Xây dựng sản phẩm
chất lượng cao
cho bạn
Freelancer chuyên Fullstack Web, Trí tuệ nhân tạo & Nghiên cứu khoa học. Giao đúng hạn, trao đổi minh bạch, hỗ trợ lâu dài.
Tôi có thể giúp gì cho bạn?
Từ ý tưởng ban đầu đến sản phẩm hoàn chỉnh — tôi đồng hành xuyên suốt cả hành trình.
Phát Triển Web Fullstack
Xây dựng website, web app từ A–Z: landing page, hệ thống quản lý, API backend, dashboard. Tối ưu hiệu năng và SEO.
Trí Tuệ Nhân Tạo & Tự Động Hóa
Tích hợp AI vào sản phẩm: chatbot, phân tích dữ liệu, tự động hóa quy trình, xây dựng pipeline ML và hệ thống RAG.
Nghiên Cứu Khoa Học (NCKH)
Hỗ trợ viết paper, báo cáo nghiên cứu, lập trình thí nghiệm, xử lý & trực quan hóa dữ liệu cho các đề tài KHCN.
Tư Vấn Chuyển Đổi Số
Phân tích quy trình hiện tại, đề xuất giải pháp công nghệ phù hợp, lựa chọn tech stack tối ưu cho doanh nghiệp và tổ chức.
Dự Án Nổi Bật
Chatbot RAG – Tư vấn Quy chế Sinh viên ĐHQT
Hệ thống chatbot hỏi đáp thông minh chuyên biệt cho Trường Đại học Quốc tế – ĐHQG-HCM, giúp sinh viên tra cứu quy chế học vụ, kỷ luật, học bổng và các chính sách của nhà trường một cách chính xác và nhanh chóng. Kiến trúc nổi bật: - Hybrid Search: Kết hợp Dense Retrieval (Qdrant vector DB, 768 chiều) và Sparse Retrieval (BM25) để tối đa độ bao phủ tài liệu - Reciprocal Rank Fusion (RRF, k=60): Hợp nhất hai danh sách ranking mà không cần học tham số - Cross-Encoder Reranking: Mô hình AITeamVN/Vietnamese_Reranker chấm điểm lại từng cặp (query, chunk), kết hợp source diversity tối đa 3 chunk/tài liệu - Vietnamese-Aware Chunking: Phân đoạn văn bản theo cấu trúc pháp lý (Điều, Chương, Mục) trước khi fallback về sentence-level - OCR Fallback: Tích hợp Tesseract (vie+eng) để xử lý PDF scan không có embedded text - LLM-as-Judge Evaluation: GPT-4o tự động đánh giá Faithfulness và Answer Relevance trên 134 câu hỏi test Kết quả đánh giá thực tế (134 queries, 13/04/2026): - Hit Rate@5: 51.5% | Hit Rate@3: 48.5% - MRR@5: 0.390 | NDCG@5: 0.411 | MAP@5: 0.376 - Recall@5: 50.0% | Precision@1: 29.1% - Faithfulness: 80.1% | Answer Relevance: 80.7% | Context Precision: 49.6%
CryptoDoc – Hệ thống Quản lý Tài liệu Ký số
Giới thiệu CryptoDoc là ứng dụng web quản lý tài liệu bảo mật, cho phép người dùng tải lên, ký số và xác minh tài liệu bằng thuật toán RSA. Xây dựng theo quy trình Agile với đầy đủ tài liệu SRS, SDD, SAD. Tính năng chính Đăng ký / đăng nhập với JWT (TTL 24h) Upload tài liệu lưu trên MinIO (S3-compatible) Sinh cặp khóa RSA, ký số tài liệu Xác minh chữ ký & toàn vẹn file (SHA hash) Luồng trạng thái tài liệu: UNSIGNED → SIGNED → VERIFIED Bảng quản trị: quản lý người dùng, audit log Kiến trúc Triển khai hoàn toàn bằng Docker Compose gồm 4 service: Nginx (reverse proxy) · Spring Boot (API) · PostgreSQL (DB) · MinIO (lưu trữ file). Tài liệu dự án Bộ tài liệu đầy đủ: SRS · SDD · SAD · IDD · STP · DPR
Hệ Thống Phát Hiện Ngã Thời Gian Thực
Hệ thống phát hiện ngã thời gian thực được xây dựng nhằm giám sát an toàn cho người cao tuổi và bệnh nhân trong môi trường gia đình hoặc cơ sở y tế. Hệ thống sử dụng camera kết hợp AI để theo dõi liên tục, tự động phát hiện ngã và gửi cảnh báo ngay khi xảy ra sự cố. Té ngã là nguyên nhân phổ biến gây chấn thương nghiêm trọng, đặc biệt khi không được phát hiện kịp thời. Giám sát thủ công thường không liên tục và phụ thuộc vào người chăm sóc. Nguy cơ chấn thương cao Phát hiện chậm → tăng rủi ro Thiếu giám sát liên tục Hệ thống được thiết kế theo pipeline 3 bước: Thu nhận dữ liệu Trích xuất đặc trưng Phân loại và phát hiện ngã Mỗi cửa sổ thời gian được biểu diễn bằng 32 đặc trưng, tổng hợp từ các thống kê cơ bản và đặc trưng đỉnh. Để giảm cảnh báo nhầm, hệ thống áp dụng xác nhận kép: Kiểm tra qua nhiều bước liên tiếp Chỉ cảnh báo khi điều kiện ổn định Hệ thống được đánh giá bằng LOSO-CV nhằm đảm bảo khả năng tổng quát hóa trên nhiều đối tượng. Dữ liệu sử dụng là GMDCSA-24 v2.1, bao gồm các hoạt động thường ngày và tình huống ngã có gắn nhãn thời gian. Tổng thể, hệ thống hướng tới phát hiện thời gian thực, giảm cảnh báo sai và dễ triển khai trong thực tế.
Bộ Công Cụ Tôi Dùng
Python
FastAPI
React
JavaScript
TypeScript
Tailwind CSS
PostgreSQL
Supabase
OpenAI API
LangChain
Docker
Git
Bài Viết Mới Nhất
Benchmark SER: Classical ML vs Deep Learning — Ai thắng và tại sao?
Phân tích chi tiết kết quả thực nghiệm so sánh 8 mô hình × 7 feature methods trên bài toán Speech Emotion Recognition. Random Forest vs CNN vs BiLSTM — con số thực tế và bài học rút ra.
Xây dựng Speech Emotion Recognition từ Scratch: Kiến trúc Multi-Pipeline ML Framework
Hướng dẫn chuyên sâu về cách thiết kế một framework thực nghiệm ML để so sánh 8 mô hình và 7 phương pháp trích xuất đặc trưng cho bài toán nhận diện cảm xúc giọng nói — từ Random Forest đến BiLSTM.
Xây dựng Chatbot RAG hỏi đáp Quy chế Sinh viên ĐHQT – Hybrid Search, Reranking & Evaluation
Toàn bộ quá trình xây dựng hệ thống chatbot RAG tiếng Việt cho Trường Đại học Quốc tế: từ thu thập dữ liệu, indexing pipeline, hybrid search với RRF fusion, cross-encoder reranking, đến đánh giá tự động với GPT-4o judge trên 134 câu hỏi thực tế.
Bắt đầu dự án của bạn
ngay hôm nay?
Nhắn tin qua Zalo hoặc gọi điện để trao đổi về yêu cầu — tôi phản hồi trong vòng vài giờ.