HAutoML - Nền tảng AutoML giúp xây dựng mô hình AI không cần lập trình lọt vòng Chung kết Cuộc thi khởi nghiệp toàn quốc năm 2026

Trong bối cảnh trí tuệ nhân tạo (AI) ngày càng đóng vai trò quan trọng trong mọi lĩnh vực của đời sống, việc tiếp cận và ứng dụng công nghệ này vẫn còn là thách thức đối với nhiều cá nhân, đặc biệt là những người không có nền tảng lập trình. Xuất phát từ thực tiễn đó, nhóm sinh viên Trường Đại học Công nghiệp Hà Nội đã phát triển dự án HAutoML – nền tảng AutoML cho phép người dùng xây dựng mô hình AI một cách dễ dàng mà không cần kiến thức chuyên sâu về lập trình. Với ý tưởng mang tính ứng dụng cao, HAutoML đã xuất sắc lọt vào vòng Chung kết Cuộc thi “Học sinh, sinh viên với ý tưởng khởi nghiệp” lần thứ VIII năm 2026, một trong những sân chơi uy tín nhằm thúc đẩy tinh thần đổi mới sáng tạo trong giới trẻ.

Trong bối cảnh trí tuệ nhân tạo (AI) ngày càng được ứng dụng rộng rãi trong nhiều lĩnh vực, nhu cầu khai thác dữ liệu và xây dựng mô hình học máy đang trở nên phổ biến hơn bao giờ hết. Tuy nhiên, việc triển khai một hệ thống học máy hoàn chỉnh vẫn là thách thức đối với phần lớn người dùng do yêu cầu về kiến thức lập trình, xử lý dữ liệu và tối ưu mô hình. Đây chính là rào cản khiến AI chưa thực sự tiếp cận được với số đông. HAutoML được phát triển như một giải pháp nhằm thu hẹp khoảng cách đó, thông qua việc xây dựng một nền tảng AutoML có khả năng tự động hóa toàn bộ quy trình học máy. Hệ thống được thiết kế để đơn giản hóa trải nghiệm người dùng, cho phép ngay cả những người không có nền tảng kỹ thuật cũng có thể tiếp cận và sử dụng hiệu quả các công cụ AI trong thời gian ngắn.

* Cách HAutoML tự động hóa quy trình học máy:

AutoML (Automated Machine Learning) là công nghệ cho phép tự động hóa các bước quan trọng trong pipeline học máy, bao gồm tiền xử lý dữ liệu, lựa chọn mô hình và tối ưu siêu tham số. HAutoML ứng dụng cách tiếp cận này để đơn giản hóa toàn bộ quy trình xây dựng mô hình. Thay vì phải thực hiện tuần tự các công đoạn như làm sạch dữ liệu, lựa chọn đặc trưng, chọn mô hình và điều chỉnh siêu tham số, người dùng chỉ cần cung cấp dữ liệu đầu vào và xác định biến mục tiêu cần dự đoán. Hệ thống sẽ tự động xử lý dữ liệu, thử nghiệm nhiều thuật toán khác nhau và lựa chọn mô hình có hiệu năng tối ưu dựa trên các chỉ số đánh giá phù hợp. Quá trình này không chỉ giúp tiết kiệm thời gian mà còn giảm thiểu sai sót do yếu tố con người, đặc biệt trong các bước như tuning tham số hoặc lựa chọn mô hình, vốn đòi hỏi nhiều kinh nghiệm thực tiễn. Nhờ đó, HAutoML giúp chuẩn hóa quy trình xây dựng mô hình học máy và nâng cao tính nhất quán trong kết quả.

* Trải nghiệm người dùng và khả năng ứng dụng thực tế

Một trong những điểm nổi bật của HAutoML là việc tối ưu trải nghiệm người dùng thông qua giao diện trực quan theo định hướng no-code/low-code. Người dùng có thể dễ dàng thao tác trên hệ thống mà không cần viết mã, từ việc tải dữ liệu, lựa chọn mục tiêu đến theo dõi quá trình huấn luyện mô hình.

Sau khi quá trình huấn luyện hoàn tất, hệ thống cung cấp các chỉ số đánh giá cùng với các biểu đồ trực quan, giúp người dùng có cái nhìn tổng quan về hiệu năng của mô hình. Điều này đặc biệt quan trọng trong việc hỗ trợ người dùng hiểu rõ kết quả và đưa ra quyết định phù hợp trong từng bài toán cụ thể.

Ngoài ra, HAutoML còn hỗ trợ xuất mô hình và tích hợp với các hệ thống bên ngoài, mở rộng khả năng ứng dụng trong thực tế. Người dùng có thể sử dụng mô hình đã được huấn luyện để phục vụ các mục tiêu như dự đoán xu hướng, phân loại dữ liệu hay hỗ trợ ra quyết định trong các hoạt động kinh doanh và quản lý.

* Đối tượng sử dụng

HAutoML được định hướng phục vụ nhiều nhóm đối tượng khác nhau, trong đó trọng tâm là sinh viên, giảng viên, người mới bắt đầu với phân tích dữ liệu và các doanh nghiệp vừa và nhỏ. Đây là những nhóm có nhu cầu ứng dụng AI ngày càng tăng nhưng thường gặp hạn chế về nguồn lực kỹ thuật cũng như chi phí triển khai. Việc sử dụng HAutoML mang lại nhiều giá trị thiết thực, không chỉ ở khía cạnh tiết kiệm thời gian và chi phí mà còn giúp nâng cao khả năng ra quyết định dựa trên dữ liệu. Thông qua việc sử dụng các mô hình học máy, người dùng có thể phân tích và dự đoán xu hướng một cách chính xác hơn, có cơ sở thay vì phụ thuộc vào cảm tính hoặc kinh nghiệm.

Trong tương lai, HAutoML sẽ tiếp tục được phát triển theo hướng nâng cao hiệu năng mô hình, mở rộng khả năng trực quan hóa dữ liệu và tích hợp sâu hơn với các hệ thống bên ngoài thông qua API. Đồng thời, dự án cũng hướng tới việc xây dựng một cộng đồng người dùng và nhà phát triển, nơi mọi người có thể chia sẻ kinh nghiệm, đóng góp và cải tiến hệ thống. Với định hướng này, HAutoML không chỉ dừng lại ở một công cụ hỗ trợ kỹ thuật mà còn trở thành một nền tảng thúc đẩy việc phổ cập AI, góp phần xây dựng hệ sinh thái công nghệ và nâng cao năng lực khai thác dữ liệu trong bối cảnh chuyển đổi số đhttps://optivisionlab.fit-haui.edu.vn/

Việc trải nghiệm thực tế sẽ giúp người dùng có cái nhìn rõ ràng hơn về cách thức vận hành của hệ thống cũng như tiềm năng ứng dụng của AutoML trong các bài toán cụ thể. Việc dự án HAutoML lọt vào vòng Chung kết không chỉ là minh chứng cho năng lực chuyên môn và tư duy sáng tạo của sinh viên Đại học Công nghiệp Hà Nội, mà còn thể hiện định hướng đào tạo gắn với thực tiễn, khuyến khích nghiên cứu khoa học và khởi nghiệp đổi mới sáng tạo của Nhà trường. Trong thời gian tới, nhóm phát triển dự án kỳ vọng tiếp tục hoàn thiện sản phẩm, mở rộng tính năng và hướng tới thương mại hóa, góp phần đưa trí tuệ nhân tạo trở nên gần gũi và dễ tiếp cận hơn với cộng đồng.