Xác định các nhân tố ảnh hưởng đến quyết định vay vốn của khách hàng doanh nghiệp tại Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam – Chi nhánh Quận 11. Đo lường mức độ ảnh hưởng của các nhân tố đến quyết định vay vốn của khách hàng doanh nghiệp tại Ngân hàng TMCP Xuất nhập khẩu Việt Nam – Chi nhánh Quận 11 .Xác định sự khác biệt về quyết định vay vốn của khách hàng doanh nghiệp giữa các lĩnh vực kinh doanh và loại hình doanh nghiệp tại Ngân hàng TMCP Xuất nhập khẩu Việt Nam – Chi nhánh Quận 11. Đề xuất các giải pháp kiến nghị phát triển hoạt động cho vay khách hàng doanh nghiệp tại Ngân hàng TMCP Xuất Nhập Khẩu Việt Nam – Chi nhánh Quận 11.

Nghiên cứu về hiệu ứng đám đông trên thị trường Việt Nam cụ thể là nghiên cứu trên Sở Giao dịch chứng khoán TP.HCM (HSX) sẽ cung cấp những hiểu biết sâu sắc hơn về động lực và hành vi của nhà đầu tư. Xác định sự tồn tại của hiệu ứng đám đông trên Sở Giao dịch Chứng khoán TP.HCM (HSX) trong giai đoạn trước, trong và sau đại dịch COVID-19 Đề tài nghiên cứu trong bối cảnh mới và mẫu nghiên cứu mới ở Việt Nam. Vì vậy, nghiên cứu sẽ đưa ra được các kiến nghị và giải pháp hữu ích, kịp thời, phù hợp với bối cảnh và mang lại lợi ích trong việc đánh giá rủi ro khi đầu tư trong giai đoạn khủng hoảng cũng như giúp nhà hoạch định bổ sung thêm các chính sách phù hợp ổn định thị trường và bảo vệ quyền lợi của nhà đầu tư

Phân tích cảm xúc dựa trên khía cạnh là một lĩnh vực đang được phát triển nhanh chóng và thu hút sự quan tâm của cộng đồng nghiên cứu cũng như các doanh nghiêp bởi tính ứng dụng cao. Báo cáo này trình bày một kiến trúc mô hình học sâu ứng dụng cho lĩnh vực xử lý ngôn ngữ tự nhiên và các dạng bài toán như ABSA. Tổng quan về phân tích cảm xúc dựa trên khía cạnh (Aspect-based Sentiment Analysis). Tình hình phát triển trong cộng đồng nghiên cứu hiện hay trong lĩnh vực ABSA. Phân tích các kiến trúc mô hình học sâu cho ứng dụng phân tích cảm xúc dựa trên khía cạnh sử dụng cho ngôn ngữ tiếng Việt. Thực nghiệm và đánh giá mô hình trên bộ dữ liệu chuẩn.

Xây dựng một KG đặc thù cho tiếng Việt nhằm giải quyết vấn đề thiếu hụt dữ liệu và tài nguyên ngôn ngữ, từ đó nâng cao độ chính xác và hiệu quả của hệ thống QA. Đề tài giới thiệu một hệ thống QA mới bằng cách kết hợp các mô hình ngôn ngữ hiện đại, chẳng hạn như GPT với KG. Dù việc sử dụng KG để cải thiện độ chính xác đã được khám phá, việc kết hợp KG với các mô hình ngôn ngữ tiên tiến trong bối cảnh tiếng Việt vẫn chưa được thực hiện rộng rãi. Bên cạnh đó, đề tài tập trung vào việc cải thiện khả năng xử lý các câu hỏi phức tạp và yêu cầu kiến thức chuyên sâu.Việc tích hợp KG sẽ giúp hệ thống hiểu rõ hơn về ngữ cảnh và các mối quan hệ giữa các khái niệm, qua đó nâng cao độ chính xác của câu trả lời. Nghiên cứu xây dựng một hệ thống trả lời câu hỏi QA mới tích hợp các mô hình ngôn ngữ tiên tiến với KG để cải thiện độ chính xác và hiệu suất trong xử lý các câu hỏi bằng tiếng Việt.

Đánh giá hiệu suất của mô hình đã phát triển, so sánh với các phương pháp truyền thống và các mô hình học sâu khác. Đồng thời, thực hiện các thử nghiệm thực tế để kiểm tra khả năng ứng dụng của hệ thống. Nghiên cứu về mạng học sâu (Deep Learning) và mạng nơron tích chập (Convolutional Neural Network - CNN). Tìm hiểu kỹ thuật học sâu, mạng neural, mạng neural tích chập, mạng ResNet50. Hiểu được kiến trúc mạng ResNet50. Xây dựng và triển khai hệ thống nhận dạng trên một nền tảng ứng dụng đáp ứng nhu cầu thực tế hiện tại. Xây dựng mạng CNN đơn giản để mong đợi một số hiệu suất cơ bản mà CNN đơn giản này có trong bộ dữ liệu. Sau đó, cải thiện mô hình bằng cách thêm Transfer Learning với ResNet50 làm mô hình cơ sở cho đề tài.