Nguồn nhân lực và cơ sở vật chất
Khoa Công nghệ Thông tin sở hữu đội ngũ giảng viên có trình độ chuyên môn cao, được đào tạo tại các quốc gia và cơ sở giáo dục uy tín như Pháp, Nhật Bản, Hàn Quốc cùng với các trường đại học hàng đầu trong nước. Hiện nay, khoa có 70 cán bộ cơ hữu, trong đó có 21 tiến sĩ, 02 phó giáo sư, 21 giảng viên chính cùng đội ngũ giảng viên và cán bộ hỗ trợ có chuyên môn vững vàng. Bên cạnh đó, khoa có 02 cán bộ văn phòng khoa phụ trách công tác hành chính, hỗ trợ hoạt động đào tạo và quản lý. Nhiều giảng viên có kinh nghiệm thực tiễn trong các lĩnh vực như phát triển phần mềm, trí tuệ nhân tạo, an toàn thông tin, hạ tầng số và chuyển đổi số doanh nghiệp.
Khoa luôn chú trọng xây dựng môi trường học thuật chuyên nghiệp, khuyến khích giảng viên nghiên cứu, học tập nâng cao trình độ, tham gia các khóa đào tạo quốc tế và trao đổi học thuật tại các nước phát triển. Đây là nền tảng quan trọng giúp đội ngũ giảng viên không ngừng nâng cao năng lực giảng dạy, cập nhật xu hướng công nghệ và triển khai đổi mới phương pháp đào tạo theo định hướng hội nhập quốc tế.
Về cơ sở vật chất, khoa hiện có 06 phòng thực hành máy tính được trang bị hệ thống máy tính hiện đại phục vụ học tập và thực hành cho sinh viên, trong đó có các phòng thực hành có từ 40 đến 50 bộ máy tính đáp ứng nhu cầu đào tạo chuyên ngành. Ngoài ra, khoa có 01 phòng thí nghiệm công nghệ (lab) kết nối mạng Internet phục vụ hoạt động nghiên cứu của cán bộ và sinh viên. Khoa có 07 bộ môn chuyên môn, mỗi bộ môn đều có phòng làm việc riêng được trang bị đầy đủ thiết bị, công cụ hỗ trợ giảng dạy, nghiên cứu và kết nối mạng Internet. Văn phòng khoa với diện tích khoảng 80m² đảm bảo không gian làm việc thuận lợi cho công tác quản lý, điều hành và hỗ trợ sinh viên.
Sinh viên của khoa được tiếp cận hệ thống phần mềm chuyên ngành, các nền tảng mô phỏng tiên tiến cùng nguồn tài nguyên phong phú từ thư viện điện tử và học liệu số của Nhà trường. Chương trình đào tạo được triển khai trong hệ thống cơ sở vật chất hiện đại với diện tích sàn phục vụ đào tạo đạt khoảng 3,7m² mỗi sinh viên, đáp ứng các tiêu chuẩn đảm bảo chất lượng.
Bên cạnh môi trường học tập số hóa, sinh viên còn được hỗ trợ toàn diện thông qua các hoạt động tư vấn học tập, định hướng nghề nghiệp, kết nối thực tập và cơ hội việc làm cũng như tham gia các dự án nghiên cứu thực tiễn. Nhà trường và Khoa đã xác lập chiến lược phát triển giai đoạn 2021–2030, trong đó ưu tiên phát triển nguồn nhân lực chất lượng cao và tạo điều kiện để đội ngũ cán bộ, giảng viên tiếp tục nâng cao trình độ tại các chương trình đào tạo tiên tiến trong và ngoài nước.
Tổng thể, hệ thống nhân lực và cơ sở vật chất của Khoa tạo nên nền tảng vững chắc bảo đảm chất lượng đào tạo, nghiên cứu khoa học và chuyển giao công nghệ, đồng thời tạo điều kiện để sinh viên tiếp cận tri thức hiện đại, phát triển năng lực nghề nghiệp và hội nhập thị trường lao động quốc tế trong kỷ nguyên số.
MỘT SỐ ĐỊNH HƯỚNG VÀ KẾ HOẠCH XÂY DỰNG LAB PHỤC VỤ NGHIÊN CỨU VÀ HỌC TẬP
Kế Hoạch Vận Hành Phòng Lab
Kế hoạch này tập trung vào việc tận dụng tối đa các tài nguyên mã nguồn mở (Slurm, Proxmox) và phân chia rõ ràng trách nhiệm quản lý.
I. Giai Đoạn 1: Thiết Lập Cơ Bản (Setup Labs)
-
- Kiến trúc Lab
-
- Setup thiết bị mạng
|
Mạng (VLAN) |
Tên gọi |
Kết nối Internet |
Mục đích |
|
Mạng 1 |
Quản lý Lab |
Không |
Dành cho quản trị viên, để truy cập cấu hình Router, Slurm, Proxmox, đảm bảo an toàn cao nhất. |
|
Mạng 2 |
AI/Nghiên cứu |
Có (Được kiểm soát) |
Cho phép sinh viên truy cập Internet để: Tải dữ liệu, thư viện AI. Truy cập Google Colab, AWS, Azure. |
|
Mạng 3 |
ATTT/Sandbox |
Có (Bị kiểm duyệt/Tách biệt) |
CÁCH LY hoặc chỉ cho phép truy cập qua Máy chủ Proxy được kiểm duyệt chặt chẽ (để tải mã độc mẫu). |
-
- Setup môi trường quản lý Server
|
Bước |
Hạng mục |
Hoạt động chính |
Công cụ/Phần mềm |
|
1. Triển khai Nền tảng Ảo hóa |
Máy chủ GPU |
Cài đặt hệ điều hành nền tảng (Ví dụ: Ubuntu Server/CentOS) và phần mềm ảo hóa. |
Proxmox VE (Open Source) hoặc VMware ESXi (Free Version) |
|
2. Triển khai Quản lý Tài nguyên |
Máy chủ GPU |
Cài đặt và cấu hình Slurm trên Máy chủ GPU và các Máy trạm AI (Node). |
Slurm (Open Source) |
|
Slurm |
Thiết lập các phân vùng (Partitions) để phân bổ GPU/CPU/RAM cho các nhóm hoặc môn học khác nhau. |
||
|
3. Triển khai Hệ thống Đặt chỗ |
Tài nguyên vật lý |
Cài đặt hệ thống quản lý đặt chỗ trên một máy chủ riêng biệt (hoặc VM). |
Booked (Community Edition) |
II. Giai Đoạn 2: Xây Dựng Môi trường Thực hành (Lab Environments)
Sử dụng Proxmox/VMware trên Máy chủ GPU và Slurm để tạo các môi trường sau:
|
Lĩnh vực/Môn học |
Môi trường Lab |
Mô tả |
Tài nguyên chính |
|
1. AI & Dữ liệu lớn |
AI Development Environment |
Ảnh máy ảo (VM Image) chứa sẵn Python, TensorFlow/PyTorch, Jupyter Notebooks, và các thư viện dữ liệu. |
GPU/CPU/RAM được cấp phát qua Slurm. |
|
Big Data Cluster |
Cụm máy ảo mô phỏng Hadoop/Spark Cluster. |
Máy chủ GPU (dùng CPU/RAM) |
|
|
2. An toàn Thông tin |
Cyber Range Cơ bản (Sandbox) |
Cụm VM mô phỏng mạng công ty (Server, Client, Firewall ảo) với các công cụ nguồn mở (Kali Linux, Metasploit, Security Onion). |
Máy chủ GPU (trên Mạng 2) |
|
Malware Analysis Stations |
Cài đặt các công cụ phân tích trên 5 Máy trạm ATTT (Mạng 3). Môi trường này phải cô lập (air-gapped). |
Máy trạm ATTT (độc lập) |
|
|
3. IoT & VR/XR |
VR Graphics Workspaces |
Cài đặt Unity/Unreal Engine, SDK VR trên 4 Máy trạm đồ họa VR. |
Máy trạm đồ họa VR |
|
IoT Simulation |
Môi trường ảo hóa để mô phỏng dữ liệu từ 20 Kit IoT (ví dụ: Node-RED, MQTT Broker). |
Máy chủ GPU (trên Mạng 2) |
|
|
4. Phần mềm Thương mại |
Autodesk Stations |
Cài đặt giấy phép Autodesk trên các máy trạm dành riêng (hoặc một số Máy trạm AI khi không dùng cho AI). |
Máy trạm AI |
III. Quy Trình Vận Hành & Đặt lại (Operation & Reset)
1. Thực hiện Bài học với GPU Cloud và với Máy chủ GPU
|
Phương thức |
Sử dụng Tài nguyên |
Mục đích |
|
1. Colab/Cloud Notebooks |
GPU Đám mây (Google/AWS) |
Dùng cho các bài tập thực hành cơ bản, thử nghiệm thuật toán nhanh, hoặc các dự án yêu cầu tài nguyên Cloud cụ thể. |
|
2. Thực hành trên Lab |
GPU Nội bộ (Slurm) |
Dùng cho các dự án lớn, đào tạo mô hình phức tạp (ví dụ: mô hình ngôn ngữ, thị giác máy tính), nơi cần thời gian chạy dài và quản lý dữ liệu tuyệt mật trên NAS. |
2. Quy Trình Hoàn thành Tác vụ (Job Completion)
Áp dụng cho môi trường Slurm (AI/Big Data):
- Hoàn thành: Slurm tự động kết thúc tác vụ (job) khi chạy xong.
- Giải phóng: Slurm tự động giải phóng tài nguyên (GPU, CPU, RAM) để cấp phát cho tác vụ tiếp theo trong hàng đợi.
- Lưu trữ: Kết quả của sinh viên được lưu trữ trên NAS 100TB hoặc Cloud Storage đã được tích hợp.
3. Quy Trình Đặt lại Môi trường (Reset Procedure)
- Môi trường Ảo hóa (Virtual Lab, Big Data, AI):
- Tần suất: Cuối mỗi học kỳ hoặc sau mỗi môn học lớn.
- Thao tác: Sử dụng tính năng Snapshot (Chụp ảnh) trong Proxmox/VMware.
- Reset: Đơn giản là khôi phục (Revert) máy ảo về ảnh snapshot gốc (Golden Image) đã được chuẩn bị trước.
- Máy trạm Vật lý (ATTT, Đồ họa, Autodesk):
- Tần suất: Hàng tuần hoặc sau mỗi buổi thực hành ATTT.
- Thao tác: Sử dụng phần mềm tạo ảnh đĩa như Deep Freeze hoặc các công cụ ảo hóa cấp độ desktop (ví dụ: VDI nếu có) để đảm bảo mọi thay đổi được xóa đi sau khi khởi động lại.
- Môi trường Cyber Range (Mạng 3):
- Tần suất: Sau mỗi buổi thực hành tấn công/phòng thủ.
- Thao tác: Tắt hoàn toàn các Máy trạm ATTT, kiểm tra tính toàn vẹn của tường lửa mạng 3, sau đó khởi động lại các máy ảo Sandbox về trạng thái sạch.
4. Quản lý Tài khoản
- Hệ thống AI/Slurm: Mỗi sinh viên/nhóm nghiên cứu được cấp một tài khoản riêng trên hệ thống Slurm.
- Hệ thống Đặt chỗ: Sinh viên sử dụng tài khoản email/mã số sinh viên của trường để đăng nhập và đặt chỗ tài nguyên vật lý.
5. Yêu cầu cho Backup [Sao lưu local và Đám mây]:
- Cần có 2 bản sao lưu local (Server ->NAS) + sao lưu ngoại tuyến và 1 Offsite Copy, đáp ứng nguyên tắc 3-2-1. Nó lưu trữ bản sao của dữ liệu từ NAS và các ảnh máy ảo quan trọng.
- GPU_S -- Sao lưu Cấu hình/VM Images --> NAS: Cấu hình Slurm và ảnh máy ảo chính (Golden Images) được lưu trữ tại NAS.
- NAS -- Dữ liệu Sao lưu --> Rtr: NAS đẩy dữ liệu ra ngoài qua Router/Firewall.
-
- 1. AI Lab tại một số trường Đại học ở Việt Nam
|
Tên Lab/Trung tâm |
Trường Đại học |
Đường link |
|
AILab (Artificial Intelligence Laboratory) |
Trường ĐH Khoa học Tự nhiên, ĐHQG-HCM |
|
|
BK.AI (International Research Center for Artificial Intelligence) |
Đại học Bách khoa Hà Nội (HUST) |
https://bkai.ai/ (hoặc qua Viện CNTT&TT: https://soict.hust.edu.vn/bo-phan/trung-tam-nghien-cuu-quoc-te-ve-tri-tue-nhan-tao) |
|
Lab Trí tuệ nhân tạo (Lab AI) |
Trường Đại học Văn Lang (VLU) |
|
|
Business AI Lab |
Trường Công nghệ, Đại học Kinh tế Quốc dân (NEU) |
https://nct.neu.edu.vn/ (tìm kiếm bài viết về Business AI Lab) |
|
Trung tâm Trí tuệ Nhân tạo SIU AI Lab |
Trường ĐH Quốc tế Sài Gòn (SIU) |
|
|
Viện Trí tuệ nhân tạo |
Trường Đại học Công nghệ, ĐHQG Hà Nội (UET) |
|
|
AI Lab |
Trường Đại học Tôn Đức Thắng |
-
- Các AI Lab nổi tiếng trên thế giới
|
Tên Trường Đại học |
Các Lab/Viện nổi bật |
Đường link (chung hoặc lab) |
|
Massachusetts Institute of Technology (MIT) |
CSAIL (Computer Science and Artificial Intelligence Laboratory) |
https://www.mit.edu/ (tìm kiếm CSAIL) |
|
Stanford University |
Stanford AI Lab (SAIL), Stanford Institute for Human-Centered AI (HAI) |
https://hai.stanford.edu/ (Hoặc tìm kiếm SAIL) |
|
Carnegie Mellon University (CMU) |
School of Computer Science (SCS) - AI is a core part |
|
|
University of Oxford |
Oxford Machine Learning Research Group |
https://www.ox.ac.uk/ (tìm kiếm ML Research Group) |
|
University of California, Berkeley (UCB) |
Berkeley Artificial Intelligence Research (BAIR) Lab |
|
|
National University of Singapore (NUS) |
NUS AI Research Centers |
https://www.nus.edu.sg/ (tìm kiếm AI) |



.jpg)
