[Live miễn phí] Quá trình phát triển thuật toán đoạt giải cuộc thi AI thành bài báo thuyết trình (Oral) tại hội nghị quốc tế

Làm thế nào thuật toán đoạt giải tại cuộc thi AI trở thành bài báo trên hội nghị quốc tế?

Việc đạt được thành tích tốt trong các cuộc thi AI và việc tạo ra một bài báo nghiên cứu khoa học dường như là hai câu chuyện hoàn toàn khác biệt.

Tuy nhiên, nếu bạn phân tích sâu một vấn đề, lặp lại các thí nghiệm và khái quát hóa những ý tưởng tìm được trong quá trình đó, bạn có thể phát triển kinh nghiệm từ cuộc thi thành một nghiên cứu thực thụ.

Trong buổi livestream lần này, dựa trên kinh nghiệm thực tế khi giành hạng 3 tại Cuộc thi AI công khai K League - Đại học Seoul với 947 đội tham gia, chúng tôi sẽ chia sẻ quá trình làm thế nào một ý tưởng bắt nguồn từ cuộc thi lại có thể phát triển thành bài báo Oral tại Methods Track của International Conference on Automated Machine Learning (AutoML Conference 2026, https://2026.automl.cc/accepted-papers/).

🎯 Buổi livestream này dành cho những đối tượng sau

• Những bạn đang tham gia các cuộc thi AI nhưng muốn tạo ra những trải nghiệm vượt xa hơn cả việc cải thiện điểm số

• Những ai muốn phát triển các ý tưởng thu được từ các cuộc thi thành các bài báo nghiên cứu khoa học

• Những người đang trăn trở không biết nên bắt đầu nghiên cứu machine learning và deep learning như thế nào

• Sinh viên đang nghiên cứu AI tại cao học

• Nhà phát triển · Nhà khoa học dữ liệu muốn kết nối giữa nghiên cứu AI và thực tiễn

• Những ai tò mò về quá trình viết bài báo cho hội nghị quốc tế

• Những người tò mò về quá trình một nhà nghiên cứu thực thụ định nghĩa vấn đề và phát triển thuật toán.

🏆 Nghiên cứu bắt nguồn từ cuộc thi thực tế

Nghiên cứu sẽ được giới thiệu trong buổi livestream lần này không phải là một dự án được bắt đầu với mục đích viết luận văn ngay từ đầu.

Nó bắt nguồn từ quá trình giải quyết vấn đề dự báo chuỗi thời gian trong một cuộc thi AI thực tế.

Trong các cuộc thi, việc đạt được hiệu suất tốt trong thời gian giới hạn là rất quan trọng, nhưng nghiên cứu không thể hoàn thiện chỉ bằng cách nâng cao điểm số trên bảng xếp hạng.

Trong nghiên cứu lần này, khi phân tích lại thuật toán đã sử dụng trong cuộc thi,

"Tại sao phương pháp này lại hoạt động tốt?"

"Trong tình huống nào thì nảy sinh hạn chế?"

"Ý tưởng này có thể áp dụng cho các dữ liệu và vấn đề khác được không?"

đã đặt ra những câu hỏi như vậy.

Và dựa trên những câu hỏi này, tôi đã nâng cao phương pháp hiện có và phát triển các ý tưởng nghiên cứu mới.

🔬 Cuộc thi → Ý tưởng nghiên cứu → Thuật toán → Luận văn

Trong buổi livestream, chúng ta sẽ cùng xem xét từng bước quá trình một ý tưởng phát triển thành một nghiên cứu.

1. Phân tích vấn đề

Giải thích cách nhìn nhận dữ liệu và định nghĩa vấn đề khi lần đầu tiếp cận bài toán dự báo chuỗi thời gian.

Không chỉ đơn thuần là lựa chọn mô hình, chúng ta sẽ xem xét việc phân tích đặc điểm dữ liệu cũng như cấu trúc vấn đề và những giả thuyết nào đã được đặt ra.

2. Thiết kế thuật toán

Giới thiệu các phương pháp tiếp cận và chiến lược thử nghiệm đã được sử dụng thực tế trong cuộc thi.

Chúng ta sẽ cùng xem xét những ý tưởng nào đã được thử nghiệm, phương pháp nào mang lại hiệu quả, và ngược lại, những cách tiếp cận nào đã thất bại.

3. Cải thiện hiệu suất

Giải thích cách phân tích các quy luật phát hiện được trong quá trình nâng cao điểm số trên bảng xếp hạng và cách kết nối chúng với các thử nghiệm tiếp theo.

Không chỉ đơn thuần là tinh chỉnh siêu tham số (hyperparameter tuning), mà tập trung vào quá trình cải tiến chính thuật toán dựa trên sự hiểu biết về vấn đề.

4. Đề xuất ý tưởng nghiên cứu

Chúng ta sẽ xem xét quá trình khái quát hóa các ý tưởng thành hình thức không phụ thuộc vào một tập dữ liệu cụ thể, thay vì chỉ sử dụng nguyên xi những kinh nghiệm thu được từ cuộc thi.

Trong quá trình này, chúng tôi sẽ giải thích thông qua các ví dụ thực tế về cách phát hiện ra những hạn chế của các phương pháp hiện tại và cách xây dựng các giả thuyết nghiên cứu mới.

5. Phát triển thành thuật toán mới

Thông qua quá trình này, chúng tôi xin giới thiệu ý tưởng và bối cảnh thiết kế của FS-DCM (Frequency-Separated Dual-Context Modeling with Dynamic Local Volatility Weighting for Time-Series AutoML) đã được phát triển.

Thay vì chỉ liệt kê các công thức phức tạp,

Tại sao cấu trúc này lại cần thiết

Nó được thiết kế để giải quyết vấn đề gì

Sự khác biệt so với các phương pháp hiện có là gì

tập trung giải thích vào các nội dung này.

6. Viết thành bài báo nghiên cứu

Nội dung cũng bao gồm cách chuyển đổi kết quả đạt được từ cuộc thi thành câu hỏi nghiên cứu và phát triển chúng thành cấu trúc của một bài báo khoa học.

Dựa trên kinh nghiệm viết luận văn thực tế, tôi sẽ chia sẻ về sự khác biệt giữa việc liệt kê kết quả thí nghiệm và việc viết một luận văn nghiên cứu, cũng như cách kết nối giả thuyết nghiên cứu với các thí nghiệm.

7. Được chọn báo cáo Oral tại hội nghị quốc tế

Cuối cùng, tôi sẽ chia sẻ quá trình và kinh nghiệm nghiên cứu để phát triển nghiên cứu thành bài báo AutoML Conference 2026 Methods Track Oral.

📌 Nội dung sẽ được đề cập trong buổi Live

• Cách nhìn nhận vấn đề trong các cuộc thi AI

• Phân tích vấn đề dự báo chuỗi thời gian và chiến lược thử nghiệm

• Quy trình thiết kế thuật toán đạt giải

• Phương pháp thí nghiệm để cải thiện hiệu suất

• Cách tìm kiếm ý tưởng nghiên cứu từ những thí nghiệm thất bại

• Cách khái quát hóa ý tưởng từ cuộc thi thi đấu

• Quá trình tạo ra thuật toán mới từ những hạn chế của phương pháp hiện tại

• Ý tưởng cốt lõi của thuật toán FS-DCM

• Cách kết nối kết quả thí nghiệm với giả thuyết nghiên cứu

• Quá trình phát triển kết quả cuộc thi thành luận văn nghiên cứu

• Quá trình nghiên cứu và viết bài báo cho hội nghị quốc tế

• Kinh nghiệm được chọn báo cáo Oral tại Hội nghị AutoML 2026

💡 Những điều bạn sẽ nhận được qua buổi Live này

Chúng tôi không chỉ nói về cách đạt điểm cao trong các cuộc thi.

Trọng tâm của buổi live lần này là làm thế nào để đào sâu một vấn đề duy nhất và phát triển nó thành ý tưởng nghiên cứu.

Không chỉ dừng lại những kinh nghiệm đạt được từ cuộc thi ở mức độ là một giải thưởng đơn thuần,

Giải quyết vấn đề → Thí nghiệm → Giải thưởng → Phát hiện hạn chế → Giả thuyết nghiên cứu → Phát triển thuật toán → Viết bài báo → Hội thảo quốc tế

tôi sẽ cho bạn thấy quá trình thực tế để kết nối thành.

Nếu bạn đang tham gia các cuộc thi AI nhưng vẫn đang trăn trở rằng "Làm thế nào để phát triển trải nghiệm này thành nghiên cứu?", bạn có thể tìm thấy hướng đi cụ thể thông qua các ví dụ thực tế.

👨‍💻 Giới thiệu giảng viên

Tôi đang vừa đi làm vừa theo học chương trình Thạc sĩ Trí tuệ nhân tạo tại Đại học Yonsei, đồng thời thực hiện các nghiên cứu về Machine Learning và Deep Learning.

Tôi đã tham gia các cuộc thi AI để giải quyết các vấn đề thực tế và tích lũy kinh nghiệm đạt giải, đồng thời phát triển những ý tưởng thu được từ các cuộc thi thành nghiên cứu để công bố bài báo AutoML Conference 2026 Oral.

Hiện tại, tôi đang vận hành nền tảng học tập AI Modoo AI (https://mdooai.com) và đồng hành cùng các học viên AI, đồng thời cũng đang thực hiện đào tạo và cố vấn về AI tạo sinh với tư cách là Upstage Certified Trainer.

Dựa trên những kinh nghiệm có được từ nghiên cứu, thực tiễn và giảng dạy, tôi đang truyền tải các công nghệ AI phức tạp một cách dễ hiểu và chính xác cho mọi đối tượng, từ những người mới bắt đầu học AI cho đến những người đang chuẩn bị bắt đầu nghiên cứu.

🚀 Từ trải nghiệm một cuộc thi đến khi trở thành một nghiên cứu

Không chỉ dừng lại ở một cuộc thi AI kết thúc bằng việc nhận giải thưởng,

"Tôi có thể tạo ra câu hỏi nghiên cứu nào từ kết quả này?"

Chúng ta sẽ cùng nhau tìm hiểu dưới góc nhìn đó.

Hãy cùng tìm hiểu mối liên kết giữa các cuộc thi AI và nghiên cứu thông qua các ví dụ thực tế.