Luận văn tập trung nghiên cứu và đề xuất giải pháp ứng dụng kỹ thuật học sâu (deep learning) để nhận dạng ký hiệu toán học trong tài liệu khoa học kỹ thuật, nhằm hỗ trợ quá trình chuyển đổi số. Các phương pháp truyền thống thường gặp khó khăn với tính đa dạng và phức tạp của ký hiệu toán học, dẫn đến độ chính xác thấp. Nghiên cứu này tập trung vào việc xây dựng và tối ưu mô hình mạng nơ-ron tích chập (CNN) kết hợp với cơ chế chú ý (attention) để trích xuất đặc trưng và nhận dạng ký hiệu từ hình ảnh. Kết quả thực nghiệm trên bộ dữ liệu chuẩn cho thấy mô hình đề xuất đạt độ chính xác cao, vượt trội so với các phương pháp truyền thống. Luận văn khẳng định tiềm năng của học sâu trong việc tự động hóa nhận dạng ký hiệu toán học, góp phần nâng cao hiệu quả chuyển đổi số tài liệu khoa học kỹ thuật, giảm thiểu sai sót và tiết kiệm thời gian xử lý thủ công.