






Preview text:
  lOMoAR cPSD| 58702377 Câu 13:  GIẢN ĐƠN 
Nếu có thể đừng than chi số phận 
Gạt nỗi buồn vướng bận gió cuốn đi 
Đời ngắn lắm yêu thương còn chưa đủ Sao 
bận lòng cho những phút sân si 
Nếu có thể hãy thả lòng mình nhé 
Sống vị tha mạnh mẽ giữa cuộc đời 
Bởi vẫn biết cho đi là còn mãi 
Tự bằng lòng tâm sẽ được thảnh thơi 
Nếu có thể thả hồn nương theo gió 
Biết bỏ buông mình sẽ có thật nhiều 
Những niềm vui hạnh phúc dù bé nhỏ 
Cuộc đời này thanh thản biết bao nhiêu 
Nếu có thể giữ cho mình những phút 
Khẽ khàng trôi không chút ầm ào 
Giữa chợ đời lặng ru bình yên ngủ 
Thả muộn phiền theo cánh gió lao xao … 
BÀI 1 : CÔNG DÂN SỐ KIẾN THỨC VÀ TRÁCH NHIỆM 
Câu 11: Trình bày những điều cần thiết để bảo mật thông tin trên môi trường số? 
Công dân số trong thời đại công nghệ phát triển hiện nay cần rất nhiều kỹ năng cần 
thiết để thực hiện các hoạt động hiệu quả trên nền tảng kỹ thuật số. Dựa trên nghiên cứu 
và đánh giá của DQ Institute - tổ chức tư vấn quốc tế chuyên thiết lập các tiêu chuẩn toàn 
cầu về giáo dục, tiếp cận cộng đồng và chính sách về trí tuệ kỹ thuật số. Một công dân số 
cần phải có 8 kỹ năng đó là: Danh tính kỹ thuật số, quản lý thời gian tiếp xúc với màn hình, 
quản lý việc doạn nạt trên mạng, quản lý an ninh mạng, quản lý bảo mật, tư duy phê phán, 
dấu chân kỹ thuật số và cảm thông kỹ thuật số.    lOMoAR cPSD| 58702377
Danh tính công dân số (Digital citizen identity): Khả năng tạo lập và quản lý toàn 
diện danh tính online và offline. Đó là kỹ năng quản lý danh tính cá nhân để tránh bị kẻ 
xấu đánh cắp thông tin và mạo danh nhằm thực hiện các hành vi lừa đảo trục lợi, đăng tải 
bài viết có nội dung khiêu dâm, khiêu khích, đăng tải các thông tin giả mạo, khiến uy tín 
và danh dự của người dùng bị ảnh hưởng nghiêm trọng. Do vậy, một công dân số cần có 
kỹ năng quản lý danh tính để có thể bảo vệ dữ liệu cá nhân an toàn trong môi trường kỹ  thuật số. 
Quản lý thời gian tiếp xúc với màn hình (Screen time management): Khả năng quản 
lý thời gian tiếp xúc với màn hình, truy cập tìm kiếm thông tin, chơi game hay phương tiện 
thông tin một cách có kiểm soát. Mỗi công dân số phải tự cân bằng giữa thời gian trực 
tuyến và ngoại tuyến, hỗ trợ mọi người làm việc hiệu quả và tương tác với nhau mọi lúc 
mọi nơi. Giới hạn thời gian tiếp xúc với màn hình, các thiết bị đa phương tiện để tránh một 
số rủi ro về sức khỏe và công việc; ví dụ như: tình trạng mệt mỏi, giảm thị lực, đau cổ, 
nhức đầu, giảm năng suất làm việc,.... để đảm bảo sức khỏe tinh thần và thể chất đồng thời 
nâng cao năng suất làm việc. 
Quản lý việc đe dọa trên môi trường mạng (Cyberbullying management): Khả năng 
phát hiện những trường hợp mâu thuẫn, gây xung đột, đe dọa trên không gian mạng và xử 
lý. Một môi trường trực tuyến lành mạnh được tạo ra khi mỗi công dân số đều có khả năng 
xác định, quản lý và giảm thiểu các rủi ro bắt nạt, đe dọa, quấy rối,...trên môi trường số 
bằng cách phát triển nhận thức xã hội, kỹ năng ra quyết định, giao tiếp và ứng xử hiệu quả. 
Khi được đào tạo kỹ năng này, công dân số động để bản thân tránh bị bắt nạt trên mạng và 
có những biện pháp ứng phó hiệu quả. 
Quản lý an ninh mạng (Cybersecurity management): Khả năng bảo vệ dữ liệu cá 
nhân của một người băng cách tạo mật khẩu và quản lý các loại tấn công khác nhau. Mặc 
dù mỗi cơ quan, đơn vị đều có các hệ thống quản lý an ninh mạng, các ứng dụng xây hệ 
thống bảo mật. Tuy nhiên, công dân số nên chủ động phòng ngừa và loại bỏ các mối đe 
dọa này mà không làm ảnh hưởng đến dữ liệu và thiết bị. Bên cạnh đó, công dân số cũng 
cần đề cao cảnh giác đối với các lỗ hổng bảo mật, đánh cắp dữ liệu và đe dọa thiết bị của 
mình và mạnh dạn xử lý khi gặp vấn đề.    lOMoAR cPSD| 58702377
Quản lý bảo mật (Privacy management): Kỹ năng bảo mật và thận trọng đối với các 
thông tin cá nhân được chia sẻ trực tuyến để bảo vệ và giữ an toàn thông tin của một người 
và những người khác khi hoạt động trực tuyến. Lưu ý khi sử dụng, lưu trữ, xử lý và chia sẻ 
thông tin cá nhân trong thế giới số kết hợp với các công cụ bảo mật giúp công dân số bảo 
vệ thông tin của mình trước nguy cơ bị kẻ xấu đánh cắp dữ liệu nhằm gây hại, thậm chí bôi 
nhọ danh dự, nhân phẩm. Ngoài ra, công dân số cũng cần tôn trọng quyền riêng tư và thông 
tin cá nhân của người khác và coi đây là tài sản giá trị đáng được bảo vệ. 
Tư duy phê phán (Critical thinking): Khả năng phân biệt tính đúng sai trong cách 
ứng xử, nội dung tốt và nội dung độc hại, các mối liên hệ đáng tin cậy và không đáng tin 
cậy. Nâng cao kỹ năng sử dụng máy tính, phần mềm, ứng dụng thành thạo cũng như hiểu 
rõ nhu cầu thông tin, điều hướng hiệu quả, đánh giá phê bình và tổng hợp thông tin đảm 
bảo quá trình thu thập, sắp xếp nội dung, phân biệt thông tin có ích hiệu quả hơn. Trong 
quá trình đó, người dùng phải cẩn thận chọn lọc những thông tin cũng như đánh giá về độ 
tin cậy của những thông tin đó. 
Dấu chân số (Digital footprints): Khả năng hiểu bản chất của dấu chân số và quản 
lý lịch sử truy cập có trách nhiệm. Mọi hành vi của người dùng trên nền tảng trực tuyến 
đều được số hóa thành dữ liệu người dùng. Từng hành động và bước đi của người dùng 
đều được ghi lại và lưu trữ trên hệ thống, ví dụ như các hoạt động tương tác (like, share, 
comment,...), click quảng cáo, lịch sử giao dịch ATM, mua hàng, tìm kiếm... Các thông tin 
cá nhân này có thể được thu thập khi người dùng sử dụng công cụ tìm kiếm và trở thành 
nguồn dữ liệu phục vụ lợi ích cho các bên quan tâm, ví dụ như: các doanh nghiệp thu nhập 
dữ liệu dấu chân điện tử để cho ra các chiến lược truyền thông. 
Cảm thông trên môi trường số (Digital empathy): Khả năng bày tỏ sự đồng cảm đối 
với nhu cầu, cảm xúc trực tuyến của riêng mình và những người khác. Công dân kỹ thuật 
số khi tham gia vào môi trường này phải hiểu và nhận thức được các tương tác trực tuyến 
của họ ảnh hưởng như thế nào đến người khác. Phải tôn trọng quan điểm của người khác 
bằng cách kiểm soát và điều chỉnh tương tác, phản hồi phù hợp.    lOMoAR cPSD| 58702377
BÀI 4: XU HƯỚNG PHÁT TRIỂN CÔNG NGHỆ SỐ 
Câu 19: Trình bày những hiểu biết về học sâu (Deep Learning)? Một số ứng dụng sử 
dụng học sâu trong thực tế. 
a. Thời gian xuất hiện học sâu (Deep Learning) 
Deep Learning được phát triển từ giai đoạn từ 1980 – nay: giai đoạn mà AI đi vào 
công nghiệp và cuộc sống. Đầu những năm 1980 nghành công nghiệp AI phát triển 
mạnh, với hàng trăm các công ty. Trong giai đoạn này cũng đánh dấu sự trở lại mạnh 
mẽ của các mô hình mạng nơ-ron. Đặc biệt là các mô hình mạng nơ-ron với nhiều lớp 
(Deep Learning), dựa trên sự phát triển mạnh mẽ của công nghệ tính toán và dữ liệu lớn.  b. Khái niệm 
Deep Learning cơ bản là một tập hợp con của học máy, có khác biệt ở một số 
khía cạnh quan trọng so với công nghệ học máy nông truyền thống. Học sâu cho phép 
máy tính giải quyết rất nhiều vấn đề phức tạp bằng cách “học” từ một lượng lớn dữ liệu. 
Học sâu thúc đẩy nhiều ứng dụng và dịch vụ trí tuệ nhân tạo (AI Artificial 
Intelligent) nhằm nâng cao, cải thiện tính tự động hóa, thực hiện các tác vụ phân tích và 
vật lý mà không cần sự can thiệp của con người. 
Công nghệ học sâu nằm sau các sản phẩm và dịch vụ hàng ngày (chẳng hạn như 
trợ lý kỹ thuật số, điều khiển TV hỗ trợ giọng nói từ xa, phát hiện gian lận thẻ tín dụng,  ô tô tự lái,…).   
Mối quan hệ giữa học sâu và máy học, trí tuệ nhân tạo - Ảnh: Internet 
c. Cách thức hoạt động như thế nào?      lOMoAR cPSD| 58702377
Mạng nơ ron sâu (Deep Neural Network - DNN), cố gắng bắt chước não người 
thông qua sự kết hợp của dữ liệu đầu vào, trọng số và độ lệch. Các yếu tố này làm việc 
cùng nhau để nhận biết, phân loại và mô tả chính xác các đối tượng dựa trên dữ liệu. 
Mạng nơ ron sâu bao gồm nhiều lớp nút được kết nối với nhau, mỗi lớp được xây dựng 
dựa trên lớp trước đó để tinh chỉnh và tối ưu hóa dự đoán hoặc phân loại. Quá trình tính 
toán thông qua mạng này được gọi là quá trình truyền chuyển tiếp. Lớp đầu vào là nơi 
mô hình học sâu nhập dữ liệu để xử lý và lớp đầu ra là nơi đưa ra dự đoán hoặc phân  loại cuối cùng. 
Một quy trình khác được gọi là truyền ngược (backpropagation) sử dụng các thuật 
toán, như suy giảm độ dốc (gradient descent), để tính toán sai số trong các dự đoán. Sau 
đó, điều chỉnh trọng số và độ lệch của hàm bằng cách di chuyển ngược lại qua các lớp 
trong quá trình đào tạo mô hình. 
Truyền thằng (forward propagation) và truyền ngược cùng với nhau cho phép 
mạng nơ-ron đưa ra dự đoán và sửa chữa bất kỳ lỗi nào sao cho phù hợp. Theo thời gian, 
thuật toán dần trở nên chính xác hơn. 
Đây là loại mạng nơ-ron sâu đơn giản nhất đã được mô tả một cách rút gọn. Thực 
tế, các thuật toán học sâu vô cùng phức tạp và có nhiều loại mạng nơ-ron khác nhau để 
giải quyết các vấn đề hoặc tập dữ liệu cụ thể. 
d. Một số ứng dụng sử dụng Deep Learning  - Digital Marketing 
Thời đại chuyển đổi số trên khắp mọi lĩnh vực hiện nay khiến việc ứng dụng trí 
tuệ nhân tạo trong Digital Marketing không còn quá xa lạ đối với dân kinh doanh lẫn 
dân công nghệ. Việc sử dụng Deep Learning trong chiến dịch Marketing sẽ giúp mang 
lại trải nghiệm tốt hơn cho khách hàng và tăng doanh thu cho doanh nghiệp. Điển hình 
như hệ thống Chatbot, xây dựng nội dung cá nhân hóa, phân tích người dùng bằng hình  ảnh,… 
- Hệ thống lái xe tự động 
Một trong những sản phẩm áp dụng Deep Learning mới và hiện đại nhất hiện nay 
là hệ thống lái xe tự động, được xây dựng dựa trên các mạng nơ-ron cấp cao. 
Các mô hình Deep Learning đóng vai trò nhận diện các đối tượng môi trường 
xung quanh xe, tính toán khoảng cách giữa xe và các phương tiện khác, xác định vị trí      lOMoAR cPSD| 58702377
làn đường, tín hiệu giao thông, nhận diện chướng ngại vật,… từ đó đưa ra được các 
quyết định tối ưu và nhanh chóng nhất. 
Một trong những hãng xe đình đám và tiên phong trong việc sản xuất xe tự lái  hiện nay là Tesla.  - Trợ lý ảo 
Không còn quá xa lạ với công chúng trong những năm gần đây bởi những hiệu 
quả vượt trội mà chúng mang lại. Trợ lý ảo hay Virtual Assistant đang được ứng dụng 
rất nhiều trong đời sống hàng ngày, sử dụng Deep Learning để biết thêm về người dùng, 
từ sở thích ăn uống đến các điểm truy cập nhiều nhất hoặc các bài hát yêu thích của bạn. 
Công nghệ này học cách hiểu và thực hiện các mệnh lệnh thông qua đánh giá ngôn ngữ 
tự nhiên của con người. 
Ngoài ra Deep Learning còn có khả năng giúp trợ lý ảo dịch bài phát biểu thành 
văn bản, ghi chú lại và đặt lịch hẹn cho bạn; nhắc lịch hẹn và tự động trả lời các cuộc 
gọi cụ thể để phối hợp các nhiệm vụ giữa bạn và các thành viên chung team; tạo hoặc 
gửi bản sao email phù hợp. 
Phổ biến nhất nhất có thể kể đến Alexa hay Siri, Google Assistant. Mỗi tương 
tác với các trợ lý này cung cấp cho họ cơ hội tìm hiểu thêm về giọng nói và ngữ điệu 
của bạn, từ đó cung cấp cho bạn trải nghiệm tương tác như phiên bản thứ 2 của con  người.  - Nghiên cứu y học 
Từ chẩn đoán bệnh, chẩn đoán khối u cho đến các loại thuốc được tạo riêng cho 
từng bộ gen cá nhân, ứng dụng của Deep Learning vào y học đang nhận được sự chú ý 
từ nhiều công ty dược phẩm và y tế lớn nhất hiện nay. 
Các nhà nghiên cứu ung thư đang sử dụng Deep Learning để tự động phát hiện 
tế bào ung thư. Các nhóm nghiên cứu tại UCLA đã chế tạo một kính hiển vi tiên tiến 
mang lại bộ dữ liệu đa chiều được sử dụng để đào tạo một ứng dụng Deep Learning 
nhằm xác định chính xác các tế bào ung thư. 
Số hóa hồ sơ bệnh nhân và đọc hình ảnh cũng là minh chứng nổi bật của việc ứng 
dụng công nghệ này vào trong ngành y tế. Deep Learning phân tích tự động hình ảnh 
chụp cắt lớp của bệnh nhân, giúp bác sĩ chẩn đoán chính xác và tình trạng bệnh được 
phát hiện nhanh chóng, có biện pháp điều trị từ sớm. Quá trình kiểm tra sức khỏe cũng 
trở nên đơn giản khi mọi dữ liệu của người bệnh đã được ghi nhận trên hệ thống chung.  - Nhận diện khuôn mặt 
Deep Learning được sử dụng trong nhận diện khuôn mặt không chỉ nhằm phục 
vụ cho mục đích bảo mật mà còn được ứng dụng việc phân loại hình ảnh. Chắc hẳn,      lOMoAR cPSD| 58702377
chúng ta đều đã từng thấy máy tính tự động nhận diện và phân loại các hình ảnh trên  điện thoại. 
Ví dụ: Facebook có thể tự động gắn thẻ chính bạn và bạn bè của bạn, hoặc Google 
ssPhotos có thể tự động gắn nhãn ảnh của bạn để tìm kiếm dễ dàng hơn. Với Deep 
Learning, bạn có thể dễ dàng tìm và phân loại các hình ảnh theo ngày, sự kiện mà không 
phải dùng thao tác thủ công mất thời gian. Và trong tương lai gần, người dùng còn có 
thể thanh toán các hóa đơn bằng chính khuôn mặt của mình.