clinical-decision-support
Soạn tài liệu nghiên cứu, đánh giá và quản trị cho hệ hỗ trợ quyết định lâm sàng, không dùng cho bệnh nhân
52.7k sao GitHubcập nhật 02/10/2026
Đang tải…
Skill xây pipeline AI từ dữ liệu tới RAG/agent, đánh giá, triển khai, và giải pháp AI theo từng ngành.
Soạn tài liệu nghiên cứu, đánh giá và quản trị cho hệ hỗ trợ quyết định lâm sàng, không dùng cho bệnh nhân
Xây và kiểm định pipeline học máy lâm sàng với PyHealth trên dữ liệu EHR, tín hiệu và ảnh y tế
Dự báo chuỗi thời gian zero-shot bằng Google TimesFM, có dự báo phân vị và đánh giá
Xây DAG Apache Airflow chuẩn production với operator, sensor, kiểm thử và triển khai
Kiểm tra chất lượng dữ liệu bằng Great Expectations, dbt test và data contract
Chuẩn bị và kiểm tra dataset để fine-tune mô hình ngôn ngữ (SFT, DPO) trước khi huấn luyện
Chọn và tối ưu mô hình embedding cho tìm kiếm ngữ nghĩa và RAG
Kết hợp tìm kiếm vector và từ khóa để tăng độ phủ cho RAG và công cụ tìm kiếm
Đánh giá chất lượng ứng dụng LLM bằng chỉ số tự động, chấm tay và LLM làm giám khảo
Xây pipeline MLOps từ chuẩn bị dữ liệu, huấn luyện, kiểm định đến triển khai
Xây hệ thống RAG hỏi đáp trên tài liệu riêng với vector database và tìm kiếm ngữ nghĩa
Thiết kế pipeline gợi ý và xếp hạng theo 6 giai đoạn Source đến SideEffect
Chuyển trace đánh giá và log sản xuất thành dữ liệu SFT và cặp ưu tiên DPO
Đọc bộ hồ sơ onboarding và trích thành các trường KYC có cấu trúc để đưa vào bước chấm quy tắc
Áp lưới quy tắc KYC/AML lên hồ sơ đã trích, chấm mức rủi ro và nêu điểm cần leo thang
Thiết kế kiến trúc cho AI agent hoặc đánh giá lỗi kiến trúc của agent có sẵn
Làm sạch dữ liệu tín dụng và sàng lọc biến trước khi xây mô hình rủi ro cho vay
Dựng pipeline đánh giá tự động cho ứng dụng Python gọi LLM và đề ra kế hoạch cải thiện
Xây và chạy bộ đánh giá cho ứng dụng AI/LLM bằng Phoenix
Xây và vận hành module Python cho Azure IoT Edge với manifest, độ tin cậy và bảo mật
Thiết kế quy trình nhiều agent: chọn mẫu, hợp đồng bàn giao, xử lý lỗi và kiểm soát chi phí
Phân loại rủi ro, lập kế hoạch đánh giá hợp quy và nghĩa vụ theo Đạo luật AI của EU
Cắt chi phí gọi API LLM bằng định tuyến model, caching và nén prompt
Thiết kế pipeline RAG: chọn cách chia đoạn, embedding, vector DB và đo chất lượng truy xuất
Xây ứng dụng LLM trên dữ liệu riêng với LlamaIndex: nạp tài liệu, lập chỉ mục và truy vấn
Chạy benchmark học thuật như MMLU, GSM8K, HumanEval để so sánh chất lượng model
Theo dõi thí nghiệm ML, quản lý model registry và triển khai model bằng MLflow
Thêm lớp bảo vệ an toàn cho ứng dụng LLM bằng NVIDIA NeMo Guardrails
Xử lý dữ liệu ML quy mô lớn bằng Ray Data, từ suy luận theo lô đến tiền xử lý phân tán
Triển khai LLM thông lượng cao bằng vLLM với endpoint tương thích OpenAI và lượng tử hóa
Thiết kế hạ tầng pipeline ML với MLflow, Kubeflow, Airflow và Feast
Lập kế hoạch triển khai mô hình lên Amazon SageMaker: chọn hình thức suy luận, kiểm tra hạn mức rồi chuyển các skill triển khai
Huấn luyện hoặc fine-tune mô hình bằng TRL hay Unsloth trên Hugging Face Jobs, có xuất GGUF
Dùng subagent, lập kế hoạch todo và duyệt bởi con người trong Deep Agents
Xây bộ đánh giá agent bằng Harbor: Task Spec, môi trường, verifier và World Knowledge Skill
Xây hệ thống RAG với LangChain: loader, tách văn bản, embedding và kho vector
Tạm dừng LangGraph để chờ người duyệt bằng interrupt và Command, kèm cách xử lý lỗi 4 tầng
Phân tích đánh giá Amazon để tìm lời phàn nàn, nhu cầu chưa được đáp ứng và điểm yếu của đối thủ
Đánh giá và cải thiện chất lượng AI agent bằng MLflow với dataset, scorer và trace
Gắn MLflow Tracing vào code Python hoặc TypeScript để quan sát agent và ứng dụng LLM
Xây mô hình dự báo nhu cầu và cải thiện độ chính xác dự báo bán hàng
Tối ưu vận hành lưới điện: phân phối công suất, huy động tổ máy và cân bằng cung cầu
Trả lời câu hỏi cụ thể về một hợp đồng đã nạp, kèm trích dẫn nguyên văn điều khoản
Áp dụng khung NIST AI RMF để tư vấn, lập kế hoạch quản trị hoặc đánh giá tác động hệ thống AI