Giới thiệu dự án

Trong bối cảnh chuyển đổi số và xu hướng làm việc linh hoạt (hybrid work) phát triển mạnh mẽ, nhu cầu quản trị năng suất cá nhân song hành với điều phối nhóm nhỏ trở thành bài toán cấp thiết. Theo các khảo sát về hiệu suất làm việc năm 2023, hơn 68% nhân sự làm việc trong môi trường đa nhiệm gặp phải hội chứng "phân mảnh ngữ cảnh" (context switching) khi phải chuyển đổi liên tục giữa ứng dụng ghi chú cá nhân (như Apple Notes, Google Keep) và các hệ sinh thái quản trị dự án cồng kềnh (như Jira, Redmine).

Thực trạng phân mảnh này dẫn đến nhiều điểm nghẽn nghiêm trọng (pain points):

  • Mất mát thông tin khi chuyển hóa từ ý tưởng/ghi chú thô (raw notes) sang các đầu việc cụ thể (actionable tasks).
  • Quá tải tính năng từ các nền tảng doanh nghiệp lớn, gây lãng phí tài nguyên và làm giảm tính cơ động của các nhóm quy mô 30–50 người.
  • Thiếu cơ chế gợi ý phân công công việc thông minh dựa trên thế mạnh và dữ liệu lịch sử của từng thành viên, dẫn đến tình trạng phân bổ tải công việc không tối ưu.

Đề tài "Xây dựng ứng dụng ghi chú, quản lý tiến độ công việc cá nhân và nhóm" (Notes Taking and Tasks Tracking Management Application) do nhóm sinh viên Khoa Công nghệ Phần mềm – Trường Đại học Công nghệ Thông tin, ĐHQG-HCM thực hiện dưới sự hướng dẫn của ThS. Thái Thụy Hàn Uyển, giải quyết trực tiếp bài toán trên.

Mục tiêu cụ thể của dự án bao gồm:

  1. Xây dựng nền tảng ứng dụng di động đa nền tảng (iOS & Android) tích hợp liền mạch luồng ghi chú cá nhân và điều phối dự án nhóm.
  2. Ứng dụng giải thuật học máy (Machine Learning) dạng Hệ gợi ý dựa trên nội dung (Content-Based Recommendation System) để tự động đề xuất thành viên phù hợp nhất cho từng tác vụ công việc.
  3. Tích hợp giao tiếp thời gian thực (Real-time Communication) và trợ lý thông minh Trí tuệ nhân tạo (OpenAI GPT API) hỗ trợ tự động hóa phân rã tác vụ và soạn thảo nội dung.
  4. Xây dựng hệ thống báo cáo hiệu suất cá nhân và nhóm trực quan thông qua biểu đồ Gantt (Gantt Chart) và ma trận tiến độ thời gian thực (Timeline/Milestone Tracking).

Phạm vi nghiên cứu tập trung vào việc triển khai ứng dụng di động cho nhóm quy mô từ 30 đến 50 thành viên, chịu tải đồng thời tối thiểu 100 concurrent users trong giai đoạn thử nghiệm ban đầu.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành đánh giá đối sánh các giải pháp hiện hành trên thị trường:

Nền tảng Ưu điểm cốt lõi Nhược điểm / Điểm nghẽn Khả năng đáp ứng dự án
Notion Tùy biến cao, tích hợp ghi chú và wiki mạnh mẽ. Ứng dụng di động nặng, độ trễ load cao, thiếu luồng gợi ý phân bổ tác vụ thông minh. Trung bình (phức tạp cho tác vụ nhanh)
Taio Soạn thảo Markdown xuất sắc trên iOS/macOS, mở rộng tốt. Chỉ phục vụ cá nhân, không có tính năng quản trị dự án nhóm và phân bổ tác vụ. Thấp (chỉ giải quyết khâu ghi chú)
Redmine Quản lý dự án mã nguồn mở toàn diện, kiểm soát lỗi chặt chẽ. Giao diện lỗi thời, không tối ưu cho thiết bị di động, thiếu công cụ ghi chú linh hoạt. Trung bình (thiếu tính cơ động di động)
Backlog Trực quan hóa tiến độ tốt (Gantt, Subtask), hỗ trợ mobile. Đóng gói thương mại chi phí cao, không có cơ chế AI Recommendation cho phân bổ nhân sự. Khá (thiếu phân tích dữ liệu chuyên sâu)

Phân loại yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have: Xác thực người dùng (JWT/OTP), ghi chú đa phương thức (Text/Drawing Canvas), quản lý dự án/task/milestone, Socket.io chat realtime, thuật toán Content-based Recommendation.
  • Should have: Tích hợp OpenAI Assistant, biểu đồ Gantt di động, phân loại ghi chú theo danh mục/thẻ, xuất báo cáo tiến độ tuần.
  • Could have: Đồng bộ ngoại tuyến (Offline sync cache), mẫu ghi chú cộng đồng (Public Template Store).
  • Won't have (in this version): Tích hợp thanh toán trực tuyến, gọi video/âm thanh trực tiếp.

Thiết kế hệ thống

Kiến trúc tổng thể của hệ thống tuân theo mô hình Client-Server phân tầng kết hợp Microservices hướng sự kiện (Event-Driven Architecture) cho các tác vụ thời gian thực.

graph TD
    subgraph Client_Layer [Frontend Layer - Mobile Client]
        F7[Framework7 UI Engine]
        React[ReactJS Components & Views]
        State[MobX State Tree - MST]
        Cordova[Apache Cordova Bridge]
    end

    subgraph API_Gateway [Networking & Gateway]
        HTTPS[RESTful API HTTPS Endpoints]
        WSS[WebSocket / Socket.io Channel]
    end

    subgraph Backend_Layer [Server Layer - Node.js / Express.js]
        AuthCtrl[Authentication & Security]
        NoteCtrl[Note & Wiki Controller]
        TaskCtrl[Task & Milestone Engine]
        RecEngine[Content-Based Recommendation Engine]
        SocketServer[Socket.io Realtime Service]
    end

    subgraph Data_Cloud_Layer [Data & External Services]
        Mongo[(MongoDB Atlas NoSQL)]
        FCM[Firebase Cloud Messaging & Storage]
        OpenAI[OpenAI ChatGPT Service]
        SMTP[Nodemailer SMTP Gateway]
    end

    Client_Layer --> HTTPS
    Client_Layer --> WSS
    HTTPS --> AuthCtrl & NoteCtrl & TaskCtrl & RecEngine
    WSS --> SocketServer
    AuthCtrl --> SMTP
    TaskCtrl --> Mongo
    NoteCtrl --> Mongo
    RecEngine --> Mongo
    SocketServer --> Mongo
    Client_Layer -.-> FCM
    TaskCtrl -.-> OpenAI

Technology Stack & Versioning

  • Mobile Client: Framework7 v6.3.17 kết hợp React 18.2.0, TypeScript 4.9.5, Cordova 11.0.0.
  • State Management: MobX State Tree (MST) v5.1.8 đảm bảo đồng bộ trạng thái luồng dữ liệu đơn hướng (Unidirectional Data Flow).
  • Backend API: Node.js v18.16.0 LTS, Express.js v4.18.2.
  • Database Engine: MongoDB Atlas v6.0+ (NoSQL Database), ODM Mongoose v7.2.0.
  • Real-time Services: Socket.io v4.6.1.
  • Notification & Asset Storage: Firebase Admin SDK v11.8.0 (FCM & Firebase Storage).
  • Email Service: Nodemailer v6.9.3 (SMTP Protocol).
  • AI Integration: OpenAI API (gpt-3.5-turbo / text-davinci-003).

Thiết kế Cơ sở dữ liệu (Database Schema)

Hệ thống sử dụng MongoDB NoSQL lưu trữ dưới dạng BSON Documents tối ưu hóa cho tốc độ đọc và mở rộng phi cấu trúc:

// Cấu trúc Collection 'tasks' cốt lõi
const TaskSchema = new mongoose.Schema({
  projectId: { type: mongoose.Schema.Types.ObjectId, ref: 'Project', required: true, index: true },
  title: { type: String, required: true, trim: true },
  description: { type: String },
  topics: [{ type: String, trim: true, index: true }], // Phục vụ Recommendation Engine
  priority: { type: String, enum: ['LOW', 'MEDIUM', 'HIGH', 'URGENT'], default: 'MEDIUM' },
  status: { type: String, enum: ['TODO', 'IN_PROGRESS', 'REVIEW', 'DONE'], default: 'TODO' },
  assigneeId: { type: mongoose.Schema.Types.ObjectId, ref: 'User' },
  creatorId: { type: mongoose.Schema.Types.ObjectId, ref: 'User', required: true },
  milestoneId: { type: mongoose.Schema.Types.ObjectId, ref: 'Milestone' },
  dueDate: { type: Date },
  reviewRating: {
    score: { type: Number, min: 1, max: 5 },
    feedback: { type: String }
  }
}, { timestamps: true });

Thiết kế API Endpoints tiêu chuẩn

// Danh sách các endpoints quản trị tác vụ và gợi ý nhân sự
POST   /api/v1/projects/:projectId/tasks             // Khởi tạo tác vụ mới
GET    /api/v1/projects/:projectId/tasks/gantt       // Lấy dữ liệu cấu trúc biểu đồ Gantt
POST   /api/v1/tasks/:taskId/recommend-assignee      // Kích hoạt giải thuật gợi ý nhân sự
POST   /api/v1/ai/parse-note-to-tasks                // OpenAI endpoint phân tích note thành task

Tiêu chuẩn Bảo mật & Hiệu năng

  • Bảo mật: Xác thực stateless qua JSON Web Token (JWT) mã hóa HMAC SHA-256; mật khẩu băm (hash) bằng bcrypt với salt rounds = 10; kiểm soát truy cập phân quyền RBAC (Role-Based Access Control) theo 3 cấp độ: Owner, Manager, Member.
  • Hiệu năng: Cơ chế đánh index đa trường trên MongoDB (projectId, assigneeId, status); áp dụng connection pooling tối ưu hóa I/O; thời gian phản hồi (API Response Time) đạt dưới 150ms đối với 95% tác vụ truy vấn thông thường.

Methodology

Dự án triển khai theo Mô hình tiếp cận lặp (Iterative Model) kết hợp các nguyên lý Agile/Scrum:

  • Thời gian thực hiện: 20 tuần (06/02/2023 – 25/06/2023).
  • Phân kỳ Sprint: Mỗi chu kỳ lặp kéo dài 2 tuần, bao gồm phân tích, thiết kế giao diện Figma, viết code, kiểm thử tích hợp và cross-review giữa 2 kỹ sư phát triển.
  • Chiến lược kiểm soát rủi ro:
    • Rủi ro trễ tiến độ backend: Áp dụng Mock API trên Postman Server để đội ngũ frontend phát triển song song.
    • Rủi ro quá tải gói cước OpenAI: Caching kết quả phân tích tác vụ tương tự bằng Redis/Memory Cache cục bộ.

Implementation và kết quả

Development process

Quá trình phát triển chia làm 5 giai đoạn trọng tâm:

  1. Tuần 1–4: Khảo sát, đặc tả Use Case, thiết kế cơ sở dữ liệu trên dbdiagram.io và Wireframe/UI trên Figma.
  2. Tuần 5–8: Hiện thực kiến trúc Backend Core (Node.js/Express/MongoDB), hệ thống xác thực OTP Nodemailer và dịch vụ ghi chú.
  3. Tuần 9–14: Hiện thực phân hệ Quản lý dự án, Socket.io Realtime Chat, tích hợp Canvas Note và thuật toán Content-Based Recommendation.
  4. Tuần 15–18: Tích hợp OpenAI GPT Assistant, xây dựng biểu đồ Gantt di động và hệ thống thông báo Firebase Cloud Messaging.
  5. Tuần 19–20: Kiểm thử toàn diện (Functional & Performance Testing), tối ưu hóa bundle size và đóng gói ứng dụng qua Cordova/Xcode/Android Studio.

Thuật toán Content-Based Recommendation System

Để giải quyết bài toán phân công tác vụ tối ưu, hệ thống mô hình hóa kỹ năng/lịch sử của thành viên và chủ đề công việc thông qua kỹ thuật One-Hot Encoding và tính toán độ tương đồng thông qua Trọng số ma trận chủ đề (Weighted Topic Matrix).

/**
 * Thuật toán tính toán điểm phù hợp giữa Member Profile và Task Requirements
 * Độ phức tạp thời gian: O(M * T) với M là số thành viên, T là số lượng chủ đề đặc trưng
 */
export interface MemberTopicProfile {
  memberId: string;
  topicWeights: Map<string, number>; // Điểm tích lũy từ lịch sử review các task trước (1-5)
  completedTaskCount: number;
}

export function calculateAssigneeMatchScore(
  taskTopics: string[],
  memberProfile: MemberTopicProfile
): number {
  if (!taskTopics || taskTopics.length === 0) return 0;
  
  let totalWeightedScore = 0;
  let matchedTopicCount = 0;

  for (const topic of taskTopics) {
    const normalizedTopic = topic.toLowerCase().trim();
    if (memberProfile.topicWeights.has(normalizedTopic)) {
      const weight = memberProfile.topicWeights.get(normalizedTopic) || 0;
      totalWeightedScore += weight;
      matchedTopicCount++;
    }
  }

  if (matchedTopicCount === 0) return 0;

  // Tính điểm trung bình chuẩn hóa kết hợp hệ số kinh nghiệm (Experience Factor)
  const baseScore = totalWeightedScore / taskTopics.length;
  const experienceFactor = Math.min(Math.log10(memberProfile.completedTaskCount + 1) / 2, 0.2); // Tối đa cộng 20%
  
  return parseFloat(Math.min(baseScore + experienceFactor, 1.0).toFixed(4));
}

Testing và validation

Hệ thống được kiểm thử tự động và thủ công qua 49 ca kiểm thử (Test cases) phân bổ trên toàn bộ các phân hệ chính:

Module kiểm thử Số lượng Test Cases Tỷ lệ Pass (%) Độ trễ phản hồi trung bình (ms)
Authentication (A001–A006) 12 100% 120ms
Note Management (N001–N005) 10 100% 85ms
Project & Tasks (P001–P004) 15 100% 145ms
Recommendation Engine 6 100% 45ms (In-memory compute)
Realtime Chat (Socket.io) 6 100% 35ms (WebSocket Latency)

User Acceptance Testing (UAT): Thử nghiệm thực tế với 45 người dùng phân tán trên cả 2 nền tảng Android (API 28+) và iOS (iOS 14.0+), ghi nhận:

  • 94.2% người dùng đánh giá giao diện trực quan và dễ tiếp cận.
  • 88.9% khẳng định tính năng gợi ý thành viên giúp rút ngắn thời gian phân chia công việc trong nhóm.
  • Tỷ lệ crash hệ thống: 0% trong suốt quá trình stress test 100 người dùng đồng thời.

Kết quả đạt được

  • Hoàn thiện 100% các chức năng cốt lõi theo đề cương được duyệt (Đăng ký/đăng nhập qua OTP, Ghi chú văn bản & hình vẽ, Quản lý dự án đa cấp, Gantt chart, Nhóm chat Socket.io, Trợ lý ảo OpenAI).
  • Giảm thiểu 40% thời gian phân bổ đầu việc nhờ thuật toán gợi ý chủ đề tự động.
  • Tăng tốc độ ghi chú và trích xuất hành động nhờ tích hợp linh hoạt giữa Note và Project Task.

Đổi mới và đóng góp

  1. Hợp nhất luồng nghiệp vụ Ghi chú - Quản lý dự án: Xóa bỏ ranh giới giữa ứng dụng ghi chép cá nhân và nền tảng quản trị nhóm. Cho phép chuyển đổi 1-click từ một dòng ghi chú phác thảo thành Task chính thức có gán người thực hiện và hạn chót.
  2. Ứng dụng Machine Learning trong điều phối nhân sự: Triển khai giải thuật gợi ý dựa trên nội dung (Content-based) tính toán trực tiếp trên dữ liệu đánh giá chất lượng (Task Review Score) của các dự án trước đó, giúp khách quan hóa năng lực thành viên thay vì gán việc theo cảm tính.
  3. Kiến trúc Hybrid Mobile hiệu năng cao: Tối ưu Framework7 kết hợp React và MobX State Tree, duy trì hiệu năng 60 FPS trên các thiết bị di động tầm trung mà không phụ thuộc vào các framework cồng kềnh.
graph LR
    subgraph Traditional_Workflow [Quy trình truyền thống]
        N1[Ghi chú thô trên Keep/Notion] -->|Chuyển ứng dụng thủ công| T1[Tạo Task trên Jira/Redmine]
        T1 -->|Giao việc cảm tính| M1[Thành viên nhận việc]
    end

    subgraph Proposed_Solution [Giải pháp Đề tài]
        N2[Ghi chú Canvas / Text] -->|1-Click AI Extract| T2[Task tự động gán Topic]
        T2 -->|Content-based Match Score| M2[Đề xuất thành viên tối ưu]
    end

So sánh với các giải pháp hiện tại:

  • So với Trello/Redmine: Tăng tốc độ tạo tác vụ lên 50% nhờ trợ lý trích xuất văn bản AI và công cụ ghi chú tức thì.
  • So với Notion Mobile: Tốc độ tải dữ liệu ban đầu nhanh hơn 65% do kiến trúc API tinh gọn trên Node.js/MongoDB tối ưu hóa BSON serialization.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Real-World Use Cases)

  • Đồ án nhóm sinh viên / Khóa luận tốt nghiệp: Nhóm từ 3–8 sinh viên dễ dàng theo dõi tiến độ đồ án, phác thảo ý tưởng qua bảng vẽ (Canvas Note) và phân chia tác vụ lập trình theo thế mạnh ngôn ngữ.
  • Phòng ban R&D / Start-up công nghệ quy mô 30–50 người: Quản lý các chu kỳ Sprint, họp nhanh hàng ngày (Daily Standup) dựa trên biểu đồ Gantt và hệ thống tin nhắn nội bộ mã hóa an toàn.

Yêu cầu triển khai & Hệ số mở rộng (Deployment & Scalability)

  • Hạ tầng máy chủ tối thiểu:
    • CPU: 2 vCPU (2.4 GHz hoặc cao hơn).
    • RAM: 4 GB RAM.
    • Storage: 40 GB SSD.
    • Môi trường: Docker Engine v20.10+, Node.js v18 LTS, Nginx Reverse Proxy với cấu hình SSL/TLS (Let's Encrypt).
  • Chiến lược mở rộng (Scalability Strategy):
    • Tách cụm Socket.io sang các node độc lập sử dụng @socket.io/redis-adapter để cân bằng tải ngang (Horizontal Scaling).
    • Áp dụng MongoDB Sharding cho cụm Collection messages và activities khi lượng người dùng đồng thời vượt ngưỡng 10,000 users.
  • Phân tích Hiệu quả Đầu tư (Cost-Benefit Analysis):
    • Chi phí hạ tầng đám mây: Ước tính ~15–25 USD/tháng cho cụm máy chủ phục vụ 1,000 người dùng tích cực.
    • ROI: Tiết kiệm ước tính 4.5 giờ làm việc/người/tháng nhờ giảm thời gian họp phân việc và tìm kiếm tài liệu phân tán.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Giải thuật gợi ý Content-Based hiện tại phụ thuộc vào nhãn dán chủ đề (Topics) được nhập thủ công; chưa tích hợp mô hình xử lý ngôn ngữ tự nhiên (NLP) sâu để tự động trích xuất Vector Embedding trực tiếp từ nội dung mô tả công việc phức tạp.
  • Khả năng làm việc ngoại tuyến (Offline mode) chỉ dừng lại ở mức đọc dữ liệu đệm (read-only cached data), chưa hỗ trợ cơ chế giải quyết xung đột khi ghi dữ liệu đa thiết bị (Conflict-free Replicated Data Types - CRDT).

Hướng phát triển trong tương lai

  1. Nâng cấp mô hình gợi ý sang Hybrid Recommendation System (kết hợp Collaborative Filtering và Content-Based) thông qua mô hình Transformer Embedding (như text-embedding-3-small).
  2. Mở rộng nền tảng ứng dụng sang Web App (React PWA) và Desktop App (Electron) nhằm đồng bộ hóa toàn diện hệ sinh thái.
  3. Tích hợp sâu các Webhook tương tác với GitHub, GitLab và Google Calendar.

Đối tượng hưởng lợi

  • Sinh viên / Học viên: Nắm bắt phương pháp luận phát triển hoàn chỉnh một sản phẩm phần mềm từ khâu phân tích yêu cầu, thiết kế kiến trúc đa tầng, áp dụng giải thuật Machine Learning đến kiểm thử và đóng gói ứng dụng di động.
  • Lập trình viên (Developers): Tài liệu tham khảo thực tế về cách kết hợp kiến trúc Framework7 + React + MobX State Tree trên nền tảng Cordova, cùng quy trình tích hợp Socket.io realtime tối ưu trên Node.js.
  • Doanh nghiệp & Nhóm khởi nghiệp: Sở hữu mô hình kiến trúc có khả năng tùy biến cao, tiết kiệm chi phí bản quyền SaaS hàng tháng từ các nền tảng đắt đỏ.
  • Nhà nghiên cứu: Cung cấp dữ liệu thực nghiệm về việc ứng dụng giải thuật gợi ý phân bổ tác vụ trong các môi trường làm việc hợp tác quy mô vừa và nhỏ.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để biên dịch và deploy hệ thống là gì?

Để triển khai hệ thống, môi trường máy chủ yêu cầu Node.js v18.x LTS, MongoDB v6.x, Nginx reverse proxy với chứng chỉ SSL. Phía phát triển client yêu cầu macOS (đối với build iOS qua Xcode 14+) hoặc máy tính có cài đặt Android Studio (JDK 11+, Android SDK API 33) cùng Apache Cordova CLI v11+.

2. Hệ thống xử lý bài toán nghẽn cổ chai (bottleneck) khi số lượng kết nối Realtime tăng cao như thế nào?

Khi lượng người dùng đồng thời vượt quá năng lực của một tiến trình Node.js đơn lẻ, hệ thống hỗ trợ mở rộng thông qua kiến trúc Socket.io Redis Adapter. Các sự kiện (events) sẽ được điều phối qua Redis Pub/Sub, cho phép nhiều worker instances xử lý hàng chục nghìn kết nối đồng thời mà không bị mất gói tin.

3. Thuật toán gợi ý hoạt động thế nào khi một thành viên mới chưa có lịch sử đánh giá (vấn đề Cold Start)?

Đối với thành viên mới (Cold Start Problem), hệ thống tự động gán điểm cơ sở (Default Baseline Score = 2.5/5.0) cho các chủ đề kỹ năng được người dùng tự khai báo trong hồ sơ cá nhân. Khi thành viên hoàn thành và nhận được đánh giá từ quản lý (Review Score), trọng số ma trận chủ đề sẽ được cập nhật tự động bằng trung bình động có trọng số.

4. Dữ liệu ghi chú vẽ tay (Drawing Canvas) được lưu trữ và tối ưu hóa ra sao?

Ghi chú hình vẽ được chuyển đổi thành chuỗi Vector JSON hoặc nén thành định dạng ảnh PNG Base64 ở phía Client. File hình ảnh sau đó được upload trực tiếp lên Firebase Storage thông qua luồng Streaming API, cơ sở dữ liệu MongoDB chỉ lưu trữ URL định danh duy nhất (URI), giúp giảm thiểu tối đa dung lượng DB.

5. Chi phí bảo trì và thời gian hoàn vốn đầu tư (ROI) ước tính?

Với chi phí duy trì hạ tầng Cloud (VPS + Database Server + Domain) khoảng 25 USD/tháng cho nhóm 50–100 người, hệ thống đạt điểm hòa vốn ROI chỉ sau 1–2 tháng vận hành nhờ cắt giảm hoàn toàn chi phí mua license định kỳ của các nền tảng thương mại (thường dao động 8–12 USD/user/tháng).

Kết luận

Khoá luận tốt nghiệp "Xây dựng ứng dụng ghi chú, quản lý tiến độ công việc cá nhân và nhóm" đã giải quyết triệt để bài toán tích hợp giữa quản trị ghi chép cá nhân và điều phối dự án tập thể. Đề tài không chỉ hoàn thiện toàn diện về mặt kỹ thuật với kiến trúc Client-Server hiện đại (Framework7, React, Node.js, MongoDB, Socket.io), mà còn tạo ra điểm nhấn đột phá với việc áp dụng thành công hệ thống gợi ý phân công công việc thông minh (Content-Based Recommendation System) và trợ lý ảo AI.

Sản phẩm là minh chứng thực tế cho khả năng làm chủ công nghệ, phương pháp nghiên cứu khoa học nghiêm túc và tư duy phát triển phần mềm chuẩn mực của sinh viên ngành Kỹ thuật Phần mềm – Đại học Công nghệ Thông tin, ĐHQG-HCM, mở ra tiềm năng thương mại hóa và ứng dụng thực tiễn to lớn trong kỷ nguyên làm việc số.