Ứng dụng hỗ trợ chăm sóc sức khỏe em bé (khóa luận tốt nghiệp)

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA CÔNG NGHỆ PHẦN MỀM NGUYỄN MINH THẮNG BÙI TRỌNG KHÁNH DUY KHÓA LUẬN TỐT NGHIỆP ỨNG DỤNG HỖ TRỢ CHĂM SÓC SỨC KHỎE EM BÉ BABY CARE KỸ SƯ NGÀNH KỸ THUẬT PHẦN MỀM GIẢNG VIÊN HƯỚNG DẪN TS NGUYỄN ĐÌNH HIỂN ThS TRẦN ANH DŨNG TP HỒ CHÍ MINH, 2022 ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CƠNG NGHỆ THÔNG TIN KHOA CÔNG NGHỆ PHẦN MỀM NGUYỄN MINH THẮNG BÙI TRỌNG KHÁNH DUY KHÓA LUẬN TỐT NGHIỆP ỨNG DỤNG HỖ TRỢ CHĂM SÓC SỨC KHỎE EM BÉ BABY CARE KỸ SƯ NGÀNH KỸ THUẬT PHẦN MỀM GIẢNG VIÊN HƯỚNG DẪN TS NGUYỄN ĐÌNH HIỂN ThS TRẦN ANH DŨNG TP HỒ CHÍ MINH, 2022 THƠNG TIN HỘI ĐỒNG CHẤM KHĨA LUẬN TỐT NGHIỆP Hội đồng chấm khóa luận tốt nghiệp, thành lập theo Quyết định số ngày Hiệu trưởng Trường Đại học Công nghệ Thông tin - Chủ tịch - Thư ký - Ủy viên - Ủy viên ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH CỘNG HỊA XÃ HỘI CHỦ NGHĨA TRƯỜNG ĐẠI HỌC CƠNG NGHỆ VIỆT NAM THÔNG TIN Độc Lập - Tự Do - Hạnh Phúc TP HCM, ngày tháng năm 2022 NHẬN XÉT KHÓA LUẬN TỐT NGHIỆP (CỦA CÁN BỘ HƯỚNG DẪN) Tên Khóa luận Tốt nghiệp: Ứng dụng hỗ trợ chăm sóc sức khỏe em bé Nhóm sinh viên thực hiện: Cán hướng dẫn: BÙI TRỌNG KHÁNH DUY 18520654 TS Nguyễn Đình Hiển NGUYỄN MINH THẮNG ThS Trần Anh Dũng 18521396 Đánh giá Khóa luận Tốt nghiệp: Về báo cáo: Số trang Số chương Số bảng số liệu Số hình vẽ Số tài liệu tham khảo Sản phẩm Một số nhận xét hình thức báo cáo: Về nội dung nghiên cứu: ● Về chương trình ứng dụng: • Về thái độ làm việc sinh viên: ● Đánh giá chung: Điểm sinh viên: BÙI TRỌNG KHÁNH DUY: ……… /10 NGUYỄN MINH THẮNG: ……… /10 Người nhận xét Nguyễn Đình Hiển Trần Anh Dũng LỜI CẢM ƠN Sau trình học tập rèn luyện khoa Công nghệ phần mềm trường Đại học Cơng nghệ Thơng tin – ĐHQG TP HCM nhóm em trang bị kiến thức bản, kỹ thực tế để hồn thành Khóa luận Tốt nghiệp Nhóm em xin gửi lời cảm ơn chân thành đến thầy Trần Anh Dũng quan tâm hướng dẫn truyền đạt kiến thức kinh nghiệm cho nhóm em suốt thời gian học tập thực Khóa luận Tốt nghiệp Cuối cùng, nhóm em xin gửi lời cảm ơn đến tất thầy cô khoa bạn bè bên cạnh, bảo, truyền đạt động viên nhóm em Trong q trình làm tập mơn khơng tránh khỏi sai sót, nhóm em mong nhận góp ý quý thầy bạn để hồn thiện Nhóm em xin chân thành cảm ơn Thành phố Hồ Chí Minh, ngày tháng năm 2022 Sinh viên BÙI TRỌNG KHÁNH DUY NGUYỄN MINH THẮNG ĐẠI HỌC QUỐC GIA TP HỒ CHÍ CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT MINH NAM TRƯỜNG ĐẠI HỌC Độc Lập - Tự Do - Hạnh Phúc CÔNG NGHỆ THÔNG TIN TP HCM, ngày… tháng … năm 2021 ĐỀ CƯƠNG CHI TIẾT TÊN ĐỀ TÀI: Ứng dụng hỗ trợ chăm sóc sức khỏe em bé TÊN ĐỀ TÀI (tiếng Anh): Developing applications to aid in the care of children's health Cán hướng dẫn: TS NGUYỄN ĐÌNH HIỀN, THS TRẦN ANH DŨNG Thời gian thực hiện: Từ ngày 21/02/2022 đến ngày 19/06/2022 Sinh viên thực hiện: NGUYỄN MINH THẮNG - 18521396 BÙI TRỌNG KHÁNH DUY - 18520654 Nội dung đề tài: Lý chọn đề tài: Ở sống thành thị tại, có nhiều gia đình vừa phải làm vất vả ngày, vừa phải chăm lo cho họ Những bậc bố mẹ trẻ tuổi vấp phải nhiều khó khăn việc chăm sóc làm việc từ sáng đến chiều công ty, có buổi tối dành thời gian ỏi ngày để chăm sóc Vì nên quan tâm dinh dưỡng, thể chất người tiêm phòng cho hời hợt qua loa Sau thời gian tìm hiểu cân nhắc, nhóm thấy vấn đề mang tính thực tế thiết yếu, nên chọn vấn đề để nghiên cứu phát triển khóa luận Mục tiêu: Trở thành trợ thủ đắc lực giúp bậc bố mẹ kiểm sốt chăm sóc cho cái, làm chủ thời gian Thơng qua người sử dụng ứng dụng ghi lại tồn phát triển để cung cấp cho bác sĩ bé có bị bệnh hay gặp phải vấn đề dinh dưỡng Phạm vi: Phạm vi môi trường: Di động chạy hệ điều hành Android iOS Phạm vi chức năng: - Chức Tạo số em bé - Chức Theo dõi, cập nhật đưa thơng báo tình trạng BMI trẻ - Chức Theo dõi, cập nhật đưa thơng báo tình trạng số dinh dưỡng trẻ - Chức Đưa gợi ý thực đơn hàng tuần theo tình trạng dinh dưỡng - Chức Theo dõi số dinh dưỡng qua thức ăn ngày trước - Các mẹo cách phòng ngừa chữa trị loại bệnh trẻ mắc phải - Chat Bot trả lời loại bệnh loại chất dinh dưỡng - Recommender system đưa gợi ý giúp người dùng dễ dàng mua vật dụng phù hợp với người Đối tượng sử dụng: - Nhóm đối tượng chủ yếu phần mềm bậc phụ huynh có nhỏ tuổi, hay người chăm sóc trẻ nhỏ độ tuổi từ lúc sinh đến tuổi - Những người chăm sóc trẻ nhỏ hay bậc phụ huynh thành thị, khơng có thời gian ghi nhớ dinh dưỡng cung cấp cho con, hay lịch sử tiêm phòng Đối với đối tượng này, họ cần ứng dụng giúp họ ghi nhớ giúp đỡ họ việc chăm sóc Phương pháp thực hiện: Trước vào nghiên cứu chi tiết cụ thể, nhóm em lên kế hoạch tìm hiểu nhiều ứng dụng có sẵn thị trường Các ứng dụng đa số mẻ, chủ yếu đáp ứng nhu cầu chăm sóc dinh dưỡng thể cho người từ tuổi trở lên Chính để tạo khác biệt đáp ứng nhu cầu chăm sóc cần thiết cho trẻ em tuổi, nhóm nhóm em nghiên cứu tạo ứng dụng làm điều Nhóm em thực đề tài ngôn ngữ Dart với công nghệ ứng dụng Flutter Nhóm em tuân theo quy chuẩn phát triển phần mềm làm hoàn thiện phần mềm thơng qua bước sau: Bước 1: Nhóm tiến hành khảo sát người dùng chi tiết, thu thập nhu cầu người dùng khó khăn người dùng chưa có phần mềm Bước 2: Nhóm nghiên cứu sản phẩm có sẵn thị trường xem có đáp ứng nhu cầu thực khơng, khó khăn phần mềm Bước 3: Nhóm phân tích đặc tả phần mềm theo mơ hình có sẵn phát triển phần mềm Vẽ Use-case cho chức WorkFlow để nhóm thực Bước 4: Nhóm thiết kế sở liệu chọn phương pháp thực sở liệu Bước 5: Thiết kế sơ chức phần mềm tương lai Bước 6: Nhóm lựa chọn ngơn ngữ lập trình để thực phần mềm nhóm thành sản phẩm Qua hội ý, họp hành, nhóm định chọn sử dụng ngôn ngữ dễ học tiện lợi Dart thông qua Cross platform Flutter để thực việc lập trình Bước 7: Nhóm thiết kế Giao diện cho ứng dụng ứng dụng hỗ trợ thiết kế Figma Bước 8: Nhóm tiến hành cài đặt hồn thiện cho phần mềm Bước 9: Nhóm tiến hành sửa chữa lỗi nâng cấp số chức có phần mềm Bước 10: Nhóm hồn thành phần mềm tài liệu báo cáo Nền tảng công nghệ: - Backend: Firebase, Dart, Python - Database: Firebase - Flutter/Dart Kết mong đợi: - Hoàn thiện đầy đủ chức - Giao diện đẹp mắt, dễ sử dụng Hướng phát triển đề tài: Hình 6.5 Ví dụ feature vector item (Nguồn: machinelearning bản) Mỗi hàng tương ứng với feature vector phim Kết dự đoán: Dự đoán rating cho user có id 100, kết dự đốn là: Hình 6.6 Kết dự đốn theo Content-based Tính toán RMSE cho tập liệu train liêu test, kết là: Hình 6.7 RMSE Content–based (Nguồn: machinelearning bản) c Neighborhood-based Recommendation System Neighborhood-based hai phương pháp phổ biển Collaborative Filtering Ý tưởng xác định mức độ quan tâm user tới item dựa users khác gần giống với user Việc gần giống users xác định thơng qua mức độ quan tâm users tới items khác mà hệ thống biết Ví dụ, A B thích phim Cơ bé lọ lem, tức rate phim Đồng thời biết A thích phim Hoa Mộc Lan, nhiều khả B thích phim [12] 119 Ở đây, hệ thống gợi ý Neighborhood-based Collaborative Filtering hai câu hỏi quan trọng là: - Làm xác định mức độ giống users? - Khi xác định users gần giống rồi, làm dự đoán mức độ quan tâm user lên item? Việc xác định mức độ quan tâm user tới item dựa mức độ quan tâm users tương tự tới item cịn gọi User-user Collaborative Filtering Có hướng tiếp cận khác Item-item Collaborative Filtering Trong hướng tiếp cận này, thay xác định giống users, hệ thống xác định giống item Từ đó, hệ thống gợi ý items gần giống với items mà user có mức độ quan tâm cao Hình 6.8 Bảng số user u rate cho item I (Nguồn: machinelearning bản) Giả sử có user từ u0 đến u6 item từ i0 đến i4, số vng thể số mà user rate cho item với giá trị cao thể mức độ quan tâm cao Các dấu hỏi chấm giá trị mà hệ thống cần phải tìm Đặt mức độ giống user ui, uj sim(ui, uj) 120 Quan sát qua ta nhận thấy u0 , u1 thích i0, i1, i2 khơng thích i3 , i4 cho Điều ngược lại xảy user cịn lại Vì vậy, similarity function tốt cần đảm bảo: sim(u0, u1) > sim(u0, ui), ∀i > Từ đó, để xác định mức độ quan tâm u0 lên i2, nhóm em nên dựa hành vi u1 lên sản phẩm Vì u1 thích i2 nên hệ thống cần gợi ý i2 cho u0 Câu hỏi đặt là: hàm số similarity tốt? Để đo similarity user, cách thường làm xây dựng feature vector cho user áp dụng hàm có khả đo similarity vector Chú ý việc feature vector khác với việc xây dựng item profile Content-based System Các vector xây dựng trực tiếp dựa utility matrix không dùng liệu ngồi item profile Với user, thơng tin mà nhóm em biết rating mà user thực hiện, tức cột tương ứng user thường rate số lượng nhỏ item Cách khắc phục cách đó, ta giúp hệ thống điền giá trị cho việc điền không làm ảnh hưởng nhiều tới giống vector Việc điền phục vụ cho việc tính similarity khơng phải suy luận giá trị cuối Vậy dấu ‘?’ nên thay giá trị để hạn chế việc sai lệch nhiều? Một lựa chọn nghĩ tới thay dấu ‘?’ giá trị ‘0’ Điều khơng thực tốt giá trị ‘0’ tương ứng với mức độ quan tâm thấp Một giá trị an tồn 2.5 trung bình cộng 0, mức thấp nhất, 5, mức cao Tuy nhiên, giá trị có hạn chế user dễ tính khó tính Với user dễ tính, thích tương ứng với sao, khơng thích chút, chẳng hạn Việc chọn giá trị 2.5 khiến cho item lại negative user Điều ngược lại xảy với user khó tính cho cho item họ thích cho item họ khơng thích Để giải vấn đề này, ta chọn giá trị trung bình cộng rating mà user tương ứng thực Việc tránh việc user q khó tính q dễ tính, tức lúc có item mà user thích so với item khác Các bước thực hiện: - Xây dựng Utility Matrix ban đầu (Hình 6.9 a) 121 - Chuẩn hóa Utility Matrix (Hình 6.9 b) - Xây dựng User Similarity Matrix (Hình 6.9 c) - Dự đốn rating (normalized) cịn thiếu (Hình 6.9 d) - Ví dụ cách dự đoán normalized rating u1 cho i1 - Dự đốn rating (denormalized) cịn thiếu (Hình 6.9 f) Hình 6.9 Mơ tả bước thực User-user Collaborative Filtering (Nguồn: machinelearning bản) Xây dựng Utility Matrix ban đầu: Đọc liệu items từ file u.item, liệu train từ ub.base, liệu test từ ub.test Thứ tự cột dòng liệu user_id, item_id, rating Chuẩn hóa liệu: Hàng cuối Hình 4.10 a) giá trị trung bình rating cho user Giá trị cao tương ứng với user dễ tính ngược lại Khi tiếp tục trừ từ rating giá trị thay giá trị chưa biết 0, ta ma trận chuẩn hố Hình 4.10 b) Đây bước quan trọng vì: 122 - Việc trừ trung bình cộng cột khiến cột có giá trị dương âm Những giá trị dương tương ứng với việc user thích item, giá trị âm tương ứng với việc user không thích item Những giá trị tương ứng với việc chưa xác định liệu user có thích item hay không - Về mặt kỹ thuật, số chiều Utility Matrix lớn với hàng triệu users items, lưu toàn giá trị ma trận khả cao khơng đủ nhớ Quan sát thấy số lượng ratings biết trước thường số nhỏ so với kích thước Utility Matrix, tốt nhóm em lưu ma trận dạng sparse matrix, tức lưu giá trị khác không vị trí chúng Vì vậy, tốt hết, dấu ‘?’ nên thay giá trị “0”, tức chưa xác định liệu user có thích item hay khơng Việc khơng tối ưu nhớ mà việc tính toán Similarity Matrix sau hiệu Xây dựng User Similarity Matrix: Áp dụng phương pháp tính độ tương tự Cosine Similarity, tính độ tương tự user vector Hình 6.9 b) ta ma trận User similarity matrix S Hình 6.9 c) User similarity matrix S ma trận đối xứng cos hàm chẵn, user A giống user B điều ngược lại Các ô màu xanh đường chéo cos góc vector nó, tức cos(0) = Khi tính tốn bước sau, ta không cần quan tâm tới giá trị Tiếp tục quan sát vector hàng tương ứng với u0, u1, u2 ta thấy vài điều thú vị: - u0 gần với u1 u5 (độ giống dương) user lại Việc similarity cao u0 u1 dễ hiểu có xu hướng quan tâm tới i0, i1, i2 item lại Việc u0 gần với u5 đầu vơ lý u5 đánh giá thấp item mà u0 đánh giá cao; nhiên nhìn vào ma trận chuẩn hố hình b), ta thấy điều hợp lý Vì item mà cung cấp thông tin i1 với giá trị tương ứng tích cực -u1 gần với u0 xa user lại -u2 gần với u3, u4, u5, u6 xa user lại 123 Dự đốn rating (normalized) cịn thiếu: Cơng thức phổ biến sử dụng để dự đoán rating u cho i là: Trong đó: N(u,i) tập hợp k users neighborhood (có similarity cao nhất) u mà rated i Ví dụ: Tính normalize rating u1 cho i1 cho hình e) với số nearest neighbors k = Các bước thực sau: - Xác định user rate i1, u0, u3, u5 - Xác định similarity u1 user này, ta nhận 0.83, -0.40, -0.23 Hai (k = 2) giá trị lớn 0.83 -0.23 tương ứng với u0 u5 - Xác định normalized rating u0 u5 cho i1, ta thu giá trị 0.75 0.5 - Dự đoán kết quả: Dự đốn rating (denormalized) cịn thiếu: Việc quy đổi giá trị ratings chuẩn hố thang thực cách cộng cột ma trận Hình 6.9 d) với giá trị rating trung bình user tính Hình 6.9 a) Kết dự đốn: 124 Hình 6.10 Kết dự đốn theo Neighborhood-based Collaborative Filtering Tính tốn RMSE cho tập liệu train liêu test, kết là: Hình 6.11 RMSE Neighborhood-based Collaborative Filtering (Nguồn: machinelearning bản) 6.2 Đánh giá 6.2.1 So sánh kết Trên liệu MoviesLens100K, với liệu train từ file ua.base liệu test từ ua.test Bảng 6.1 So sánh kết RMSE (Nguồn: machinelearning bản) 125 4.2.2 Nhận xét Bảng 6.2 Nhận xét Content-based Neighborhood-based 126 6.3 Áp dụng vào BabyCare 6.3.1 Đề xuất sản phẩm Trong ứng dụng có thẻ Product, trang product người dùng gợi ý sản phẩm nhiều người bình chọn tích cực nhất, gợi ý áp dụng thuật toán Neighborhood-based Collaborative Filtering dựa vào số ratings user cho sản phẩm Khi người dùng nhấn vào thẻ ứng dụng gửi yêu cầu lấy sản phẩm nhiều người bình chọn tích cực hiển thị lên hình Hình 6.12 Màn hình gợi ý sản phẩm nhiều người bình chọn tích cực 127 6.3.2 Sản phẩm tương tự Ở trang product người dùng click vào sản phẩm nhóm em muốn, sau click, ứng dụng hiển thị trang bao gồm sản phẩm vừa chọn sản phẩm khác loại, có tiêu chí địa cửa hàng, tên sản phẩm, loại sản phẩm, … Gợi ý áp dụng Content-based Filtering để tính tốn độ tương đồng sản phẩm mà người dùng xem so với sản phẩm khác hệ thống Sau nhận danh sách top sản phẩm có độ tương đồng cao nhất, hệ thống trả danh sách sản phẩm hiển thị mục “Because you love children’s car” Hình 6.13 Màn hình gợi ý sản phẩm tương tự 128 Chương KẾT LUẬN, HƯỚNG PHÁT TRIỂN 7.1 Kết thu ● Am hiểu vận dụng thành cơng Flutter vào phát triển thành Khóa luận tốt nghiệp Áp dụng design patterns phổ biến Flutter vào sản phẩm BloC Pattern, Clean Architecture Sử dụng nhuần nhuyễn kỹ thuật Flutter ● Kết hợp tốt với Firebase, sử dụng service bật tảng Firebase Authentication, Firestore Database, Firebase Realtime Database, Firebase Storage, Firebase App Distribution ● Xác định rõ tìm hiểu, khảo sát kỹ bậc bố mẹ hay người chăm sóc trẻ nhóm đối tượng chủ yếu ứng dụng phần mềm Từ đưa giải pháp để giải phần nhu cầu họ việc chăm sóc trẻ em ● Học tập, tham khảo nhiều xu hướng thiết kế giao diện ứng dụng đại Học tập cách sử dụng công cụ để xây dựng triển khai design UI/UX cho ứng dụng ● Tìm hiểu thực nghiệm nhiều để xây dựng sở liệu triển khai thành database với xây dựng back-end kết hợp từ Firebase Server từ Python ● Ứng dụng bước đầu cung cấp dịch vụ chăm sóc trẻ nhỏ hiệu ● Ứng dụng tổng hợp phổ cập cho người dùng tốt kiến thức chăm sóc trẻ nhỏ Người dùng trực tiếp hỏi vấn đề liên quan trẻ nhỏ cách dễ dàng thông qua Chatbot hỗ trợ ● Ứng dụng thuật toán Recommend content-base get-weighted-rating vào recommend sản phẩm cho người dùng người dùng mua hàng 7.2 Khó khăn ● Trong giai đoạn đầu tìm hiểu, việc tích hợp functional database Firebase vào ứng dụng framework Flutter khó Nhất việc nhóm có kế 129 hoạch sử dụng nhiều service Firebase vào phục vụ chức backend thực thụ ● Dù cố gắng áp dụng design patterns học trường tham khảo design patterns phổ biến Flutter, việc triển khai, áp dụng cịn nhiều khó khăn, dẫn đến bố cục code thiếu kinh nghiệm xếp quản lý ● Quá trình hoạt động ứng dụng chưa mượt mà, liệu gửi từ Firebase lên có tốc độ khơng cao nhóm có hướng tiếp cận tiết kiệm chi phí ● Nhóm cịn thiếu kiến thức chuyên ngành y tế để áp dụng vào ứng dụng mang đến độ xác thực tế cao ● Nhóm chưa tổng hợp tảng kiến thức chăm sóc trẻ em đủ lớn để triển khai ứng dụng tổng hợp Vẫn cịn nhiều kiến thức chăm sóc trẻ mà người dùng chưa thể tìm kiếm ứng dụng ● Recommender system nhóm xây dựng thuật tốn ổn, tính ổn định chưa cao số lượng sản phẩm có sẵn kho liệu chưa nhiều 7.3 Phương hướng phát triển ● Hoàn thiện functional back-end để truyền tải liệu mượt mà hơn, xác ● Cải thiện tốc độ xử lý ứng dụng, cố gắng mang đến trải nghiệm mượt cho người dùng ● Cải thiện trải nghiệm người dùng, giảm thiểu bước dư thừa mang đến hướng tiếp cận thông minh cho vấn đề người dùng ● Xây dựng module Tiêm phòng, nơi tổng hợp kiến thức tiêm phòng cho trẻ đến với người dùng Phổ cập kiến thức tiêm phòng, tổng hợp mũi tiêm quan trọng kết hợp với lưu lịch sử tiêm phòng trẻ gợi ý địa điểm tiêm phòng hợp lý 130 ● Cải thiện kịch chatbot giúp trình hỏi-trả lời người dùng ứng dụng thực tế hơn, chi tiết ● Thêm kịch kiến thức tiêm phòng cách hợp lý giúp người dùng hiểu nhanh lĩnh vực kiến thức khó ● Xây dựng module Gợi ý lịch hoạt động cho trẻ cho bố mẹ tuần theo tháng Từ cải thiện sức khỏe cho gia đình giúp tạo động lực cho bố mẹ dành nhiều thời gian với ● Cải thiện tính xác độ đa dạng cho thuật toán gợi ý bữa ăn cho trẻ, gợi ý sản phẩm tiêu dùng 131 TÀI LIỆU THAM KHẢO [1] Cô Trương Thu Thủy (2019) “Môn học Cơ sở liệu” Khoa Công nghệ Phần mềm, Trường Đại học Công nghệ Thông tin, ĐHQG HCM Accessed August 2019 [2] TS Huỳnh Ngọc Tín (2020) “Mơn học Nhập môn Công nghệ phần mềm” Khoa Công nghệ Phần mềm, Trường Đại học Công nghệ Thông tin, ĐHQG HCM Accessed February 2020 [3] Thầy Huỳnh Tuấn Anh (2020) “Môn học Lập trình thiết bị di động” Khoa Cơng nghệ Phần mềm, Trường Đại học Công nghệ Thông tin, ĐHQG HCM Accessed August 2020 [4] TS Dương Minh Đức (2021) “Môn học Công nghệ phần mềm chuyên sâu” Khoa Công nghệ Phần mềm, Trường Đại học Công nghệ Thông tin, ĐHQG HCM Accessed February 2021 [5] Th.S Trần Anh Dũng (2021) “Môn học Mẫu Thiết kế” Khoa Công nghệ Phần mềm, Trường Đại học Công nghệ Thông tin, ĐHQG HCM Accessed August 2021 [6] Dart language developers “Dart documentation” https://dart.dev/guides Accessed June 1, 2021 [7] Flutter Samples “Dart 2018 Reprint, Flutter, 2022” https://github.com/flutter/samples/ Accessed June 2, 2021 [8] Flutter framework developers “Flutter documentation” https://docs.flutter.dev/ Accessed June 2, 2021 [9] Many sponsors “Stack Overflow - Where Developers Learn, Share, & Build Careers.” https://stackoverflow.com/ Accessed June 16, 2021 [10] Google developers & sponsors “YouTube – Online video sharing & social media platform” https://www.youtube.com/ Accessed June 30, 2021 [11] Google developers “Firebase documentation.” https://firebase.google.com/docs Accessed August 12, 2021 [12] Vũ Hữu Tiệp (May 24, 2017) “Neighborhood-Based Collaborative Filtering” https://machinelearningcoban.com/2017/05/24/collaborativefiltering/ Accessed January 12, 2022 132 [13] Vũ Hữu Tiệp (May 17, 2017) “Content-Based Collaborative Filtering” https://machinelearningcoban.com/2017/05/17/contentbasedrecommendersys/ Accessed January 12, 2022 [14] Dương Tú Anh (Aug 22, 2020) “Firebase gì? Giải thích chức Firebase” https://viblo.asia/p/firebase-la-gi-giai-thich-nhung-chuc-nang-co-ban-cua- firebase-bWrZn0jQ5xw Accessed August 12, 2021 [15] Vinmec (Oct 22, 2019) “4 nhóm dưỡng chất quan trọng: Chất bột đường, béo, protein, vitamin khoáng chất” https://www.vinmec.com/vi/tin-tuc/thong-tin-suc-khoe/4-nhomduong-chat-quan-trong-chat-bot-duong-beo-protein-vitamin-va-khoang-chat/ Accessed December 16, 2021 [16] Lam Mai (Dec 25, 2020) “Bảng chiều cao cân nặng chuẩn trẻ từ 0-18 tuổi chuẩn WHO 2021” https://doppelherz.vn/bang-chieu-cao-va-can-nang-chuan-cua-tre-tu-0-18tuoi-chuan-who-2021/ Accessed December 16, 2021 [17] Bác sĩ Trần Hồng Hải (Mar 3, 2020) “Chỉ số cân nặng chiều cao trẻ tháng đến tuổi” https://benhvienpsnbd.com.vn/tin-tuc-su-kien/suc-khoe-va-doi-song/bieu-do-tangtruong/chi-so-can-nang-chieu-cao-cua-tre-0-thang-den-5-tuoi.htm Accessed December 16, 2021 [18] Dialogflow “Dialogflow support” https://cloud.google.com/dialogflow/docs/support/getting-support Accessed August 12, 2021 [19] Figma “Figma practices” https://www.figma.com/best-practices/ Accessed August 12, 2021 133 ... Phúc TP HCM, ngày tháng năm 2022 NHẬN XÉT KHÓA LUẬN TỐT NGHIỆP (CỦA CÁN BỘ HƯỚNG DẪN) Tên Khóa luận Tốt nghiệp: Ứng dụng hỗ trợ chăm sóc sức khỏe em bé Nhóm sinh viên thực hiện: Cán hướng dẫn: BÙI... nhiều thời gian chăm sóc 2.1.2 Hiện trạng ứng dụng chăm sóc trẻ em Các ứng dụng chăm sóc trẻ em thị trường chủ yếu tập trung vào việc giúp cho bậc phụ huynh giảm tải thời gian chăm sóc sổ ghi giúp... TIN KHOA CÔNG NGHỆ PHẦN MỀM NGUYỄN MINH THẮNG BÙI TRỌNG KHÁNH DUY KHÓA LUẬN TỐT NGHIỆP ỨNG DỤNG HỖ TRỢ CHĂM SÓC SỨC KHỎE EM BÉ BABY CARE KỸ SƯ NGÀNH KỸ THUẬT PHẦN MỀM GIẢNG VIÊN HƯỚNG DẪN TS NGUYỄN