Portfolio Kỹ Thuật Số | Phan Danh Tuấn Khanh

01

Bài 1.4 · Quản lý tệp tin

Thao tác cơ bản với tệp tin và thư mục

Thiết lập cấu trúc thư mục khoa học, đặt tên chuẩn và các thao tác quản lý tệp trên Windows

✦ Hoàn thành

▾

Mục tiêu bài tập

Rèn luyện kỹ năng tạo, đổi tên, sao chép, di chuyển và xóa tệp tin/thư mục trên hệ điều hành Windows một cách thành thạo, đồng thời thiết lập quy tắc đặt tên khoa học phục vụ tổ chức dữ liệu lâu dài.

Cấu trúc thư mục đã thiết lập

ThucHanh_PhanDanhTuanKhanh/
├── TaiLieu/
│ ├── GhiChuQuanTrong.txt
│ └── DiChuyen.txt (di chuyển từ thư mục gốc)
├── BaiTap/
├── DuAn/
└── ThamKhao/

Quy tắc đặt tên tệp đã áp dụng

📁

Thư mục (PascalCase)

→Từ đầu viết hoa: ThucHanh_PhanDanhTuanKhanh
→Không dùng dấu cách, ký tự đặc biệt
→Dùng dấu gạch dưới phân tách nhóm
→Tiền tố theo chủ đề: TaiLieu_, DuAn_

📄

Tệp tin (snake_case)

→Chữ thường, dấu gạch dưới: ghi_chu_quan_trong.txt
→Không dùng tiếng Việt có dấu
→Bao gồm phần mở rộng rõ ràng
→Prefix mô tả chức năng

Các thao tác đã thực hiện

#	Thao tác	Lệnh / Phương pháp	Kết quả
1	Tạo thư mục mới	Chuột phải → New → Folder	ThucHanh_PhanDanhTuanKhanh được tạo
2	Tạo tệp văn bản	Chuột phải → New → Text Document	GhiChu.txt được tạo
3	Đổi tên tệp	Chuột phải → Rename	GhiChu.txt → GhiChuQuanTrong.txt
4	Tạo thư mục con	Vào thư mục cha → New Folder	TaiLieu/ được tạo bên trong
5	Sao chép tệp (Copy & Paste)	Ctrl+C → Ctrl+V vào TaiLieu/	Bản sao trong TaiLieu/
6	Di chuyển tệp (Cut & Paste)	Ctrl+X → Ctrl+V	DiChuyen.txt → TaiLieu/
7	Xóa tệp (Recycle Bin)	Delete key	Vào Thùng rác
8	Xóa vĩnh viễn	Shift + Delete	Không qua Thùng rác
9	Khôi phục tệp	Recycle Bin → Restore	Tệp trở về vị trí ban đầu

Bài học rút ra

✦ Tư duy khoa học trong tổ chức dữ liệu: Một cấu trúc thư mục được thiết kế tốt từ đầu giúp tiết kiệm hàng giờ tìm kiếm về sau. Quy tắc đặt tên nhất quán đặc biệt quan trọng trong môi trường làm việc nhóm và lập trình, nơi tên tệp thường được tham chiếu tự động bởi các công cụ khác.

Tải file PDF ↓

02

Bài 2.4 · Tìm kiếm học thuật

Tìm kiếm & đánh giá thông tin học thuật

Nghiên cứu kiến trúc điều khiển nâng cao trong cơ điện tử — Mạng nơ-ron & Deep Reinforcement Learning

✦ Hoàn thành

▾

Mục tiêu & Chủ đề nghiên cứu

Phát triển kỹ năng tìm kiếm thông tin học thuật từ các nguồn đáng tin cậy, áp dụng các toán tử tìm kiếm nâng cao và đánh giá độ tin cậy của từng nguồn. Chủ đề: Kiến trúc Điều khiển Tiên tiến trong Cơ Điện Tử — Tích hợp Mạng Nơ-ron và Học Tăng cường Sâu cho Tay Máy Robot.

Chiến lược tìm kiếm — Toán tử nâng cao đã áp dụng

Toán tử	Cú pháp ví dụ	Mục đích sử dụng
`site:`	site:ieeexplore.ieee.org neural network robot control	Giới hạn tìm kiếm trong cơ sở dữ liệu IEEE
`filetype:`	filetype:pdf "robot manipulator" deep reinforcement learning	Chỉ lấy file PDF (thường là bài báo gốc)
`" "`	"neural network compensation" "robot manipulator"	Tìm cụm từ chính xác, tránh kết quả không liên quan
`intitle:`	intitle:"deep reinforcement learning" robot trajectory	Từ khóa xuất hiện trong tiêu đề bài báo
`-`	robot control AI -"reinforcement learning"	Loại trừ kết quả không cần thiết

Bảng đánh giá 10 nguồn tài liệu tham khảo

#	Tên tài liệu / Tác giả	Loại nguồn	Đánh giá
1	Smart industrial robot control trends... / OAE Publishing (2026)	Tạp chí khoa học	Rất cao
2	World Robotics 2024/2025 / IFR	Báo cáo công nghiệp	Rất cao
3	SAC-LSTM GAIL for Robot Manipulator / Zhong et al. (MDPI)	Peer-reviewed journal	Xuất sắc
4	PD Control Compensation Based on Cascade NN / Soriano et al.	PMC/MDPI journal	Xuất sắc
5	Robot Modeling and Control (2nd Ed.) / Spong et al. (Wiley, 2020)	Sách chuyên khảo	Xuất sắc
6	Fixed-Time Neural Control of Robot Manipulator / Zhu et al. (IEEE Trans., 2023)	IEEE Transactions	Xuất sắc
7	Learning Hand-Eye Coordination / Levine et al. (2018)	IJRR / IEEE	Xuất sắc
8	Digital Twin-Based Sim-to-Real / Liu et al. (Robotics & CIM, 2022)	Q1 Elsevier journal	Xuất sắc
9	Stable-Baselines3 / Raffin et al. (JMLR, 2021)	JMLR + GitHub	Rất cao
10	Deep RL for Robotic Manipulation / Levine & Gu (Google LLC Patent)	Bằng sáng chế WIPO	Cao

Tóm tắt kết quả nghiên cứu

Nghiên cứu tổng hợp hai kiến trúc điều khiển tiên tiến đang thống trị trong lĩnh vực cơ điện tử hiện đại:

🧠 Điều khiển bù bằng Mạng Nơ-ron (NN)

→Xấp xỉ hàm phi tuyến chưa biết trong động lực học robot
→Cập nhật trọng số thích ứng theo tiêu chuẩn Lyapunov
→Đảm bảo ổn định có thể chứng minh toán học
→Ứng dụng: điều khiển trở kháng, bám sát quỹ đạo chính xác

🤖 Học Tăng cường Sâu (DRL - SAC/GAIL)

→Framework MDP cho thao tác robot tự trị
→SAC: tối ưu hóa entropy, tránh điểm tối ưu cục bộ
→GAIL: học từ chuyên gia, loại bỏ reward engineering thủ công
→Sim-to-Real với Digital Twin để triển khai thực tế

Tải file PDF ↓

03

Bài 3.4 · Prompt Engineering

Viết Prompt hiệu quả cho các tác vụ học tập

So sánh 3 phiên bản prompt (cơ bản → cải tiến → nâng cao) cho 3 tác vụ học tập phổ biến

✦ Hoàn thành

▾

Mục tiêu bài tập

Phát triển kỹ năng viết prompt hiệu quả để tận dụng tối đa khả năng của các mô hình ngôn ngữ lớn (LLM) trong học tập, thông qua việc thực nghiệm và so sánh các kỹ thuật từ cơ bản đến nâng cao.

Tác vụ 1: Tóm tắt bài đọc học thuật

Cơ bản

Tóm tắt bài báo này cho tôi.

Vấn đề: Quá chung chung — AI không biết đối tượng, độ dài, trọng tâm mong muốn. Kết quả thường là bản tóm tắt chung chung, có thể thiếu nội dung kỹ thuật quan trọng.

Cải tiến

Tóm tắt bài báo trên trong khoảng 200 từ bằng tiếng Việt, tập trung vào: (1) vấn đề nghiên cứu, (2) phương pháp, (3) kết quả chính.

Cải thiện: Có cấu trúc rõ ràng, giới hạn độ dài, ngôn ngữ cụ thể. Kết quả tốt hơn đáng kể nhưng chưa tối ưu cho ngữ cảnh học thuật.

Nâng cao

Vai trò: Bạn là trợ lý nghiên cứu chuyên ngành cơ điện tử. Nhiệm vụ: Tóm tắt bài báo IEEE sau thành 250 từ tiếng Việt học thuật. Định dạng: [Vấn đề] → [Phương pháp] → [Kết quả] → [Ý nghĩa thực tiễn] Đối tượng: Sinh viên đại học năm 2 ngành kỹ thuật.

✦ Tối ưu: Role prompting + cấu trúc output + few-shot format + audience specification → AI hiểu đầy đủ ngữ cảnh, cho kết quả học thuật chuẩn xác và phù hợp.

Tác vụ 2: Giải thích khái niệm phức tạp

Cơ bản

Giải thích Deep Reinforcement Learning là gì?

Vấn đề: Câu trả lời quá chung, không phù hợp trình độ, thường quá kỹ thuật hoặc quá đơn giản.

Cải tiến

Giải thích Deep Reinforcement Learning cho sinh viên kỹ thuật mới bắt đầu, dùng ví dụ cụ thể và tránh toán học phức tạp. Độ dài: 300 từ.

Cải thiện: Audience-specific, ví dụ cụ thể. Kết quả dễ hiểu hơn nhưng chưa có cấu trúc giúp ghi nhớ.

Nâng cao

Vai trò: Giáo sư kỹ thuật đang giảng cho sinh viên cơ điện tử năm 3. Chain-of-thought: 1. Bắt đầu với phép loại suy thực tế gần gũi 2. Xây dựng khái niệm từng bước 3. Kết nối với ứng dụng robot công nghiệp 4. Câu hỏi kiểm tra hiểu biết cuối bài Tránh: công thức toán học phức tạp

✦ Tối ưu: Chain-of-thought + role prompting + analogical reasoning → Giải thích theo dạng câu chuyện, dễ hiểu, kết nối lý thuyết–ứng dụng, tự kiểm tra.

Tác vụ 3: Tạo bộ câu hỏi ôn tập

Cơ bản

Tạo câu hỏi ôn tập về kiểm soát robot.

Vấn đề: Không rõ số lượng, loại câu hỏi, độ khó, định dạng — kết quả ngẫu nhiên và khó sử dụng.

Cải tiến

Tạo 10 câu hỏi trắc nghiệm về điều khiển robot, mỗi câu có 4 lựa chọn, có đáp án đúng, độ khó từ dễ đến khó.

Cải thiện: Số lượng cụ thể, định dạng rõ, có đáp án. Phù hợp để sử dụng ngay nhưng chưa phân loại theo chủ đề.

Nâng cao

Few-shot example trước: "Câu 1 (Nhận biết): Neural network trong điều khiển robot dùng để... A) Thay thế CPU B) Xấp xỉ hàm phi tuyến [ĐÚNG] C) Tăng RAM D) Giảm điện năng Giải thích: [lý do đáp án B đúng]" Tạo tiếp 9 câu theo mẫu trên cho chủ đề DRL, phân theo Bloom's Taxonomy: 3 Nhận biết, 3 Hiểu, 3 Ứng dụng.

✦ Tối ưu: Few-shot example + Bloom's Taxonomy → Câu hỏi được phân loại theo bậc tư duy, có giải thích, chất lượng đồng đều, sử dụng được ngay trong học tập.

6 Nguyên tắc viết Prompt hiệu quả

01

Role Prompting

Gán vai trò cụ thể cho AI ("Bạn là giáo sư...") để định hướng phong cách và chuyên môn phù hợp với ngữ cảnh.

02

Chain-of-Thought

Yêu cầu AI suy nghĩ từng bước, đặc biệt hiệu quả với bài toán phức tạp, phân tích, và lập luận logic.

03

Few-Shot Examples

Cung cấp 1-2 ví dụ mẫu trước khi yêu cầu. AI học từ mẫu và tạo ra output cùng định dạng/chất lượng.

04

Output Format

Chỉ định rõ định dạng mong muốn: bảng, danh sách, JSON, đoạn văn, số từ — giúp kết quả sẵn sàng sử dụng ngay.

05

Audience Targeting

Luôn nêu rõ đối tượng nhận thông tin. Cùng chủ đề, AI sẽ điều chỉnh độ phức tạp, ví dụ, và ngôn ngữ phù hợp.

06

Constraint Setting

Đặt ràng buộc rõ ràng: độ dài, ngôn ngữ, những gì cần tránh. Ràng buộc giúp AI tập trung vào điều quan trọng nhất.

Tải file PDF ↓

04

Bài 4.4 · Hợp tác trực tuyến

Sử dụng công cụ hợp tác trực tuyến cho dự án nhóm

Thực hành quản lý dự án và cộng tác nhóm với Trello, Google Docs, Google Drive và Discord

✦ Hoàn thành

▾

Mục tiêu bài tập

Thành thạo các công cụ hợp tác trực tuyến và thể hiện năng lực quản lý, điều phối cá nhân trong dự án nhóm. Bài tập tập trung vào vai trò và trải nghiệm cá nhân của tôi trong quá trình sử dụng tối thiểu 3 công cụ từ 4 nhóm chức năng.

4 Công cụ đã sử dụng

📋

Trello — Quản lý dự án

✓Tạo board "Dự án Nhóm" với các list: To Do / In Progress / Done
✓Tạo card cho từng nhiệm vụ với deadline, label và checklist
✓Gán thành viên và theo dõi tiến độ realtime
!Thách thức: Thành viên ít cập nhật trạng thái card → giải quyết bằng daily reminder qua Discord

📝

Google Docs — Soạn thảo cộng tác

✓Đồng chỉnh sửa tài liệu nhóm theo thời gian thực
✓Sử dụng Suggesting mode để đề xuất thay đổi không phá vỡ nội dung gốc
✓Xem lịch sử chỉnh sửa (Version history) để theo dõi đóng góp
!Thách thức: Conflict khi nhiều người sửa cùng đoạn → quy ước phân chia section trước

💾

Google Drive — Lưu trữ & chia sẻ

✓Tổ chức cây thư mục có hệ thống cho tài nguyên nhóm
✓Thiết lập quyền truy cập phù hợp (View/Comment/Edit)
✓Chia sẻ tệp qua link thay vì gửi file đính kèm
★Hiệu quả nhất: Mọi tài nguyên ở một chỗ, không lo mất file

💬

Discord — Giao tiếp nhóm

✓Tạo server với channel phân biệt: #thông-báo, #thảo-luận, #tài-nguyên
✓Họp nhóm qua Voice Channel để thảo luận nhanh
✓Pin tin nhắn quan trọng và dùng reaction làm phản hồi nhanh
★Tích hợp: Bot thông báo deadline từ Trello vào Discord channel

Đóng góp cá nhân trong dự án

Vai trò của tôi: Project Coordinator & Technical Lead
Tôi đảm nhận việc thiết lập và cấu hình Trello board cho cả nhóm, xây dựng quy trình làm việc chuẩn, và giúp các thành viên onboard với các công cụ mới. Trong Google Docs, tôi phụ trách phần kỹ thuật và tổng hợp nội dung từ các thành viên. Trên Discord, tôi chủ động nhắc nhở deadline và điều phối các buổi họp online.

Quy trình tối ưu đã học được

✦ Bài học quan trọng nhất: Sự thành công của hợp tác nhóm không phụ thuộc vào công cụ mà phụ thuộc vào quy ước làm việc mà cả nhóm đồng ý từ đầu. Công cụ tốt nhất là công cụ mà mọi người thực sự sử dụng nhất quán — không phải công cụ phức tạp nhất.

Tải file PDF ↓

05

Bài 5.4 · AI Sáng tạo

Sử dụng AI tạo sinh để hỗ trợ sáng tạo nội dung số

Infographic "Trí Tuệ Nhân Tạo và Tương Lai Việc Làm" — kết hợp Claude + DALL-E 3 + Canva AI

✦ Hoàn thành

▾

Dự án: Infographic "AI và Tương Lai Việc Làm"

Tạo một infographic kỹ thuật số A3 chuyên nghiệp truyền tải các thống kê, xu hướng và cảnh báo về sự thay đổi thị trường lao động do AI. Sử dụng tối thiểu 3 công cụ AI tạo sinh, ghi lại chi tiết quy trình và phân tích vai trò của AI trong sáng tạo.

Lý do chọn chủ đề: Theo báo cáo WEF 2023, khoảng 85 triệu việc làm có thể bị thay thế bởi AI trong 2023–2027, đồng thời 97 triệu việc làm mới được tạo ra — một nghịch lý đáng phân tích và truyền thông trực quan.

Quy trình 3 công cụ AI

Công cụ	Vai trò	Prompt tiêu biểu	Kết quả & Chỉnh sửa
Claude AI	Nghiên cứu nội dung, tổng hợp số liệu, viết script	"Thống kê 8-10 số liệu quan trọng nhất về tác động AI đến thị trường lao động (2023-2025), có nguồn WEF/McKinsey/OECD, định dạng phù hợp infographic."	Claude trả về 9 số liệu có nguồn rõ. Tôi lọc còn 6, dịch và điều chỉnh cho đối tượng SV đại học.
DALL-E 3	Tạo hình minh họa: robot + người cộng tác	"A flat-design infographic illustration showing a human worker and a friendly AI robot collaborating at a modern office desk, minimal style, blue and orange color palette..."	Thử 3 lần, chọn lần 3. Crop + resize trong Canva. Icon ngành tự tạo từ Flaticon (bản quyền rõ hơn).
Canva AI	Magic Design — bố cục và layout	"Professional infographic about AI and jobs, data-driven, modern, blue-orange scheme, A3 portrait"	Giữ cấu trúc layout, thay font (Be Vietnam), màu nền gradient xanh nhạt, tự thiết kế biểu đồ, sắp xếp lại storytelling. ~4 giờ chỉnh sửa.

Tỷ lệ đóng góp AI vs. Cá nhân

Nghiên cứu & số liệu (Claude ~60%)

40%

Hình ảnh (DALL-E ~40%)

60%

Layout (Canva AI ~30%)

70%

Nội dung viết tay

80%

Tổng thể: AI đóng góp ~35% | Cá nhân ~65% — phản ánh đúng triết lý "AI là công cụ, người sáng tạo mới là nghệ nhân."

Phân tích sâu: AI làm tốt gì & hạn chế gì

✦ AI làm tốt

→Rút ngắn nghiên cứu từ 3-4h xuống 40 phút
→Tạo hình ảnh chất lượng trong vài phút
→Loại bỏ rào cản kỹ năng thiết kế cơ bản
→Là "cộng sự brainstorming" không mệt mỏi

⚠ Hạn chế cần lưu ý

!2/9 số liệu bị sai hoặc lỗi thời — cần kiểm chứng
!Thiếu ngữ cảnh văn hóa địa phương (thị trường VN)
!Đầu ra "trung bình hóa" — thiếu cá tính riêng
!DALL-E yếu với icon kỹ thuật và chữ trong ảnh

Tải file PDF ↓ Tải file PDF ↓

06

Bài 6.4 · AI có trách nhiệm

Sử dụng AI có trách nhiệm trong học tập và nghiên cứu

Nghiên cứu chính sách ĐHQGHN, thực hành học thuật minh bạch và xây dựng bộ nguyên tắc cá nhân

✦ Hoàn thành

▾

Nghiên cứu chính sách AI tại ĐHQGHN

ĐHQGHN đã ban hành bộ hướng dẫn sử dụng AI trong học tập năm 2024, tập trung vào 3 trục chính: (1) AI là công cụ hỗ trợ, không thay thế tư duy người học; (2) minh bạch trong khai báo; (3) nghiêm cấm gian lận học thuật.

Trường	Đặc điểm chính sách AI	Mức độ
ĐHQGHN	Cân bằng cởi mở và liêm chính học thuật; yêu cầu khai báo trong chú thích	Trung dung
ĐH Bách Khoa HN	Khuyến khích AI trong phân tích kỹ thuật; yêu cầu ghi chép đầy đủ	Kỹ thuật-ưu tiên
ĐH Kinh tế QD	Khai báo ngay trang bìa; đã tích hợp công cụ phát hiện AI từ HK1/2025	Nghiêm ngặt
ĐH FPT	Tiên phong tích hợp AI vào chương trình; xây dựng khung năng lực AI	Tiên phong

Thực hành: Viết bài luận với hỗ trợ AI có trách nhiệm

Chủ đề bài luận: "Tác động của biến đổi khí hậu đối với an ninh lương thực tại Đông Nam Á và hàm ý chính sách cho Việt Nam"

Quy trình 3 bước kiểm chứng sau khi nhận đầu ra AI:
Bước 1: Xác minh từng số liệu từ nguồn gốc (IPCC AR6, FAO) → 80% chính xác, 20% cần điều chỉnh ngữ cảnh.
Bước 2: Viết lại hoàn toàn bằng ngôn ngữ của tôi, giữ cấu trúc lập luận, thêm góc nhìn cá nhân.
Bước 3: Bổ sung trích dẫn chuẩn APA 7, ghi chú khai báo AI trong lời cảm ơn.

📋 Mẫu khai báo AI đã sử dụng:
"Bài viết này có sử dụng Claude AI (Anthropic, Claude Sonnet, tháng 5/2026) để hỗ trợ xây dựng đề cương và tra cứu dữ liệu sơ bộ. Toàn bộ nội dung phân tích, lập luận và kết luận là sản phẩm trí tuệ của tác giả. Các số liệu được kiểm chứng độc lập từ nguồn gốc."

3 Vấn đề đạo đức cần nhận thức

⚖️ Ranh giới hỗ trợ — Gian lận

Ranh giới là một phổ liên tục, không phải đường thẳng. Phụ thuộc vào mức độ đóng góp trí tuệ thực sự. Khi AI quá giỏi, ranh giới càng mờ — chỉ có ý thức tự giác và lương tâm học thuật mới là giải pháp cuối cùng.

AI được huấn luyện từ dữ liệu của hàng triệu tác giả. Khai báo không chỉ là yêu cầu đạo đức mà là tôn trọng cộng đồng tri thức. Đặc biệt cần cảnh giác với "hallucination" — AI có thể bịa ra tài liệu không tồn tại.

📉 Tác động đến phát triển kỹ năng

Nghiên cứu MIT (2024): sinh viên dùng AI viết luận thường xuyên có điểm thấp hơn ở bài kiểm tra không có AI. AI có thể làm bài trông hoàn hảo nhưng làm suy yếu năng lực thực sự của người tạo ra nó.

Bộ 6 Nguyên tắc Cá nhân — Sử dụng AI có Trách nhiệm

01

🧠 Tư duy trước, AI sau

Dành 15–20 phút tự suy nghĩ và phác thảo trước khi nhờ AI. AI chỉ vào sau khi tôi đã có bản nháp tư duy riêng.

02

🔍 Kiểm chứng độc lập

Không bao giờ dùng số liệu/trích dẫn từ AI mà chưa xác minh từ nguồn gốc. Trách nhiệm kiểm chứng thuộc về tôi.

03

📝 Minh bạch tuyệt đối

Khai báo rõ ràng mọi công cụ AI đã dùng, AI hỗ trợ ở phần nào, và tôi đã kiểm tra, chỉnh sửa như thế nào.

04

✍️ Tự viết lại

Không bao giờ sao chép nguyên văn đầu ra AI. Đọc → hiểu → viết lại bằng ngôn ngữ của chính mình.

05

❓ Đặt câu hỏi phê phán

Luôn phản biện gợi ý của AI: "Lập luận này có logic không? Có góc nhìn nào bị bỏ qua không?"

06

💪 Rèn kỹ năng không AI

Duy trì đọc sách, viết nháp tay, thảo luận nhóm không dùng công nghệ để giữ vững năng lực thực sự.

Tải file PDF ↓ Tải file PDF ↓

Phan Danh
Tuấn Khanh

Thông tin cá nhân

Bài tập thực hành

Trải nghiệm & Bài học