Tin nghiên cứu

Details

Category: Tin nghiên cứu

Created: 22 July 2024

Last Updated: 25 July 2024

Hits: 832

Bộ môn Cơ học tổ chức buổi "Seminar Cơ học tháng 07.2024" với 2 bài báo cáo của Tiến sĩ Đặng Lê Quang và Tiến sĩ Vũ Hồ Thảo Thuận. Buổi trình bày này sẽ giới thiệu vai trò quan trọng của Khoa học Dữ liệu trong việc nâng cao hiệu suất và tối ưu hóa các quy trình kỹ thuật, góp phần thúc đẩy sự phát triển bền vững và đổi mới trong các ngành công nghiệp đồng thời buổi seminar cũng sẽ giới thiệu sơ lược về cơ học Hamilton và các ứng dụng

Các bạn sinh viên, học viên cao học, nghiên cứu sinh và các đồng nghiệp quan tâm có thể đăng ký tham dự tại đây.

• Thời gian: 09h00 sáng thứ 6 ngày 26/07/2024.
• Địa điểm: Phòng C43A - Trường ĐH Khoa học tự nhiên, cơ sở 1, 227 Nguyễn Văn Cừ, Q5, TP. HCM.

Nội dung: 

1. Bài báo cáo số 1: 
   • Tiêu đề: Ứng dụng Khoa học Dữ liệu trong các lĩnh vực kỹ thuật
   • Diễn giả: TS Đặng Lê Quang – Đại học Ngoại Thương
   • Tóm tắt bài báo cáo như sau: 
     Khoa học Dữ liệu đã trở thành một công cụ thiết yếu trong nhiều lĩnh vực kỹ thuật, mang lại những cải tiến vượt bậc về quy trình làm việc và hiệu suất. Trong lĩnh vực kỹ thuật xây dựng, Khoa học Dữ liệu hỗ trợ dự đoán tuổi thọ công trình, phân tích địa chất và tối ưu hóa quy hoạch đô thị thông qua các mô hình dự đoán dựa trên dữ liệu. Các kỹ thuật phân tích dữ liệu tiên tiến giúp cải thiện thiết kế sản phẩm, dự đoán sự cố thiết bị và tối ưu hóa quy trình sản xuất trong kỹ thuật cơ khí. Trong kỹ thuật điện, Khoa học Dữ liệu đóng vai trò quan trọng trong việc quản lý và tối ưu hóa lưới điện, dự báo nhu cầu tiêu thụ năng lượng và giám sát hiệu suất hệ thống điện. Hơn nữa, trong ngành hàng không, ứng dụng Khoa học Dữ liệu đã cải thiện hiệu suất bay, tối ưu hóa lịch trình bảo trì và nâng cao an toàn bay thông qua việc phân tích dữ liệu cảm biến và hệ thống.
     Đặc biệt, trong lĩnh vực mô phỏng số, Khoa học Dữ liệu đang tạo ra những thay đổi đột phá. Các mô hình mô phỏng số sử dụng các thuật toán học máy để tái tạo và dự đoán các hiện tượng phức tạp trong các hệ thống kỹ thuật. Điều này giúp giảm thiểu thời gian và chi phí cho việc tính toán, đồng thời tăng độ chính xác của các mô phỏng. Các ứng dụng nổi bật của Khoa học Dữ liệu bao gồm mô phỏng dòng chảy chất lỏng trong kỹ thuật thủy lực, dự đoán hiệu suất của các vật liệu mới trong kỹ thuật vật liệu, và mô phỏng khí động lực học trong ngành hàng không. Những ứng dụng này không chỉ cải thiện hiệu quả và độ chính xác mà còn mở ra những hướng nghiên cứu và phát triển mới trong các lĩnh vực kỹ thuật.
2.  Bài báo cáo số 2: 
   • Tiêu đề: Hamiltonian mechanics approach to 2-layer dispersive stratified fluids
   • Diễn giả: TS. Vũ Hồ Thảo Thuận – Đại học Monash, Úc
   • Tóm tắt bài báo cáo như sau:
     Bài thuyết trình giới thiệu sơ lược về cơ học Hamilton, và các ứng dụng cơ học Hamilton vào việc mô hình hệ chất lưu 2 lớp (stratified fluids). Mô hình có sử dụng phương pháp long-wave asymptotics, và một số khái niệm chuyên ngành từ hình học vi phân.

Bấm vào liên kết trước ngày 25/07/2024 để đăng ký tham dự.

Details

Category: Tin nghiên cứu

Created: 14 July 2024

Last Updated: 22 August 2024

Hits: 1112

Bộ môn Xác suất - Thống kê thông báo Seminar tháng 7/2024 như sau: 

• Title: A Primer on Latent Variable Mixture Modeling: Theoretical Foundations and Applications in Data Science and AI (Part 1: Basics).
• Speaker: TS. Nguyễn Trung Tín, Postdoctoral researcher, School of Mathematics and Physics, University of Queensland, Australia. 
• Abstract: For over 150 years, mixture models have been employed as a versatile and multifaceted tool in various branches of statistical modeling and machine learning. They are applicable to a wide array of data types, such as univariate and multivariate, continuous and categorical, as well as cross-sectional, time series, and network data. In this presentation, I will introduce and provide the rationale for mixture models, explain the expectation–maximization algorithm, and discuss Bayesian methods from both theoretical and computational perspectives.

(Seminar này gồm 2 phần, phần 2 sẽ trình bày về các chủ đề nâng cao của Mixture models và Mixture of Experts models. Phần 2 sẽ được báo cáo online trên zoom, thời gian cụ thể sẽ được thông báo sau)

Seminar bắt đầu lúc 14g00 Thứ Tư ngày 17/7/2024 tại Phòng F207, Trường Đại học Khoa học Tự nhiên, 227 Nguyễn Văn Cừ, Q5, TP. HCM. 

Liên hệ: TS. Hoàng Văn Hà (This email address is being protected from spambots. You need JavaScript enabled to view it.) 

Trân trọng kính mời quý thầy cô, nghiên cứu sinh, học viên cao học và sinh viên có quan tâm đến tham dự. 

Details

Category: Tin nghiên cứu

Created: 19 July 2024

Last Updated: 19 July 2024

Hits: 1585

Khoa Toán - Tin học thông báo chuỗi seminar gồm 3 bài giảng trong các ngày 29, 30 và 31/7, thông tin chi tiết như sau:

• Tên chuỗi bài giảng: The role of mathematics and optimization in Machine Learning/Deep Learning.
• Báo cáo viên: Giáo sư Trương Trung Tuyến, Khoa Toán, Đại học Oslo, Na uy.
• Thời gian: các buổi sáng từ 9:15 đến 11:30 ngày 29, 30 và 31/7. 
• Địa điểm: Trường Đại học Khoa học tự nhiên, ĐHQG-HCM, 227 Nguyễn Văn Cừ, Q5, TP. HCM (Phòng học cụ thể sẽ được BTC thông báo sau).
• Hình thức: trực tiếp và trực tuyến trên zoom.
• Ngôn ngữ: Tiếng Anh.
• Tóm tắt: This mini-series will present, from the speaker's experience, the role of Mathematics and Optimization in Machine Learning/Deep Learning. Various examples on explicit usages of different fields (Logic, Approximation theory, Calculus, Statistics, Linear Algebra, Optimization, Dynamical systems, Metric/Topology, Semi-algebraic/analytic geometry, Riemann geometry, and Mathematical education) in Machine Learning/Deep Learning/LLM will be presented. 
• Giới thiệu về GS. Trương Trung Tuyến: Current position: Professor of Mathematics, University of Oslo, Norway. Undergraduate degree from University of Science, Ho Chi Minh City, Vietnam. PhD degree from Indiana University, USA. Research interest: both pure and applied mathematics, including optimization with applications in Deep Neural Networks, applications of Machine Learning/Deep Learning/LLM to health care and mathematical education. 

Đăng ký tham dự: 

• Đối tượng: giảng viên, nghiên cứu sinh, học viên cao học, sinh viên và nhà nghiên cứu về Toán, Toán - Tin, Toán ứng dụng, Công nghệ thông tin, Khoa học dữ liệu có quan tâm. 
• Đăng ký tham dự: việc tham dự là miễn phí nhưng đăng ký là bắt buộc. Quý thầy cô, NCS, HVCH, SV và người quan tâm có thể đăng ký tại đây hoặc quét mã QR trên poster. Người tham dự trực truyến trên zoom cũng cần đăng ký để nhận link tham dự. 
• Hạn chót đăng ký: 26/7/2024. 

Các câu hỏi và thông tin khác, vui lòng liên hệ: TS. Hoàng Văn Hà, This email address is being protected from spambots. You need JavaScript enabled to view it.. 

Details

Category: Tin nghiên cứu

Created: 01 July 2024

Last Updated: 01 July 2024

Hits: 1132

Khoa Toán - Tin học phối hợp với Viện Nghiên cứu Cao cấp về Toán tổ chức Mini-course: High-dimensional Statistics, từ 22/7 đến 26/7/2024. Thông tin chi tiết về khóa học như sau:

Thông tin mini-course trên website của Viện nghiên cứu cao cấp về Toán: https://viasm.edu.vn/hdkh/mini-course-HDSHCM2024 

Thời gian: 08:30:22/7/2024 đến 16:30:26/7/2024, cụ thể:

• giờ học lý thuyết sẽ diễn ra trong các buổi sáng từ 22/7 đến 26/7 từ 8:30 đến 12:00;
• giờ học bài tập/thực hành diễn ra. trong các buổi chiều hai, tư sáu từ 13:30 đến 16:30. 

Địa điểm: Trường Đại học Khoa học Tự nhiên - ĐHQG TP. Hồ Chí Minh 227 Nguyễn Văn Cừ, Quận 5, TP. Hồ Chí Minh.

Objective: Classical statistical methods developed during the last century were suitable when the number of observations is much larger than the number of parameters to infer. Unfortunately, many fields such as astronomy, genetics, medicine or neuroscience produce large and complex data sets, and consequently with models containing a large number of parameters for which classical tools are not adapted. This issue is often referred as the curse of dimensionality. The goal of this course is to provide most of fundamental statistical tools to face with high-dimensional data. The aim is to present the main concepts and ideas on some selected topics of high-dimensional statistics based on modern nonparametric methodologies such as multiple testing, kernel, wavelets and penalized estimators with a special focus on Lasso estimation. Theoretical aspects are motivated by applicable developments of presented methods.

Đối tượng tham dự: 

• Sinh viên (năm 3, 4), học viên cao học và nghiên cứu sinh thuộc các ngành Toán học, Thống kê, Khoa học dữ liệu và Công nghệ thông tin.
• Giảng viên, nghiên cứu viên thuộc các lĩnh vực trên. 

Đơn vị đồng tổ chức và tài trợ:

• Viện nghiên cứu cao cấp về Toán (VIASM)
• Trường Đại học Khoa học tự nhiên, ĐHQG - HCM

Giảng viên:  GS. Vincent Rivoirard, Univeristy of Paris Dauphine - PSL, France

Ngôn ngữ giảng dạy: English

Đăng ký tham dự và tài trợ: 

• Đăng ký tại đây: Here
• Hạn chót cho đăng ký tham dự: 14/7/2024
• Hạn chót cho đăng ký tài trợ (đi lại + chỗ ở): 07/7/2024

       (BTC tài trợ với số lượng giới hạn cho sinh viên thuộc các tỉnh/thành phố ngoài TP. HCM đến tham dự lớp học. SV đăng ký xin tài trợ cần gửi CV + bảng điểm đầy đủ.)

Liên hệ: 

• Hoàng Văn Hà, email: This email address is being protected from spambots. You need JavaScript enabled to view it. 
• Nguyễn Hồng Anh, email: This email address is being protected from spambots. You need JavaScript enabled to view it.