Portfolio cá nhân · Môn học Nhập môn CNTS & AI
Ma Đình Mạnh
Portfolio này tổng hợp 6 bài tập thực hành trong học phần Nhập môn Công nghệ số và Ứng dụng Trí tuệ Nhân tạo, trải dài từ kỹ năng tin học cơ bản, nghiên cứu học thuật, đến ứng dụng và đạo đức AI trong môi trường kỹ thuật.
T1
Thực hành File Explorer trên Windows
Quản lý tệp tin & thư mục cơ bản với Windows File Explorer
Quy trình thực hành từng bước
Các thao tác quản lý file & folder trên Windows
01
Mở File Explorer
Nhấn
Windows + E hoặc click biểu tượng thư mục vàng trên taskbar.02
Truy cập ổ đĩa & Tạo thư mục mới
Vào This PC → chọn ổ D: hoặc E:. Chuột phải → New → Folder. Đặt tên
ThucHanh_MaDinhManh → Enter.03
Tạo & Đổi tên tệp văn bản
Bên trong thư mục: Chuột phải → New → Text Document → đặt tên
GhiChu.txt. Chuột phải → Rename → GhiChuQuanTrong.txt.04
Tạo thư mục con & Sao chép tệp
Tạo thư mục con
TaiLieu. Chọn GhiChuQuanTrong.txt → Ctrl+C → vào TaiLieu → Ctrl+V.05
Di chuyển tệp (Cut & Paste)
Tạo tệp
DiChuyen.txt → Ctrl+X → vào TaiLieu → Ctrl+V. Tệp gốc biến mất khỏi vị trí cũ.06
Xóa tệp & Xóa vĩnh viễn
Xóa thường: Chuột phải → Delete (vào Recycle Bin). Xóa vĩnh viễn: Chọn tệp →
Shift+Delete → xác nhận.Phím tắt CopyCtrl + C / V
Phím tắt CutCtrl + X / V
Mở ExplorerWindows + E
Xóa vĩnh viễnShift + Delete
Đổi tênF2 hoặc Right-click Rename
T2
Tìm kiếm & Đánh giá thông tin học thuật
Chủ đề: Tối ưu hóa kiến trúc Hardware Accelerator cho Edge AI
Chiến lược tìm kiếm đa nguồn – 5 loại nguồn
🔬 Chủ đềEdge AI Hardware Accelerator
📅 Phạm vi thời gian2017 – 2024
🗄️ Số tài liệu12 nguồn, 5 loại
IEEE Xplore
ACM Digital Library
Google Scholar
VNU LIC
IEEE JSSC / TCAD
Morgan & Claypool · Springer
NVIDIA Whitepaper · MLCommons
arXiv (Preprint)
Bảng đánh giá 12 nguồn tài liệu
| # | Tên tài liệu & Loại nguồn | Tác giả / CQXB | Trích dẫn | Năm | Đánh giá |
|---|---|---|---|---|---|
01 |
Eyeriss: Energy-efficient reconfigurable accelerator
|
>4000 | 2017 | Nền tảng kinh điển, chip thật | |
02 |
Efficient Processing of DNNs: A Tutorial and Survey
|
>3500 | 2017 | Khái quát bottleneck phần cứng | |
03 |
Edge AI Hardware Architecture: A Comprehensive Review
|
~150 | 2022 | Cập nhật xu hướng PIM | |
04 |
Hardware-Software Co-Design for Edge AI
|
~80 | 2023 | Co-design FPGA, ACM uy tín | |
05 |
Memory-centric HW Accelerators for Edge Intelligence
|
~120 | 2021 | Giải quyết Memory Wall | |
06 |
Hardware Accelerators for Machine Learning
|
~200 | 2022 | Biểu đồ TOPS/W thực tế | |
07 |
A Survey on FPGA-Based Edge AI Accelerators
|
~95 | 2021 | Chuyên sâu nền tảng FPGA | |
08 |
Efficient Processing of Deep Neural Networks
|
>500 | 2020 | Chuẩn mực giáo khoa VLSI | |
09 |
Embedded Deep Learning: Algorithms, Architectures...
|
— | 2023 | Springer uy tín, đa chiều | |
10 |
Tối ưu hóa tài nguyên phần cứng CNN trên FPGA
|
0 | 2023 | Thực tiễn VN, kit Xilinx Zynq | |
11 |
Jetson Orin Nano: Edge AI Performance Whitepaper
|
— | 2024 | Dữ liệu chuẩn xác, cảnh báo marketing | |
12 |
MLPerf Tiny Benchmark
|
— | 2024 | Tiêu chuẩn vàng đo bộ tăng tốc |
Kết luận chiến lược: IEEE/ACM + Sách chuyên khảo → nền tảng học thuật tuyệt đối. NVIDIA Whitepaper + MLCommons → thông số hiệu năng (TOPS/W) mới nhất. Kết hợp 5 loại nguồn đảm bảo tính khoa học, toàn diện và cập nhật của bất kỳ nghiên cứu nào trong ngành.
T3
Kỹ năng viết Prompt hiệu quả
Thực nghiệm 3 tác vụ học tập – So sánh 3 cấp độ Prompt
Tác vụ 1 – Tóm tắt bài báo khoa học
Chủ đề: Kiến trúc bộ tăng tốc AI (EdgeNPU + PIM + Memristor)
Cơ bản
Prompt không có cấu trúc, dễ lan man
"Tóm tắt đoạn văn bản sau về bộ tăng tốc phần cứng AI"
Kết quả: Đi chệch hướng, cung cấp thông tin rác, văn bản thô dài – thiếu trọng tâm kỹ thuật.
Cải tiến
Thêm cấu trúc & giới hạn đầu ra
"Hãy tóm tắt văn bản sau thành 4 gạch đầu dòng ngắn gọn. Tập trung vào: Mục tiêu nghiên cứu, Phương pháp đề xuất, và Kết quả đánh giá hiệu năng (PPA)."
Kết quả: Bám sát chủ đề, lọc ~70% thông tin thừa, có bullet points gọn gàng.
Nâng cao
Role-prompting + Định dạng đầu ra có cấu trúc
"Đóng vai trò là một kỹ sư Vi mạch (VLSI Engineer) kỳ cựu. Nhiệm vụ của bạn là báo cáo lại cho một sinh viên mới thực tập. Hãy tuân thủ:
1. Trích xuất một câu 'takeaway' duy nhất tóm tắt giá trị cốt lõi.
2. Lập bảng so sánh phương pháp cũ vs mới.
3. Giải thích một thuật ngữ kỹ thuật khó nhất trong bài."
Kết quả: Chính xác tuyệt đối, có bảng so sánh, giải thích thuật ngữ sâu sắc (Memory Wall, PIM, Memristor). Kiểm soát hoàn toàn đầu ra.
Tác vụ 2 – Giải thích khái niệm phức tạp
Chủ đề: Virtual Memory & Paging trong Linux
Cơ bản
"Bộ nhớ ảo trong Linux là gì?"
Kết quả: Định nghĩa từ điển khô khan, không có ví dụ trực quan, giọng điệu "robot".
Cải tiến
"Giải thích Virtual Memory trong Linux cho sinh viên năm nhất. Sử dụng một phép ẩn dụ đời thường để minh họa."
Kết quả: Có ẩn dụ, thân thiện hơn – nhưng còn rập khuôn, chưa phân tầng kiến thức.
Nâng cao
"Đóng vai giảng viên Hệ điều hành xuất sắc. Giải thích cơ chế Paging theo từng bước:
• Bước 1: Ẩn dụ 'Thư viện khổng lồ' (HDD) và 'Cái bàn học nhỏ' (RAM).
• Bước 2: Định nghĩa Page Table trong bối cảnh đó.
• Bước 3: Đoạn mã C++ ngắn minh họa pointer truy cập vùng nhớ.
Giọng văn mang tính khích lệ và sư phạm."
Kết quả: Tương tác như chuyên gia thật – ẩn dụ trực quan, Page Table rõ ràng, ví dụ code C++ cụ thể, giọng khích lệ.
Bảng tổng hợp so sánh hiệu quả 3 cấp độ Prompt
| Tiêu chí | 🔘 Prompt Cơ bản | 🟡 Prompt Cải tiến | 🔵 Prompt Nâng cao |
|---|---|---|---|
| Độ chính xác | Hay chệch hướng, thông tin rác | Bám sát, lọc ~70% thừa | Chính xác tuyệt đối, kiểm soát hoàn toàn |
| Cấu trúc đầu ra | Wall of text thô | Có bullet, số thứ tự gọn | Bảng biểu, in đậm, phân tầng rõ |
| Cá nhân hóa | Robotic, khô khan | Thân thiện hơn, còn rập khuôn | Như chuyên gia thật, đúng trình độ |
| Kiểm soát Ảo giác | Cao – dễ bịa thông tin | Trung bình | Rất thấp – nhờ constraints rõ |
Khung nguyên tắc C.R.E.A.T.E
Tổng hợp từ thực nghiệm – áp dụng cho sinh viên kỹ thuật
C
Context – Bối cảnh
Luôn cung cấp bối cảnh trước khi hỏi. LLM là cỗ máy đoán chữ – bối cảnh càng hẹp, dự đoán càng chuẩn.
R
Role – Đóng vai
Xác định chuyên môn cho AI để thiết lập mức độ chuyên sâu phù hợp của câu trả lời.
E
Example – Few-shot
Quy tắc vàng khi muốn định dạng đặc thù (bảng, JSON, câu hỏi thi). Đừng chỉ ra lệnh, hãy "làm mẫu" cho AI.
A
Action – Hành động rõ
Dùng động từ chỉ thị mạnh: Phân tích, So sánh, Trích xuất – thay vì "Hãy cho tôi biết về..."
T
Tone – Giọng điệu
Định hình sắc thái: học thuật, phản biện, hay đơn giản cho người mới bắt đầu.
E
Evaluate & Iterate
Prompting là quá trình lặp. Xác định AI hiểu nhầm ở đâu → bổ sung constraints vào prompt gốc (Negative Prompting).
T4
Trải nghiệm làm việc nhóm trực tuyến
Dự án: Edge AI & IoT – Tương lai Đô thị thông minh tại Việt Nam
👥 Nhóm3 thành viên
🎭 Vai tròThuyết trình & Edit video
🛠️ StackGoogle Workspace + Zalo
📋 Nhiệm vụPython scripts cho Linux
Google Sheets
Bảng theo dõi tiến độ 10 cột với Data Validation màu sắc: [Chưa làm] · [Đang làm] · [Đã xong].
Google Docs
Không gian brainstorming và đồng kiểm kịch bản. Dùng tính năng Suggesting + Comments để góp ý chéo minh bạch.
Zalo Group + Drive
Gửi link thư mục Drive trực tiếp. Pin tin nhắn để hẹn lịch họp và nhắc task nhanh.
Cấu trúc Google Drive – 5 cấp thư mục
📁 Edge_AI_IoT_Project/
├── 📁 01_TaiLieu_NghienCuu/ ← Viewer: all members
├── 📁 02_KichBan/ ← Editor: Leader + Writer
├── 📁 03_Video_ChuaHauKy/ ← Editor: Editor only
├── 📁 04_Video_DaHauKy/ ← Editor: Leader + Editor
└── 📁 05_BaoCao/ ← Editor: Leader only
✅ Chỉ Leader + Editor = quyền xóa/sửa
👁 Thành viên còn lại = Viewer only
🛡 Ngăn chặn xóa nhầm dữ liệu
Thách thức & Giải pháp thực tiễn
⚠ Thách thức 1 – Mất cân đối nhân sự
Chênh lệch khối lượng công việc giữa các thành viên sau khi bắt đầu triển khai thực tế.
✓ Giải pháp
Triệu tập họp khẩn → tái cấu trúc luồng task trên Google Sheets → phân phối lại đồng đều dựa trên năng lực thực tế.
⚠ Thách thức 2 – Thi giữa kỳ & Nghỉ lễ
Không thể gặp mặt trực tiếp, nguy cơ trì hoãn ghi hình và chậm deadline nộp bài.
✓ Giải pháp
Chiến thuật "chia để trị" – phân rã dự án thành giai đoạn nhỏ. Thiết lập deadline cứng cho từng cá nhân tự hoàn thành tại nhà.
T5
Ứng dụng AI Tạo sinh trong sáng tạo nội dung
Dự án: Bài thuyết trình "Edge AI & IoT: Tương lai Đô thị thông minh tại Việt Nam"
Triết lý làm việc: AI cung cấp nguyên liệu thô (40%) → Con người chắt lọc, kiểm chứng và cấu trúc lại (60%).
ChatGPT (GPT-4o)
Xây dựng dàn ý 5 phần và kịch bản thuyết trình. AI tạo cấu trúc logic nhưng thiếu dữ liệu local (Việt Nam).
Break-down vấn đề xuất sắc
Thiết lập cấu trúc luận điểm nhanh
Hallucination số liệu VN
Thiếu local context
DALL-E 3
Tạo hình minh họa 3D isometric phong cách cyberpunk – cột đèn giao thông tích hợp chip Edge AI.
Biến ý tưởng trừu tượng thành hình ảnh chất lượng cao
Tiết kiệm chi phí ảnh stock
Render text sai (hallucination)
Khó tinh chỉnh chi tiết nhỏ
Canva AI (Magic Design)
Sinh 10 slide tự động với layout, font chữ hiện đại. Tiết kiệm thời gian căn chỉnh cơ bản.
Tự động hóa phối màu + typography
Khung sườn thẩm mỹ sẵn có
Layout cứng nhắc cho slide data
Nhận thức ngữ cảnh kém
Prompt mẫu đã sử dụng
ChatGPT – Dàn ý thuyết trình
"Đóng vai một chuyên gia Kỹ thuật Máy tính. Lập dàn ý 5 phần cho bài thuyết trình 'Edge AI & IoT ứng dụng trong Giao thông thông minh tại Việt Nam'. Nêu bật khái niệm xử lý tại biên (Edge processing) thay vì Cloud, và cung cấp số liệu dự báo thị trường."
DALL-E 3 – Hình minh họa chip Edge
"Một hình minh họa 3D isometric, phong cách cyberpunk, mô tả một cột đèn giao thông thông minh tại ngã tư Việt Nam. Bên trong tích hợp bảng mạch chứa chip Edge AI phát sáng màu xanh lam, đang xử lý dữ liệu luồng xe mà không cần gửi lên đám mây."
Sự chuyển dịch quy trình sáng tạo
Trước khi có AI
Thời gian
70% cho tìm ý tưởng + phác thảo + tìm ảnh
Vai trò
Người tạo ra từ con số 0
Trọng tâm
Sản xuất nội dung thô
Sau khi có AI
Thời gian
AI xử lý 70% nguyên liệu trong tích tắc
Vai trò
Biên tập viên + Reviewer nội dung
Trọng tâm
Thẩm định, phê bình, cá nhân hóa
Kỹ năng cốt lõi mới
Prompt Engineering
Đặt câu hỏi đúng cho AI
Critical Thinking
Kiểm chứng tính xác thực
Human Touch
Thổi hồn cá nhân vào sản phẩm
T6
Sử dụng AI có trách nhiệm và đạo đức
Phân tích chính sách UET, thực hành minh bạch & Bộ nguyên tắc A.I.E.T.H.I.C
Chính sách AI của UET – ĐHQGHN
Tiếp cận "Mở nhưng Kiểm soát" – phù hợp với ngành KTMT
Không cấm, nhưng quản lý nghiêm
AI được khuyến khích như công cụ hỗ trợ (tương tự máy tính bỏ túi). Tuy nhiên AI tuyệt đối không được coi là tác giả của bất kỳ ấn phẩm nào.
Trách nhiệm giải trình 100%
Sinh viên chịu trách nhiệm cuối cùng về tính chính xác, bảo mật và bản quyền – bất kể nội dung do AI hay người viết.
Bắt buộc minh bạch
Mọi can thiệp của AI (ý tưởng, code, văn bản) phải được trích dẫn rõ ràng trong Tài liệu tham khảo hoặc Phương pháp nghiên cứu.
"Vùng xám" còn tồn tại
Rất khó định lượng mức sử dụng AI (10% hay 90%). Tính tự giác và nhận thức đạo đức của sinh viên là rào chắn duy nhất.
3 Vấn đề đạo đức cốt lõi
① Ranh giới "Hỗ trợ hợp lý" vs "Gian lận học thuật"
Hỏi ý kiến AI = hợp lý. Nộp nguyên xi code AI làm = gian lận. Ranh giới bị phá vỡ khi sinh viên từ bỏ quyền tự quyết trí tuệ – biến mình từ "người tạo ra" thành "người vận chuyển" thông tin máy móc.
② Quyền sở hữu trí tuệ & Bảo mật dữ liệu
LLM được train trên dữ liệu có bản quyền chưa xin phép. Nghiêm trọng hơn: nhập mã nguồn độc quyền của công ty vào ChatGPT để debug = vi phạm đạo đức bảo mật, AI có thể lưu để train và rò rỉ.
③ "Hội chứng teo não kỹ thuật" (Cognitive Atrophy)
Gặp lỗi
Permission denied → ném thẳng vào AI thay vì đọc log và hiểu chmod/chown. Lâu dài phá hủy tư duy logic và kỹ năng problem-solving – những phẩm chất sống còn của Kỹ sư Máy tính.Bộ nguyên tắc cá nhân A.I.E.T.H.I.C
6 nguyên tắc tự xây dựng cho hành trình học tập
A
AI là Trợ lý, không phải Tác giả
AI chỉ đóng vai tư vấn, cung cấp nguyên liệu. Tôi là người quyết định cuối và chịu trách nhiệm 100%.
I
Kiểm chứng độc lập (Zero-Trust)
Không bao giờ tin tuyệt đối AI. Code phải chạy thử trên máy ảo; số liệu phải đối chiếu nguồn cấp 1.
E
Đạo đức dữ liệu
Tuyệt đối không nhập thông tin cá nhân nhạy cảm, mã nguồn độc quyền, hay dữ liệu chưa công bố vào AI công cộng.
T
Minh bạch & Trích dẫn
AI can thiệp >20% phải khai báo rõ trong TLTK (chuẩn APA 7th Edition).
H
Ưu tiên học nguyên lý gốc
Tự đọc Document/Log ít nhất 15 phút trước khi nhờ AI – bảo vệ tư duy logic cá nhân.
IC
Cải tiến liên tục
Không bao giờ dùng ngay Zero-shot output. Luôn biên tập, chỉnh sửa và thêm bối cảnh cá nhân (Human-in-the-loop).
Ví dụ trích dẫn AI – Chuẩn APA 7th Edition
// Trích dẫn công cụ AI trong TLTK (Chuẩn APA 7th)
OpenAI. (2026). ChatGPT (Phiên bản GPT-4o) [Mô hình ngôn ngữ lớn].
Truy cập ngày 26 tháng 5 năm 2026, từ https://chatgpt.com
// Ghi chú minh bạch mức độ sử dụng
// "AI được dùng để tra cứu nhanh sự khác biệt giữa các
// thư viện quản lý tiến trình Python trong Phần 2."
∑
Tổng kết Portfolio
Hành trình từ tin học cơ bản đến tư duy kỹ sư về AI có đạo đức
6
Bài tập hoàn thành
Đầy đủ 6 chủ đề học phần
Đầy đủ 6 chủ đề học phần
12
Nguồn học thuật
5 loại nguồn đa dạng (Mức 4)
5 loại nguồn đa dạng (Mức 4)
3
Công cụ AI tích hợp
ChatGPT · DALL-E · Canva AI
ChatGPT · DALL-E · Canva AI
Bài học cốt lõi: Prompt Engineering không chỉ là "mẹo vặt" – mà là kỹ năng phân rã vấn đề (Problem Decomposition) và diễn đạt logic của tư duy máy tính. AI tạo sinh là đòn bẩy năng suất khổng lồ, nhưng chỉ phát huy sức mạnh khi người dùng có nền tảng chuyên môn vững chắc để kiểm soát nó. Sản phẩm cuối cùng luôn cần Human-in-the-loop.