Thời gian: 13:30 đến 15:00 ngày 21/08/2018, 13:30 đến 15:00 ngày 22/08/2018, 15:30 đến 17:00 ngày 23/08/2018, 13:30 đến 15:00 ngày 23/08/2018, 13:30 đến 15:00 ngày 24/08/2018, 09:00 đến 11:00 ngày 24/08/2018, 09:00 đến 11:00 ngày 27/08/2018, 14:00 đến 16:00 ngày 28/08/2018, 09:00 đến 11:00 ngày 29/08/2018, 09:00 đến 11:00 ngày 30/08/2018,

Địa điểm: Hội Trường Tầng 3, Tòa nhà B1 Đại học Bách khoa Hà Nội.

Báo cáo viên: Nguyễn Xuân Long, Nguyễn Hùng Sơn, Hồ Tú Bảo, Lê Hồng Vân

Tóm tắt:



Đơn vị tổ chức: Viện Nghiên cứu cao cấp về Toán, Trường ĐH Bách Khoa Hà Nội, JVN.

AUGUST 21-24, AFTERNOON (13:30 – 15:00)

Lecture: Mathematical foundations of machine learning

Lecturer: Lê Hồng Vân, Institute of Mathematics of Czech Academy of Sciences

Abstract: Machine learning is an interdisciplinary field in the intersection of mathematical statistics and computer sciences. Machine learning studies statistical models, develops methods and algorithms for deriving predictors or meaningful patterns from empirical data. Machine learning techniques are applied in search engine, natural language processing, image detection, robotics, self-driving cars and artificial intelligence. In our lecture series we address the following questions:

– What is the mathematical model of learning?

– How do we quantify the difficulty/complexity of a learning problem and success of a learning machine?

– What are current tasks of machine learning?

– Can machines learn to think?

Lecture 1 (August 21): Learning, machine learning and artificial intelligence.

Lecture 2 (August 22): Statistical models and framework for machine learning.

Lecture 3 (August 23): PAC (probably approximately correct) learning theory.

Lecture 4 (August 24): Deep learning, pattern theory and algebra of human thoughts.




Title: Streaming dynamic and distributed inference of latent geometric structures

Speaker: Nguyễn Xuân Long, University of Michigan, Ann Arbor

Time and Place: 15:30-17:00, VIASM


We develop new models and algorithms for learning the temporal dynamics of the topic polytopes and related geometric objects that arise in topic model based inference. Our model is nonparametric Bayesian and the corresponding inference algorithm is able to discover new topics as the time progresses. By exploiting the connection between the modeling of topic polytope evolution, Beta-Bernoulli process and the Hungarian matching algorithm, our method is shown to be several orders of magnitude faster than existing topic modeling approaches, as demonstrated by experiments working with several million documents in a dozen minutes.



Tutorial Lecture:Gaussian and Dirichlet processes for statistical learning and inference 

Lecturer: Nguyễn Xuân Long, University of Michigan, Ann Arbor

Time and Place: 9:00-11:00, VIASM


Bayesian nonparametrics is an area in statistics which provides a fertile and powerful mathematical framework for the development of many computational and statistical modeling ideas. The spirit of Bayesian nonparametrics is to enable the kind of inferential procedures according to which both the statistical modeling and computational complexity may adapt to increasingly large and complex data patterns in a graceful and effective way. This circle of ideas and techniques is expected to have increasingly large role to play in the era of big data. In this tutorial lecture, I will introduce Gaussian processes and Dirichlet processes, two of the most common tools that arise in Bayesian nonparametric model constructions for regression, classification, clustering, and density estimation problems. Computational issues and applications will be discussed.



Lecture: Ontology based Machine Learning 

Lecturer: Nguyễn Hùng Sơn, Warsaw University

Time and Place: 9:00-11:00, VIASM


One of the common problems in many machine learning or data mining projects is ralated to the issue called „information rich” but „knowledge poor”. Usually, the domain knowledge is presented either as an ontology or as a taxonomy (a lighter version of ontology) of concepts. In this talk we present some knowledge aquisition techniques as well as the utility of domain knowledge in some machine learning techniques. We will show that ontology can improve the accuracy of classification and clustering algorithms. Moreover, ontology can be also used to build a semantic evaluator for clustering algorithms.



Lecture: Neural Random Access Machines – a deep learning technique for sequential data. 

Lecturer: Nguyễn Hùng Sơn, Warsaw University

Time and Place: 14:00-16:00, VIASM

Abstract: We present a new neural network architecture inspired by Neural Turing Machines called a Neural Random Access Machine.  This architecture can manipulate and dereference pointers to an external variable-size random-access memory. It has been shown that the proposed model can learn to solve algorithmic tasks and is capable of discovering simple data structures like linked-lists and binary trees. For a subset of tasks, the learned solutions generalize to sequences ofarbitrary length. 



Public lecture: AI nào cho Việt Nam? 

Lecturer: Hồ Tú Bảo, VIASM

Time and Place: 9:00-11:00, VIASM 


Trong phần đầu chúng tôi tóm tắt lại những nội dung cơ bản và tình hình phát triển của AI nói chung. Trong phần sau, dựa trên mục tiêu phát triển đất nước và tình hình phát triển AI ở Việt Nam, chúng tôi chia sẻ một số ý kiến về việc chúng ta cần và nên chú trọng vào những lĩnh vực nào của AI trong bối cảnh Việt Nam thời chuyển đổi số.



Lecture: Khoa học dữ liệu trong chăm sóc sức khoẻ và nghiên cứu y học 

Lecturer: Hồ Tú Bảo, VIASM

Time and Place: 9:00-11:00, VIASM 


Chăm sóc sức khoẻ và nghiên cứu y học là lĩnh vực quan trọng của mọi quốc gia với rất nhiều thách thức. Trong những năm qua, lượng dữ liệu y tế đã tăng lên rất nhiều, mở ra khả năng khai thác và sử dụng chúng cho hai mục tiêu kể trên. Bài giảng này trước hết giới thiệu một bức tranh toàn cảnh về khoa học dữ liệu trong y tế, đặc biệt việc khai thác và sử dụng bệnh án điện tử. Phần sau của bài giảng giới thiệu một số công việc, bài toán  và kết quả nghiên cứu đề tài chúng tôi đã và đang tiến hành ở Việt Nam.



Nguyễn Xuân Long is associate professor of Statistics and of Electrical Engineering and Computer Science at the University of Michigan, Ann Arbor. He received his PhD degree from the University of California, Berkeley. Nguyen’s interests include nonparametric Bayesian statistics, machine learning and optimization, as well as applications in signal processing and environmental sciences.  He is a recipient of the Leon O. Chua Award from UC Berkeley for his PhD research, the IEEE Signal Processing Society’s Young Author best paper award, the CAREER award from the NSF’s Division of Mathematical Sciences, and best paper awards from the International Conference on Machine Learning (ICML) in 2004 and 2014. Nguyen is an associate editor of several journals including Bayesian Analysis, Journal of Machine Learning Research and SIAM Journal on Mathematics of Data Science. 

Nguyễn Hùng Sơn received the Ph. D. in 1997, D. Sci. (habilitation) in 2008 and he is working as a professor in University of Warsaw. His main research interests are fundamentals and applications of Rough set theory, data mining, text mining, bioinformatics, intelligent multiagent systems, soft computing, pattern recognition. On these topics he has published more than 140 research papers in edited books, international journals and conferences. Hung Son Nguyen is the fellow of International Rough Set society, and a member of the Editorial Board of international journals, i.e., “Transaction on Rough Sets”, “Data mining and Knowledge Discovery” (from 2005-2008) and “ERCIM News”, Computational Intelligence and the Manager Editor of “Fundamenta Informaticea”. He has served as a program co-chair of RSCTC’06 and ’RSKT2012, IJCRS2018, as a PC member of various other conferences including PKDD, PAKDD, AAMAS, RSCTC, RSFDGrC, RSKT, etc., and as a reviewer of many other journals. He was involved in numerous research and commercial projects including dialog-based search engine (Nutech), fraud detection for Bank of America (Nutech), logistic project for General Motors (Nutech), Semantic Search Engine, Intelligent Decision Support System for Firefighting in Poland, RID – Development of Innovative Transport System. 

Hồ Tú Bảo is Professor Emeritus of Japan Advanced Institute of Science and Technology (JAIST), Director of Data Science Lab of the Vietnam Institute for Advanced Study in Mathematics (VIASM) and Director of the John von Neumann Institute (JVN) of Vietnam National University at Ho Chi Minh City. He graduated (1978) from Hanoi University of Technology, Master (1984) and Doctor (1987) in Artificial Intelligence from the Universite Paris 6, and Habilitation a diriger de recherche (1998) from the University Paris 9. He has been doing research, application and teaching in the fields of Artificial Intelligence, Machine Learning, Data Mining, and more recently in Data Science for nearly forty years. He is members of the Steering Committee of PRICAI (Pacific Rim International Conference on Artificial Intelligence), PAKDD (Pacific Asia Knowledge Discovery and Data Mining), ACML (Asia Conference on Machine Learning).

Lê Hồng Vân received her Ph.D. in mathematics from Moscow State University (MSU), Moscow in 1987, under the supervision of Anatoly Fomenko, and DrSc. in mathematics from MSU, Moscow, in 1990. She is a senior Researcher of the Institute of Mathematics of the Czech Academy of Sciences (CAS) and holds Associate Professorship of the Opava University, Czech Republic. Prior to joining the CAS she held research positions at Hanoi Institute of Mathematics in Hanoi, International Center of Theoretical Physics (ICTP) in Trieste, Max-Planck-Institute for Mathematics in Bonn, University Leipzig, Max-Planck-Institute for Mathematics in Leipzig. She held visiting positions at Institut Henri Poincar´e in Paris, Isaac Newton Institute in Cambridge, Institut des Hautes Etudes Scientifiques in Bures-sur-Yvette ´ and ETH Z¨urich. Her current research interests include differential geometry, geometric analysis, differential topology, algebraic topology, symplectic topology, representation theory, theoretical statistics and machine learning. She is a co-author with Nihat Ay, J¨urgen Jost and Lorenz Schwachh¨ofer of the book “Information Geometry”, published in 2017 in the series “Ergebnisse der Mathematik und ihrer Grenzgebiete” of Springer. She received the prize of the Moscow Mathematical Association in 1990 and the prize of ICTP in 1991, the Heisenberg-Fellowship of the German Research Association (DFG) for 1994-1998.


Trường đại học trong thời đại trí tuệ nhân tạo

Trường đại học trong thời đại trí tuệ nhân tạo

(Tác giả: Andrew Wachtel – Nguồn:

Trong 50 năm nữa, trí tuệ nhân tạo và học máy sẽ mạnh hơn hẳn hiện nay, công nghệ sẽ thay thế lao động của con người vì công nghệ hoạt động hiệu quả hơn con người trong hầu hết các công việc. Giáo dục đại học chuẩn bị gì cho sinh viên trước sự kiện này?

Gần đây tôi được đề nghị giữ chức chủ tịch một trường đại học ở Kazakhstan, với ba môn học chính: kinh doanh, kinh tế học và luật pháp; giảng dạy theo chuyên ngành hẹp, mặc dù nghiêm khắc về mặt tri thức. Tôi đang xem xét công việc này, nhưng tôi có đưa ra mấy điều kiện.

Tôi đề nghị chuyển trường đại học này thành cơ cở giáo dục, trong đó sinh viên tiếp tục tập trung vào ba môn chính, nhưng họ cũng phải hoàn thành “chương trình học tập cốt lõi” về nhân văn, khoa học xã hội và khoa học tự nhiên – trong đó có khoa học máy tính và thống kê. Sinh viên còn phải chọn một đề tài phụ từ một trong những môn khoa học nhân văn hay khoa học xã hội.

Có nhiều lý do để nhấn mạnh quá trình chuyển đổi như thế, nhưng quan trọng nhất, theo tôi, là cần phải chuẩn bị cho sinh viên mới ra trường để họ có thể thích ứng với thế giới, trong đó trí tuệ nhân tạo và công nghệ dựa trên nền tảng trí tuệ nhân tạo ngày càng có vai trò nổi bật hơn. Muốn thành công trong công việc, sinh viên sẽ cần phải có những kĩ năng mới.

Trong 50 năm nữa, trí tuệ nhân tạo và học máy sẽ mạnh hơn hẳn hiện nay, công nghệ sẽ thay thế lao động của con người vì công nghệ hoạt động hiệu quả hơn con người trong hầu hết các công việc. Giáo dục đại học phải đào tạo sinh viên để họ có thể đối đầu với sự kiện này. Giả sử rằng trí tuệ nhân tạo sẽ chuyển hóa việc làm trong tương lai, khi con người không còn có thể cạnh tranh với người máy, những người làm giáo dục phải suy nghĩ xem sinh viên mới ra trường cần những kĩ năng nào.

Dễ dàng dự đoán rằng những nhiệm vụ đơn giản sẽ biết mất trước tiên. Quá trình chuyển hoá này đang diễn ra trong những nước giàu có, nhưng sẽ cần một thời gian nữa mới tới những nơi như Kazakhstan. Khi xu hướng này tăng tốc, dân số cũng sẽ điều chỉnh theo cho phù hợp. Suốt nhiều thế kỉ, dân số tăng lên khi cơ hội kinh tế gia tăng; ví dụ, số người trong gia đình nông dân tăng lên khi nhu cầu tăng, đấy là vì cần nhiều lao động hơn để có thể sản xuất đủ hàng hóa cho người tiêu dùng.

Nhưng dân số hiện nay trên thế giới là không ổn định. Khi trí tuệ nhân tạo tiến sâu hơn vào nơi làm việc, công việc sẽ biến mất, tỉ lệ người có việc làm sẽ giảm, dân số sẽ giảm theo. Về nguyên tắc, thế là tốt – trái đất đang nứt ra thành từng mảng – nhưng sẽ khó quản lý trong ngắn hạn, đấy là khi tốc độ suy giảm dân số thấp hơn tốc độ suy giảm việc làm.

Ví lý do đó, thế hệ người lao động tiếp theo – các sinh viên hiện nay – cần được đào tạo đặc biệt thì mới thịnh vượng được. Đồng thời, và có lẽ hơn tất cả các thời kì trước đây, họ cần loại hình giáo dục có thể giúp họ tư duy một cách bao quát hơn và tạo ra những kết nối khác thường và bất ngờ giữa những lĩnh vực khác nhau.

Rõ ràng là, những người lãnh đạo trong tương lai phải thành thạo với máy tính – từ lập trình cơ sở tới mạng máy tính mô phỏng hoạt động của bộ não người – thì mới hiểu được cách thức máy móc kiểm soát năng suất là động và các quá trình phân tích. Sinh viên mới ra trường còn cần kiến thức về tâm lý học, đấy là chỉ nói, nếu muốn hiểu được “bộ não”của máy tính khác bộ não người ở chỗ nào. Và người lao động trong tương lai còn cần phải được giáo dục về đạo đức thì mới có thể định hướng được trong cái thế giới mà giá trị của con người không còn được coi là đương nhiên nữa.

Những người làm giáo dục cho những sinh viên tương lai này phải bắt đầu ngay từ bây giờ. Muốn không trở thành những người theo thuyết định mệnh mù quáng, các chuyên gia trong lĩnh vực kinh doanh phải nghiên cứu lịch sử kinh tế và chính trị. Các sinh viên kinh tế học phải học các môn kỹ thuật, như thể họ sẽ là các kỹ sư chịu trách nhiệm xây dựng lực lượng lao động trong tương lai vậy. Còn các sinh viên luật thì phải tập trung vào giao điểm giữa tập hợp dữ liệu lớn (big data) và nhân quyền, để họ có quan điểm thấu triệt, cần cho việc bảo vệ người dân khỏi những lực lượng có thể tìm cách “vắt chanh bỏ vỏ” những người mà họ đã sử dụng.

Ngay cả những sinh viên học những môn sáng tạo và giải trí cũng phải học khác đi. Vì lý do là, trong thế giới mà trí tuệ nhân tạo giữ thế thượng phong, mọi người đều cần được giúp đỡ để quản lý thời gian rảnh rỗi của mình. Chúng ta sẽ không thôi chơi quần vợt chỉ vì robot bắt đầu thắng giải Wimbledon; nhưng sẽ cần các kỹ năng tổ chức và giao tiếp mới thì mới giúp được người ta điều chỉnh những thay đổi trong sáng tạo và chơi. Cần những kĩ năng mới, được điều chỉnh cho phù hợp với thế giới mà trí tuệ nhân tạo giữ thế thượng phong thì mới quản lý được các ngành công nghiệp này.

Công việc trong tương lai có thể khác hẳn những kịch bản mà tôi có thể tưởng tượng ra, hay có thể gây ra nhiều đổ vỡ hơn; không ai biết. Nhưng, giáo dục đại học có trách nhiệm chuẩn bị cho sinh viên trước mọi tình huống có thể xảy ra – ngay cả những tình huống mà hiện nay dường như không thể nào xảy ra được. Chiến lược tốt nhất cho những người làm giáo dục trong bất kỳ lĩnh vực nào và bất cứ khi nào, là dạy kỹ năng làm cho con người trở thành con người, chứ không phải đào tạo sinh viên để họ có thể giành chiến thắng trong cuộc cạnh tranh với các công nghệ mới.

Dù tôi có làm ở đâu trong ngành giáo dục thì việc đào tạo các thanh niên để họ có thể đối mặt với tương lai cũng luôn luôn là công việc của tôi. Và hiện nay, tương lai đó dường như sẽ bị máy móc chi phối. Muốn thành công, những người làm giáo dục – và các trường đại học của chúng ta – phải tiến hóa.

Phạm Nguyên Trường dịch
* Andrew Wachtel là Chủ tịch của trường Đại học Mỹ của Trung Á.

Dù AI là tương lai, đại học vẫn cần phải duy trì những giá trị quá khứ 
Sự bùng nổ của trí tuệ nhân tạo (AI) đã và đang đặt ra những thách thức, rằng đại học cần phải làm gì để tận dụng được các lợi thế do tiềm năng đó mang lại? Năm 2000, nhà giáo dục học người Mỹ Chuck M. Vest – nhân vật rất có uy tín tại Học viện Công nghệ MIT, trong bức thư gửi Hội đồng trường đã viết: “Liệu tương lai của giáo dục, công việc học tập và đào tạo, sẽ thuộc về môi trường kỹ thuật số nhờ các thế hệ máy tính đời mới, hay sự học tốt nhất vẫn phải đến từ nỗ lực tự thân của người học, nhờ vào những tương tác trực tiếp trong khuôn viên các ngôi trường. Tôi tin rằng câu trả lời là Cả hai”. Quan điểm này, sau đó đã được đúc kết lại trong cuốn sách “Pursuing the Endless Frontier: Essays on MIT and the Role of Research Universities” xuất bản năm 2005 (Tạm dịch: Theo đuổi giới hạn vô cùng: các tiểu luận về MIT và vai trò của Đại học nghiên cứu) Cũng theo Vest, đại học chính là phương tiện tốt nhất giúp đào tạo nên những cá nhân tài năng, có đóng góp quan trọng đối với sự hình thành tri thức, công nghệ và kỹ thuật mới. Vì vậy, để hoàn thành sứ mệnh của mình, các đại học cần thiết phải duy trì được sự cân bằng giữa “liên tục” và “thay đổi”. Từ “liên tục” ở đây được dùng để chỉ các giá trị thuộc về chiều sâu, cùng những nguyên tắc mang tính hướng dẫn; đó còn là sự cam kết “xuất sắc trong học thuật” và tính thiết yếu của những “cuộc đời trí tuệ”.

Viện CFA sẽ đưa tiền số và blockchain vào đề thi năm 2019

Viện CFA sẽ đưa tiền số và blockchain vào đề thi năm 2019


Viện CFA cho biết họ quyết định bổ sung hai chủ đề mới (nằm trong phần mới có tên gọi là Fintech trong quản lý đầu tư) sau khi kết quả khảo sát cho thấy mối quan tâm đến với các chủ đề này tăng lên.

Vừa có thêm 1 dấu hiệu rõ ràng cho thấy tiền số đã “đặt chân” đến phố Wall.

Viện CFA, tổ chức đứng sau chương trình đào tạo với 3 cấp độ khó nhằn đã giúp đào tạo hơn 150.000 chuyên gia tài chính trên toàn thế giới, vừa thông báo sẽ bổ sung các chủ đề tiền số và blockchain vào chương trình đào tạo Level I và Level II trong năm tới. Tài liệu cho các kỳ thi của năm 2019 sẽ được công bố vào tháng 8 tới và đây là lần đầu tiên tiền số và blockchain được đề cập đến.

Viện CFA cho biết họ quyết định bổ sung hai chủ đề mới (nằm trong phần mới có tên gọi là Fintech trong quản lý đầu tư) sau khi kết quả khảo sát cho thấy mối quan tâm đến với các chủ đề này tăng lên. Thế giới tài chính và thế giới tiền số đang ngày càng gắn kết với nhau nhiều hơn sau nhiều sự kiện trọng đại trong năm ngoái: giá bitcoin bùng nổ, các hợp đồng tương lai bitcoin được công nhận hợp pháp và giao dịch trên sàn Chicago, những tập đoàn nổi tiếng như Goldman Sachs cũng chú ý đến các tài sản số và ngày càng có nhiều nhân vật trên phố Wall tham gia vào các startup liên quan đến tiền số.

Mặc dù kể từ đầu năm đến nay thị trường tiền số chìm trong sắc đỏ và những ảnh hưởng của công nghệ blockchain đến thế giới thực còn hạn chế, một số nhà quan sát cho rằng cuối cùng thì công nghệ blockchain vẫn sẽ thay đổi hoàn toàn hệ thống tài chính toàn cầu.

“Chúng tôi cho rằng lĩnh vực này sẽ tiến nhanh hơn bất kỳ lĩnh vực nào khác, không những thế còn vững bền hơn”, Stephen Horan – 1 lãnh đạo của Viện CFA – nói. “Đó không phải là mốt nhất thời sẽ nhanh chóng bị lãng quên”.

Tiền số và blockchain sẽ xuất hiện cùng nhóm với các chủ đề khác thuộc mục fintech bao gồm AI (trí tuệ nhân tạo), công nghệ máy học machine learning, dữ liệu lớn big data và giao dịch tự động. Theo ông Horan, giáo trình có thể bao gồm cả những topic sâu hơn như sự giao thoa giữa các đồng tiền kỹ thuật số và nền kinh tế.

Kayden Lee (27 tuổi), 1 sinh viên ngành tài chính kinh tế tại ĐH Columbia đã thi CFA Level I hồi tháng 6 và đang thực tập tại vị trí chuyên viên phân tích quỹ ở Singapore, nói: “Điều này có lợi cho các thí sinh, bởi vì tiền số đang xâm lấn và được áp dụng ngày càng rộng rãi trong thế giới đầu tư. Tuy nhiên quan trọng hơn là tập trung vào fintech và blockchain, hai công nghệ này sẽ cải tiến hay thậm chí là gây xáo trộn một số lĩnh vực nhất định như thế nào”.

Ngoài ra tiền số và blockchain cũng sẽ xuất hiện trong phần thi về đạo đức nghề nghiệp, vấn đề mà một số người cho là thế giới tiền số đang bị thiếu. Nhiều dự án tiền số hoạt động trong phạm vi pháp luật cho phép nhưng cũng có nhiều sàn giao dịch tài sản số và các vụ ICO bị lợi dụng để lừa đảo, thao túng thị trường, rửa tiền và trở thành nạn nhân của các vụ trộm. Thiếu khung pháp lý rõ ràng và một loạt vụ hack chính là một trong những nguyên nhân chính khiến bitcoin mất hơn một nửa giá trị kể từ đầu năm đến nay.

Đã có 227.031 người từ 91 quốc gia và vùng lãnh thổ đăng ký dự thi các kỳ thi CFA trong tháng 6 vừa qua, một con số cao kỷ lục. Phần lớn thí sinh đến từ châu Á – cũng là nơi tiền số bùng nổ mạnh nhất trên thế giới. Theo, 45% các giao dịch bitcoin được thực hiện bằng đồng yên NHật, trong khi nhiều sàn tiền số lớn nhất thế giới được đặt ở Hàn Quốc.

Theo Darius Sit, cựu trader FX tại BNP Paribas và hiện đang làm việc tại quỹ QCP Capital tập trung vào tiền số, việc các tổ chức như Viện CFA quan tâm đến tiền số và blockchain là 1 tín hiệu rất tích cực. “Đào tạo nhiều hơn bao giờ cũng tốt hơn”, Darius Sit nói. Trung bình các thí sinh thi đỗ phải bỏ ra khoảng 300 giờ học cho mỗi level để bồi đắp các kiến thức về thế giới tài chính.

Thu Hương

Theo Trí thức trẻ/Bloomberg


Estonia có là Phần Lan mới?

Estonia có là Phần Lan mới?


Với việc tập trung vào đảm bảo sự công bằng trong giáo dục, quốc gia nằm phía Bắc châu Âu này từng bước gia nhập hàng ngũ các nền giáo dục xuất sắc của toàn cầu.

Ở Estonia, giáo dục được xây dựng trên yếu tố công bằng. Nguồn: Estonian World.

Hầu hết các nhà giáo dục và hoạch định chính sách có thể đưa ra danh sách các cường quốc giáo dục quốc tế như Hàn Quốc, Singapore, Nhật Bản và Phần Lan. Nhưng Estonia lại không mấy được chú ý, dù năm 2012, các học sinh tuổi 15 của Estonia xếp hạng 11 về toán và kỹ năng đọc hiểu, hạng 6 về khoa học trong số trong số 65 quốc gia tại cuộc thi quốc tế so sánh các hệ thống giáo dục trên khắp thế giới PISA. Estonia đã vượt qua nhiều quốc gia phương Tây như Pháp, Đức và ngay cả Phần Lan… về toán và khoa học, đặc biệt số lượng học sinh yếu về toán, kỹ năng đọc hiểu (10%), khoa học (5%) của họ cũng thấp nhất châu Âu.

Quốc gia vùng Baltic này có sự phức tạp về văn hóa, những ảnh hưởng kinh tế, xã hội từ thời Xô viết… ví dụ phải đến 1/5 học sinh trong các trường phổ thông đến từ nhiều gia đình nói tiếng Nga1. Khi Estonia tách ra khỏi Liên bang Xô viết và trở thành quốc gia độc lập 25 năm trước, tiếng Estonia là ngôn ngữ chính thức và được dùng trong trường học.

Công bằng trong môi trường giáo dục

Marc Tucker, chủ tịch Trung tâm Giáo dục quốc gia ở Washington đã tới Estonia năm 2015 để tìm hiểu họ đã làm những gì để có được kết quả này. Ông cho rằng sau khi Liên Xô tan rã, nhiều quốc gia vệ tinh của Xô viết khác như Hungary và Czech đã chuyển tiếp giáo dục sang một hệ thống phù hợp với yêu cầu của giới tinh hoa còn Estonia lại cố gắng giữ những cơ hội bình đẳng cho mọi học trò từ mọi thành phần xã hội. Tucker nói: “Những gì chúng tôi thấy ở Estonia không phải là một hệ thống giáo dục mới, nó vẫn là cái cũ. Bởi sau khi Liên Xô tan rã, họ không thay đổi hệ thống này… Thật ngạc nhiên là họ vẫn tiếp tục nhận được thành công”.

Điều mà Marc Tucker cho là “cái cũ” ấy chính là sự công bằng. Ý tưởng công bằng trong giáo dục là điều còn sót lại từ truyền thống giáo dục Estonia dưới thời Xô viết và là một trong những điều Estonia vẫn cố giữ vững ngay cả khi họ vẫn phải vật lộn với việc hiện đại hóa trường học và rút ngắn hơn nữa khoảng cách điểm số giữa các học trò. Thời kỳ những năm sau Chiến tranh thế giới thứ hai, việc áp dụng phổ cập chương trình học phổ thông 7 năm (1949) và 8 năm (1958-1963) đã tạo điều kiện cho các thế hệ sinh sau chiến tranh đều được đến trường, không giới hạn hoàn cảnh xuất thân, không có trường hợp biệt lệ nào. Trong – trang web bách khoa toàn thư về Estonia do Viện nghiên cứu Estonia ở thủ đô Tallinn khởi xướng, đã nhận định giáo dục phổ thông đều miễn phí và ai cũng có thể dễ dàng đăng ký học. Bất chấp tình trạng nghèo đói, số lượng học sinh đến lớp không ngừng tăng lên. Sau đạo luật giáo dục được ban hành  vào năm 1970 thì tới những năm 1980, 90% thanh niên dưới 18 tuổi trên toàn đất nước đều học trung học phổ thông.

Sự công bằng tiếp tục trở thành một trong những yếu tố cốt lõi của giáo dục thời “hậu Xô viết” khi các nhà giáo dục cố gắng đem lại những trải nghiệm tương đồng cho học sinh trong mọi ngôi trường, dẫu các em từ nhiều nền tảng văn hóa và từ nhiều gia đình có thu nhập khác nhau. Nhờ vậy, Estonia đã tạo dựng được một hệ thống giáo dục trên cơ sở sự công bằng.

Estonia vẫn có được kết quả tốt ở PISA, mặc dù lượng học trò nghèo chiếm một phần đáng kể trong số học sinh nước này. “Chúng tôi luôn luôn giữ cho giáo dục trở nên công bằng”, Jürgen Ligi – Bộ trưởng Bộ Giáo dục Estonia, cho biết. Tại cuộc kiểm tra môn toán PISA 2012, hơn 1/3 học trò từ các gia đình thu nhập thấp của Estonia có kết quả tốt nhất đất nước mình. Trong các quốc gia Khối OECD, khoảng cách về điểm số giữa học sinh “nhà giàu” và học sinh “nhà nghèo” của Estonia ở mức thấp nhất. Học sinh “nhà nghèo” Estonia có điểm số tương đương học trò thuộc nhóm gia đình có thu nhập cao thứ nhì ở Mỹ.

Có rất nhiều nguyên nhân dẫn đến thành công của Estonia ở PISA, không chỉ từ việc tập trung vào sự bình đẳng. Ở trường phổ thông giáo viên được trao quyền tự chủ rất cao và họ có thể theo học trò từ một đến ba lớp – thi thoảng tới 6 lớp, điều đó khiến giáo viên có thể tạo ra mối quan hệ sâu sắc và bền chặt với học trò. Nhiều viên chức và nhà giáo dục cho biết, các giáo viên rất giỏi trong việc hỗ trợ học sinh học tập và sẵn sàng “can thiệp” nếu học sinh chệch khỏi quỹ đạo chung. Tuy nhiên, nhiều nhà giáo dục cho rằng, việc trao cho mọi học trò một trải nghiệm giáo dục tương đồng mới đóng vai trò trung tâm. “Chúng tôi cố gắng thực hiện đúng điều này để cho các em đều bình đẳng trong học tập. Dù xuất thân từ gia đình nào thì các em vẫn có thể thành công”, Karin Lukk, giáo viên trường Tartu Kivilinna Kool – một ngôi trường có các lớp từ 1 đến 9 tại Tartu, thành phố lớn thứ nhì Estonia, cho biết.

Cách tiếp cận này đã được áp dụng ngay từ thời điểm bọn trẻ bắt đầu đi học. Mỗi đứa trẻ đủ 18 tháng đến nhà trẻ đều không phải đóng học phí (tính từ khi kết thúc kỳ nghỉ thai sản của mẹ hoặc thời gian nghỉ của cha) và bữa trưa cũng miễn phí  (thầy cô cũng tham dự bữa trưa này để có cái nhìn công bằng, không phân biệt học sinh “nhà giàu”, “nhà nghèo”). Bọn trẻ được hưởng chế độ miễn học phí này đến hết bậc trung học phổ thông, học sinh “nhà nghèo” và “nhà giàu” vẫn thường học chung lớp. Mặc dù trường tư bắt đầu xuất hiện ở Estonia nhưng đây chỉ là một lát cắt nhỏ trong toàn bộ hệ thống giáo dục.

Tìm triết lý giáo dục mới

Năm 1984, Liên bang Xô viết tái cấu trúc chương trình phổ thông và việc áp dụng nó vào Estonia khiến quốc gia này phải tăng thêm một lớp ở cấp tiểu học nhưng lại bớt đi một lớp ở cấp trung học phổ thông, do đó phải cắt giảm chương trình văn học, lịch sử và địa lý, vốn đã phải chịu sự áp đặt của tư tưởng Xô viết về nội dung. Làn sóng phản đối trong cộng đồng giáo viên và khoa học Estonia cuối cùng làm chương trình phổ thông tăng thêm một năm học nữa.

Về tổng thể, điều này dường như không ổn với Estonia. Vào năm 1987, Hội nghị giáo viên Estonia trở thành một sự kiện đột phá cho giáo dục nước này. Các giáo viên chỉ trích những vấn đề tồn tại trong cấu trúc giáo dục phổ thông và đòi hỏi sự độc lập của giáo dục Estonia. Trung tâm thảo luận là sự cần thiết của một chương trình học chuẩn cho cấp trung học phổ thông (kết thúc bậc học này, học sinh sẽ quyết định học phổ thông trung học ba năm để chuẩn bị vào đại học hay đến các trường dạy nghề để có được một nghề cụ thể cho tương lai). Cuối cùng dự án tìm giáo trình chuẩn thông qua một cuộc thi mở đã được thông báo. Tháng 6/1987, mọi thành viên trong xã hội – tất cả những ai quan tâm đến giáo dục như nhà khoa học, nhà triết học, nhà văn, giảng viên đại học, giáo viên phổ thổng, thậm chí cả học sinh, đều tham gia dự án và bỏ phiếu chọn chương trình phù hợp. Trong hai năm 1987 và 1988, các thành viên hội đồng thẩm định xem xét các chương trình mới và kết quả là năm 1989, trường học Estonia áp dụng chương trình mới.

Sau khi Estonia tách ra khỏi Liên bang Xô viết và tuyên bố độc lập, các nhà giáo dục trên khắp đất nước Estonia không ngừng vật lộn với những triết lý và ý tưởng giáo dục mới, cố gắng để nó tương thích với hệ thống giáo dục quá cứng nhắc mà họ mới trải qua. Hệ thống giáo dục truyền thống trên nền tảng giáo dục Xô viết của Estonia vẫn nghiêng về mô hình lấy giáo viên làm trung tâm và nhấn mạnh đến việc học hỏi kiến thức hơn là phát triển các kỹ năng mềm. Về tổng thể, nó chỉ “làm đẹp” hình ảnh đất nước qua các cuộc thi, vì vậy nó không tương thích với việc thay đổi toàn bộ hệ thống giáo dục. Katrin Libe, cô giáo dạy tiếng Anh ở Konguta Kool – trường tiểu học ở một ngôi làng nhỏ cách thành phố Tartu một giờ ô tô, nêu băn khoăn: “Vấn đề là liệu chúng tôi có thể giữ được các kết quả thi thử nghiệm trước sức ép sáng tạo hay không? Nó sẽ dẫn đến một số xung đột về quan điểm giáo dục chăng?”

Trên khắp đất nước, những nhà hoạch định chính sách và các nhà giáo dục đối thoại về nhu cầu đào tạo ra những học sinh có khả năng làm được nhiều điều hơn việc chỉ làm tốt một kỳ kiểm tra, có lẽ hướng tới trở thành thương gia hay những nhà lãnh đạo có xu hướng đổi mới sáng tạo. Cần thay đổi triết lý giáo dục Estonia và thực tế là nó đang thay đổi nhằm phát triển tư chất cá nhân của học sinh và để giáo viên hướng dẫn các em nhiều hơn chứ không dừng ở việc giảng dạy trên lớp, nhiều nhà giáo dục cho biết.

Dĩ nhiên thật khó để giáo viên có thể từ bỏ phương pháp giáo dạy truyền thống, vì thế giáo dục Estonia đặt mục tiêu thu hút người mới có trình độ cao, dù nước này vẫn thuộc nhóm các quốc gia có mức lương thấp nhất châu Âu. Trước khi bước vào giảng dạy, họ đều trải qua những khóa bồi dưỡng tại trường đại học Tartu để có thể dẫn dắt các em chú trọng vào lối tư duy phản biện và nâng cao khả năng giao tiếp hơn là lượng kiến thức, tuy vậy các nhà quản lý giáo dục cho biết cũng phải mất một thời gian thì phương thức giảng dạy này mới phát huy được hiệu quả.

Dù các trường phổ thông Estonia vẫn được hưởng lợi từ việc tận dụng ưu điểm của hệ thống giáo dục cũ thì những thay đổi mới cũng từ từ được áp dụng. Họ tổ chức nhiều cuộc hội thảo giới thiệu những phương pháp giáo dục mới cho giáo viên để họ có thể lựa chọn áp dụng ở trường của mình, ví dụ hội nghị với diễn giả là một nhà tâm lý nêu việc giáo dục sớm nên tập trung nhiều hơn đến các kỹ năng xã hội và cảm xúc hơn là vội thiết lập nền tảng kiến thức học thuật.

Để phát huy sự cởi mở trong tư duy và sự hào hứng trong tiếp thu kiến thức, ở những trường học lớn, học sinh đều có thể tự chọn lấy một lĩnh vực để theo học, ví dụ như khoa học và toán hoặc xã hội nhân văn, theo ý thích chứ không phải trên cơ sở điểm số. Bên cạnh đó, học sinh vẫn tham gia các khóa học chung để đảm bảo là có đủ kỹ năng cơ bản trong mọi lĩnh vực. Mỗi trường đều có cách để học sinh có được kỹ năng chung. Konguta Kool đã đạt được một số kết quả nhất định bằng nỗ lực của mình, dù thiếu giáo viên. Các học sinh lớp 5 của trường có thể sử dụng máy tính xách tay trong phòng máy tính của trường để học toán. Quan sát một tiết học như vậy, nhà báo Sarah Butrymowicz của The Atlantic đã ngạc nhiên thấy “màn hình của một học sinh nữ bắt đầu với bài toán cơ bản 1+1. Chỉ trong vòng 2 phút, em đã nâng độ khó với phép tính 2589 + 1233”. Nhà trường đã áp dụng cách này để học sinh rèn kỹ năng tính nhẩm. Bên cạnh đó, giáo viên cũng cố gắng soạn các bài giảng có sự kết nối toán học với các vấn đề của cuộc sống thực, ví dụ cầu thang dẫn đến các lớp học được đánh dấu bằng các con số âm theo cấp độ giảm dần – trong suốt mùa đông chúng được dùng để ghi nhiệt độ, hay trường dành hẳn một bức tường để dán những thứ bọn trẻ thích: kết quả cuộc “bỏ phiếu” loại bánh mì yêu thích hay đếm được bao nhiêu loài chim khác nhau quan sát thấy trong vườn trường.

Cô giáo Katrin Libe cho biết, học sinh của trường đều làm tốt bài kiểm tra trong kỳ thi quốc gia vào cuối lớp 6. Dẫu vậy thì điểm số cũng không cần công khai; thường cứ ba năm một lần, học sinh Estonia đều có một kỳ kiểm tra và thứ bậc học sinh chỉ công khai một lần duy nhất vào cuối năm lớp 12.
Theo kết quả các cuộc điều tra của PISA, thật bất ngờ Estonia là một trong số các quốc gia có tỷ lệ học sinh hạnh phúc thấp nhất khối OECD (2/3), trong khi đó gần 80% học sinh Mỹ cảm thấy hạnh phúc. Gunda Tire, điều phối viên PISA ở Estonia, cho biết, bản tính tự nhiên của người Estonia là không dễ bằng lòng nên họ phản ứng khác nhau trước câu hỏi về hạnh phúc. Chính quan điểm văn hóa truyền thống đó đã tạo động lực cho người Estonia không ngừng cải thiện chất lượng trường học. “Không bao giờ là đủ tốt cả. Không ai có thể cho là hệ thống trường học đã được vận hành tốt”, Tire nhận xét.


Trong cuộc trả lời phỏng vấn của GovInsider, cựu Tổng thống Estonia Toomas Hendrik Ilves cho biết ông gặp phải nhiều khó khăn khi phổ biến tin học vào các trường phổ thông Estonia – chương trình “Tiigrihüpe” (Cú nhảy của hổ) do ông đề xuất vào năm 1996, “giáo viên và nhiều người khác trong xã hội đều cho rằng đây là ý tưởng ngớ ngẩn” (năm đó ông là Bộ trưởng Bộ Nội vụ). Thời điểm đó, công nghệ chưa được quan tâm bởi sau sự tan rã của Liên Xô, đất nước trong cảnh bần cùng và mọi người còn quan tâm đến mức thu nhập cơ bản, lương công chức hơn. “Tiigrihüpe” được hi vọng sẽ tạo ra bước phát triển nhảy vọt của đất nước từ nền tảng công nghệ theo phong cách Xô viết cũ kỹ sang nền tảng công nghệ mới bậc nhất thế giới.
Các trường phổ thông Estonia đều được nối mạng internet vào năm 1999. Chương trình khiến người dân Estonia tiếp cận công nghệ dễ hơn. Thậm chí để đạt điều này, chính phủ còn yêu cầu các trường học phải giữ cho phòng máy tính được mở cửa để mọi người có thể cùng sử dụng. Cùng thời điểm đó, chính phủ lập các điểm nối mạng internet ở các không gian công cộng như thư viện, tòa thị chính các thành phố để tạo điều kiện cho mọi người có thể truy cập internet một cách dễ dàng. Hiện Estonia là một trong số các quốc gia có tỷ lệ người sử dụng internet cao nhất thế giới (97,7% dân số).
Để chương trình hiệu quả, Ilves nêu 2 bí quyết: chính phủ yêu cầu các trường học phải đóng một nửa chi phí mua máy tính để “‘biến’ các trường học thành người sở hữu”; dù thiếu giáo viên tin học nhưng mục tiêu đầu tiên của “Tiigrihüpe” là khơi gợi sự tò mò về công nghệ cho trẻ em trước khi hướng tới những vấn đề phức tạp hơn bởi “hãy tin học sinh, chúng sẽ tính toán được tất”.
Ngày nay, ở Estonia, trẻ em 7 tuổi đã được học các kiến thức lập trình máy tính cơ bản. “7 tuổi là có tư duy logic cơ bản để làm được điều đó”, ông Ilves nhận xét. Năm 2012, đất nước này bắt đầu dạy lập trình và robotic ở tất cả các cấp, từ thiết kế game, phim hoạt hình dạng đơn giản ở cấp tiểu học đến ngôn ngữ lập trình như Python ở trung học phổ thông.
Không chỉ có vậy, thành công của “Tiigrihüpe” còn dẫn đến việc mở ra nhiều sáng kiến liên quan đến kỹ năng máy tính khác, ví dụ như Quỹ Look@World vào năm 2001 nhằm phát triển năng lực sử dụng máy tính cho người lớn tuổi (và đến nay vẫn tiếp tục).

Thanh Nhàn tổng hợp
1.Các em có thể theo học các chương trình tiếng Estonia và tiếng Nga ở bậc phổ thông nhưng bậc đại học thì chỉ có chương trình tiếng Estonia.


Robot 5 bậc tự do của Việt Nam phục vụ đào tạo

Robot 5 bậc tự do của Việt Nam phục vụ đào tạo


So với robot nhập, sản phẩm của Việt Nam có giá bằng một nửa nhưng đáp ứng đầy đủ các chức năng trong đào tạo về robotics.

Trong dây chuyền sản xuất công nghiệp, các tay máy và robot đã được sử dụng rộng rãi nhằm thay thế sức lao động con người, nâng cao năng suất và tính cạnh tranh của sản phẩm. Tại Việt Nam, việc sử dụng robot còn hạn chế, do giá thành đắt và đòi hỏi người sử dụng phải nắm vững kỹ thuật cần thiết. Vì vậy, vấn đề đào tạo nguồn nhân lực phát triển và sử dụng là nhiệm vụ cấp thiết.

Nhiều đại học, cao đẳng và dạy nghề về công nghệ – kỹ thuật đã có chương trình đào tạo về robot, nhưng sinh viên chủ yếu được học lý thuyết, mô phỏng và ít có điều kiện thực hành. Một số trường có ít robot thực hành nhập từ nước ngoài cũng gặp khó khăn trong sửa chữa, bảo hành do phụ thuộc vào nhà cung cấp.

Từ thực tế trên, nhóm nghiên cứu thuộc Công ty Robotics Việt Nam đã thực hiện công trình “Hoàn thiện công nghệ chế tạo robot phục vụ đào tạo”. Dự án nằm trong Chương trình quốc gia phát triển công nghệ cao đến năm 2020 của Bộ Khoa học và Công nghệ.

Sau hai năm thực hiện, nhóm đã tạo ra robot 5 bậc tự do VNR -T1 kiểu khớp xoay dạng đứng trọng lượng 15 kg, có kích thước để bàn, làm việc trong bán kính tối đa 610 m. Các khớp xoay của robot được dẫn động bằng các động cơ và bộ điều khiển có tính chính xác cao.

Robot đáp ứng các kiểu thực hành như một robot công nghiệp hoạt động độc lập, hoặc được điều khiển từ máy tính, đào tạo qua mạng.

Robot 5 bậc tự do.

Robot 5 bậc tự do.

Kỹ sư Lê Anh Kiệt, Giám đốc công ty Robotics Việt Nam cho biết, khác với robot đào tạo của các hãng tiên tiên trên thế giới, cấu hình của robot VNR-T1 cho phép học viên can thiệp vào cả hệ cơ khí (tháo lắp) và hệ điều khiển thông qua giao diện người dùng (hệ thống mở). Tùy vào mục đích hay nhiệm vụ, học viên sẽ tương tác với hệ thống thông qua phím điều khiển, nhập dữ liệu hoặc lập trình điều khiển, khảo sát các giải thuật và giám sát kết quả trên màn hình máy tính.

Người dùng có thể điều khiển từ xa robot “made in Vietnam” từ máy tính bảng hoặc điện thoại thông minh qua công nghệ bluetooth. Hệ thống xây dựng nhiều bài thực hành giúp sinh viên tiếp thu tốt hơn các môn học. Robot được cấu tạo từ nhiều phụ kiện có khả năng thay thế ngay ở trong nước để phục vụ hiệu quả công tác bảo trì, sửa chữa trong quá trình sử dụng.

Theo nhiều chuyên gia trong lĩnh vực tự động hóa, robot này có khả năng kết nối dây chuyển sản xuất linh hoạt, khả năng phát triển thành robot công nghiệp, trong khi giá thành rẻ chỉ bằng 40% thiết bị ngoại nhập.

Dự án đã chế tạo và chuyển giao cho hơn 10 trường ở TP HCM, Hà Nội, Huế, Bình Dương, Nam Định như Đại học Việt Đức, Đại học Bách khoa Hà Nội, Cao đẳng Công nghiệp Huế… và cung cấp cho một số công ty về thiết bị đào tạo.

Ông Kiệt cho biết, công ty đang tiếp tục hoàn thiện sản phẩm robot VNR-T1 theo hướng chọn vật liệu và gia công để giảm trọng lượng và giá thành, mở rộng thêm các bài thực hành trên hệ thống robot 5 bậc tự do.

Nhóm cũng thực hiện các nghiên cứu phát triển sản phẩm robot 6 bậc tự do có độ chính xác cao, cho phép xử lý đối tượng một cách tự do trong không gian ba chiều, mô phỏng đầy đủ hoạt động của cánh tay người.

Từ nền tảng này, công ty sẽ triển khai các ứng dụng trong công nghiệp như lắp ráp, mài – đánh bóng, hàn sản phẩm và đặc biệt – ứng dụng cho đào tạo.

Phạm Hương


Những tấm lòng cao cả [Review]

Những tấm lòng cao cả

Cuốn sách Những tấm lòng cao cả (1886) của nhà văn Edmondo De Amicis – người đã đấu tranh cho độc lập đất nước vào năm 20 tuổi, đấu tranh cho công bằng xã hội vào năm 40 tuổi – là thiên tiểu thuyết viết dưới dạng nhật ký của cậu bé mười tuổi người Ý tên là Enricô. Một tác phẩm mà khi đã đọc đến trang cuối cùng, đọng lại trong lòng người lại là những bài học giản dị nhất nhưng lại sâu sắc nhất – không chỉ dành riêng cho con trẻ mà còn cho tất cả chúng ta.

Đọc Những tấm lòng cao cả, chúng ta sẽ hiểu thêm về tâm sức của “những người chở đò” – những thầy cô giáo đã dành cả đời cống hiến, mặc dù bản thân sống thiếu thốn, nhưng trong lòng luôn ấp ủ một ước mơ duy nhất: dạy dỗ thế nào cho học trò của mình thành đạt. Hơn nữa, ta còn hiểu được sự cần thiết và quan trọng của mối liên hệ giữa gia đình + nhà trường + xã hội để giáo dục con em mình trở thành một công dân tốt.

“Đừng để con rắn ghen tị luồn vào trái tim, đó là một con rắn độc, nó gặm mòn khối óc và làm đồi bại trái tim.”

Vấn đề tiếp theo là, làm thế nào để điều chỉnh hành vi/đạo đức của người lớn trong: công việc (chẳng hạn giảng dạy, NCKH), quan hệ, …?! Cần có hai bước:

Bước 1. Mỗi cá nhân cần (liên tục) xây dựng “bộ luật” của chính mình: hành vi nào là được; hành vi nào là KHÔNG được.

Bước 2. Tuân thủ nghiêm ngặt “bộ luật” do mình đề ra.

Ghi chú:

  • Bước 1 không quá khó, điểm nào không biết thì phải tìm hiểu (ví dụ dùng google). Cần phải có niềm tin vào ý kiến riêng của bản thân, phải lắng nghe tất cả mọi người nhưng cũng cần phải sàng lọc những gì nghe được qua một tấm lưới chân lý để chỉ đón nhận những gì tốt đẹp.
  • Bước 2 khó hơn, phải biết vượt qua cám dỗ của bản thân và những tác động từ bên ngoài. Cần phải có được sự bền chí để là người dũng cảm.
  • Khi “bộ luật” có điểm không hợp lý, phải chỉnh sửa ngay.

(Tham khảo: Internet)


Chuỗi bài giảng về: Quản trị rủi ro định lượng

QRM Tutorial

QRM Tutorial has been created by

in collaboration with QRM Academy Ltd.

2015 09 11 QRM team

Left to right: R. Frey, M. Hofert, P. Embrechts, A.J. McNeil

Link: Quantitative Risk Management Tutorial – Video