Khoa Khoa học Máy tính & Công nghệ
Khoa Khoa học Máy tính & Công nghệ
Tiến sĩ Đặng Quang Vinh
Tiến sĩ Đặng Quang Vinh hiện là Giảng viên Cao cấp tại Đại học Anh Quốc Việt Nam (British University Vietnam – BUV), với các lĩnh vực chuyên môn chính gồm Trí tuệ Nhân tạo, Học máy, Tối ưu hóa Toán học, Học trên Đồ thị và Khoa học Dữ liệu. Ông gia nhập BUV với vị trí Giảng viên vào năm 2024 và được thăng chức lên Giảng viên Cao cấp vào năm 2026.
Ông là tác giả hoặc đồng tác giả của hơn 80 công trình khoa học được lập chỉ mục trong Scopus và/hoặc SCI-E, trong đó có nhiều bài báo được công bố trên các tạp chí Q1. Hiện ông có chỉ số h là 18 và các công trình của ông đã nhận được hơn 1.000 lượt trích dẫn. Các nghiên cứu gần đây của ông bao gồm an toàn AI, mô hình ngôn ngữ lớn, mô hình thị giác-ngôn ngữ, học liên kết, dự báo conformal và định lượng độ bất định, mạng nơ-ron đồ thị, Retrieval-Augmented Generation, an toàn thông tin, tối ưu hóa toán học, cũng như các ứng dụng AI trong tài chính, giáo dục và hỗ trợ ra quyết định.
Bên cạnh hoạt động học thuật, Tiến sĩ Đặng Quang Vinh có gần 20 năm kinh nghiệm trong ngành phần mềm, dữ liệu và trí tuệ nhân tạo. Ông từng đảm nhiệm nhiều vị trí quản lý kỹ thuật và lãnh đạo cấp cao tại các tập đoàn công nghệ, nền tảng số, công ty fintech và ngân hàng lớn, trong đó có các vai trò Trưởng bộ phận Khoa học Dữ liệu (Head of Data Science) và Trưởng bộ phận Dữ liệu/AI (Head of Data/AI). Ông có nhiều kinh nghiệm xây dựng và dẫn dắt các đội ngũ Data Science và AI đa chức năng, hoạch định chiến lược AI doanh nghiệp và triển khai các hệ thống AI quy mô lớn trong môi trường thực tế.
Hiện ông là Senior Data & AI Consultant tại SmartOSC, nơi ông dẫn dắt và tư vấn các chương trình Data & AI cho khách hàng doanh nghiệp trong các lĩnh vực ngân hàng, dịch vụ tài chính, sản xuất, bán lẻ và nhiều ngành khác. Kinh nghiệm công nghiệp của ông trải rộng từ Generative AI, Agentic AI, mô hình ngôn ngữ lớn, hệ thống khuyến nghị, định giá động, tối ưu hóa toán học, phân tích gian lận và rủi ro đến kiến trúc AI doanh nghiệp, hệ thống tri thức và các giải pháp học máy quy mô lớn.
- Trí tuệ Nhân tạo và Học máy
- Nền tảng Toán học của AI và Học máy
- Tối ưu hóa Toán học và Nghiên cứu Vận trù
- AI Đáng tin cậy, Có khả năng Giải thích và Có trách nhiệm
- Mô hình Ngôn ngữ Lớn và Agentic AI
- AI Đa phương thức và Mô hình Thị giác-Ngôn ngữ
- Mạng Nơ-ron Đồ thị và Học trên Đồ thị
- Dự báo Conformal và Định lượng Độ bất định
- Retrieval-Augmented Generation và Knowledge Graph
- Học Liên kết và Học máy Bảo vệ Quyền riêng tư
- An toàn AI và An toàn Thông tin
- AI trong Tài chính và Hỗ trợ Ra quyết định
- AI trong Giáo dục Đại học
- Dang, Q.-V., Vu, H.-V., Nguyen, N.-S.-A., Dinh, M.N., & Le, D. (2026).
“CAPS: Compositional Attack Path Scoring for LLM Deployment Stacks.”
Artificial Intelligence and Applications.
DOI: 10.47852/bonviewAIA620210609.
Q1; công bố trên tạp chí nằm trong Top 3% của nhóm ngành tương ứng trên Scopus. - Nguyen, T.-H.-H., & Dang, Q.-V. (2026).
“Work-integrated learning in Vietnamese higher education: governance models, institutional diversity and graduate employability in the Asian century.”
Higher Education, Skills and Work-Based Learning.
DOI: 10.1108/HESWBL-05-2026-0390.
Q1. - Dang, Q.-V. et al. (2026).
“Real-time hallucination correction in vision-language models using dynamic knowledge graph verification.”
Discover Artificial Intelligence.
Q1. - Dang, Q.-V., Nguyen, N.-S.-A., & Vo, T.-B.-D. (2026).
“CONFIDE: CONformal Free Inference for Distribution-Free Estimation in Causal Competing Risks.”
Mathematics, 14(2), 383.
Q1. - Dang, Q.-V. et al. (2026).
“FORTRESS-FL: Byzantine-Robust and Privacy-Preserving Federated Learning.”
Array.
Q1.
- Dang, Q.V. (tháng 12/2019). Reinforcement learning in stock trading. Trong International Conference on Computer Science, Applied Mathematics and Applications (tr. 311–322). Cham: Springer International Publishing.
- Dang, Q.V. (tháng 10/2020). Active learning for intrusion detection systems. Trong 2020 RIVF International Conference on Computing and Communication Technologies (RIVF) (tr. 1–3). IEEE.
- Dang, Q.V. và Vo, T.H. (2022). Reinforcement learning for the problem of detecting intrusion in a computer system. Trong Proceedings of Sixth International Congress on Information and Communication Technology: ICICT 2021, London, Volume 2 (tr. 755–762). Springer Singapore.
- Dang, Q.V. và Ignat, C.L. (tháng 8/2016). Computational trust model for repeated trust games. Trong 2016 IEEE Trustcom/BigDataSE/ISPA (tr. 34–41). IEEE.
- Dang, Q.V. (2021). Right to be forgotten in the age of machine learning. Trong Advances in Digital Science: ICADS 2021 (tr. 403–411). Springer International Publishing.
- Chủ nhiệm (PI) – Phòng nghiên cứu, Đại học Anh Quốc Việt Nam
Dẫn dắt một phòng nghiên cứu tập trung vào các bài toán toán học của trí tuệ nhân tạo và học máy, bao gồm tối ưu hóa toán học, học trên đồ thị, định lượng độ bất định, AI đáng tin cậy và các hướng nghiên cứu lý thuyết và ứng dụng liên quan. - Google Computing Grant – 2026
5.000 USD tài nguyên tính toán. - Google Computing Grant – 2025
5.000 USD tài nguyên tính toán. - Đề tài nghiên cứu IUH – 2022
Intrusion Detection Using LLM - Đề tài nghiên cứu IUH – 2021
Intrusion Detection
- Tiến sĩ Khoa học Máy tính (2014–2018)
Đại học Lorraine, Nancy, Pháp
Luận án: Đánh giá độ tin cậy trong các hệ thống cộng tác quy mô lớn - Post-Master về Công nghệ Phần mềm (2013–2014)
Đại học Công nghệ Eindhoven, Hà Lan - Thạc sĩ Khoa học Máy tính (2009–2012)
Đại học Quốc gia Hà Nội, Việt Nam - Thạc sĩ Kỹ thuật Tài chính (2019–2021)
Đại học WorldQuant, Hoa Kỳ - Cử nhân Khoa học Máy tính – Hệ Tài năng (2005–2009)
Đại học Quốc gia Hà Nội, Việt Nam - Cử nhân Luật (2010–2013)
Đại học Luật Hà Nội, Việt Nam
- Trường Đại học Anh Quốc Việt Nam (British University Vietnam)
Giảng viên Cao cấp, 2026–nay
Giảng viên, 2024–2026 - Đại học RMIT Việt Nam
Giảng viên, 2023–2024 - Đại học Công nghiệp Thành phố Hồ Chí Minh
Giảng viên, 2019–2023
