Khoa Học - Công Nghệ

Privacy‑by‑Design Customer Data Platform for Hyper‑Personalized, Cost‑Efficient B2B‑SaaS Lead Acquisition (Tạm dịch: Nền tảng dữ liệu khách hàng theo thiết kế riêng tư để thu hút khách hàng tiềm năng B2B-SaaS hiệu quả về chi phí và được cá nhân hóa cao) là nghiên cứu được nhóm tác giả: Issaret Prachitmutita và Chutiporn Anutariya - Viện Công nghệ Châu Á, Vương Quốc Thái Lan chia sẻ tại MEDES 2025.

Nhóm tác giả trình bày theo hình thức trực tuyến tại MEDES 2025.

Nghiên cứu này giới thiệu một nền tảng dữ liệu khách hàng (CDP) được thiết kế riêng tư, hợp nhất việc thu thập sự đồng ý rõ ràng, giải quyết danh tính xác định - xác suất lai và phân khúc dựa trên hành vi và tâm lý học kết hợp thành một quy trình duy nhất dựa trên sự kiện, cung cấp dữ liệu cho các chiến dịch đa kênh tự động.

Được triển khai trong 28 ngày, nền tảng này đã giảm 84% chi phí cho mỗi khách hàng tiềm năng và tăng khối lượng khách hàng tiềm năng được chuẩn hóa theo ngân sách từ 6,4 đến 7,0 lần so với quy trình hàng loạt hiện tại.

Nghiên cứu đưa ra kết quả đáng lưu ý: phân khúc tuân thủ, nhận thức được tâm lý là đòn bẩy quyết định cho hiệu quả thu thập, và cùng một nền tảng dữ liệu an toàn này đã sẵn sàng cho việc cá nhân hóa dựa trên AI trong tương lai.

Được chia sẻ tại MEDES 2025, nghiên cứu gợi mở những hướng tiếp cận mới cho chuyên gia và khách mời tham dự về việc nghiên cứu dữ liệu cá nhân hoá an toàn, tăng mục tiêu lợi nhuận cho doanh nghiệp một cách bền vững.

Kết hợp 2 đặc trưng đầu vào nhận diện cảm xúc qua giọng nói

Kết hợp 2 đặc trưng đầu vào, thay vì chỉ nhận biết và phân tích tần số, cao độ… của giọng nói là điểm mới trong nghiên cứu của nhóm giảng viên/ nghiên cứu viên và sinh viên Trường ĐH FPT phân hiệu TP. HCM.

Đại diện nhóm - sinh viên Nguyễn Minh Nhật trình bày nghiên cứu tại MEDES 2025.

Nghiên cứu của nhóm sinh viên Nguyễn Minh Nhật, Phan Tài Đức (chuyên ngành Trí tuệ nhân tạo) và PGS.TS. Đặng Ngọc Minh Đức (Bộ môn CF). Theo chia sẻ của đại diện nhóm Nguyễn Minh Nhật tại phiên chủ đề Deep Learning, các nghiên cứu về nhận diện cảm xúc trong giọng nói thường sử dụng đa nguồn đa nguồn đầu vào. Thông thường các yếu tố tần số, cao độ sẽ được sử dụng làm dữ liệu đầu vào để phân tích giọng nói, tuy nhiên, nghiên cứu của nhóm giảng viên, sinh viên Trường ĐH FPT phân hiệu TP. HCM đưa thêm yếu tố “text” – chữ viết vào trở thành một trong hai đặc trưng đầu vào.

Như vậy, nghiên cứu này đã kết hợp phương pháp truyền thống với những tìm tòi, phát hiện mới nhằm cải thiện độ chính xác trong nhận diện giọng đồng thời giảm độ phức tạp của mô hình, tăng tính ứng dụng trong thực tế.

Từ đó, nghiên cứu có thể được ứng dụng trong các sản phẩm trợ lý ảo dùng AI nhận diện giọng nói, sử dụng trong lĩnh vực tư vấn cá nhân hay chăm sóc khách hàng. Trong y tế, hệ thống nhận diện và phân tích giọng nói được sử dụng để nhận biết những dấu hiệu ban đầu của chứng trầm cảm thông qua đặc điểm tiếng nói từng cá nhân.

Theo đại diện nhóm, Minh Nhật, điểm ưng ý nhất khi thực hiện nghiên cứu này là nhóm đã đưa ra phương thức mới cho việc kết hợp 2 đặc trưng đầu vào: giọng nói và ngôn ngữ. Đây là một cải tiến so với các nghiên cứu đã được đưa ra trước đây.

Đông đảo giảng viên, chuyên gia, sinh viên và khách mời tham dự phiên trình bày nghiên cứu khoa học tại Hội nghị.

Tại MEDES 2025, nhóm tác giả nhận được những trao đổi, chia sẻ từ phía chuyên gian, người tham dự. Trong đó, một câu hỏi được đặt ra cho nhóm liên quan đến việc xử lý dữ liệu không cân bằng trong thực tế như thế nào để đảm bảo độ chính xác. Minh Nhật đã đại diện nhóm tác gia chia sẻ một số phương hướng cải thiện dữ liệu không cần bằng nhằm hướng tới độ chính xác cao hơn của nghiên cứu khi ứng dụng vào thực tế.

Được biết, Minh Nhật là một trong số các sinh viên tích cực tham gia hoạt động nghiên cứu khoa học tại Trường ĐH FPT phân hiệu TP. HCM. Sinh viên này đã có 3 lần tham gia báo cáo tại các hội nghị khoa học ở nước ngoài và tại MEDES 2025.

Hệ thống không gian địa lý được điều khiển bởi AI

Nghiên cứu A Lightweight CPU Resource Distribution Method for Container-based Cloud Applications (Tạm dịch: Khung tích hợp AI cho quản lý không gian địa lý thông minh trong các ứng dụng MultiGIS) đưa ra vấn đề về hệ thống không gian địa lý có trách nhiệm, ứng dụng điều khiển bởi AI.

Nhóm tác giả trình bày theo hình thức trực tuyến.

Phần chia sẻ từ đại diện nhóm tác giả - Phó Giáo sư Akram Hakiri, Đại học Pau & Pays de l'Adour, Cộng hoà Pháp, cho biết nghiên cứu trình bày một khuôn khổ thông minh kết hợp AI với MultiGIS để tạo mô hình hóa, phân tích và hỗ trợ quyết định nâng cao.

Thí điểm trên hai dự án về quy hoạch đô thị và giám sát các loài xâm lấn, cho thấy mô hình dự đoán, phân bổ nguồn lực và ra quyết định kịp thời được cải thiện. Bằng cách giải quyết các vấn đề về khả năng mở rộng, tính không đồng nhất và các vấn đề đạo đức, AI4MultiGIS đưa ra lộ trình cho các hệ thống không gian địa lý thích ứng, có trách nhiệm và được điều khiển bởi AI.

MEDES 2025 ngày đầu ghi nhận không khí trao đổi học thuật sôi nổi.

Trong bối cảnh hệ thống không gian đặc biệt ở các đô thị lớn đang có nhiều thay đổi phức tạp, đòi hỏi tính quy hoạch hợp lý, bền vững, nghiên cứu có thể là chỉ báo cho một xu hướng mới khi công nghệ đặc biệt là AI được ứng dụng để nâng cao hiệu quả của hoạt động này.

Các nghiên cứu chủ đề Deep Learning thu hút sự quan tâm chia sẻ của khách mời, giảng viên, sinh viên tham dự MEDES trong sáng và chiều 24/11. Những trao đổi, kết nối chất lượng tại Hội nghị hứa hẹn mở ra những ý tưởng và phương thức triển khai mới trong hoạt động nghiên cứu khoa học ứng dụng CNTT quản trị hệ sinh thái số trên quy mô đa quốc gia.

Theo fpt.edu.vn