Bài báo trình bày kết quả nghiên cứu về việc xây dựng tập dữ liệu sinh viên và kết quả ứng dụng kỹ thuật học máy để lập chương trình dự báo cho loại tốt nghiệp sinh viên, dự báo các yếu tố trong tổ hợp tuyển sinh ảnh hưởng tới kết quả học tập của sinh viên. Để giải quyết các bài toán trên, chúng tôi tiến hành nghiên cứu trên bộ dữ liệu của ngành Giáo dục tiểu học của trường Đại học Thủ đô Hà Nội (dữ liệu trong 5 năm từ 2016 đến 2020). Các kỹ thuật học máy được sử dụng bao gồm kỹ thuật Logistic Regression (đểdự báo kết quả tốt nghiệp của sinh viên) và một kỹ thuật cải tiến của kỹ thuật Linear discriminant analysis (để dự báo nhân tố quan trọng ảnh hưởng tới kết quả học tập của sinh viên) - kỹ thuật Discriminative Feature Selection. Từ đó nhóm tác giả đưa ra những đề xuất khuyến nghị về xu hướng tuyển sinh trình độ đại học hệ chính quy một số khuyến nghị về việc tổ chức đào tạo và chiến lược tuyển sinh cho trường Đại học Thủ đô Hà Nội.The article presents research results on building a student data set and the results of applying machine learning techniques to make a prediction program for the type of student graduation, predicting factors in the student enrollment mix that affects student learning outcomes. To solve the above problems, we conducted a research on the primary education data set of Hanoi Metropolitan University (data for 5 years from 2016 to 2020). Machine learning techniques used include Logistic Regression technique (to predict student graduation results) and an improved technique of Linear discriminant analysis technique (to predict important factors affecting student learning outcomes) - Discriminative Feature Selection technique. From there, the authors make recommendations on the trend of enrollment at university level, some recommendations on training organization and enrollment strategy for Hanoi Metropolitan University.