Khóa học: Giới Thiệu Về Khoa Học Dữ Liệu. VIASM. 15-17/05/2017

Khóa học: Giới Thiệu Về Khoa Học Dữ Liệu. VIASM. 15-17/05/2017

(Nguồn: http://viasm.edu.vn)

Thời gian: 09:00:15/05/2017 đến 11:30:17/05/2017

Địa điểm: VIASM

Tóm tắt:

Các bài giảng này cung cấp một bức tranh tổng thể, các khái niệm cơ bản, ý tưởng các phương pháp, những tiến bộ quan trọng của Khoa học Dữ liệu (KHDL), lĩnh vực thời sự hiện nay của khoa học và công nghệ số, là nền tảng của Cách mạng Công nghiệp 4.0.Các bài giảng này hướng đến giáo viên đại học và sinh viên, những người làm R&D ở các viện, các doanh nghiệp, các cán bộ quản lý KH&CN, và những người muốn tìm hiểu về Khoa học Dữ liệu. Các bài giảng này chia làm hai phần.

Phần 1 (Cơ bản về Khoa học Dữ liệu) cung cấp bức tranh tổng thể, khái niệm và vấn đề của KHDL, thích hợp cho người cần biết chung, quản lý và dùng KHDL.

Phần 2 (Nguyên lý và Phương pháp của Khoa học Dữ liệu) cung cấp ý tưởng cơ bản của các phương pháp của KHDL và chia sẻ kinh nghiệm. Phần này thích hợp cho người làm nghiên cứu, ứng dụng và phát triển KHDL.

Chương trình Hà Nội

Ngày 15.5: Cơ bản về Khoa học Dữ liệu

Sáng 9:00 – 11:30 Tổng quan về Khoa học dữ liệu 

– Bài giảng 1.1: Cách mạng Công nghiệp 4.0 và Khoa học Dữ liệu

Diễn giả: GS Hồ Tú Bảo (90 phút)

  • Bản chất của cách mạng công nghiệp 4.0
  • Khoa học dữ liệu và cách mạng công nghiệp 4.0
  • Nguyên lý của khoa học dữ liệu

– Bài giảng 1.2: Nền tảng Công nghệ của Khoa học Dữ liệu

Diễn giả: GS Phùng Quốc Định (60 phút)

  • Khoa học phân tích dữ liệu lớn
  • Xử lý dàn trải, phân tán và song song
  • Công nghệ Hadoop, Spark và TensorFlow cho dữ liệu lớn và mô hình nhiều tầng (deep learning).

Chiều 1:30 – 4:00Ứng dụng Khoa học Dữ liệu – Toạ đàm

– Bài giảng 1.3: Khoa học Dữ liệu và Y tế điện tử (e-health)

Diễn giả: GS Hồ Tú Bảo (40 phút)

  • Bệnh án điện tử (BADT) và e-health
  • Vấn đề của khoa học dữ liệu trong y tế điện tử (e-health)

– Bài giảng 1.4: Khoa học Dữ liệu trong Công nghiệp

Diễn giả: TS Bùi Hải Hưng (50 phút)

  • Bài toán và bài học về khoa học dữ liệutrong công nghiệp

TOẠ ĐÀM (PANEL DISCUSSION) (60 phút)

—————————————————————————-

Ngày 16.5: Nguyên lý và Phương pháp của Khoa học Dữ liệu  

Sáng 9:00 – 11:30Nguyên lý vàmô hình thống kê

– Bài giảng 2.1: Mô hình suy diễn Bayes và tần suất

Diễn giả: GS Nguyễn Xuân Long (150 phút)

  • Phương pháp Bayes và tần suất trong suy diến thống kê
  • Kết quả mới, thách thức và triển vọng

Chiều 1:30 – 4:00 Mô hình tư vấn và học nhiều tầng

– Bài giảng 2.2: Mô hình tư vắn ra quyết định

Diễn giả: TS Bùi Hải Hưng(60 phút)

  • Hệ tư vấn ra quyết định (recommender systems)
  • Bài học trong ứng dụng

– Bài giảng 2.3Các phương pháp học nhiều tầng

Diễn giả: GS Phùng Quốc Định (90 phút)

  • Các mô hình học nhiều tầng (deep learning)
  • Kinh nghiệm, bài học, hạn chế và xu hướng

—————————————————————————-

Ngày 17.5: Nguyên lý và phương pháp của Khoa học Dữ liệu 

Sáng 9 – 11:30 Giải pháp khi dữ liệu có kích thước lớn

– Bài giảng 3.1: Phương pháp và Công nghệ của Dữ liệu lớn

Diễn giả: GS Phùng Quốc Định & TS  Bùi Hải Hưng (90 phút)

  • Thách thức khi xử lý dữ liệu với kích thước và độ phức tạp cực lớn
  • Các phương pháp tiếp cận

TOẠ ĐÀM (PANEL DISCUSSION) (60 phút)

*****************************

Hạn đăng ký tham dự và gửi CV: 8/5/2017

Đăng kí: link


Chương trình Hồ Chí Minh

————————&&&——————–

Hội thảo: Một số phương pháp phân tích thống kê hiện đại và các ứng dụng. Viện Toán học. 11-13/5/2017

Hội thảo: Một số phương pháp phân tích thống kê hiện đại và các ứng dụng. Viện Toán học. 11-13/5/2017

(Nguồn: http://math.ac.vn)

Viện Toán học – Viện HLKHCNVN kết hợp với Trường Đại học Sư phạm Hà Nội và Học viện Nông nghiệp Việt Nam tổ chức Hội thảo khoa học “Một số phương pháp phân tích thống kê hiện đại và các ứng dụng” tại Hà Nội từ ngày 11 đến 13/5/2017.

HoiThaoTKeUngDung20170511_.jpg (716×1024)
Chủ đề của Hội thảo là các phương pháp phân tích thống kê hiện đại được sử dụng như công cụ nghiên cứu của nhiều ngành khoa học khác ngoài Toán. Bên cạnh một số báo cáo về các kết quả mới liên quan đến Thống kê ứng dụng, nội dung chủ đạo của Hội thảo sẽ bao gồm các phương pháp phân tích thống kê để giúp giải quyết các bài toán nghiên cứu do chính các thành viên tham gia Hội thảo đề xuất.
Do vậy, Ban tổ chức Hội thảo khuyến khích các cán bộ nghiên cứu của các đơn vị (nhất là các đơn vị chuyên môn ngoài Toán như Môi trường; Sinh học; Y học; Dược; Nông nghiệp; Lâm nghiệp; Kinh tế; Xã hội học; Khoa học Giáo dục, …) đăng ký tham gia Hội thảo cung cấp trước thông tin về các vấn đề nghiên cứu đơn vị mình đang tiến hành, nhưng còn vướng mắc về phương pháp phân tích thống kê, để các chuyên gia thống kê sẽ tổ chức tư vấn ngay tại Hội thảo. Nên cung cấp thông tin về các vấn đề nghiên cứu như vậy cùng với bộ dữ liệu liên quan, có thể chỉ cung cấp một phần nhỏ chứ không phải toàn bộ dữ liệu, để các chuyên gia của Hội thảo hiểu được cấu trúc của dữ liệu, nhằm đề xuất được phương pháp phân tích thống kê thích hợp.

Ban tổ chức: Hồ Đăng Phúc (Phòng XSTK – Viện Toán học), Ngô Hoàng Long (Khoa Toán – ĐHSP Hà Nội), Nguyễn Văn Hạnh (Khoa CN Thông tin – Học viện Nông nghiệp), Phạm Quang Khoái (ĐH Lâm nghiệp), Bùi Quảng Nam (Học viện PKKQ), Cấn Văn Hảo, Trần Văn Thành (Viện Toán học, Thư ký).
Thông tin cập nhật về Hội thảo có thể tham khảo trên trang web của Viện Toán học.
Kinh phí tham dự hội thảo:

  • Phí tham dự: 200.000 đồng;
  • Các đại biểu có báo cáo tại Hội thảo được miễn phí tham dự;
  • Các đại biểu có cung cấp cho Ban tổ chức Hội thảo các vấn đề nghiên cứu cùng dữ liệu kèm theo cũng được miễn phí tham dự.

Địa chỉ liên hệ: Để biết thêm thông tin chi tiết về hội nghị xin liên hệ với
Trần Văn Thành
Viện Toán học, Viện HLKHCN Việt Nam
18 Hoàng Quốc Việt, Q. Cầu Giấy, Hà Nội
E-mail: tvthanh@math.ac.vn
hoặc

Hồ Đăng Phúc
Viện Toán học, Viện HLKHCN Việt Nam
18 Hoàng Quốc Việt, Q. Cầu Giấy, Hà Nội
E-mail: hdphuc@math.ac.vn

hoặc các thành viên khác trong Ban tổ chức.
Mẫu đăng ký tham dự download tại đây

———————&&&——————–

Bài giảng: How to learn a dictionary. VIASM. 04/01/2017. Vũ Hà Văn

Bài giảng: How to learn a dictionary. VIASM. 04/01/2017. Vũ Hà Văn

(Nguồn: http://viasm.edu.vn)

Thời gian: 08:30 đến 11:30 Ngày 04/01/2017

Địa điểm: C2-714

Báo cáo viên: Vũ Hà Văn

Tóm tắt:

Imagine an orchestra with hundred of instruments, but we managed to record only a few random moments.

At each of these random moments, only a small part of the instruments are playing with different intensities (we do not know which instruments and what intensity.) Can one detect all the instruments in the orchestra from the broken record ?

This is a toy description of a new and fundamental problem in machine learning theory. One needs to learn a dictionary (a collection of signals), having only a record of the mixture of only few signals at random sample points.

The question is: when and how could one reconstruct the dictionary ? Mathematically, it reduces to a problem of solving the linear equation XY= B, where X,Y, B are matrices, and we know only B.

Impossible as it sounds, the problem is actually solvable, under a mild and natural assumption.

(Based on work of Spielman, Wang, Wright 2012 and Luh and Vu 2015)

Agenda
8h30-9h00: Registration
9h00-10h00: Lecture
10h00-10h30: Coffee break
10h30-11h30: Lecture
———–&&&———–

Tài chính định lượng (Viện JVN – Workshop & Talk)

Tài chính định lượng (Viện JVN – Workshop & Talk)

JVN-logo-trans-02-300x267.png (300×267)

Tiêu đề Năm Link
Tương lai của TTCK VN – Sản phẩm phái sinh 2013 ngay1S; ngay1C; ngay2S; ngay2C; ngay3S
Ứng dụng toán trong QTRR tài chính 2014 ngay1; ngay2
Tài chính tính toán định lượng: Nhu cầu thực tiễn 2016 1ngay

————&&&————

Hội thi khoa học sinh viên toàn quốc “Olympic Kinh tế lượng và Ứng dụng” lần thứ II

Hội thi khoa học sinh viên toàn quốc “Olympic Kinh tế lượng và Ứng dụng” lần thứ II

(Nguồn: http://www.hvtc.edu.vn)

  • Đơn vị tổ chức:  Hội Sinh viên Việt Nam và Học viện Tài chính
  • Thời gian dự kiến: 02 ngày trong khoảng thời gian từ 18-30/5/2017
  • Địa điểm: Hội trường Học viện Tài chính, Hà Nội.

1. Đối tượng dự thi: Các nhóm nghiên cứu đề tài từ 3-6 sinh viên của các trường trong và ngoài nước (nhóm sinh viên tham gia cùng một đề tài không nhất thiết là sinh viên của một trường, không hạn chế số lượng đề tài tham gia).

2. Nội dung đề tài dự thi: Các đề tài có nội dung ứng dụng các mô hình toán, mô hình kinh tế lượng trong nghiên cứu các vấn đề kinh tế – xã hội. Kết quả nghiên cứu của đề tài tham dự phải do nhóm đề tài thực hiện, đảm bảo tính trung thực, nghiêm túc trong khoa học.

3. Hình thức đề tài dự thi: Đề tài dự thi của mỗi nhóm gồm:

– Dạng bản cứng được chế bản trên MS Word có số trang không vượt quá 60 trang

– Dạng bản mềm gồm ba 3 file: File nội dung bài thi phù hợp với bản cứng của đề tài; File số liệu đề tài sử dụng dạng MS Excel; File bản tóm tắt, không quá 20 trang

4. Tiến độ thực hiện:

– Tháng 9/2016: Triển khai kế hoạch đến các trường.

– Tháng 10/2016-2/2017: Các trường thành lập các nhóm sinh viên, triển khai thực hiện các đề tài của trường, tổng hợp danh sách các nhóm nghiên cứu có ghi rõ họ tên sinh viên, tên lớp, tên khoa, tên trường, sinh viên năm thứ mấy, giáo viên hướng dẫn, địa chỉ liên hệ mail, địa chỉ liên lạc điện thoại, địa chỉ gửi bưu phẩm email. Các nhóm sinh viên thành lập độc lập có thể gửi danh sách đăng ký trực tiếp về ban tổ chức theo Mail: kinhteluong@hvtc.edu.vn. Tiêu đề mail ghi rõ tên đề tài độc lập.

– Tháng 3/2017: Các nhóm nghiên cứu nhận mã số dự thi, hoàn thiện bài dự thi và gửi bài thi theo quy định về Ban tổ chức. Hạn muộn nhất nhận bài thi là 31/3/2017. Nộp lệ phí dự thi theo quy định.

– Tháng 4/2017:

+ Thành lập Ban giám khảo tổ chức triển khai chấm sơ loại, lựa chọn các đề tài đáp ứng đầy đủ các tiêu chí đề tài nghiên cứu khoa học theo thông tư quy định nghiên cứu khoa học sinh viên của Bộ Giáo dục và Đào tạo. Lập danh sách và thông báo danh sách các trường lọt vào sơ khảo vào ngày 30/4/2017.

+ Thông cáo báo chí về Hội thi.

– Tháng 5/2017:

+ Tổ chức chấm sơ khảo, lựa chọn tối đa 60% trên tổng số các đề tài vào vòng chung khảo.

+ Tổ chức chấm Chung khảo vòng 1, lựa chọn tối đa 20% đề tài có chất lượng tốt nhất vào Chung khảo và thông báo đến các nhóm sinh viên có đề tài nghiên cứu được lựa chọn vào chung khảo vào ngày 15/5/2017.

+ Các nhóm được lựa chọn vào Chung khảo sẽ nộp Slides báo cáo về Ban tổ chức trước 5 ngày so với ngày Chung khảo chính thức được công bố.

+ Chuẩn bị công tác tổ chức chung khảo Hội thi và các hoạt động trong khuôn khổ Hội thi

Thông báo chi tiết:  http://www.hvtc.edu.vn/Portals/0/files/T9_2016/Ke_hoach_Hoi_thi_2017new.pdf

—————&&&—————

Hội thảo: Nguồn nhân lực chất lượng cao ngành Ngân hàng trong bối cảnh hội nhập kinh tế quốc tế. ĐH Ngân hàng Tp HCM. 10/11/2016

Hội thảo: Nguồn nhân lực chất lượng cao ngành Ngân hàng trong bối cảnh hội nhập kinh tế quốc tế

(Nguồn: http://buh.edu.vn)

1. Thời gian và chương trình tóm lượt:
Hội thảo được diễn ra nhằm 8h00 – 11h30, Thứ năm, ngày 10/11/2015
Lịch trình cụ thể
 8h00 – 8h15: Thủ tục khai mạc Hội thảo (Tại hội trường lớn)
 8h30 – 11h00: Phiên song song (Tại 03 phòng học B4A, B4D, B5E)
 11h00 – 11h15: Phát biểu bế mạc hội thảo
2. Địa điểm:
 Phiên toàn thể: Hội trường lầu 2, Đại học Ngân hàng TP. HCM, 36 Tôn
Thất Đạm, TP. Hồ Chí Minh.
 Tiệc trà: Bố trí trực tiếp tại các phòng B4A, B4D, B5E
 Phiên song song: B4A, B4D, B5E
3. Quy định thời gian thuyết trình và phản biện
 Hình thức thuyết trình: PPT
 Thời gian thuyết trình: 15 phút
 Thời gian dành cho câu hỏi và phản biện: 05 phút
 Thứ tự thuyết trình : Xem chi tiết tại mục 4
4. Thứ tự và địa điểm diễn ra bài thuyết trình phiên song song theo chuyên đề

CHUYÊN ĐỀ 1: NHÂ N LỰC CHẤT LƯỢNG CAO NGÀ NH NGÂ N HÀ NG (PHÒ NG B4A)

1) Ảnh hưởng của năng lực tâm lý đến kết quả công việc: một nghiên cứu thực nghiệm trong ngành ngân hàng.

ThS. Nguyễn Kim Nam
Trường Cao đẳng Công thương TP.HCM
ThS. Nguyễn Thị Hằng Nga
Bộ môn Toán Kinh tế, Trường Đại học Ngân hàng TP.HCM

2) Một số giải pháp nâng cao chất lượng đào tạo nhằm tạo ra nguồn nhân lực chất lượng cao cho ngành ngân hàng tại các trường đại học, cao đẳng trong bối cảnh hội nhập kinh tế quốc tế.

ThS. Nguyễn Thanh Hà
ThS. Bùi Huy Tùng
Bộ môn Toán Kinh tế, Trường Đại học Ngân hàng TP.HCM

3) Giải pháp nâng cao kỹ năng mềm cho sinh viên trường Đại học Ngân hàng TP.HCM trong thời kỳ hội nhập.

Hàn Thị Hòa
ThS. Đặng Thị Thu Vân
Trường Đạ i h ọ c Ngân hàng TP.HCM

4) Tội phạm sử dụng công nghệ cao và những vấn đề đặt ra trong đào tạo nguồn nhân lực bảo mật thông tin ngành ngân hàng.

Lê Hoàng Việt Lâm
Hoàng Văn Khang
Trường Đại học An ninh Nhân dân
Trần Vĩnh Hà
Cục Cảnh sát Phòng, Chống tội phạm sử dụng công nghệ cao (C50) – BCA

5) Nghiên cứu giải pháp phát triển nguồn nhân lực chất lượng cao ngành ngân hàng trong thời kỳ hội nhập quốc tế.

ThS. Lê Chí Minh
Agribank Chi nhánh tỉnh Bình Dương

6) Nới lỏng định lượng (quantitative easing): khả năng áp dụng vào nền kinh tế vĩ mô Việt Nam và điều kiện nhân lực của ngành ngân hàng.

TS. Lê Minh Sơn
Khoa Kinh tế quốc tế, Trường Đại học Ngân hàng TP.HCM

7) Các giải pháp phát triển nguồn nhân lực chất lượng cao ngành ngân hàng Việt Nam –nhìn từ thực trạng trong bối cảnh hội nhập hiện nay.

ThS. Vũ Thanh Tùng
Trường Đại học Tài chính Marketing

CHUYÊN ĐỀ 2: NGUỒN NHÂ N LỰC TRONG BỐI CẢNH HỘI NHẬP  (PHÒ NG B4D)

1) Quản lý tri thức nguồn nhân lực và khả năng cạnh tranh của các doanh nghiệp nhỏ và vừa Việt Nam.

PGS.TS. Hạ Thị Thiều Dao
Khoa Kinh tế quốc tế, Trường Đại học Ngân hàng TP.HCM
ThS. Nguyễn Thị Mai
Trường Đại học Ngoại thương, Cơ sở II tại TP.HCM

2) Nguồn nhân lực trong ngành công nghiệp hỗ trợ trên địa bàn tỉnh Bắc Ninh.

ThS. Nguyễn Văn Hiền
Sở Y tế tỉnh Bắc Ninh
PGS.TS. Hoàng Văn Hoan
Học viện Chính trị Khu vực I

3) Ảnh hưởng của năng lực quản lý của giám đốc doanh nghiệp nhỏ và vừa đến kết quả hoạt động sản xuất kinh doanh: nghiên cứu tại Thành phố Hải Phòng.

ThS. Phạm Mạnh Hùng
Công ty Cổ phần Tư vấn thiết kế và xây dựng Hải Phòng

4) Một số lưu ý về chiến lược nguồn nhân sự trong bối cảnh hội nhập hiện nay.

ThS. Dư Thị Lan Quỳnh
Khoa Tài chính, Trường Đại học Ngân hàng TP.HCM

5) Vấn đề phát triển nguồn nhân lực chất lượng cao tại việt nam trong quá trình hội nhập cộng đồng kinh tế ASEAN (AEC): thực trạng và giải pháp.

Nguyễn Thị Tường Tâm
Khoa Kế toán – Kiểm toán, Trường Đại học Ngân hàng TP.HCM

6) Ảnh hưởng của lao động đến thu hút vốn đầu tư vào các khu công nghiệp trên địa bàn tỉnh Thái Nguyên.

ThS. Đặng Phi Trường
ThS. Lê Thị Yến
Trường Đại học Kinh tế và QTKD, Đại học Thái Nguyên

CHUYÊN ĐỀ 3: CÁ C CHỦ ĐỀ MỞ RỘNG LIÊ N QUAN (PHÒ NG B5E)

1) Năng lực quản lý của cán bộ cấp xã trong phát triển kinh tế: nghiên cứu trường hợp huyện Mai Sơn, tỉnh Sơn La.

ThS. Đỗ Quốc Đạt
Ủy ban Kiểm tra Tỉnh ủy Tỉnh Sơn La
TS. Trần Văn Túy
Ban Tổ chức Trung ương

2) Chất lượng dịch cho vay của ngân hàng trong bối cảnh hội nhập TPP.

ThS. Bùi Huy Khôi
ThS. Nguyễn Thị Ngân
Trường Đại học Công nghiệp TP.HCM

3) Nhân tố lạm phát chung ASEAN.

TS. Phạm Thị Tuyết Trinh
Khoa Kinh tế Quốc tế, Trường Đại học Ngân hàng TP.HCM

4) Năng lực cạnh tranh của hệ thống ngân hàng Việt Nam dưới góc độ NNL.

Nguyễn Xuân Trường
Võ Thị Khuê
Khoa Kinh tế Quốc tế, Trường Đại học Ngân hàng TP.HCM

5) “Đánh giày cho người khác” và việc xây dựng tinh thần phục vụ.

TS. Võ Minh Tuấn
Khoa Lý luận chính trị, Học viện Ngân hàng

6) Ứng dụng mô hình Merton trong giảng dạy rủi ro tín dụng cho sinh viên ngành ngân
hàng.

Lê Văn Tuấn
Trường Đại học Thương mại

7) Vốn vay của các ngân hàng thương mại cổ phần và sự thay đổi quy mô phát triển của các doanh nghiệp: bằng chứng từ nghiên cứu các doanh nghiệp nhỏ và vừa trên địa bàn tỉnh Nghệ An.

ThS. Võ Đức Việt
Ngân hàng Thương mại cổ phần Bắc Á

—————–&&&——————

Khóa học chủ đề “Data Science and Machine Learning”. ĐH TĐT. 3-12/01/2017

Khóa học chủ đề “Data Science and Machine Learning”

(Khoa học dữ liệu và Mô hình học bằng máy)

(Nguồn: http://www.tdt.edu.vn)

  1. Bối cảnh

Trong vài năm gần đây có hai “trào lưu” khoa học rất thịnh hành trên trường quốc tế: Dữ liệu Lớn và Machine Learning (còn có thể gọi là Statistical Learning). Cả hai trào lưu là giao thoa giữa khoa học thống kê và khoa học máy tính, nhưng xuất phát từ nhu cầu thực tế trong khoa học thực nghiệm như di truyền học, sinh học, và doanh nghiệp. Các nghiên cứu di truyền học và những thông tin từ các doanh nghiệp viễn thông tạo ra những dữ liệu lớn. Machine Learning là tập hợp một số phương pháp thống kê học nhằm khám phá những xu hướng và đặc điểm của các dữ liệu lớn. Tuy nhiên, những phương pháp và mô hình này hiện nay chưa được tiếp cận một cách có hệ thống ở Việt Nam. Trong thực tế, nhiều người trong giới khoa học vẫn còn xa lạ với những phương pháp hiện đại của Machine Learning.

  1. Mục tiêu

Mục tiêu chung của khoá học là giới thiệu các khái niệm cơ bản về Khoa học Dữ liệu và Mô hình học bằng máy. Học viên sẽ làm quen với một số phương pháp và kĩ thuật cơ bản, thuật toán phổ biến và ứng dụng trong thực tế. Chúng tôi sẽ nhấn mạnh đến việc ứng dụng các phương pháp mô hình hoá dữ liệu trong việc phân tích các dữ liệu lớn qua một số ca nghiên cứu cụ thể của chúng tôi và các đồng nghiệp khác. Chúng tôi kì vọng học viên sau khi học xong lớp học sẽ:

  • Sử dụng thành thạo R cho các mô hình hồi qui tuyến tính;
  • Sử dụng R để xử lí các dữ liệu lớn;
  • Hiểu và có thể áp dụng các phương pháp chọn mô hình;
  • Hiểu và xây dựng mô hình tiên lượng với các phương pháp hiện đại;
  • Có thể giảng dạy cho các đồng nghiệp chưa am hiểu về thống kê học và Machine Learning.
  1. Đối tượng

Lớp học được thiết kế dành cho các giảng viên, nhà khoa học, và nghiên cứu sinh có nhu cầu phân tích dữ liệu, đặc biệt là dữ liệu lớn. Các nhà khoa học đang đối phó với dữ liệu lớn và mô hình tiên lượng sẽ thấy khoá học rất thiết thực. Học viên cần có kiến thức cơ bản về thống kê học và đã làm quen với ngôn ngữ R (tuy không phải là điều kiện quan trọng).

  1. Địa điểm

Trường đại học Tôn Đức Thắng, Số 19, Đường Nguyễn Hữu Thọ, Phường Tân Phong, Quận 7, TP. Hồ Chí Minh.

  1. Giảng viên

Giảng viên phụ trách lớp học bao gồm các nhà khoa học thực nghiệm có kinh nghiệm trong phân tích dữ liệu lớn và machine learning:

  • GS. Nguyễn Văn Tuấn;
  • TS. Trần Sơn Thạch;
  • BS. Hà Tấn Đức;
  • Nguyễn Chí Dũng;
  • PGS. Nguyễn Thời Trung;
  • và các giảng viên của Trường đại học Tôn Đức Thắng.

Nguyễn Văn Tuấn có kinh nghiệm lâu năm trong việc phát triển mô hình tiên lượng, và chính là tác giả của Mô hình đánh giá nguy cơ gãy xương Garvan. Ông còn giúp nghiên cứu sinh trong nước phát triển mô hình tiên lượng tử vong ở khoa cấp cứu trong bệnh viện. Hiện tại, ông là Giáo sư y khoa tiên lượng (Predictive Medicine) của Đại học Công nghệ Sydney (UTS), Giáo sư Dịch tễ học và Thống kê học của Đại học Notre Dame, Australia, và Giáo sư Y khoa của Đại học New South Wales, Australia. Đồng thời, GS. Nguyễn Văn Tuấn là Cố vấn cao cấp về khoa học và là Trưởng Nhóm nghiên cứu Xương và Cơ của Trường đại học Tôn Đức Thắng.

    6. Thời gian

Khóa học sẽ kéo dài 10 ngày từ 03/01/2017 đến 12/01/2017 bao gồm 2 cấp:

  • Cấp 1 (5 ngày): từ ngày 03/01/2017 đến 07/01/2017.
  • Cấp 2 (5 ngày): từ ngày 08/01/2017 đến 12/01/2017.

Vì là khóa học ngắn ngày, nên chúng tôi không phân biệt ngày thường và ngày cuối tuần.

  1. Chương trình

Chương trình bao gồm khoảng 35 bài giảng chia làm 2 cấp: Cấp 1 (5 ngày) và cấp 2 (5 ngày tiếp theo)

Thời gian Nội dung
03/01/2017 Chủ đề: Tổng quan về ngôn ngữ R (Overview of R language)

  • Bài 1: Giới thiệu về R (Introduction to R language)
  • Bài 2: Cú pháp, input và output (R input/output)
  • Bài 3: Phân tích mô tả dùng R (Descriptive analyses using R)
  • Bài 4: Cách xử lý tập hợp dữ liệu lớn (How to handle large datasets)
04/01/2017 Chủ đề: Phân tích mô tả (Descriptive analyses)

  • Bài 5: Phân tích biểu đồ dùng R: Biểu đồ cơ bản (Graphical analyses using R: Basic graphs)
  • Bài 6: Phân tích biểu đồ dùng R: Biểu đồ nâng cao (Graphical analyses using R: Advanced graphs)
  • Bài 7: Ôn tập phân tích hồi qui tuyến tính (Review of linear regression analysis)
  • Bài 8: Phân tích dao động dư và hoán chuyển dữ liệu (Residual analysis and data transformation)
05/01/2017 Chủ đề: Mô hình hồi qui tuyến tính (Linear regression models)

  • Bài 9: Hồi qui tuyến tính đa biến 1: biến số phân loại (Multiple linear regression 1: categorical variables)
  • Bài 10: Hồi qui tuyến tính đa biến 2: tương tác (Multiple linear regression 1: interaction)
  • Bài 11: Tiên lượng qua mô hình hồi qui đa biến (Prediction in multiple linear regression)
  • Bài 12: Hồi qui đa thức (Polynomial regression)
06/01/2017 Chủ đề: Mô hình hồi qui logistic (Logistic regression models)

  • Bài 13: Giới thiệu về mô hình hồi qui logistic (Introduction to logistic regression)
  • Bài 14: Mô hình hồi qui logistic đa biến (Multiple logistic regression model)
  • Bài 15: Tiên lượng trong mô hình hồi qui logistic và “điểm số nguy hiểm” (Prediction in logistic regression model and “risk score”)
07/01/2017 Chủ đề: Phân tích sống còn và mô hình tỉ lệ cùng nguy cơ (Survival analysis and proportional hazards models)

  • Bài 16: Giới thiệu về phân tích sống còn (Introduction to survival analysis)
  • Bài 17: Giới thiệu về mô hình hồi qui Cox (Introduction to Cox’s proportional hazards model)
  • Bài 18: Giới thiệu thêm về mô hình Cox: các phương pháp phụ thuộc vào thời gian (More on Cox’s model: time-variant methods )
08/01/2017 Chủ đề: Mô hình thống kê đa biến (Multivariate statistics)

  • Bài 19: Mô hình phân định tuyến tính (Linear discriminant model)
  • Bài 20: Mô hình thành tố (Principal component model)
  • Bài 21: Phân tích cụm 1: Giới thiệu khái niệm  (Cluster analysis 1 – Introduction to concepts)
  • Bài 22: Phân tích cụm 2: Mô hình và kỹ thuật (Cluster analysis 2 – Models and techniques)
09/01/2017 Chủ đề: Các phương pháp chọn lựa mô hình (Model selection methods)

  • Bài 22: Giới thiệu về khái niệm và các kỹ thuật được thành lập (Introduction to the concept and established techniques)
  • Bài 23: Lựa chọn mô hình dùng các phương pháp dựa trên AIC (AIC based methods for model selection)
  • Bài 24: Phương pháp mô hình trung bình Bayesian (Bayesian Average Model method)
10/01/2017 Chủ đề: Các phương pháp chọn lựa mô hình mới (New methods for model selection)

  • Bài 25: Mô hình dựa trên rừng ngẫu nhiên (Random Forest based methods)
  • Bài 26: Phương pháp LASSO (LASSO method)
  • Bài 27: Các phương pháp tái lấy mẫu (Resampling method)
  • Bài 28: Xử lý số liệu không xác định (Treatment of missing values)
11/01/2017 Chủ đề: Xây dựng mô hình (Model building)

  • Bài 29: Đánh giá sự phân loại (Evaluation of discrimination)
  • Bài 30: Đánh giá sự hiệu chỉnh (Evaluation of calibration)
  • Bài 31: Phân tích tái phân loại (Reclassification method)
12/01/2017 Chủ đề: Các trường hợp nghiên cứu (Case studies)

  • Trường hợp 1: Lựa chọn các yếu tố phụ thuộc vào gene đối với bệnh loãng xương (Evaluation of discrimination)
  • Trường hợp 2: Phát hiện các giao dịch gian lận (Detection of fraudulent transactions)
  • Trường hợp 3: Dự đoán sự trở lại lợi suất của thị trường cổ phiếu (Prediction of stock market returns)
  • Trường hợp 4: Dự đoán sự phát triển bùng nổ của tảo (Predicting algae blooms)
  1. Đăng kí và liên lạc
  • Học viên sẽ đăng kí từ ngày ra thông báo đến hết ngày 23/12/2016.
  • Lệ phí khóa học: 4 triệu đồng/học viên (bao gồm sách, tài liệu giảng dạy, và teabreak trong suốt 10 ngày học). Đối với học viên ghi danh lớp cơ bản (5 ngày đầu), chi phí là 2 triệu đồng/học viên. Nghiên cứu sinh sẽ được giảm 50% học phí.
  • Mọi thông tin vui lòng liên hệ: Phòng quản lý phát triển khoa học và công nghệ (ThS. Nguyễn Hoàng Nam), Phòng A303, số 19, Đường Nguyễn Hữu Thọ, P. Tân Phong, Q.7, TP. HCM.
  • Điện thoại: (08) 37755 037. Email: nguyenhoangnam@tdt.edu.vn

—————&&&————–