README.md

---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- dense
- generated_from_trainer
- dataset_size:500
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: dangvantuan/vietnamese-document-embedding
widget:
- source_sentence: Ngành Kỹ thuật Trắc địa – Bản đồ là gì và sinh viên sẽ được trang
    bị những kỹ năng nào?
  sentences:
  - 'Triển vọng việc làm


    Các công ty xây dựng, nhà thầu xây dựng và các công ty tư vấn về xây dựng. Các
    cơ quan, tổ chức quản lý nhà nước liên quan đến xây dựng, phát triển hạ tầng và
    đô thị. Các công ty tài chính, ngân hàng và các tổ chức cho vay đầu tư vào các
    dự án xây dựng. Các công ty cung cấp dịch vụ quản lý dự án và tư vấn xây dựng.
    KỸ THUẬT XÂY DỰNG CÔNG TRÌNH GIAO THÔNG


    Thông tin tuyển sinh:


    Website: http://www.dce.hcmut.edu.vn/


    Mã tuyển sinh: 115 (Chương trình tiêu chuẩn), 215 (Chương trình giảng dạy bằng
    tiếng Anh)


    Ngành Kỹ thuật Xây dựng Công trình Giao thông có 01 chuyên ngành : Cầu đường.
    KỸ THUẬT TRẮC ĐỊA – BẢN ĐỒ


    Website: http://www.dce.hcmut.edu.vn/


    Ngành Kỹ thuật Trắc địa – Bản đồ thuộc Khoa Kỹ thuật Xây dựng. TỔNG QUAN CHƯƠNG
    TRÌNH


    Ngành Kỹ thuật Trắc địa – Bản đồ bao gồm Khoa học và công nghệ về việc thu thập,
    phân tích và biễu diễn các thông tin không gian (dựa trên Trái đất). Nó bao gồm
    những ứng dụng thú vị như định vị vệ tinh, viễn thám, trắc địa, địa chính và hệ
    thông tin địa lý. Kỹ thuật Trắc địa – Bản đồ là một trong những ngành khoa học
    thông tin phát triển nhanh nhất ở Việt Nam và khắp thế giới. Chương trình sẽ đào
    tạo thành những kỹ sư có tay nghề cao, có năng lực thiết kế và tổ chức thi công
    các công trình định vị chính xác cao bằng những kỹ thuật hiện đại như toàn đạc
    điện tử và các hệ thống định vị bằng vệ tinh; công trình thành lập bản đồ địa
    hình, địa chính và chuyên đề dưới dạng số bằng phương pháp toàn đạc, trắc lượng
    ảnh, viễn thám và biên tập; công trình thành lập và vận hành các hệ thống thông
    tin địa lý; các công tác trắc địa phục vụ xây dựng công trình.'
  - 'Ngành: Sư phạm tiếng Anh


    Mã ngành: 7140231D, Tổ hợp: (D01, D96), Điểm chuẩn: 26.08


    2. Ngành: Thiết kế đồ họa


    Mã ngành: 7210403D, Tổ hợp: (V01, V02, V07, V08), Điểm chuẩn: 24.50


    3. Ngành: Thiết kế thời trang


    Mã ngành: 7210404D, Tổ hợp: (V01, V02, V07, V09), Điểm chuẩn: 21.50


    4. Ngành: Ngôn ngữ Anh


    Mã ngành: 7220201D, Tổ hợp: (A00, A01, D01, D96), Điểm chuẩn: 22.75


    5. Ngành: Kinh doanh Quốc tế


    Mã ngành: 7340120D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 25.25


    6. Ngành: Thương mại điện tử


    Mã ngành: 7340122D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 25.25


    7. Ngành: Kế toán


    Mã ngành: 7340301D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.25


    8. Ngành: Công nghệ kỹ thuật máy tính


    Mã ngành: 7480106D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 25.00


    9. Ngành: Hệ thống nhúng và IoT


    Mã ngành: 7480109D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.75


    10. Ngành: Công nghệ thông tin


    Mã ngành: 7480201D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 25.25


    11. Ngành: Công nghệ kỹ thuật công trình xây dựng


    Mã ngành: 7510102D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 19.00


    12. Ngành: Hệ thống kỹ thuật công trình xây dựng


    Mã ngành: 7510105D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 19.00


    13. Ngành: Công nghệ kỹ thuật cơ khí


    Mã ngành: 7510201D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 21.50


    14. Ngành: Công nghệ chế tạo máy


    Mã ngành: 7510202D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 18.00


    15. Ngành: Công nghệ kỹ thuật ô tô


    Mã ngành: 7510205D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 22.50


    16. Ngành: Công nghệ kỹ thuật nhiệt


    Mã ngành: 7510206D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 16.50


    17. Ngành: Công nghệ kỹ thuật điện, điện tử


    Mã ngành: 7510301D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.25


    18. Ngành: Công nghệ kỹ thuật điện tử, viễn thông


    Mã ngành: 7510302, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.75


    19. Ngành: Công nghệ kỹ thuật điều khiển và tự động hóa


    Mã ngành: 7510303, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 25.00


    20. Ngành: Công nghệ kỹ thuật hóa học


    Mã ngành: 7510401, Tổ hợp: (A00, B00, D07, D90), Điểm chuẩn: 17.00


    21. Ngành: Công nghệ vật liệu


    Mã ngành: 7510402D, Tổ hợp: (A00, B00, D07, D90), Điểm chuẩn: 17.00


    22. Ngành: Công nghệ kỹ thuật môi trường


    Mã ngành: 7510406, Tổ hợp: (A00, B00, D07, D90), Điểm chuẩn: 17.00


    23. Ngành: Quản lý công nghiệp


    Mã ngành: 7510601, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.75


    24. Ngành: Logistics và quản lý chuỗi cung ứng


    Mã ngành: 7510605D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 24.25


    25. Ngành: Công nghệ kỹ thuật in


    Mã ngành: 7510802D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 17.00


    26. Ngành: Công nghệ may


    Mã ngành: 7540204D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 17.50


    27. Ngành: Kiến trúc


    Mã ngành: 7580101, Tổ hợp: (V00, V01, V02, V03), Điểm chuẩn: 22.25


    28. Ngành: Kiến trúc nội thất


    Mã ngành: 7580101D, Tổ hợp: (V03, V04, V05, V06), Điểm chuẩn: 22.00


    29. Ngành: Kỹ thuật xây dựng công trình giao thông


    Mã ngành: 7580205D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 17.00


    30. Ngành: Kỹ thuật xây dựng


    Mã ngành: 7580201D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 17.00


    31. Ngành: Quản trị nhà hàng và dịch vụ ăn uống


    Mã ngành: 7840110D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 17.50


    32. Ngành: Quản lý và vận hành hạ tầng


    Mã ngành: 7840101D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 17.70


    33. Ngành: Công nghệ kỹ thuật điều khiển và tự động hóa


    Mã ngành: 7510303D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 22.75


    34. Ngành: Công nghệ kỹ thuật điện tử - viễn thông


    Mã ngành: 7510302D, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 21.50


    CLC Tiếng Việt


    1. Ngành: Thiết kế thời trang


    Mã ngành: 7210404C, Tổ hợp: (V01, V02, V07, V09), Điểm chuẩn: 21.60


    2. Ngành: Thương mại điện tử


    Mã ngành: 7340122C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 25.50


    3. Ngành: Kế toán


    Mã ngành: 7340301C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.75


    4. Ngành: Công nghệ kỹ thuật máy tính


    Mã ngành: 7480106C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 25.65


    5. Ngành: Công nghệ thông tin


    Mã ngành: 7480201C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 26.00


    6. Ngành: Công nghệ kỹ thuật công trình xây dựng


    Mã ngành: 7510102C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 20.00


    7. Ngành: Công nghệ kỹ thuật cơ khí


    Mã ngành: 7510201C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 22.00


    8. Ngành: Công nghệ chế tạo máy


    Mã ngành: 7510202C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 19.00


    9. Ngành: Công nghệ kỹ thuật ô tô


    Mã ngành: 7510205C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.00


    10. Ngành: Công nghệ kỹ thuật nhiệt


    Mã ngành: 7510206C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 17.00


    11. Ngành: Công nghệ kỹ thuật điện, điện tử


    Mã ngành: 7510301C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.00


    12. Ngành: Công nghệ kỹ thuật điều khiển và tự động hóa


    Mã ngành: 7510303C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.00


    13. Ngành: Công nghệ kỹ thuật điện tử - viễn thông


    Mã ngành: 7510302C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 22.50


    14. Ngành: Công nghệ kỹ thuật điện tử, viễn thông


    Mã ngành: 7510302C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 22.50


    15. Ngành: Công nghệ kỹ thuật điều khiển và tự động hóa


    Mã ngành: 7510303C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 24.00


    16. Ngành: Công nghệ kỹ thuật môi trường


    Mã ngành: 7510406C, Tổ hợp: (A00, B00, D07, D90), Điểm chuẩn: 17.50


    17. Ngành: Quản lý công nghiệp


    Mã ngành: 7510601C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 19.75


    18. Ngành: Công nghệ kỹ thuật cơ điện tử


    Mã ngành: 7510203C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 21.50


    19. Ngành: Công nghệ may


    Mã ngành: 7540204C, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.25


    CLC Tiếng Anh:


    1. Ngành: Công nghệ kỹ thuật máy tính


    Mã ngành: 7480106A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 26.00


    2. Ngành: Công nghệ thông tin


    Mã ngành: 7480201A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 26.50


    3. Ngành: Công nghệ kỹ thuật công trình xây dựng


    Mã ngành: 7510102A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 19.75


    4. Ngành: Công nghệ kỹ thuật cơ khí


    Mã ngành: 7510201A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 22.50


    5. Ngành: Công nghệ chế tạo máy


    Mã ngành: 7510202A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 19.50


    6. Ngành: Công nghệ kỹ thuật ô tô


    Mã ngành: 7510205A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.50


    7. Ngành: Công nghệ kỹ thuật nhiệt


    Mã ngành: 7510206A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 17.00


    8. Ngành: Công nghệ kỹ thuật điện, điện tử


    Mã ngành: 7510301A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.50


    9. Ngành: Công nghệ kỹ thuật điều khiển và tự động hóa


    Mã ngành: 7510303A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.50


    10. Ngành: Công nghệ kỹ thuật điện tử, viễn thông


    Mã ngành: 7510302A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 22.25


    11. Ngành: Công nghệ kỹ thuật điều khiển và tự động hóa


    Mã ngành: 7510303A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 23.50


    12. Ngành: Quản lý công nghiệp


    Mã ngành: 7510601A, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 19.25


    Nhân tài


    Ngành: Robot và trí tuệ nhân tạo


    Mã ngành: 7510209NT, Tổ hợp: (A00, A01, D01, D90), Điểm chuẩn: 25.00'
  - 'xiv. Khoa tiếng Nhật


    1. CHẤT LƯỢNG ĐÀO TẠO


    ĐÀO TẠO CỬ NHÂN (4 NĂM)


    2.CHẤT LƯỢNG GIẢNG VIÊN


    ĐỘI NGŨ GIẢNG VIÊN: 8


    Tiến sĩ: 1


    Thạc sĩ: 5


    Cử nhân: 2


    3. MỤC TIÊU ĐÀO TẠO


    Đào tạo cử nhân ngôn ngữ Nhật, có phẩm chất chính trị, đạo đức và sức khỏe tốt,
    hiểu và vận dụng các tri thức cơ bản về ngôn ngữ tiếng Nhật. Sau khi tốt nghiệp,
    người học có đủ năng lực để làm việc ở các cơ quan, tổ chức, các công ty, doanh
    nghiệp yêu cầu chuẩn về kỹ năng sử dụng tiếng Nhật đáp ứng những yêu cầu của xã
    hội và của nền kinh tế trong quá trình hội nhập quốc tế. 4. CÁC NGÀNH ĐÀO TẠO


    ĐẠI HỌC


    Cử nhân Ngôn ngữ Nhật


    xv. Khoa tiếng Hàn Quốc


    1. CHẤT LƯỢNG ĐÀO TẠO


    ĐÀO TẠO CỬ NHÂN (4 NĂM)


    TUYỂN SINH:


    2016 - 2017: 150 SV


    2017 - 2018: 195 SV


    2018 - 2019: 120 SV


    2019 - 2020: 54 SV


    2021 - 2022: 120 SV


    2022 - 2023: 88 SV


    Song ngành: 20 SV


    2. CHẤT LƯỢNG GIẢNG VIÊN


    ĐỘI NGŨ GIẢNG VIÊN: 6


    Tiến sĩ: 1


    Thạc sĩ: 4


    Cử nhân: 1


    3. MỤC TIÊU ĐÀO TẠO


    Đào tạo cử nhân ngôn ngữ Hàn Quốc, có phẩm chất chính trị, đạo đức và sức khỏe
    tốt, hiểu và vận dụng các tri thức cơ bản về ngôn ngữ tiếng Hàn Quốc - định hướng
    biên phiên dịch. Sau khi tốt nghiệp, người học có đủ năng lực để làm việc ở các
    cơ quan, tổ chức, các công ty, doanh nghiệp yêu cầu chuẩn về kỹ năng sử dụng tiếng
    Hàn Quốc đáp ứng những yêu cầu của xã hội và của nền kinh tế trong quá trình hội
    nhập quốc tế. Đào tạo cử nhân ngôn ngữ Hàn Quốc chuyên ngành Du lịch, có phẩm
    chất chính trị, đạo đức và sức khỏe tốt, hiểu và vận dụng các tri thức cơ bản
    về ngôn ngữ Hàn Quốc ngành Du lịch. Sau khi tốt nghiệp, người học có đủ năng lực
    để làm việc ở các cơ quan, tổ chức, các công ty, doanh nghiệp yêu cầu chuẩn về
    công việc du lịch và các công việc có liên quan đáp ứng những yêu cầu của xã hội
    và của nền kinh tế trong quá trình hội nhập quốc tế.'
- source_sentence: Điểm chuẩn dự kiến của một số ngành học như Vật lý học hay Công
    nghệ Thông tin là bao nhiêu?
  sentences:
  - STT Mã ngành Tên ngành Tổ hợp môn Điểm chuẩn Ghi chú 1 7220201 Ngôn ngữ Anh A;
    B; C01; C02; C03; C04 21 2 7220204 Ngôn ngữ Trung Quốc A; B; C01; C02; C03;
    C04 21 3 7220209 Ngôn ngữ Nhật A; B; C01; C02; C03; C04 21 4 7220210 Ngôn ngữ
    Hàn Quốc A; B; C01; C02; C03; C04 21 5 7320106 Công nghệ truyền thông A; B;
    C01; C02; C03; C04 21 6 7340101 Quản trị kinh doanh A; B; C01; C02; C03; C04 21
    7 7480201 Công nghệ thông tin A; B; C01; C02; C03; C04 21 Phương thức xét tuyển
    của fpt khá giống nhau.
  - 'An ninh mạng: Làm việc tại các công ty bảo mật, ngân hàng, các tổ chức phòng
    chống tội phạm mạng và bảo vệ thông tin. Quản lý hệ thống và mạng máy tính: Làm
    việc tại các công ty quản lý hệ thống máy tính, mạng dữ liệu lớn, và cơ sở hạ
    tầng công nghệ thông tin. Trí tuệ nhân tạo (AI) và Khoa học dữ liệu: Phát triển
    các hệ thống AI, phân tích dữ liệu và học máy (machine learning) trong các ứng
    dụng như tự động hóa, nhận diện hình ảnh và phân tích dự đoán. CHƯƠNG TRÌNH ĐÀO
    TẠO & MÔN HỌC


    Sinh viên sẽ học các môn như:


    Lập trình và phát triển phần mềm: Học cách lập trình bằng các ngôn ngữ phổ biến
    như Java, Python, C++, và phát triển các ứng dụng phần mềm cho các nền tảng khác
    nhau. Mạng máy tính và hệ thống phân tán: Kiến thức về thiết kế, triển khai và
    quản lý các mạng máy tính, hệ thống phân tán, và các giao thức mạng hiện đại.
    An ninh mạng: Các phương pháp và công nghệ bảo mật trong việc bảo vệ dữ liệu và
    hệ thống mạng khỏi các mối đe dọa. Trí tuệ nhân tạo và học máy: Học các lý thuyết
    và kỹ thuật liên quan đến AI, học máy, khai thác dữ liệu và phân tích dữ liệu
    lớn. Cơ sở dữ liệu: Quản lý và tối ưu hóa cơ sở dữ liệu, học cách phát triển các
    hệ thống cơ sở dữ liệu lớn, ứng dụng trong các doanh nghiệp và tổ chức. Trí tuệ
    nhân tạo


    Mã tuyển sinh: 7480107


    Tổ hợp xét tuyển: A00; A01; B08; D07


    Thông tin liên hệ:


    Địa chỉ: Khoa Công nghệ thông tin, Trường Đại học Khoa học Tự nhiên TP.HCM, 227
    Nguyễn Văn Cừ, Quận 5, TP.HCM


    Điện thoại: (028) 38 585 726


    Email: [email protected]


    Website: https://www.fit.hcmus.edu.vn/


    TỔNG QUAN CHƯƠNG TRÌNH


    Chương trình đào tạo ngành Trí tuệ nhân tạo tại Trường Đại học Khoa học Tự nhiên
    TP.HCM trang bị cho sinh viên kiến thức vững chắc về các lý thuyết và ứng dụng
    của trí tuệ nhân tạo (AI), học máy (machine learning), và các kỹ thuật xử lý dữ
    liệu lớn. Sinh viên sẽ được đào tạo để phát triển các hệ thống thông minh, phân
    tích dữ liệu và ứng dụng AI trong các lĩnh vực như nhận diện hình ảnh, xử lý ngôn
    ngữ tự nhiên, robot và các hệ thống tự động hóa. Chương trình học chú trọng đến
    việc kết hợp lý thuyết với thực hành, giúp sinh viên có thể giải quyết các bài
    toán thực tế trong môi trường công nghệ phát triển nhanh chóng. CƠ SỞ VẬT CHẤT
    CHẤT LƯỢNG CAO


    Khoa Công nghệ thông tin có các phòng thí nghiệm hiện đại phục vụ cho việc nghiên
    cứu và học tập trong ngành Trí tuệ nhân tạo, bao gồm các phòng lab chuyên về học
    máy, xử lý ngôn ngữ tự nhiên, robot và các ứng dụng AI. Sinh viên có cơ hội tiếp
    cận với các công cụ phần mềm mạnh mẽ, mô phỏng AI và các nền tảng học máy được
    ứng dụng trong các ngành công nghiệp khác nhau. CÁC ĐIỂM ĐẶC BIỆT


    Chương trình học theo hướng thực tiễn: Sinh viên được đào tạo các kỹ năng giải
    quyết bài toán thực tế thông qua các dự án nghiên cứu và hợp tác với các công
    ty công nghệ. Môi trường học tập sáng tạo: Các chương trình hackathon, workshop
    và dự án nghiên cứu là những cơ hội để sinh viên thể hiện sự sáng tạo và tìm ra
    giải pháp sáng tạo cho các vấn đề trong trí tuệ nhân tạo. Cơ hội nghề nghiệp và
    du học: Sinh viên có thể tham gia vào các chương trình trao đổi sinh viên quốc
    tế và có cơ hội làm việc tại các công ty hàng đầu về AI trong và ngoài nước. Các
    công ty như Google, Facebook, và các công ty khởi nghiệp về AI luôn tìm kiếm những
    tài năng có nền tảng vững về AI. TRIỂN VỌNG NGHỀ NGHIỆP & CƠ HỘI VIỆC LÀM


    Sinh viên tốt nghiệp ngành Trí tuệ nhân tạo có thể làm việc trong các lĩnh vực
    như:


    Phát triển phần mềm AI: Làm việc tại các công ty công nghệ phát triển các hệ thống
    AI, phần mềm học máy, và các sản phẩm tự động hóa.'
  - 'Vật lý học – 22.55


    xxxix. Hóa học – 23.47


    xl. Công nghệ Thông tin – 23.34


    xli. Công tác Xã hội – 22.00


    xlii. Du lịch – 22.00


    8. Học phí trường Đại học Sư phạm TPHCM 2023 dự kiến từ 9,8 đến 11,7 triệu đồng
    một năm. Riêng các ngành sư phạm được miễn học phí.'
- source_sentence: Làm thế nào để đăng ký xét tuyển và thời gian dự kiến cho các phương
    thức tuyển sinh là khi nào?
  sentences:
  - '4. Các ngành đào tạo


    a. ĐẠI HỌC


    Cử nhân Sư phạm Ngữ văn


    Cử nhân Văn học (Hệ Chính quy; Văn bằng 2)


    Cử nhân Việt Nam học


    Cử nhân Tiếng Việt và Văn hóa Việt Nam


    b. SAU ĐẠI HỌC


    Thạc sĩ Văn học Việt Nam


    Thạc sĩ Văn học nước ngoài


    Thạc sĩ Lý luận văn học


    Thạc sĩ Ngôn ngữ học


    Tiến sĩ Văn học Việt Nam


    Tiến sĩ Văn học nước ngoài


    Tiến sĩ Lý luận ngôn ngữ


    c. BỒI DƯỠNG


    Chuyên đề cung cấp kiến thức mới; kỹ năng, phương pháp dạy học mới, nâng cao tính
    thực tiễn, chú trọng phát triển năng lực ở người học


    ii. Khoa Lịch sử


    1. CHẤT LƯỢNG ĐÀO TẠO


    ĐÀO TẠO CỬ NHÂN (4 NĂM)


    Cử nhân Sư phạm Lịch sử


    TUYỂN SINH:


    2005 - 2015: 1.425 Cử nhân Sư phạm Lịch sử


    2006 - 2015: 343 Cử nhân Quốc tế học


    2007 - 2015: 464 Cử nhân Sử - GDQP


    ĐÀO TẠO CAO HỌC (2 NĂM)


    Bắt đầu đào tạo Thạc sĩ từ 1999


    ThS Lịch sử Việt Nam và ThS Lịch sử thế giới


    TUYỂN SINH: 20 - 25 HV/năm


    2016 - 2017: 09 HV


    ĐÀO TẠO TIẾN SĨ


    Tiến sĩ Lịch sử Việt Nam


    TUYỂN SINH: 5 - 10 NCS/năm


    2017- 2018: 15 NCS


    2. CHẤT LƯỢNG GIẢNG VIÊN


    SỐ LƯỢNG GIẢNG VIÊN: 22


    SỐ LƯỢNG CHUYÊN VIÊN: 02


    PGS.TS: 01


    Tiến sĩ: 12


    Thạc sĩ: 09


    3. MỤC TIÊU ĐÀO TẠO


    Đào tạo Cử nhân Sư phạm Lịch sử đáp ứng yêu cầu về phẩm chất, năng lực đối với
    giáo viên Lịch sử, bao gồm: có phẩm chất chính trị và đạo đức nghề nghiệp, có
    kiến thức hệ thống, toàn diện về khoa học Lịch sử và phương pháp dạy học Lịch
    sử, có năng lực thích ứng, sáng tạo, tự bồi dưỡng phát triển chuyên môn theo yêu
    cầu của ngành giáo dục và của xã hội. Đào tạo Cử nhân Quốc tế học có phẩm chất
    chính trị, đạo đức tốt, có kiến thức vững chắc về ngành học để đáp ứng nhu cầu
    công tác trong các cơ quan, tổ chức chuyên về hoạt động đối ngoại của nhà nước,
    trong các công ty đa quốc gia hoặc các tổ chức phi chính phủ; đồng thời có khả
    năng thích ứng cao trong bối cảnh hội nhập quốc tế và khu vực.'
  - 'Kết quả được công bố trước kỳ thi tốt nghiệp THPT. Cách thức đăng ký: Thí sinh
    đăng ký trực tuyến thông qua hệ thống website của trường và nộp hồ sơ theo thông
    báo tuyển sinh theo quy định. 1.2 Phương thức 2: Xét tuyển kết hợp Chứng chỉ ngoại
    ngữ quốc tế và kết quả học tập/chứng chỉ năng lực quốc tế dành cho thí sinh hệ
    chuyên và hệ không chuyên


    Đối tượng xét tuyển: Thí sinh thuộc 1 trong 3 đối tượng sau:


    Đối tượng 1: Thí sinh thuộc hệ chuyên, lớp chuyên Toán – Tin, Lý, Hóa, Văn và
    Ngoại ngữ của các trường THPT trọng điểm quốc gia/chuyên. Đối tượng 2: Thí sinh
    hệ không chuyên; hoặc hệ chuyên lớp chuyên (khác với các tổ hợp môn xét tuyển
    của Nhà trường). Đối tượng 3: Thí sinh (hệ chuyên và không chuyên) có các chứng
    chỉ năng lực quốc tế SAT, ACT hoặc A-level. Lưu ý: Áp dụng cho các chương trình
    giảng dạy bằng tiếng Anh và các chương trình Chất lượng cao Ngôn ngữ thương mại.
    Thời gian tuyển sinh: Dự kiến từ 22/5 – 31/5/2023. Kết quả được công bố trước
    kỳ thi tốt nghiệp THPT. Cách thức đăng ký: Thí sinh đăng ký trực tuyến thông qua
    hệ thống website của trường và nộp hồ sơ theo thông báo tuyển sinh của Nhà trường.
    1.3 Phương thức 3: Xét tuyển kết hợp Chứng chỉ ngoại ngữ quốc tế và kết quả thi
    tốt nghiệp THPT năm 2023


    Áp dụng cho: Các chương trình giảng dạy bằng tiếng Anh và Ngôn ngữ thương mại.
    Thời gian tuyển sinh: Dự kiến cuối tháng 7/2023, ngay sau khi có kết quả thi tốt
    nghiệp THPT năm 2023. Cách thức đăng ký: Thí sinh đăng ký trực tuyến thông qua
    hệ thống website của trường và nộp hồ sơ theo thông báo tuyển sinh của Nhà trường.
    1.4 Phương thức 4: Xét tuyển dựa trên kết quả thi tốt nghiệp THPT năm 2023


    Áp dụng cho: Các chương trình tiêu chuẩn và định hướng nghề nghiệp quốc tế.'
  - 'Ứng dụng hạt nhân: Tìm hiểu về ứng dụng năng lượng hạt nhân, y học hạt nhân,
    và xử lý chất thải hạt nhân trong công nghiệp. Kỹ thuật đo lường: Các kỹ thuật
    đo đạc, phân tích phóng xạ, và các ứng dụng trong nghiên cứu khoa học. Vật lý
    Y khoa


    Mã tuyển sinh: 7520403


    Tổ hợp xét tuyển: A00; A01; A02; D90


    Thông tin liên hệ:


    Địa chỉ: Trường Đại học Khoa học Tự nhiên TP.HCM, 227 Nguyễn Văn Cừ, Quận 5, TP.HCM


    Điện thoại: (028) 38 585 726


    Email: [email protected]


    Website: https://www.hcmus.edu.vn


    TỔNG QUAN CHƯƠNG TRÌNH


    Chương trình đào tạo ngành Vật lý Y khoa tại Trường Đại học Khoa học Tự nhiên
    TP.HCM cung cấp cho sinh viên kiến thức nền tảng về vật lý, sinh học và y học,
    đặc biệt là các ứng dụng vật lý trong y tế. Sinh viên sẽ được trang bị kiến thức
    về các thiết bị y tế như máy chụp X-quang, máy cộng hưởng từ (MRI), máy cắt lớp
    vi tính (CT), và các phương pháp điều trị bằng tia xạ. Chương trình học kết hợp
    lý thuyết với thực hành để sinh viên có thể ứng dụng các kiến thức trong các môi
    trường y tế thực tế. CƠ SỞ VẬT CHẤT CHẤT LƯỢNG CAO


    Trường sở hữu các phòng thí nghiệm hiện đại chuyên về vật lý y khoa, với các thiết
    bị y tế tiên tiến phục vụ cho việc học tập và nghiên cứu. Các phòng thí nghiệm
    này cung cấp cơ hội cho sinh viên thực hành với các thiết bị như máy chụp X-quang,
    CT, MRI và các thiết bị điều trị ung thư bằng tia xạ. CÁC ĐIỂM ĐẶC BIỆT


    Chương trình học kết hợp lý thuyết và thực hành: Sinh viên không chỉ học lý thuyết
    mà còn được thực hành trên các thiết bị y tế hiện đại trong các bệnh viện và cơ
    sở y tế. Liên kết với các bệnh viện và cơ sở y tế: Trường có các mối quan hệ hợp
    tác với các bệnh viện lớn, giúp sinh viên có cơ hội thực tập và nghiên cứu tại
    các cơ sở y tế có ứng dụng vật lý y khoa. Cơ hội du học và học bổng: Sinh viên
    có thể tham gia các chương trình trao đổi sinh viên và nhận học bổng du học thạc
    sĩ, tiến sĩ tại các trường đại học nổi tiếng trên thế giới. TRIỂN VỌNG NGHỀ NGHIỆP
    & CƠ HỘI VIỆC LÀM


    Sinh viên tốt nghiệp ngành Vật lý Y khoa có thể làm việc trong các lĩnh vực như:


    Các bệnh viện, phòng khám và cơ sở y tế: Vật lý gia trong các bệnh viện và phòng
    khám sử dụng thiết bị y tế như X-quang, CT, MRI, và các phương pháp điều trị tia
    xạ.'
- source_sentence: Các phương thức xét tuyển vào Trường Đại học Sư phạm TP Hồ Chí
    Minh năm 2022 là gì?
  sentences:
  - 'Công nghệ thông tin, 7480201V, Tổ hợp: A00; A01; D01; D90, Điểm chuẩn: 25.97
    13. An toàn thông tin, 7480202V, Tổ hợp: A00; A01; D01; D90, Điểm chuẩn: 24.89
    14. Kỹ thuật dữ liệu, 7480203V, Tổ hợp: A00; A01; D01; D90, Điểm chuẩn: 24.05
    15. Công nghệ kỹ thuật công trình xây dựng, 7510102V, Tổ hợp: A00; A01; D01; D90,
    Điểm chuẩn: 23.05 16. Hệ thống kỹ thuật công trình xây dựng, 7510106V, Tổ hợp:
    A00; A01; D01; D90, Điểm chuẩn: 22.22 17. Công nghệ kỹ thuật cơ khí, 7510201V,
    Tổ hợp: A00; A01; D01; D90, Điểm chuẩn: 25.1 18. Công nghệ chế tạo máy, 7510202V,
    Tổ hợp: A00; A01; D01; D90, Điểm chuẩn: 24.27 19. Công nghệ kỹ thuật cơ điện tử,
    7510203V, Tổ hợp: A00; A01; D01; D90, Điểm chuẩn: 25.45 20. Công nghệ kỹ thuật
    ô tô, 7510205V, Tổ hợp: A00; A01; D01; D90, Điểm chuẩn: 25.39 21.'
  - '1. Phương thức xét tuyển


    Trường Đại học Sư phạm TP Hồ Chí Minh xét tuyển đại học chính quy năm 2022 theo
    các phương thức sau:


    Xét tuyển thẳng


    Ưu tiên xét tuyển và xét tuyển thí sinh là học sinh lớp chuyên


    Xét kết quả thi tốt nghiệp THPT năm 2022


    Xét học bạ THPT


    Xét tuyển kết hợp thi tuyển với các ngành năng khiếu


    Thông tin chi tiết về từng phương thức như sau:


    A. Phương thức 1: Xét tuyển thẳng


    Thực hiện theo quy định của Bộ GD&ĐT. B. Phương thức 2: Ưu tiên xét tuyển và xét
    tuyển thí sinh lớp chuyên


    a) Ưu tiên xét tuyển


    Ngưỡng đảm bảo chất lượng đầu vào:


    Áp dụng với thí sinh tốt nghiệp THPT năm 2022


    Thí sinh xét tuyển ngành Giáo dục mầm non: Phải tham gia kỳ thi năng khiếu do
    trường Đại học Sư phạm TPHCM tổ chức và >= 6.5 điểm. b) Xét tuyển thí sinh là
    học sinh lớp chuyên


    Đối tượng ưu tiên xét tuyển lớp chuyên: Thí sinh tốt nghiệp các trường THPT (theo
    danh sách) có học lực lớp 12 chuyên năm 2021 – 2022 từ giỏi trở lên và đạt 1 trong
    các điều kiện theo thứ tự ưu tiên vào ngành đúng hoặc gần đúng:


    (1) Tham gia đội tuyển HSG quốc gia hoặc đội tuyển dự cuộc thi KHKT cấp quốc gia


    (2) Đạt giải nhất, nhì, ba kỳ thi HSG do cấp tỉnh trở lên tổ chức


    (3) Thí sinh có chứng chỉ ngoại ngữ B2 trở lên hoặc tương đương (áp dụng với các
    ngành ngoại ngữ đúng hoặc gần)


    (4) Có học lực lớp 10, 11 chuyên đạt học sinh giỏi.'
  - '2. Xét tuyển sử dụng kết quả thi tốt nghiệp THPT năm 2024 (phương thức này áp
    dụng với tất cả các ngành trừ Giáo dục Mầm non và Giáo dục Thể chất)


    Ngưỡng điểm đảm bảo chất lượng đầu vào, điều kiện nhận hồ sơ đăng ký xét tuyển
    được thông báo chính thức sau khi Bộ Giáo dục và Đào tạo xác định ngưỡng đảm bảo
    chất lượng đầu vào đại học (căn cứ kết quả kỳ thi tốt nghiệp THPT năm 2024). 3.
    Xét tuyển sử dụng kết quả học tập THPT (phương thức này áp dụng với tất cả các
    ngành trừ Giáo dục Mầm non và Giáo dục Thể chất)


    Phương thức xét tuyển này chỉ áp dụng đối với thí sinh tốt nghiệp THPT năm 2024
    đồng thời phải thỏa một trong hai điều kiện sau:


    + Có học lực lớp 12 xếp loại giỏi;


    + Có điểm xét tốt nghiệp THPT từ 8,0 trở lên.'
- source_sentence: Chương trình đào tạo của Đại học FPT có những điểm nổi bật nào?
  sentences:
  - 'Học phí: 11,900,000 VNĐ/mức. 3. Các khoản phí cần nộp khi nhập học


    Học phí kỳ định hướng: 11,900,000 VNĐ (có 01 học kỳ định hướng, chỉ áp dụng cho
    SV mới nhập học năm 2024)


    Học phí 01 mức tiếng Anh chuẩn bị: 11,900,000 VNĐ/mức


    1. Giáo trình chuẩn quốc tế


    Chương trình học của Đại học FPT được thiết kế theo chuẩn của Hiệp hội Máy tính
    (Association for Computing Machinery-ACM), chuẩn đào tạo kỹ sư phần mềm của Accreditation
    Board for Engineering and Technology (ABET – Mỹ), Hiệp hội Phần mềm Việt Nam (VINASA)


    Tất cả các giáo trình của Đại học FPT đều được nhập khẩu từ nước ngoài về và cập
    nhật liên tục theo từng kỳ học


    2. Chú trọng vào thực hành


    Với thời lượng số tiết thực hành lên đến 60%, sinh viên Đại học FPT đã được làm
    quen với công việc ngay từ trên ghế nhà trường. 1 lớp học tối đa 30 sinh viên
    nên trong các giờ thực hành sinh viên sẽ được các thầy cô giảng viên hướng dẫn
    rất tỉ mỉ và chi tiết


    3. Chú trọng vào ngoại ngữ và kỹ năng mềm


    Năm đầu tiên các bạn sinh viên sẽ phải trải qua 6 kỳ học tiếng Anh để có thể đạt
    được nền tảng ngoại ngữ nhất định trước khi sang năm thứ 2 bước vào kỳ học chuyên
    ngành. Ngoài tiếng Anh là ngôn ngữ bắt buộc ra thì sinh viên Đại học FPT còn được
    học thêm tiếng Nhật. Như vậy sau khi ra trường các bạn sinh viên có thêm rất nhiều
    cơ hội để có thể làm việc tại nước ngoài


    Ngay từ những ngày đầu thành lập, đại học FPT đã đề cao việc phát triển bản thân
    đặc biệt là kỹ năng mềm cho sinh viên. Các bạn sinh viên sẽ được học rất nhiều
    các khoá học như kỹ năng thuyết trình, tư duy phản biện, kỹ năng làm việc nhóm,
    kỹ năng phỏng vấn, kỹ năng viết CV .'
  - STT Mã ngành Tên ngành Tổ hợp môn Điểm chuẩn Ghi chú 1 7220201 Ngôn ngữ Anh A;
    B; C01; C02; C03; C04 21 2 7220204 Ngôn ngữ Trung Quốc A; B; C01; C02; C03;
    C04 21 3 7220209 Ngôn ngữ Nhật A; B; C01; C02; C03; C04 21 4 7220210 Ngôn ngữ
    Hàn Quốc A; B; C01; C02; C03; C04 21 5 7320106 Công nghệ truyền thông A; B;
    C01; C02; C03; C04 21 6 7340101 Quản trị kinh doanh A; B; C01; C02; C03; C04 21
    7 7480201 Công nghệ thông tin A; B; C01; C02; C03; C04 21 Phương thức xét tuyển
    của fpt khá giống nhau.
  - 'Các môn học được giảng dạy chủ yếu bằng tiếng Anh, giúp sinh viên phát triển
    kỹ năng ngoại ngữ cũng như kiến thức chuyên môn trong lĩnh vực sinh học. Chương
    trình chú trọng vào các kỹ năng nghiên cứu, phân tích và giải quyết vấn đề trong
    môi trường sinh học toàn cầu. CƠ SỞ VẬT CHẤT CHẤT LƯỢNG CAO


    Các sinh viên trong chương trình này sẽ được học tập và nghiên cứu trong một môi
    trường quốc tế hóa, với các thiết bị nghiên cứu hiện đại và các cơ sở vật chất
    đạt chuẩn quốc tế. Ngoài ra, các phòng thí nghiệm và khu vực học tập đều được
    trang bị công nghệ tiên tiến phục vụ cho nghiên cứu chuyên sâu. CÁC ĐIỂM ĐẶC BIỆT


    Học bằng tiếng Anh: Mọi môn học đều được giảng dạy bằng tiếng Anh, giúp sinh viên
    nâng cao khả năng ngoại ngữ và tiếp cận kiến thức quốc tế. Cơ hội trao đổi quốc
    tế: Sinh viên có cơ hội tham gia các chương trình trao đổi sinh viên, học tập
    tại các trường đối tác quốc tế. Hỗ trợ nghề nghiệp: Chương trình cung cấp các
    khóa huấn luyện và tư vấn nghề nghiệp, giúp sinh viên chuẩn bị tốt cho công việc
    sau khi tốt nghiệp. TRIỂN VỌNG NGHỀ NGHIỆP & CƠ HỘI VIỆC LÀM


    Với nền tảng kiến thức vững chắc và khả năng sử dụng tiếng Anh, sinh viên chương
    trình tăng cường tiếng Anh có thể làm việc tại:


    Các tổ chức nghiên cứu quốc tế, các viện nghiên cứu sinh học.'
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy@1
- cosine_accuracy@3
- cosine_accuracy@5
- cosine_accuracy@10
- cosine_precision@1
- cosine_precision@3
- cosine_precision@5
- cosine_precision@10
- cosine_recall@1
- cosine_recall@3
- cosine_recall@5
- cosine_recall@10
- cosine_ndcg@10
- cosine_mrr@10
- cosine_map@100
model-index:
- name: SentenceTransformer based on dangvantuan/vietnamese-document-embedding
  results:
  - task:
      type: information-retrieval
      name: Information Retrieval
    dataset:
      name: dim 768
      type: dim_768
    metrics:
    - type: cosine_accuracy@1
      value: 0.466
      name: Cosine Accuracy@1
    - type: cosine_accuracy@3
      value: 0.63
      name: Cosine Accuracy@3
    - type: cosine_accuracy@5
      value: 0.678
      name: Cosine Accuracy@5
    - type: cosine_accuracy@10
      value: 0.752
      name: Cosine Accuracy@10
    - type: cosine_precision@1
      value: 0.466
      name: Cosine Precision@1
    - type: cosine_precision@3
      value: 0.21
      name: Cosine Precision@3
    - type: cosine_precision@5
      value: 0.1356
      name: Cosine Precision@5
    - type: cosine_precision@10
      value: 0.0752
      name: Cosine Precision@10
    - type: cosine_recall@1
      value: 0.466
      name: Cosine Recall@1
    - type: cosine_recall@3
      value: 0.63
      name: Cosine Recall@3
    - type: cosine_recall@5
      value: 0.678
      name: Cosine Recall@5
    - type: cosine_recall@10
      value: 0.752
      name: Cosine Recall@10
    - type: cosine_ndcg@10
      value: 0.6061109322735273
      name: Cosine Ndcg@10
    - type: cosine_mrr@10
      value: 0.5599031746031748
      name: Cosine Mrr@10
    - type: cosine_map@100
      value: 0.5685727812660539
      name: Cosine Map@100
  - task:
      type: information-retrieval
      name: Information Retrieval
    dataset:
      name: dim 512
      type: dim_512
    metrics:
    - type: cosine_accuracy@1
      value: 0.464
      name: Cosine Accuracy@1
    - type: cosine_accuracy@3
      value: 0.626
      name: Cosine Accuracy@3
    - type: cosine_accuracy@5
      value: 0.684
      name: Cosine Accuracy@5
    - type: cosine_accuracy@10
      value: 0.746
      name: Cosine Accuracy@10
    - type: cosine_precision@1
      value: 0.464
      name: Cosine Precision@1
    - type: cosine_precision@3
      value: 0.20866666666666664
      name: Cosine Precision@3
    - type: cosine_precision@5
      value: 0.1368
      name: Cosine Precision@5
    - type: cosine_precision@10
      value: 0.0746
      name: Cosine Precision@10
    - type: cosine_recall@1
      value: 0.464
      name: Cosine Recall@1
    - type: cosine_recall@3
      value: 0.626
      name: Cosine Recall@3
    - type: cosine_recall@5
      value: 0.684
      name: Cosine Recall@5
    - type: cosine_recall@10
      value: 0.746
      name: Cosine Recall@10
    - type: cosine_ndcg@10
      value: 0.6015125723964755
      name: Cosine Ndcg@10
    - type: cosine_mrr@10
      value: 0.55565
      name: Cosine Mrr@10
    - type: cosine_map@100
      value: 0.5647769486133264
      name: Cosine Map@100
  - task:
      type: information-retrieval
      name: Information Retrieval
    dataset:
      name: dim 256
      type: dim_256
    metrics:
    - type: cosine_accuracy@1
      value: 0.452
      name: Cosine Accuracy@1
    - type: cosine_accuracy@3
      value: 0.602
      name: Cosine Accuracy@3
    - type: cosine_accuracy@5
      value: 0.672
      name: Cosine Accuracy@5
    - type: cosine_accuracy@10
      value: 0.732
      name: Cosine Accuracy@10
    - type: cosine_precision@1
      value: 0.452
      name: Cosine Precision@1
    - type: cosine_precision@3
      value: 0.20066666666666666
      name: Cosine Precision@3
    - type: cosine_precision@5
      value: 0.13439999999999996
      name: Cosine Precision@5
    - type: cosine_precision@10
      value: 0.0732
      name: Cosine Precision@10
    - type: cosine_recall@1
      value: 0.452
      name: Cosine Recall@1
    - type: cosine_recall@3
      value: 0.602
      name: Cosine Recall@3
    - type: cosine_recall@5
      value: 0.672
      name: Cosine Recall@5
    - type: cosine_recall@10
      value: 0.732
      name: Cosine Recall@10
    - type: cosine_ndcg@10
      value: 0.5883841253468854
      name: Cosine Ndcg@10
    - type: cosine_mrr@10
      value: 0.5428119047619047
      name: Cosine Mrr@10
    - type: cosine_map@100
      value: 0.5525017191408654
      name: Cosine Map@100
---

# SentenceTransformer based on dangvantuan/vietnamese-document-embedding

This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [dangvantuan/vietnamese-document-embedding](https://huggingface.co/dangvantuan/vietnamese-document-embedding). It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

## Model Details

### Model Description
- **Model Type:** Sentence Transformer
- **Base model:** [dangvantuan/vietnamese-document-embedding](https://huggingface.co/dangvantuan/vietnamese-document-embedding) <!-- at revision 6fa4e2f8ed2d33120b0f4442cc81f8f973c3f56b -->
- **Maximum Sequence Length:** 8192 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->

### Model Sources

- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)

### Full Model Architecture

```
SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False, 'architecture': 'VietnameseModel'})
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)
```

## Usage

### Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

```bash
pip install -U sentence-transformers
```

Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("HoangVuSnape/vietnamese-document-embedding_pr_v3")
# Run inference
sentences = [
    'Chương trình đào tạo của Đại học FPT có những điểm nổi bật nào?',
    'Học phí: 11,900,000 VNĐ/mức. 3. Các khoản phí cần nộp khi nhập học\n\nHọc phí kỳ định hướng: 11,900,000 VNĐ (có 01 học kỳ định hướng, chỉ áp dụng cho SV mới nhập học năm 2024)\n\nHọc phí 01 mức tiếng Anh chuẩn bị: 11,900,000 VNĐ/mức\n\n1. Giáo trình chuẩn quốc tế\n\nChương trình học của Đại học FPT được thiết kế theo chuẩn của Hiệp hội Máy tính (Association for Computing Machinery-ACM), chuẩn đào tạo kỹ sư phần mềm của Accreditation Board for Engineering and Technology (ABET – Mỹ), Hiệp hội Phần mềm Việt Nam (VINASA)\n\nTất cả các giáo trình của Đại học FPT đều được nhập khẩu từ nước ngoài về và cập nhật liên tục theo từng kỳ học\n\n2. Chú trọng vào thực hành\n\nVới thời lượng số tiết thực hành lên đến 60%, sinh viên Đại học FPT đã được làm quen với công việc ngay từ trên ghế nhà trường. 1 lớp học tối đa 30 sinh viên nên trong các giờ thực hành sinh viên sẽ được các thầy cô giảng viên hướng dẫn rất tỉ mỉ và chi tiết\n\n3. Chú trọng vào ngoại ngữ và kỹ năng mềm\n\nNăm đầu tiên các bạn sinh viên sẽ phải trải qua 6 kỳ học tiếng Anh để có thể đạt được nền tảng ngoại ngữ nhất định trước khi sang năm thứ 2 bước vào kỳ học chuyên ngành. Ngoài tiếng Anh là ngôn ngữ bắt buộc ra thì sinh viên Đại học FPT còn được học thêm tiếng Nhật. Như vậy sau khi ra trường các bạn sinh viên có thêm rất nhiều cơ hội để có thể làm việc tại nước ngoài\n\nNgay từ những ngày đầu thành lập, đại học FPT đã đề cao việc phát triển bản thân đặc biệt là kỹ năng mềm cho sinh viên. Các bạn sinh viên sẽ được học rất nhiều các khoá học như kỹ năng thuyết trình, tư duy phản biện, kỹ năng làm việc nhóm, kỹ năng phỏng vấn, kỹ năng viết CV .',
    'STT Mã ngành Tên ngành Tổ hợp môn Điểm chuẩn Ghi chú 1 7220201 Ngôn ngữ Anh A; B; C01; C02; C03; C04 21 2 7220204 Ngôn ngữ Trung Quốc A; B; C01; C02; C03; C04 21 3 7220209 Ngôn ngữ Nhật A; B; C01; C02; C03; C04 21 4 7220210 Ngôn ngữ Hàn Quốc A; B; C01; C02; C03; C04 21 5 7320106 Công nghệ truyền thông A; B; C01; C02; C03; C04 21 6 7340101 Quản trị kinh doanh A; B; C01; C02; C03; C04 21 7 7480201 Công nghệ thông tin A; B; C01; C02; C03; C04 21 Phương thức xét tuyển của fpt khá giống nhau.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.7188, 0.5351],
#         [0.7188, 1.0000, 0.5165],
#         [0.5351, 0.5165, 1.0000]])
```

<!--
### Direct Usage (Transformers)

<details><summary>Click to see the direct usage in Transformers</summary>

</details>
-->

<!--
### Downstream Usage (Sentence Transformers)

You can finetune this model on your own dataset.

<details><summary>Click to expand</summary>

</details>
-->

<!--
### Out-of-Scope Use

*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->

## Evaluation

### Metrics

#### Information Retrieval

* Dataset: `dim_768`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
  ```json
  {
      "truncate_dim": 768
  }
  ```

| Metric              | Value      |
|:--------------------|:-----------|
| cosine_accuracy@1   | 0.466      |
| cosine_accuracy@3   | 0.63       |
| cosine_accuracy@5   | 0.678      |
| cosine_accuracy@10  | 0.752      |
| cosine_precision@1  | 0.466      |
| cosine_precision@3  | 0.21       |
| cosine_precision@5  | 0.1356     |
| cosine_precision@10 | 0.0752     |
| cosine_recall@1     | 0.466      |
| cosine_recall@3     | 0.63       |
| cosine_recall@5     | 0.678      |
| cosine_recall@10    | 0.752      |
| **cosine_ndcg@10**  | **0.6061** |
| cosine_mrr@10       | 0.5599     |
| cosine_map@100      | 0.5686     |

#### Information Retrieval

* Dataset: `dim_512`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
  ```json
  {
      "truncate_dim": 512
  }
  ```

| Metric              | Value      |
|:--------------------|:-----------|
| cosine_accuracy@1   | 0.464      |
| cosine_accuracy@3   | 0.626      |
| cosine_accuracy@5   | 0.684      |
| cosine_accuracy@10  | 0.746      |
| cosine_precision@1  | 0.464      |
| cosine_precision@3  | 0.2087     |
| cosine_precision@5  | 0.1368     |
| cosine_precision@10 | 0.0746     |
| cosine_recall@1     | 0.464      |
| cosine_recall@3     | 0.626      |
| cosine_recall@5     | 0.684      |
| cosine_recall@10    | 0.746      |
| **cosine_ndcg@10**  | **0.6015** |
| cosine_mrr@10       | 0.5556     |
| cosine_map@100      | 0.5648     |

#### Information Retrieval

* Dataset: `dim_256`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
  ```json
  {
      "truncate_dim": 256
  }
  ```

| Metric              | Value      |
|:--------------------|:-----------|
| cosine_accuracy@1   | 0.452      |
| cosine_accuracy@3   | 0.602      |
| cosine_accuracy@5   | 0.672      |
| cosine_accuracy@10  | 0.732      |
| cosine_precision@1  | 0.452      |
| cosine_precision@3  | 0.2007     |
| cosine_precision@5  | 0.1344     |
| cosine_precision@10 | 0.0732     |
| cosine_recall@1     | 0.452      |
| cosine_recall@3     | 0.602      |
| cosine_recall@5     | 0.672      |
| cosine_recall@10    | 0.732      |
| **cosine_ndcg@10**  | **0.5884** |
| cosine_mrr@10       | 0.5428     |
| cosine_map@100      | 0.5525     |

<!--
## Bias, Risks and Limitations

*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->

<!--
### Recommendations

*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->

## Training Details

### Training Dataset

#### Unnamed Dataset

* Size: 500 training samples
* Columns: <code>anchor</code> and <code>positive</code>
* Approximate statistics based on the first 500 samples:
  |         | anchor                                                                             | positive                                                                              |
  |:--------|:-----------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|
  | type    | string                                                                             | string                                                                                |
  | details | <ul><li>min: 10 tokens</li><li>mean: 26.05 tokens</li><li>max: 62 tokens</li></ul> | <ul><li>min: 29 tokens</li><li>mean: 605.11 tokens</li><li>max: 6602 tokens</li></ul> |
* Samples:
  | anchor                                                                                                                                                     | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         |
  |:-----------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
  | <code>Ngành Quản lý Tài nguyên và Môi trường trang bị cho sinh viên những kiến thức và kỹ năng gì?</code>                                                  | <code>Sau khi tốt nghiệp, người học sẽ:<br><br>Có kiến thức cơ bản về toán học, khoa học tự nhiên, đáp ứng cho việc tiếp thu các kiến thức giáo dục chuyên nghiệp và khả năng học tập ở trình độ cao hơn<br><br>Có các kiến thức kỹ thuật cơ sở ngành và chuyên ngành giúp đủ năng lực phát hiện, giải quyết các vấn đề liên quan đến công nghệ sản xuất, chế tạo và ứng dụng vật liệu vào trong xây dựng, kiểm soát chất lượng nguyên vật liệu và cấu kiện sản phẩm xây dựng, nghiên cứu sản xuất chế tạo và phát triển các loại vật liệu mới, hiện đại, tiên tiến, độc đáo, hiệu quả, xanh, bền vững… nhằm hướng tới sự phát triển bền vững trong công nghiệp xây dựng và kiến trúc, thiết kế và thi công trong các công trình xây dựng; có tính sáng tạo trong hoạt động nghề nghiệp, có khả năng tự học và tự nghiên cứu;<br><br>Có kỹ năng cá nhân, nghề nghiệp, giao tiếp, làm việc nhóm đủ để làm việc trong môi trường làm việc liên ngành, đa văn hóa;<br><br>Có hiểu biết về kinh tế, chính trị, có các kiến thức cơ bản trong lĩnh vực khoa học xã hội và n...</code> |
  | <code>Chương trình Kỹ thuật Môi trường đào tạo sinh viên về những năng lực nào và có điểm gì nổi bật đối với chương trình giảng dạy bằng tiếng Anh?</code> | <code>Sau khi tốt nghiệp, người học sẽ:<br><br>Có kiến thức cơ bản về toán học, khoa học tự nhiên, đáp ứng cho việc tiếp thu các kiến thức giáo dục chuyên nghiệp và khả năng học tập ở trình độ cao hơn<br><br>Có các kiến thức kỹ thuật cơ sở ngành và chuyên ngành giúp đủ năng lực phát hiện, giải quyết các vấn đề liên quan đến công nghệ sản xuất, chế tạo và ứng dụng vật liệu vào trong xây dựng, kiểm soát chất lượng nguyên vật liệu và cấu kiện sản phẩm xây dựng, nghiên cứu sản xuất chế tạo và phát triển các loại vật liệu mới, hiện đại, tiên tiến, độc đáo, hiệu quả, xanh, bền vững… nhằm hướng tới sự phát triển bền vững trong công nghiệp xây dựng và kiến trúc, thiết kế và thi công trong các công trình xây dựng; có tính sáng tạo trong hoạt động nghề nghiệp, có khả năng tự học và tự nghiên cứu;<br><br>Có kỹ năng cá nhân, nghề nghiệp, giao tiếp, làm việc nhóm đủ để làm việc trong môi trường làm việc liên ngành, đa văn hóa;<br><br>Có hiểu biết về kinh tế, chính trị, có các kiến thức cơ bản trong lĩnh vực khoa học xã hội và n...</code> |
  | <code>Ngành Kỹ thuật Dầu khí và Kỹ thuật Địa chất tập trung nghiên cứu và ứng dụng những lĩnh vực cốt lõi nào?</code>                                      | <code>Các công ty nghiên cứu và khảo sát địa chất, tư vấn về nền móng công trình. Các tổ chức liên quan đến quy hoạch và phát triển đô thị. Kỹ thuật Dầu khí<br><br>Tổng quan<br><br>Kỹ thuật Dầu khí là ngành học chuyên nghiên cứu về các kỹ thuật khai thác, sản xuất và xử lý dầu khí. Sinh viên sẽ học các phương pháp khoan, khai thác dầu, khí tự nhiên, và xử lý các vấn đề kỹ thuật trong ngành dầu khí, từ việc tìm kiếm và khai thác tài nguyên cho đến việc tối ưu hóa quy trình sản xuất. CÁC ĐIỂM ĐẶC BIỆT<br><br>Khả năng ứng dụng cao: Sinh viên ngành Kỹ thuật Dầu khí sẽ được trang bị kiến thức thực tế về công nghệ khai thác dầu khí và các phương pháp tối ưu hóa sản xuất. Ngành công nghiệp chiến lược: Dầu khí vẫn là một trong những ngành công nghiệp mũi nhọn và cần nguồn nhân lực có trình độ cao trong việc khai thác và xử lý tài nguyên thiên nhiên. Triển vọng việc làm<br><br>Các công ty khai thác dầu khí trong nước và quốc tế. Các công ty tư vấn và kỹ thuật dầu khí, nghiên cứu các giải pháp tối ưu trong khai thác. Các côn...</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
  ```json
  {
      "loss": "MultipleNegativesRankingLoss",
      "matryoshka_dims": [
          768,
          512,
          256
      ],
      "matryoshka_weights": [
          1,
          1,
          1
      ],
      "n_dims_per_step": -1
  }
  ```

### Training Hyperparameters
#### Non-Default Hyperparameters

- `eval_strategy`: steps
- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 16
- `gradient_accumulation_steps`: 8
- `learning_rate`: 2e-05
- `num_train_epochs`: 1
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `bf16`: True
- `tf32`: True
- `dataloader_drop_last`: True
- `dataloader_num_workers`: 8
- `load_best_model_at_end`: True
- `batch_sampler`: no_duplicates

#### All Hyperparameters
<details><summary>Click to expand</summary>

- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 16
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 8
- `eval_accumulation_steps`: None
- `torch_empty_cache_steps`: None
- `learning_rate`: 2e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 1
- `max_steps`: -1
- `lr_scheduler_type`: cosine
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.1
- `warmup_steps`: 0
- `log_level`: passive
- `log_level_replica`: warning
- `log_on_each_node`: True
- `logging_nan_inf_filter`: True
- `save_safetensors`: True
- `save_on_each_node`: False
- `save_only_model`: False
- `restore_callback_states_from_checkpoint`: False
- `no_cuda`: False
- `use_cpu`: False
- `use_mps_device`: False
- `seed`: 42
- `data_seed`: None
- `jit_mode_eval`: False
- `use_ipex`: False
- `bf16`: True
- `fp16`: False
- `fp16_opt_level`: O1
- `half_precision_backend`: auto
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: True
- `local_rank`: 0
- `ddp_backend`: None
- `tpu_num_cores`: None
- `tpu_metrics_debug`: False
- `debug`: []
- `dataloader_drop_last`: True
- `dataloader_num_workers`: 8
- `dataloader_prefetch_factor`: None
- `past_index`: -1
- `disable_tqdm`: False
- `remove_unused_columns`: True
- `label_names`: None
- `load_best_model_at_end`: True
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch_fused
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `skip_memory_metrics`: True
- `use_legacy_prediction_loop`: False
- `push_to_hub`: False
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: None
- `hub_always_push`: False
- `hub_revision`: None
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `include_for_metrics`: []
- `eval_do_concat_batches`: True
- `fp16_backend`: auto
- `push_to_hub_model_id`: None
- `push_to_hub_organization`: None
- `mp_parameters`: 
- `auto_find_batch_size`: False
- `full_determinism`: False
- `torchdynamo`: None
- `ray_scope`: last
- `ddp_timeout`: 1800
- `torch_compile`: False
- `torch_compile_backend`: None
- `torch_compile_mode`: None
- `include_tokens_per_second`: False
- `include_num_input_tokens_seen`: False
- `neftune_noise_alpha`: None
- `optim_target_modules`: None
- `batch_eval_metrics`: False
- `eval_on_start`: False
- `use_liger_kernel`: False
- `liger_kernel_config`: None
- `eval_use_gather_object`: False
- `average_tokens_across_devices`: False
- `prompts`: None
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
- `router_mapping`: {}
- `learning_rate_mapping`: {}

</details>

### Training Logs
| Epoch | Step | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 | dim_256_cosine_ndcg@10 |
|:-----:|:----:|:----------------------:|:----------------------:|:----------------------:|
| -1    | -1   | 0.6061                 | 0.6015                 | 0.5884                 |


### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 5.1.0
- Transformers: 4.55.2
- PyTorch: 2.8.0+cu128
- Accelerate: 1.10.0
- Datasets: 4.0.0
- Tokenizers: 0.21.4

## Citation

### BibTeX

#### Sentence Transformers
```bibtex
@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}
```

#### MatryoshkaLoss
```bibtex
@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}
```

#### MultipleNegativesRankingLoss
```bibtex
@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}
```

<!--
## Glossary

*Clearly define terms in order to be accessible across audiences.*
-->

<!--
## Model Card Authors

*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->

<!--
## Model Card Contact

*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
-->