Bài báo trình bày một hệ thống điểm danh tự động dựa trên nhận dạng khuôn mặt, được tối ưu hóa cho thiết bị di động. Hệ thống sử dụng mô hình YuNet để phát hiện khuôn mặt và SFace để trích xuất đặc trưng khuôn mặt. Để cân bằng giữa hiệu suất và độ chính xác, kỹ thuật chưng cất tri thức (Knowledge Distillation) được áp dụng với hai mô hình teacher là ArcFace và SFace-OpenCV, kết hợp với quá trình fine-tuning trên dữ liệu thực tế thu thập từ giảng đường đại học. Kết quả thực nghiệm cho thấy tỷ lệ lỗi cân bằng (EER) giảm từ 11.067% xuống 9.613%, cùng với sự cải thiện đáng kể về độ chính xác (Accuracy) và F1-score. Hệ thống đạt tốc độ suy luận khoảng 25 ms, kích thước mô hình dưới 5 MB, và tiêu thụ tài nguyên thấp, phù hợp cho các ứng dụng di động trong môi trường giáo dục. Nghiên cứu này khẳng định tiềm năng ứng dụng thực tiễn của nhận dạng khuôn mặt trong quản lý điểm danh tự động, đặc biệt tại các cơ sở giáo dục với quy mô lớn.