Nguyễn Đình Khải

Sống và làm việc tại Việt Nam, tôi là một nghiên cứu viên và kỹ sư AI với niềm đam mê mạnh mẽ dành cho trí tuệ nhân tạo và các công nghệ dựa trên dữ liệu. Nền tảng học thuật về khoa học máy tính cùng kinh nghiệm thực chiến qua các dự án học máy, học sâu, xử lý ngôn ngữ tự nhiên và công nghệ tài chính đã cho tôi cả chiều sâu lý thuyết lẫn kỹ năng triển khai. Tôi đã làm việc với những bài toán trải rộng từ nhận dạng ảnh, phát hiện gian lận cho tới xây dựng chatbot thông minh và hệ thống thời gian thực. Hành trình đó mang lại cho tôi kinh nghiệm quý giá về phân tích dữ liệu, lập trình và giải quyết vấn đề. Tôi luôn được thôi thúc bởi mong muốn tạo ra những giải pháp AI không chỉ tiến bộ về mặt công nghệ mà còn tạo tác động thật trong đời sống. Đổi mới, học hỏi không ngừng và mở rộng giới hạn của những gì AI có thể làm là cốt lõi trong công việc của tôi.

Học máy

PyTorch · Transformer · Seq2Seq · YOLOv5 / YOLOv1 · CBAM · XGBoost · SMOTE / ADASYN · scikit-learn

Xử lý ngôn ngữ tự nhiên

Vietnamese NLP · Diacritic restoration · BLEU / ChrF++ · Sentiment classification

Hệ thống & Triển khai

FastAPI · Docker · PostgreSQL · React · Apache Spark · Apache Hadoop

Suy luận & Hiệu năng

TensorRT · ONNX Runtime · TorchScript · torch.compile · FP16 / INT8 · CUDA profiling

• Detoura2026

  Một monorepo TypeScript biến một ván cờ online thành một nền tảng. Luật chơi cắm vào đúng một interface có kiểu, server coi mỗi ván là trạng thái mờ đục, một bộ schema Zod vừa là bộ kiểm đầu vào vừa là bản đặc tả API được công bố, và một service thứ hai chạy giải đấu tự động giữa các bot qua WebSocket.

  Workspace 9 · Interface có hợp đồng 5 · Tin nhắn giao thức 14

• AI Pipeline Mastery2026

  Một hệ thống dạy học được xây như phần mềm: một pipeline Python sinh ra tài liệu khoá học từ nguồn rồi kiểm chứng bằng cách chạy chúng, cùng một nền tảng Next.js lo xác thực học viên, phục vụ tài liệu từ kho lưu trữ riêng tư, và chạy code của họ hoặc ngay trong trình duyệt hoặc trên một pool GPU từ xa.

  Slide đã sinh 383 · Hình đã render 129 · Đường chạy code 2

• Phát hiện rác phòng học2026

  Một hệ thống thị giác máy tính tách qua ranh giới mạng. Một client có trạng thái nắm phần thu hình, hiển thị và lưu trữ trên phần cứng thông thường; một service FastAPI phi trạng thái nắm model trên GPU; và mọi thứ ở giữa — băng thông, độ trễ, lỗi và tính di động — đều được thiết kế ngay tại mối nối.

  Định dạng model 3 · Bề ngang gửi lên 640 px · Nơi triển khai 3

• Neural Machine Translation2025

  Bộ ngữ liệu 12,5 triệu cặp câu cho bài toán khôi phục dấu tiếng Việt, cùng bốn kiến trúc seq2seq viết từ đầu bằng PyTorch để dịch văn bản không dấu trở lại tiếng Việt đúng chính tả.

  BLEU 81.31 · ChrF++ 88.57 · Cặp câu huấn luyện 12.5M

• Optimization for AI Inference Engines on GPUs2025

  Nghiên cứu hệ thống về tối ưu suy luận trên GPU cho ResNet50 và DistilBERT — FP16, lượng tử hoá INT8, TorchScript, torch.compile và ONNX — đo đạc thay vì phỏng đoán.

  Thông lượng FP16 4× · Tăng tốc INT8 2–5× · Tối ưu đồ thị 1.2–1.8×

• License Plate Recognition System2025

  Mô hình YOLOv5 fine-tune kết hợp OCR, đóng gói trong dịch vụ FastAPI và giao diện React để người dân tự tra cứu vi phạm giao thông. Chạy ở ~12 FPS.

  Thông lượng ~12 FPS · Số tầng xử lý 4

• Quantitative Trading System2025

  Hệ thống giao dịch định lượng viết từ đầu bằng PyTorch — Transformer phân loại tín hiệu MUA/BÁN/GIỮ từ chỉ báo kỹ thuật và Time2Vec trên 3,4 triệu mẫu huấn luyện.

  Độ chính xác validation 92.75% · Độ chính xác test 92.50% · Mẫu huấn luyện 3.4M

• Credit Card Fraud Detection2024

  Phát hiện gian lận trên bộ dữ liệu chỉ có 0,172% mẫu dương — nơi accuracy là chỉ số vô dụng và toàn bộ bài toán nằm ở chiến lược tái lấy mẫu cùng đánh đổi recall/precision.

  ROC-AUC 0.9817 · Recall 0.816 · Tỷ lệ mẫu dương 0.172%

• Large-Scale Text Sentiment Classification2024

  Phân loại cảm xúc trên Sentiment140 bằng Naive Bayes và SVM, chạy song song trên Apache Hadoop và Apache Spark để đo xem engine thực thi thật sự khiến bạn trả giá bao nhiêu.

  Dữ liệu 1.6M · Độ chính xác SVM 80–82% · Độ chính xác Naive Bayes 75%

• YOLOv1 With CBAM From Scratch2024

  Cài đặt lại YOLOv1 từ con số không bằng PyTorch — dataset riêng, hàm mất mát riêng — rồi bổ sung CBAM để đo xem attention đóng góp gì cho một detector một giai đoạn.

  mAP huấn luyện 0.8829 · mAP validation tốt nhất 0.6994 · Tham số 269.2M

• Giải Ba, Giải thưởng Nghiên cứu khoa học sinh viên — Trí tuệ Nhân tạo — VNU University of Engineering and Technology2026
• Giải Ba, Bảng Sinh viên — Humanitarian Logistics Hackathon — Humanitarian Logistics Hackathon2026
• Học bổng Khuyến khích học tập — University of Engineering and Technology2024
• Giải Nhì, Kỳ thi Học sinh giỏi cấp tỉnh môn Vật lý — Thai Nguyen Province2023
• Giải Ba, Kỳ thi Học sinh giỏi cấp tỉnh môn Tin học — Thai Nguyen Province2021