Các hệ thống phần mềm ngày càng trở nên phức tạp với mã nguồn có số lượng lỗi tăng lên đáng kể. Vì vậy, phát hiện lỗi trong giai đoạn sớm trong quy trình phát triển phần mềm đóng vai trò quan trọng nhằm nâng cao chất lượng phần mềm, giảm thiểu thời gian, chi phí và nhân lực cho việc bảo trì phần mềm. Các phương pháp máy học (Machine Learning) đã được các tác giả tập trung nghiên cứu để xây dựng mô hình phân loại các các mô-đun có lỗi hoặc không. Ngoài ra, tiếp cận học sâu (Deep Learning) cũng đã có những kết quả nổi bật trong nhiều lĩnh vực như xử lý ảnh, xử lý ngôn ngữ tự nhiên, công nghệ phần mềm và các lĩnh vực khác. Trong bài báo này, chúng tôi đề xuất mô hình dự đoán lỗi sử dụng Convolutional Neural Network (CNN) kết hợp với phương pháp lựa chọn các đặc trưng (Feature Selection). Thực nghiệm được thực hiện trên bảy tập dữ liệu từ kho PROMISE. Kết quả thực nghiệm cho thấy mô hình đề xuất đạt kết quả Accuracy và Precision cao hơn đáng kể so với mô hình Multiplayer Preceptron. Ngoài ra, kết quả thực nghiệm cho thấy hiệu quả của mô hình dự đoán lỗi dựa trên các tiếp cận học sâu phụ thuộc vào tập dữ liệu đầu vào và kiến trúc của mô hình.