Hoan Le
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Hoan Le has a total of 7 co-authors. Here are the top co-authors by number of shared publications:
Lê Minh Hằng
1 shared publicationLê Tuấn Linh
1 shared publicationNguyễn Quỳnh Anh
Trường Đại học Điện lực
1 shared publication- Nguyễn Thị Như Quỳnh
Trường Đại học Ngân hàng Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh
1 shared publication Phạm Nhất Linh
Trường Đại học Điện lực
1 shared publicationThi Thanh Huyen Nguyen
1 shared publication
Latest Publications
- 1 April 2026
- Published by Springer Nature
- p. 179-191
Dynamic Mobility Management in Fog Computing Architecture for IoT Applications
- 1 April 2026
- Published by Springer Nature
- p. 179-191
Dynamic Mobility Management in Fog Computing Architecture for IoT Applications
- 1 November 2025
- Published by Springer Nature
- p. 480-489
Optimizing Fog Resource Allocation with Dynamic Microservices Placement
- 1 November 2025
- Published by Springer Nature
- p. 480-489
Optimizing Fog Resource Allocation with Dynamic Microservices Placement
- 27 December 2023
- Published by Thai Nguyen University in TNU Journal of Science and Technology
- Vol. 228 (15) , 224-234
APPLYING AUTOMATIC CODE GRADING SYSTEM FOR TEACHING PROGRAMMING LANGUAGES IN UNIVERSITIES
Sự phát triển nhanh chóng của các nền tảng giáo dục trực tuyến đã làm nổi bật nhu cầu về hệ thống chấm điểm tự động hiệu quả, đặc biệt là cho các khóa học lập trình tại các trường đại học. Bài báo này giới thiệu Hệ thống chấm điểm tự động được gọi là AutoChecking, được thiết kế riêng cho việc đánh giá các bài nộp mã chương trình bằng nhiều ngôn ngữ lập trình ở cấp đại học. AutoChecking kết hợp phân tích mã code tĩnh và thực thi động để đảm bảo việc đánh giá kỹ lưỡng và công bằng các bài tập lập trình của sinh viên. Hệ thống bao gồm một môi trường sandbox an toàn để chạy mã của sinh viên chống lại các trường hợp kiểm thử được định sẵn, đánh giá không chỉ độ chính xác mà còn hiệu suất và phong cách lập trình. Hệ thống có khả năng thích ứng với cơ chế tính điểm linh hoạt để đáp ứng nhu cầu của các khóa học và giảng viên khác nhau. AutoChecking tích hợp với các Hệ thống học tập trực tuyến hiện có để đơn giản hóa quy trình nộp bài, chấm điểm và phản hồi, giúp giảng viên dễ dàng quản lý bài tập và theo dõi tiến độ của sinh viên thông qua phân tích chi tiết. Chúng tôi nghiên cứu và triển khai AutoChecking qua một học kỳ tại ba trường đại học, kết quả cho thấy hệ thống này không chỉ tiết kiệm thời gian cho giáo viên mà còn cung cấp phản hồi nhất quán cho sinh viên, nâng cao trải nghiệm học tập và thúc đẩy tính chính trực học thuật bằng cách phát hiện sự tương đồng trong các bài nộp mã chương trình.
- 27 December 2023
- Published by Thai Nguyen University in TNU Journal of Science and Technology
- Vol. 228 (15) , 224-234
APPLYING AUTOMATIC CODE GRADING SYSTEM FOR TEACHING PROGRAMMING LANGUAGES IN UNIVERSITIES
Sự phát triển nhanh chóng của các nền tảng giáo dục trực tuyến đã làm nổi bật nhu cầu về hệ thống chấm điểm tự động hiệu quả, đặc biệt là cho các khóa học lập trình tại các trường đại học. Bài báo này giới thiệu Hệ thống chấm điểm tự động được gọi là AutoChecking, được thiết kế riêng cho việc đánh giá các bài nộp mã chương trình bằng nhiều ngôn ngữ lập trình ở cấp đại học. AutoChecking kết hợp phân tích mã code tĩnh và thực thi động để đảm bảo việc đánh giá kỹ lưỡng và công bằng các bài tập lập trình của sinh viên. Hệ thống bao gồm một môi trường sandbox an toàn để chạy mã của sinh viên chống lại các trường hợp kiểm thử được định sẵn, đánh giá không chỉ độ chính xác mà còn hiệu suất và phong cách lập trình. Hệ thống có khả năng thích ứng với cơ chế tính điểm linh hoạt để đáp ứng nhu cầu của các khóa học và giảng viên khác nhau. AutoChecking tích hợp với các Hệ thống học tập trực tuyến hiện có để đơn giản hóa quy trình nộp bài, chấm điểm và phản hồi, giúp giảng viên dễ dàng quản lý bài tập và theo dõi tiến độ của sinh viên thông qua phân tích chi tiết. Chúng tôi nghiên cứu và triển khai AutoChecking qua một học kỳ tại ba trường đại học, kết quả cho thấy hệ thống này không chỉ tiết kiệm thời gian cho giáo viên mà còn cung cấp phản hồi nhất quán cho sinh viên, nâng cao trải nghiệm học tập và thúc đẩy tính chính trực học thuật bằng cách phát hiện sự tương đồng trong các bài nộp mã chương trình.
- Open Access
- 27 April 2023
- Published by Hanoi Medical University in Tạp chí Nghiên cứu Y học
- Vol. 165 (4) , 17-24
Vai trò của ứng dụng trí tuệ nhân tạo vindr trong dự báo nguy cơ ác tính của nốt phổi đơn độc
Nốt phổi đơn độc là dạng tổn thương khá thường gặp do nhiều nguyên nhân gây nên. Các nguyên nhân lành tính bao gồm u lao, harmatoma, hạch lympho tại phổi, sarcoidosis, u nấm. Các nguyên nhân ác tính gồm: ung thư phổi, ung thư di căn phổi, u lympho… Trí tuệ nhân tạo trong chẩn đoán nốt phổi đơn độc nhăm mục đích phát hiện sớm tổn thương, chẩn đoán chính xác và tiên lượng tình trạng bệnh. chúng tôi nhằm đánh giá vai trò của Trí tuệ nhân tạo (AI) VinDr trong dự đoán nguy cơ của SPN và so sánh hiệu suất của nó với các phương pháp truyền thống trong chẩn đoán. Nghiên cứu mô tả với 23 bệnh nhân nốt phổi đơn độc được sinh thiết phổi xuyên thành ngực chẩn đoán và so sánh giữa kết quả mô bệnh học với phân tích AI cho kết quả tính đồng thuận ở mức tốt giữa 2 phương pháp, độ nhạy của AI là 83,3%, độ đặc hiệu là 100%, giá trị dự đoán âm tính 62,5%. Hơn nữa, có sự đồng thuận tốt giữa phân tích AI và kết quả mô bệnh học. Nghiên cứu của chúng tôi cho thấy rằng AI có tiềm năng trở thành một công cụ cần thiết trong việc dự đoán nguy cơ ác tính của nốt phổi đơn độc (Solitary Pulmonary Nodule-SPN).
- 27 April 2023
- Published by Hanoi Medical University in Tạp chí Nghiên cứu Y học
- Vol. 165 (4) , 17-24
Open AccessVai trò của ứng dụng trí tuệ nhân tạo vindr trong dự báo nguy cơ ác tính của nốt phổi đơn độc
Nốt phổi đơn độc là dạng tổn thương khá thường gặp do nhiều nguyên nhân gây nên. Các nguyên nhân lành tính bao gồm u lao, harmatoma, hạch lympho tại phổi, sarcoidosis, u nấm. Các nguyên nhân ác tính gồm: ung thư phổi, ung thư di căn phổi, u lympho… Trí tuệ nhân tạo trong chẩn đoán nốt phổi đơn độc nhăm mục đích phát hiện sớm tổn thương, chẩn đoán chính xác và tiên lượng tình trạng bệnh. chúng tôi nhằm đánh giá vai trò của Trí tuệ nhân tạo (AI) VinDr trong dự đoán nguy cơ của SPN và so sánh hiệu suất của nó với các phương pháp truyền thống trong chẩn đoán. Nghiên cứu mô tả với 23 bệnh nhân nốt phổi đơn độc được sinh thiết phổi xuyên thành ngực chẩn đoán và so sánh giữa kết quả mô bệnh học với phân tích AI cho kết quả tính đồng thuận ở mức tốt giữa 2 phương pháp, độ nhạy của AI là 83,3%, độ đặc hiệu là 100%, giá trị dự đoán âm tính 62,5%. Hơn nữa, có sự đồng thuận tốt giữa phân tích AI và kết quả mô bệnh học. Nghiên cứu của chúng tôi cho thấy rằng AI có tiềm năng trở thành một công cụ cần thiết trong việc dự đoán nguy cơ ác tính của nốt phổi đơn độc (Solitary Pulmonary Nodule-SPN).