà đầu tư và tổ chức tài chính. Tuy nhiên, phần lớn nhà đầu tư cá nhân tại Việt Nam vẫn dựa vào phân tích cảm tính hoặc tín hiệu từ mạng xã hội, trong khi thiếu các công cụ phân tích hiện đại để hỗ trợ ra quyết định, Bên cạnh đó, các mô hình dự báo truyền thống hoặc học sâu đơn lẻ thường chưa đáp ứng được yêu cầu trong môi trường dữ liệu tài chính phi tuyến, nhiễu cao và nhiều biến ẩn. Do đó, việc xây dựng một mô hình học sâu tích hợp nhằm nâng cao độ chính xác và khả năng thích ứng là xu thế tất yếu trong lĩnh vực tài chính định lượng. Đề án hướng đến mục tiêu tổng quát là xây dựng một mô hình học sâu tích hợp kết hợp giữa CNN, BiLSTM, Attention, GRU và XGBoost nhằm nâng cao độ chính xác và khả năng thích ứng trong dự báo giá cổ phiếu ngắn hạn.
Số bản sách: (1) Tài liệu số: (0)
5
Xây dựng mô hình tích hợp kỹ thuật học sâu để dự đoán giá vàng : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành:8480201 / Lê Tuấn Kiệt; Võ Thị Hồng Thắm, Cao Văn Kiên hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
xiii, 66 tr. : biểu đồ ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Đề tài nghiên cứu nhằm phát triển, xây dựng mô hình dự đoán vùng đảo chiều giá dựa trên mô hình hồi quy hạt nhân NWKR và ATR, tích hợp vào hệ thống giao dịch tự động. Tối ưu hóa siêu tham số và đánh giá qua metrics như win rate, profit factor, Sharpe ratio và max drawdown. Xây dựng trading bot với chức năng backtesting, quản lý rủi ro (position sizing, stop loss), tối ưu hóa tham số và trực quan hóa kết quả. Đánh giá hiệu suất mô hình qua các metrics như win rate, profit factor, sharpe ratio và max drawdown trên dữ liệu thực tế. Đề xuất các cải tiến để áp dụng mô hình vào giao dịch vàng, có khả năng mở rộng sang cổ phiếu và các loại tài sản khác, nhằm tăng lợi nhuận và giảm rủi ro, ứng dụng mô hình trong thực tiễn giao dịch.
 Số bản sách: (1) Tài liệu số: (0)