Sức kháng cắt của dầm bê tông cốt thép (BTCT) bị ăn mòn là một trong những yếu tố quan trọng đánh giá độ an toàn và tuổi thọ của công trình. Do đó, việc xây dựng một mô hình dự đoán sức kháng cắt của dầm BTCT bị ăn mòn là cần thiết. Trong nghiên cứu này, một mô hình máy học (Machine Learning - ML) dựa trên thuật toán tăng cường độ dốc (Gradient Boosting - GBR) được thiết lập để dự đoán sức kháng cắt của dầm BTCT bị ăn mòn. Bộ dữ liệu sử dụng trong nghiên cứu bao gồm 158 kết quả thí nghiệm được thu thập từ các mẫu dầm BTCT bị ăn mòn. Hiệu suất của mô hình được đánh giá bằng ba tiêu chí thống kê phổ biến là hệ số xác định (R2), căn của sai số toàn phương trung bình (RMSE) và sai số tuyệt đối trung bình (MAE). Ngoài ra, để dễ dàng sử dụng mô hình dự đoán sức kháng cắt của dầm BTCT bị ăn mòn, một giao diện người dùng đồ họa được thiết lập. Với giao diện này, người dùng có thể dễ dàng nhập dữ liệu và thu được kết quả dự đoán về sức kháng cắt của dầm BTCT bị ăn mòn., Tóm tắt tiếng anh, The shear strength of corroded reinforced concrete (CRC) beams is an important factor in assessing the structure's safety and durability. Therefore, building a predictive model for the shear strength of CRC beams is necessary. In this study, a machine learning model based on the Gradient Boosting algorithm is established to predict the shear strength of CRC beams. The dataset used in the study includes 158 experimental results collected from CRC beam samples. The performance of the model is evaluated using three popular statistical criteria: coefficient of determination (R2), root mean square error (RMSE) and mean absolute error (MAE). In addition, a graphical user interface is developed to facilitate the use of the predictive model for the shear strength of CRC beams. With this interface, users can easily input data and obtain predicted results for the shear strength of CRC beams.